UNIVERSIDAD DE GUAYAQUIL

FACULTAD DE INGENIERA INDUSTRIAL

MATERIA

ESTADISTICA II

TEMA

DIAGRAMAS DE CONTROL DE PROCESOS

DOCENTE

MSC. LUIS SOTO

ESTUDIANTE

SOLEDAD SUAREZ VILLA

GRUPO: #2

PERIODO – LECTIVO

2017 – 2018

FORMATO

NORMAS APA 2017

 DIAGRAMAS DE CONTROL DE PROCESOS

Un gráfico de control es una herramienta utilizada para distinguir las

variaciones debidas a causas asignables o especiales a partir de las variaciones aleatorias

inherentes al proceso. 

Las variaciones aleatorias se repiten casualmente dentro de los límites predecibles.

Las variaciones debidas a causas asignables o especiales indican que es necesario

identificar, investigar y poner bajo control algunos factores que afectan al proceso.

La construcción de gráficos de control está basada en la estadística matemática. Los

gráficos de control emplean datos de operación para establecer límites dentro de los

cuales se espera hacer observaciones futuras, si el proceso demuestra no haber sido

afectado por causas asignables o especiales.

Causas Asignables

Factores (generalmente numerosos, pero individualmente de relativa importancia) que

se pueden detectar e identificar como causantes de un cambio en una característica de la

calidad o nivel del proceso.

Nota: En ocasiones, se denominan causas especiales de variación.

Causas Aleatorias

Factores generalmente numerosos, pero poco importantes, que contribuyen a la

variación y no han sido necesariamente identificados.

Nota: En ocasiones, se denominan causas comunes de variación.

Existe una gran variedad de gráficos de control que se pueden aplicar a todo tipo de

características medibles o contables de un proceso, un producto o cualquier salida.

¿Para qué sirve un gráfico o diagrama de control?

 Diagnóstico: Para evaluar la estabilidad de un proceso.

Control: Para determinar cuándo es necesario ajustar un proceso y cuándo se debe dejar

tal y como está.

Confirmación: Para confirmar la mejora de un proceso.

Tipos de gráficos de control

Gráfico de control por variables

Hacen uso de estadísticas obtenidas a partir de datos tales como la longitud o grosor de

un elemento.

En los gráficos de control por variables es posible medir la característica de calidad a

estudiar. En estos casos conviene describir la característica de calidad mediante una

medida de tendencia central (usualmente la media muestral) y una medida de su

variabilidad (usualmente el rango o la desviación estándar).

Los gráficos de control por variables son más “sensibles” que los gráficos de control por

atributos, razón por la cual son capaces de “avisarnos” de posibles problemas de calidad

incluso antes de que éstos sean ya relevantes.

Gráfico de control por atributos

Se basan en frecuencias, por ejemplo el número de unidades defectuosas.

En estos gráficos el control del proceso se realiza si el producto inspeccionado se

clasifica como no conforme o conforme (defectuoso o no defectuoso), respecto a las

especificaciones para la característica de calidad considerada. Ejemplo: un tornillo es

conforme si su longitud está entre 1,9 y 2,1 cm., en caso contrario será no conforme.

Los gráficos de control por atributos tienen la ventaja de sintetizar de forma rápida toda

la información referida a diferentes aspectos de calidad de un producto, ya que permiten

clasificar éste como aceptable o inaceptable; además, no suelen necesitar de sistemas de

medición muy complejos y son más fácilmente entendibles por los no especialistas.

Cómo hacer un gráfico de control: Paso a paso

El control estadístico de procesos es un tema próximo a desarrollar en detalle en Ingenio

Empresa.

Paso 1. Antes que nada, determina cuál es el proceso a trabajar y cuál es la

característica de calidad que vas a medir. ¿Acaso es peso, longitud, número de defectos

o volumen?

Paso 2: Ahora que tienes el tipo de datos a recolectar, define el tipo de gráfico de

control a usar basándote en lo explicado anteriormente, y no te quedes solo con eso,

investiga más.
Paso 3: Determina el tiempo en el que estarás capturando los datos y define con base en

el tipo de gráfico que vas a trazar, cuestiones como la cantidad de muestras a considerar

(considera al menos 20) y el tamaño de cada una.

Paso 4: Recopila los datos.

Paso 5: Determina la línea central y el límite de control superior e inferior.

Paso 6: Representa los datos en la gráfica.

Paso 7: Analiza el resultado. Interpreta el gráfico.

Interpretación de un gráfico de control

Y este apartado es únicamente para el paso 7, pues aquí radica la verdadera utilidad de

una carta de control. Existen comportamientos y patrones en los datos representados,

que nos darán un indicio de que hay una variabilidad no aleatoria que debe investigarse.

