UNIVERSIDAD NACIONAL DE SAN MARTÍN -TARAPOTO

FACULTAD DE INGENIERÍA AGROINDUSTRIAL

ESCUELA PROFESIONAL DE INGENIERÍA AGROINDUSTRIAL

TRABAJO-ENCARGADO

GRAFICOS DE CONTROL POR VARIABLES Y ATRIBUTOS DE CASOS

PRACTICOS EN QUESOS FUNDIDOS-LAIVE

ASIGNATURA:
Administración de la calidad

ESTUDIANTE:
Humberto Pinedo Luna

SEMESTRE:
2021 – I

DOCENTE:
Ing. M.Sc. Epifanio Efraín Martínez Mena

FECHA:
26 de julio del 2021

TARAPOTO – PERU
 I. INTRODUCCIÓN

Actualmente, existe una gran competencia en el mercado global y para que una empresa se
mantenga en tal mercado necesita ofrecer productos de calidad. A fin de asegurar la calidad
de los productos es necesario tomar algunas acciones entre las que se contempla el control
de los procesos.
La Revolución Industrial impulsó el campo de la calidad, pero, sobre todo, el desarrollo de
herramientas estadísticas y gerenciales que ocurre durante el siglo XX. El consumidor,
tanto institucional como el particular, más exigente cada día, y la fuerte competencia
nacional e internacional, provocan una evolución constante en las bases filosóficas y en la
práctica de la Gestión de la Calidad.
Muchas características de calidad se pueden expresar en términos de una media numérica.
Por ejemplo, podría medirse el diámetro de un cojinete con un micrómetro y expresarse en
milímetros. Una característica de calidad medible, como dimensión, peso o volumen, se
llama variable. Los diagramas de control para variables se usan ampliamente. Suelen
permitir el uso de procedimientos de control más eficientes, y proporcionan más
información respecto al rendimiento del proceso que los diagramas de control de atributos.
Las gráficas de control constituyen un mecanismo para detectar situaciones donde las
causas asignables pueden estar afectando de manera adversa la calidad de un producto.
Cuando una gráfica indica una situación fuera de control, se puede iniciar una investigación
para identificar causas y tomar medidas correctivas. Nos permiten determinar cuándo deben
emprenderse acciones para ajustar un proceso que ha sido afectado por una causa especial.
Nos dicen cuando dejar que un proceso trabaje por sí mismo, y no malinterpretar las
variaciones debidas a causas comunes. Las causas especiales se deben contrarrestar con
acciones correctivas. Las causas comunes son el centro de atención de las actividades
permanentes para mejorar el proceso

II. OBJETIVOS

 Desarrollar las gráficas de control en Quesos fluido-Laive.

 Conocer los objetivos que tiene los gráficos de control.
 Identificar y evaluar las gráficas de control por variables, atributos a fin de
elegir la más adecuada.
III. REVISIÓN BIBLIOGRÁFICA
GRAFICA DE CONTROL Y CONCEPTOS ESTADISTICOS
Un proceso de control es aquel cuyo comportamiento con respecto a variaciones es estable
en el tiempo. Las gráficas de control se utilizan en la industria como técnica de diagnósticos
para supervisar procesos de producción e identificar inestabilidad y circunstancias
anormales.
Una gráfica de control es una comparación gráfica de los datos de desempeño de proceso
con los “límites de control estadístico” calculados, dibujados como rectas limitantes sobre
la gráfica. Los datos de desempeño de proceso por lo general consisten en grupos de
mediciones que vienen de la secuencia normal de producción y preservan el orden de los
datos.
Las gráficas de control constituyen un mecanismo para detectar situaciones donde las
causas asignables pueden estar afectando de manera adversa la calidad de un producto.
Cuando una gráfica indica una situación fuera de control, se puede iniciar una investigación
para identificar causas y tomar medidas correctivas.
Nos permiten determinar cuándo deben emprenderse acciones para ajustar un proceso que
ha sido afectado por una causa especial. Nos dicen cuando dejar que un proceso trabaje por
sí mismo, y no malinterpretar las variaciones debidas a causas comunes. Las causas
especiales se deben contrarrestar con acciones correctivas. Las causas comunes son el
centro de atención de las actividades permanentes para mejorar el proceso.
Aunque originalmente estas técnicas fueron aplicadas en la elaboración de productos, hoy
son también aplicadas a los servicios; esto significa que la calidad representa que un
producto o servicio debe cumplir con todos los requerimientos que satisfagan las
necesidades de un consumidor. Para obtener productos o servicios de calidad, éstos no
deben tener defectos.
Los defectos en un producto se deben a “la variación en materiales, a la variación en las
condiciones de la maquinaria de fabricación, a la variación en los métodos de trabajo y a la
variación en las inspecciones”, mientras que la calidad en servicios se mide en forma más
subjetiva, mediante la atención al cliente, calidez del servicio, presentación del servicio, o
bien, en forma cuantitativa mediante un tiempo de espera, tiempo de atención, etcétera.
(Kume Hitoshi, 2002).
GRÁFICAS DE CONTROL
El control estadístico distingue entre dos causas de variación dentro de un proceso; aquellas
que no pueden ser identificadas y corregidas que se denominan “causas fortuitas o
aleatorias”, y otras que pueden plenamente identificadas y que se deben al proceso en sí, las
cuales se denominan “causas asignables”.
Cuando el proceso opera sólo bajo la acción de causas fortuitas, se dice que se encuentra en
el estado de control estadístico, o simplemente “bajo control”. Las gráficas de control
ayudan a identificar y a eliminar las causas asignables, de manera de asegurar que el
proceso se encuentra bajo control.
Las gráficas, diagramas o cartas de control permiten detectar la variación sistémica
generada en un proceso de producción o en la prestación de un servicio con el objetivo de
poder ser identificada y corregida antes de que ésta produzca una gran cantidad de partes,
productos o servicios defectuosos.
Existen gráficas de control para las variables y para los atributos.
 Una gráfica para variables analiza las medidas reales de una parte o producto o
medición de un servicio y las representa en forma gráfica. por ejemplo, el peso de
una lata de conservas, la cantidad de mililitros que contiene una botella de refresco
o bien el tiempo de atención a un cliente.

 Mientras que en una gráfica de atributos sólo medimos la característica del producto
como bueno (no defectuoso o aceptable) o defectuoso (inaceptable). por ejemplo,
una lámpara incandescente (foco) que sale de una línea de producción es bueno
(enciende) o defectuoso (no enciende), o el servicio en un restaurante, el cual se
puede evaluar únicamente como, bueno o malo.

 Como gráficas de control para variables tenemos: la gráfica de control para medias
de un proceso y la gráfica de control para variabilidad de procesos.