Pista 1: Cuando hay solo un punto fuera de control. Es quizá la más pequeña de las

probabilidades.

Pista 2: Cuando hay dos de cada tres puntos sucesivos ubicados a un lado de la línea

central y más de dos desviaciones estándar (sigma) alejados de esta línea.

Pista 3: Cuando hay 4 de cada 5 puntos sucesivos ubicados a un lado de la línea central

y más de una desviación estándar (sigma) alejados de esta línea.

Pista 4: Cuando hay una serie de 8 puntos sucesivos ubicados a un lado de la línea

central, sin importar cuántas desviaciones estándar estén alejados de la línea central. Por

ejemplo 8 de cada 10 puntos, 12 de cada 14 puntos o 16 de cada 18 puntos.

Pista 5: Cuando hay 6 puntos consecutivos ascendentes o descendientes.

Pista 6: Cuando hay 14 o más puntos consecutivos cruzando la línea central de arriba a

abajo, sin que haya al menos 2 puntos sucesivos en un mismo lado.

Pista 7: Cualquier patrón recurrente que estés observando, puede ser considerado algo

inusual.

Ejemplo de diagrama de control

Una empresa que produce escritorios, por ejemplo, Mesfir. Ellos quieren monitorear el

número de defectos en sus mesas incluyendo el 99,73% (tres desviaciones estándar) de

la variación aleatoria del proceso, por lo que revisan que la forma de la mesa, su

estabilidad y la pintura estén en óptimas condiciones.

Paso 1: Se van a contar el número de defectos encontrados en las mesas por lote. Los

lotes pueden variar levemente de tamaño, es decir, puede haber pequeñas variaciones en

el número de mesas que compone un lote de producción.

Paso 2: Se van a trabajar lotes que pueden tener diferente tamaño, y se va a contar el

porcentaje de defectos encontrados por lote (el lote es la muestra), razón por la cual

vamos a trabajar con una gráfica de control por atributos tipo p.

Paso 3: Los datos se van a capturar durante 10 días de producción. Se van a considerar

20 muestras (20 lotes), el tamaño de cada lote lo tienes en el paso 4.

Paso 4: Estos son los datos recopilados. La fracción defectuosa es el resultado de

dividir el número de errores por el tamaño del lote.

Datos recopilados para elaborar gráfico de control

Paso 5: Vamos a determinar la línea central y los límites de control superior e inferior.

Vale la pena aclarar que cuando hicimos el ejemplo, consideramos todos los decimales,

sin embargo en los gráficos y fórmulas que mostramos a continuación, solo

consideramos dos cifras decimales, por lo tanto seguramente si reproduces el ejemplo

como se muestra a continuación, los resultados van a variar levemente.

Para tener la línea central calculamos p promedio:

Observa la última fila del paso 4. El número de errores es 99, el número total de

registros examinados es 1859 y resulta de la sumatoria del número de escritorios por

lote.

La desviación estándar para la distribución de la muestra se calcula así:

p promedio es el número que calculamos anteriormente, y n es 92,96 que es el tamaño

de la muestra, en este caso el tamaño de los lotes. Como se aprecia en la tabla del paso

4, el tamaño del lote varia, por lo tanto 92,95 es el resultado del promedio de escritorios

por lote. La desviación estándar es igual a 0,02.

El cálculo de los límites se hace así:

El número de desviaciones estándar se conoce como z. Mesfir (la empresa) limita los

valores a 3 desviaciones estándar de la media, lo que equivale a 99,73%. Es por eso que

en el cálculo de los límites de control, z es igual a 3. Los otros datos ya los conoces,

fueron calculados anteriormente.

¿Podemos tener un número de defectos negativo? No. Es por eso que el límite central

inferior se redondea a 0.

Paso 6: Procedemos a representar los datos en una carta de control.

Con los cálculos hechos, este es el resultado de la gráfica de control de Mesfir.

Ejemplo de gráfica de control: Gráfica p

Paso 7: Analizamos el resultado.

La interpretación de una gráfica de control tiene más sentido cuando se han hecho

varios ejercicios de este tipo, lo que permite determinar qué es normal y qué no lo es en

el comportamiento de la producción. Sin embargo, y basándonos en las pistas antes

mostradas, podemos ver que:

El punto 12 está fuera de control. Aunque es una probabilidad pequeña, bien vale la

pena entrar a mirar porqué ocurrió esto.

Evidentemente algo ocurrió en los lotes 4 a 9. Fija que hay un aumento constante desde

el punto 4 hasta el punto 9, y aunque se ve corregido en el punto 10, se debe de

revisar cómo se trabajaron estos lotes.