 Mientras que para el control de los atributos tenemos: la gráfica de control para
atributos.
Según, J. Rodríguez, (2008): Estos diagramas le indican a un operario en la línea de
producción, a un supervisor, a un ingeniero de calidad o a un gerente, cuándo la producción
de una o varias partes de un producto o bien la prestación de un servicio, está bajo control o
fuera de éste. Si la situación en la línea o en el servicio que se presta está fuera de control,
la gráfica de control no puede corregir la situación, ya que es sólo un documento con
números y puntos; sin embargo, la persona responsable de esta parte del proceso, podrá
realizar los ajustes necesarios para regresar la línea de producción o la prestación del
servicio a un estado de control, lo que permite de manera inmediata mejorar la calidad de
un bien o de un servicio.
CONSTRUCCION DE UNA GRAFICA DE CONTROL
Es frecuente que para construir una gráfica de control se deba asumir alguna distribución
paramétrica para modelar el comportamiento de las causas fortuitas, y ésta se suele llamar
“la distribución subyacente”. Lo más común es suponer que las causas fortuitas ejercen su
efecto según una “Distribución Normal”.
Esta realidad limita el uso de la gráfica de control, sólo a aquellas situaciones donde se
satisfacen tales supuestos de distribución.
En la construcción de un gráfico de control intervienen los siguientes elementos:
 Seleccionar las características de calidad más conveniente (Longitud, área, dureza,
etc.).
 Recolección de datos el cual se hace por muestreo.
 Sobre estos datos determinar los límites de control.
 Luego decidir sobre estos límites de control. Esto implica una pregunta. ¿Estos
límites de control son satisfactorios o no?
 Luego tomamos un papel y trazamos la línea central (media o rango, etc.), y los
límites de control.
 Una vez trazado estos límites ploteamos los datos y estamos con nuestra gráfica y
analizar, si queda fuera de los límites de control. Tomar acciones correctivas
necesarias.
TIPOS DE GRÁFICOS DE CONTROL
1. GRÁFICOS DE CONTROL POR VARIABLES
Los gráficos de control por variables permiten estudiar la calidad de características
numéricas. Proporcionan más información que los gráficos de control por atributos sobre el
rendimiento del proceso y permiten procedimientos de control más eficaces. En particular,
se obtiene más información sobre las causas que producen una situación fuera de control.
Asimismo, detectan mejor pequeñas variaciones del proceso.
Los tamaños muéstrales requeridos para un nivel de protección del proceso son menores.
Los gráficos de control por variables más usuales son los que controlan el valor medio y la
variabilidad del proceso. Más concretamente, para el control de la variabilidad del proceso,
estudiaremos los gráficos del rango, la desviación típica y la varianza. A partir de estos
gráficos se obtiene una estimación de los parámetros del proceso, así como una
aproximación de su capacidad o rendimiento.
 Gráfica de control para medias de procesos: gráfica x
Este tipo de gráfica de control estadístico de calidad emplea los conceptos teóricos de la
estadística descriptiva y del muestreo.
La gráfica de control para medias de procesos tiene como objetivo mostrar las fluctuaciones
de las medias muéstrales que se presentan dentro de estos límites. Si las medias muéstrales
caen dentro de los límites establecidos para un proceso (rango de aceptación), se dice que la
variación que presenta el proceso sólo es aleatoria. Pero si las medias muéstrales exceden el
límite superior de control (LSC) o bien, caen por debajo del límite inferior de control (LIC),
entonces el proceso de producción o un servicio está fuera de control, y deberá corregirse.
En el control estadístico de la calidad de un producto o servicio deben establecerse ambos
límites de control9 (LSC y LIC) alrededor de la media de las muestras X. Para ello se
emplea una regla empírica que establece que, el 99.74% de todas las observaciones en una
distribución normal estarán dentro de este rango. Con base en ella, nuestros límites de
control estarán definidos como:
 Límite superior de control (LSC) para las medias de procesos:
LSC X = X + 3 s X
 Límite inferior de control (LIC) para las medias de procesos:
LIC X = X – 3 s X
Sin embargo, en la práctica el error estándar de las medias muéstrales (3 sX) se desconoce,
entonces su valor se estima a través de A2*R, en donde, R es el rango promedio de los
rangos muéstrales, A2, es una constante determinada con base al tamaño de la muestra y
cuyos valores se obtienen al consultar la tabla denominada: “Factores críticos de las
gráficas de control”. Con base en estas estimaciones, nuestros límites de control del proceso
se determinan con:
• Límite superior de control (LSC) para las medias de procesos:
LSC X = X + A2*R
• Límite inferior de control (LIC) para las medias de procesos:
LIC X = X – A2*R
 Gráfica de control para variabilidad de procesos: gráfica R
Como ya indicamos, la calidad de un producto o servicio implica consistencia,
confiabilidad y cumplimiento de los requerimientos para lo cual fue diseñado, de ahí que la
variabilidad en esos requerimientos representa una disminución de calidad.
Las gráficas de control para variabilidad (o amplitud) de un servicio tienen como objetivo
determinar si las variaciones (totales) de las muestras de éste se encuentran bajo control o
fuera de él. Si los puntos que representan dichas amplitudes se encuentran dentro de los
límites superior e inferior, nos permiten concluir que el servicio está bajo control. Por el
contrario, si una variación queda arriba o debajo de los límites, se concluye que alguna
causa asignable lo afecta de modo que algunos servicios presentan una variabilidad notoria
(mayor o menor tiempo de atención a un cliente, distorsiones en el tiempo de atención a un
cliente, apreciación del nivel de servicio por parte de un cliente (malo, regular, bueno, muy
bueno, excelente), o bien, una variación en la característica que se esté analizando.
Es importante considerar que mientras que en una gráfica de control para la media X se
establecen límites para la media de muestras, en las gráficas de control de variabilidad la
medición que se establece va dirigida a las observaciones individuales y no a las muestras.
Esto último se debe a que la variabilidad en las medias de las muestras es mayor que la
observada en una observación individual.
Las gráficas de control para medir la variabilidad de un proceso de producción o servicio
reciben el nombre de gráficas R. En ellas se grafican los valores de los rangos de cada una
de las muestras. En estas gráficas la línea central está ubicada en el valor promedio de los
rangos (R) por lo que los límites de control para la variación13 (superior LSCR, e inferior
LICR) de los procesos se pueden establecer como:
 LSCR = R*D4
 LICR = R*D3
Para facilitar los cálculos en los laboratorios de calidad o en la línea de producción o en las
áreas de servicios, los valores de D4 y D3 también se obtienen de la tabla de “Factores
críticos de las gráficas de control” que hemos anexado. En las gráficas de control para
variabilidad de procesos, el cálculo de los límites de control deberá considerar lo siguiente.
El rango de una muestra siempre es un número positivo, sin embargo, cuando n < 6, el
LICR, calculado con la ecuación 9, será negativo. En estos casos, el valor de ese límite será
igual a cero. Por ello los valores de D3 en la tabla de “Factores críticos de las gráficas de
control” toman valor cero.
 Gráficos de control de la media y la desviación típica
Se considera el estadístico S definido a partir de la raíz cuadrada de la cuasi varianza
Muestral.

Desde luego que resulta muy tedioso el tener que tomar una serie de muestras de tamaño
pequeño, determinar en cada una de la medida de tendencia central y la de dispersión y
luego proceder al laborioso cálculo de las fórmulas anteriores. Para simplificar estas
operaciones se ha preferido al cálculo de una tabla de constante A 1, A2, B3, B4, D3, D4 con el
empleo de estas constantes las fórmulas anteriores se convierten en:
Cuando se usa como medida de Dispersión.
 2. GRÁFICOS DE CONTROL POR ATRIBUTOS
Cualquier característica de calidad que pueda ser clasificada de forma binaria: “cumple o
no cumple”, “funciona o no funciona”, “pasa o no pasa”, “conforme o disconforme”
“defectuoso, no defectuoso”, será considerado como un atributo y para su control se
utilizan Cartas de Control por Atributos.
En el caso de las cartas para variables, tenemos dos cartas, una para la tendencia central y
otra para la dispersión. En el control por atributos, tanto la media como la variabilidad de la
proporción muestral dependen de un único parámetro, por lo que se hace sólo una carta de
control. Existen diferentes tipos de cartas de control por atributos sin embargo solo
estudiaremos las siguientes: Cartas p, np, c y u
 Gráfico p
 Gráfico np
 Gráfico c
 Gráfico u
Antes de presentar este tipo de gráficas, deben definirse los siguientes términos:

 Defecto: Cualquier característica individual que no está de acuerdo con los

requerimientos.
 Defectuosa: Cualquier parte que tiene uno o más defectos.
La más comúnmente empleadas son las gráficas P o para piezas defectuosas (gráfica de
fracción defectuosa) y la gráfica C o de defectos por unidad. La gráfica P presenta el
porcentaje de parte defectuosas, y la gráfica C presenta el número de defectos en una
muestra.
 Gráfico p
Estas cartas miden la proporción de unidades no conformes en un grupo de unidades que se
inspecciona. El objetivo es comprobar si la evolución de las proporciones muéstrales
observadas son compatibles con un mismo valor poblacional p. Este tipo de grafica se
puede construir con n constante o variable por lo que a continuación se muestra el
procedimiento para ambos casos.

Pasos para la elaboración de la gráfica p con n constante

Paso 1: Recopilación de los datos.

Establezca la frecuencia con la que los datos serán tomados (por horas, por días, por
semanas). Los intervalos cortos entre tomas de muestras permitirán una rápida
retroalimentación al proceso ante la presencia de problemas. Los tamaños de muestra
grandes permiten evaluaciones más estables del desarrollo de proceso y son más sensibles a
pequeños cambios en el promedio del mismo. Se sugiere que el tamaño de muestra(n) sea al
menos de 30 y que el número de subgrupos (k) sea al menos 25.

Paso 2: Calculo de la proporción defectuosa de cada subgrupo (pi).

 pi = Proporción defectuosa por subgrupo

 Di = Número de partes defectuosas por subgrupo
 n = Tamaño de la muestra (constante)

pi= Di/n
Paso 3: Calculo de la proporción defectuosa promedio.

 Di = Número de partes defectuosas por subgrupo

 n = Tamaño de la muestra (constante)
 k = Número de subgrupos
Paso 4: Calculo de los límites de control.

p ( 100− p )
LSC =p+ 3
√ n

LM= p

LIC= p+3
√ p ( 100−p )
n

NOTA: En algunos casos el límite de control inferior puede resultar negativo y con un
valor muy pequeño, en la práctica es imposible que una proporción de no conformidad
resulte negativa por lo tanto el valor de limite resultante se cambia a cero.
 Gráfico np
La carta np es una herramienta estadística usada para evaluar el número de artículos
defectuosos o el número de artículos no conformes producidos por un proceso. Tenga en
cuenta que siempre que una carta np se pueda utilizar también se podrá utilizar una carta p.
Paso 1: Recopilación de los datos.
Paso 2: Calculo de la proporción defectuosa de cada subgrupo (pi).
pi= Di/n
 pi = Proporción defectuosa por subgrupo
 Di = Número de partes defectuosas por subgrupo
 n = Tamaño de la muestra (constante)
Paso 3: Calculo de la proporción defectuosa promedio.
 Di = Número de partes defectuosas por subgrupo
 n = Tamaño de la muestra (constante)
 k = Número de subgrupos

Paso 4: Calculo de los límites de control.

 Gráfico c
La carta c es una herramienta estadística usada para analizar la variabilidad del número de
defectos por subgrupo. Las cartas c responden a la pregunta “Tiene una causa especial la
variación causada en la tendencia central de este proceso para producir un número
anormalmente grande o pequeño de ocurrencias durante el período de tiempo observado”.
Tome en cuenta que, a diferencia de las cartas p o np, las cartas c no implican contar los
objetos físicos más bien implican contar los eventos. Por ejemplo, cuando usamos las cartas
np uno contaría los melocotones golpeados, cuando usamos las cartas c uno contaría los
golpes.
Si el LCI resultase negativo se usaría el valor cero. Si λ no fuese conocido habría que
estimarlo con un conjunto de datos preliminares, procedentes del proceso en estado de
control. En este caso, el gráfico se construiría de la siguiente forma:
1. Seleccionar la unidad de medida, de manera que en tal unidad se detecten por término
medio al menos cinco ocurrencias (averías, defectos, clientes,), para que la aproximación a
la normal sea buena. De esta forma los límites de control tendrían al 99.7 % de las
observaciones en estado de control.
2. Tomar k muestras (al menos 20) a intervalos regulares de tiempo y contar el número de
ocurrencias en cada muestra Di
3. Estimar λ con el número medio de ocurrencias observadas

4. Calcular los límites de control a tres desviaciones típicas. El gráfico resultante será:

 Gráfico u
La carta u es una herramienta estadística usada para evaluar la variación del número
promedio de defectos por articulo o unidad. Se usa cuando el tamaño del subgrupo no es
constante.

El gráfico U se utiliza cuando no es posible tener siempre la misma unidad de medida para
contar el número de defectos (o no-conformidades, o clientes, etc.…). Entonces, se controla
el número medio de defectos por unidad de medida. Por ejemplo: Los elementos a analizar
pueden contener un número variable de unidades: por ejemplo, dos rollos de película
fotográfica no tendrán exactamente la misma longitud, diferentes láminas de vidrio tendrán
distinta superficie.

El LCI será cero si la fórmula anterior diese un valor negativo. En resumen, el gráfico se
construirá de la siguiente manera:
1. Se toman k muestras de tamaños ni, i=1...,k y se cuenta el número de defectos ci de cada
muestra y el número medio por unidad de medida de cada muestra ui = ci/ni.
2. Se calcula la media del número medio de defectos por unidad de medida u.¯ Si el
proceso ha estado bajo control, este estimador u¯ será un buen estimador de λ y será la
línea central del gráfico.
3. Se calculan los límites de control a tres desviaciones típicas de la línea central
IV. MATERIALES-METODO

 Quesos-Fundido(90gr)
 Calculadora
 Balanza
 Cuaderno-apuntes
 lapiceros
METODO:
En-la-siguiente-practica-de-graficas-de-control-durante-el-proceso-por-variables-y-
atributos-se-realizo-el-debido-proceso-de-pesado-de-cada-producto-(Queso-Fundido). con-
el-objetivo-de-construir-los-gráficos-de-control-de-procesos.

V.
RESULTADOS
Se-procedio-a-evaluar-las-variabilidades-que-existen-en-el-control-de-los-pesos-de-cada-
producto(Queso-fundido).se-registraron-los-pesos-obteniendo-los-siguientes-datos.
Se-registaron-los-pesos-del-dia-1-al-7-durante-estos-dias-se-tomaron-al-azar-(03)
muestras-por-día-de-cada-lote (25). obteniendo-los-siguientes-datos.
1. Gráfica de control para medias de procesos: gráfica x

PARA-MEDIAS(X)

N°Dias REGISTROS-DE-PESOS(gr) PROMEDIOS(X) RANGOS(R)

 1 2 3
1 90 91 93 91.33 3
2 91 90 92 91.00 2
3 89 95 96 93.33 7
4 90 92 91 91.00 2
5 95 94 88 92.33 7
6 92 91 95 92.67 4
7 94 89 92 91.67 5
643.33 30
91.90 4.29

Calculo-de-limites-control-para-medias
 Calculo-de-LIC
x 643.33
 X́ =∑ = =91.90
n 7
R 30
 Ŕ =∑ = =4.29
n 7
Para, n:3
De, tabla- A2=1.023
LIC= X́ -A2. Ŕ
LIC=91.90−1.023(4.29)
LIC=87.51
 Calculo-de-LCC
LCC= X́ =91.90

 Calculo-de-LSC
 LSC= X́ +A2. Ŕ
 LSC=91.90+1.023(4.29)
LSC=96.29
LIMITES-DE-CONTROL
-PARA-MEDIAS
LIC LCC X LSC
87.51 91.90 91.33 96.29
87.51 91.90 91.00 96.29
87.51 91.90 93.33 96.29
87.51 91.90 91.00 96.29
 87.51 91.90 92.33 96.29
87.51 91.90 92.67 96.29
87.51 91.90 91.67 96.29

Grafico-Media
98

96

94
Limites-de-control

92
LIC
90 X
LCC
88 LSC

86

84

82
1 2 3 4 5 6 7
Dias

El grafico nos proporciona que el proceso en cuanto al registro de pesos se encuentra dentro
de los límites de control.
2. Gráfica de control para variabilidad de procesos: gráfica R

PARA-RANGOS( Ŕ ¿
Calculo-de-limites-control-para-medias
 Calculo-de-LIC
R 30
 Ŕ =∑ = =4.29
n 7
 Para, n:3
 De, tabla- D3=0, D4=2.574
LIC=D3( Ŕ ¿
LIC=0(4.29 ¿
LIC=0
 Calculo-de-LCC
LCC= Ŕ=4.29

 Calculo-de-LSC
LSC=D4( Ŕ ¿
LSC=(2.574)(4.29 ¿
LSC=11.04
 LIMITES-DE-CONTROL-PARA-RANGOS
LIC R LCC LSC
0 3 4.29 11.04
0 2 4.29 11.04
0 7 4.29 11.04
0 2 4.29 11.04
0 7 4.29 11.04
0 4 4.29 11.04
0 5 4.29 11.04

Grafico-de-Rangos
12

10
limites-de-cotrol

0
1 2 3 4 5 6 7
Dias

LIC R LCC LSC

El grafico nos proporciona que el proceso en cuanto al registro de pesos está bajo control ya
que se encuentra dentro de los límites de control.

3. Gráficos de control de la media y la desviación típica

PARA-DESVIACION-ESTANDAR

N°Dias REGISTROS-DE-PESOS(gr) PROMEDIOS(X) Desviacion.E(S)

 1 2 3

1 90 91 93 91.33 0.33

2 91 90 92 91.00 0.82

3 89 95 96 93.33 2.04

4 90 92 91 91.00 0.82

5 95 94 88 92.33 0.18

6 92 91 95 92.67 0.58

7 94 89 92 91.67 0.06

643.33 4.83

91.90 0.90

Para-n=3
De-Tablas:
B3=0
B4=2.568
 Calculo-de-LIC
x 643.33
 X́ =∑ = =91.90
n 7
( X− X́)(2) 4.83
 Ś=∑ = =0.90
n−1 7−1
LIC= Ś B3
LIC=0.90(0)
LIC=0
 Calculo-de-LCC
LCC= Ś=¿0.90

 Calculo-de-LSC
 LSC= Ś B4
 LSC=2.568(0.90)
LSC=2.31
 LIC Desviacion.E(S) LCC LSC
0 0.33 0.9 2.31
0 0.82 0.9 2.31
0 2.04 0.9 2.31
0 0.82 0.9 2.31
0 0.18 0.9 2.31
0 0.58 0.9 2.31
0 0.06 0.9 2.31

Grafico-de-Desviacion-Estandar
2.5

1.5

0.5

0
1 2 3 4 5 6 7
Dias

LIC Desviacion.E(S) LCC LSC

El grafico nos proporciona que el proceso en cuanto al registro de pesos está bajo control ya
que se encuentra dentro de los límites de control.

CARTAS-GRAFICAS-DE-CONTROL-POR-ATRIBUTOS
GRAFICO-P
Se-desea-conocer-los-defectos-encontrados-Se-evaluaron-7-muestras.
Proporción-de-muestra-no-conforme: Defectos/tamaño-de-lote

N°-de- Tamaño-de- Proporcion LSC

muestras lotes Defectos -M-D LICp LCCp p
1 25 2 0.08 0 0.15 0.36
2 25 4 0.16 0 0.15 0.36
3 25 3 0.12 0 0.15 0.36
4 25 2 0.08 0 0.15 0.36
5 25 5 0.2 0 0.15 0.36
6 25 7 0.28 0 0.15 0.36
7 25 4 0.16 0 0.15 0.36
175 27 1.08
0.15

 Calculo-de-LICp
P=0.15

p(1− p)
LICp= ṕ-3
√ n

0. 15(1−0 .15)
LICp=0.15-3
√ 25
LICp= -0.06=0
 Calculo-de-LCCp
LCCp= ṕ=0.15

 Calculo-de-LSCp

p(1− p)
LSCp= ṕ+3
√ n

0. 15(1−0 .15)
LSCp=0.15+3
√ 25
LSCp=0.36
 LICp P LCCp LSCp
0 0.08 0.15 0.36
0 0.16 0.15 0.36
0 0.12 0.15 0.36
0 0.08 0.15 0.36
0 0.2 0.15 0.36
0 0.28 0.15 0.36
0 0.16 0.15 0.36

Grafico-(P)
0.4

0.35

0.3

0.25
Fracion-de-defectos(p)

LICp
0.2 P
LCCp
0.15 LSCp

0.1

0.05

0
1 2 3 4 5 6 7

Dias

El grafico(P), nos, muestra, las, distintas, variaciones, de, los, defectos, encontrados, en,
los, quesos, el proceso se encuentra dentro de los límites de control.
Graficas.NP
Se-desea-analizar-los. defectos-encontrados-en-el-proceso-de-sellados. Los-datos-se-
muestran-a-continuación.

N°-de- Tamaño N°.de- Fraccion-de-

muestras -de- Quesos.mal- Quesos.mal
-Dias lotes sellados(np) -sellados(p) LICnp LCCnp LSCnp
1 25 2 0.08 0 3.57 7.54
2 25 4 0.16 0 3.57 7.54
3 25 3 0.12 0 3.57 7.54
4 25 2 0.08 0 3.57 7.54
5 25 6 0.24 0 3.57 7.54
6 25 3 0.12 0 3.57 7.54
7 25 5 0.2 0 3.57 7.54
175 25 0.14
3.57
0.51

np.=∑ np/n

np.=25/7
np=3.57
ṕ=np/n
ṕ=3.57/7=0.51

 Calculo-de-LICnp
P=0.15
LICnp=np-3
´ √ np(1−p)

LICnp=3.57-3√ 3.57(1−0.51)
LICnp=-0.39=0
 Calculo-de-LCCnp
LCCnp=np=3.57
´

 Calculo-de-LSCnp
LSCnp=np+3√ np(1−p)
LSCnp=3.57+3√ 3 .57 ¿ ¿
LSCnp=7.54

np LICnp LCCnp LSCnp

2 0 3.57 7.54
4 0 3.57 7.54
3 0 3.57 7.54
2 0 3.57 7.54
6 0 3.57 7.54
3 0 3.57 7.54
5 0 3.57 7.54

Gráfico-np
8
7
6
5
4
np

3
2
1
0
1 2 3 4 5 6 7
Dias

np LICnp LCCnp LSCnp

El grafico(np), nos, muestra, las, distintas, variaciones, de, los, defectos, encontrados, en,
los, quesos, el proceso se encuentra dentro de los límites de control.
GRAFICA-C
Se-desea-analizar-el. numero-de-defectos-encontrados-en-el-contenido-excesivo-de-
quesos-dañados-por-friccion-golpes. Los-datos-se-muestran-a-continuación.
MUESTRA
S Numero-de-defectos LICc LCCc LSCc
1 2 0 2.71 7.65
2 3 0 2.71 7.65
3 3 0 2.71 7.65
4 1 0 2.71 7.65
5 5 0 2.71 7.65
6 3 0 2.71 7.65
7 2 0 2.71 7.65
19
2.71

 Calculo-de-LICc
LICc=Ć -3√ Ć
LICc=2.71-3√ 2.71
´
LICc=-2.23=0

 Calculo-de-LCCc
LCCc=Ć =2.71

 Calculo-de-LICc
LSCc=Ć +3√ Ć
LSCc=2.71+3√ 2.71
´
LSCc=7.65

Numero-de-defectos LICc LCCc LSCc

2 0 2.71 7.65
3 0 2.71 7.65
3 0 2.71 7.65
1 0 2.71 7.65
5 0 2.71 7.65
3 0 2.71 7.65
2 0 2.71 7.65
 Grafic-C
9
8
numero-de-defectos

7
6
5
4
3
2
1
0
1 2 3 4 5 6 7
Dias

Numero-de-defectos LICc
LCCc LSCc

El grafico(C), nos, muestra, las, distintas, variaciones, de, los, defectos, encontrados, en,
los, quesos, el proceso se encuentra dentro de los límites de control.

Grafico-de-números-de-defectos-por-unidad(U)
Se-desea-saber-el-numero-de-no-conformidad-de-muestras-de-Queso-Fundido-Live, de-
acuerdo-a-la-cantidad(peso), obtenido-los-siguientes-datos.

N°-de-no- N°-promedio-no-
Tamano-de-muestra conformidades confor-por-unidad(U) LICu LCCu LSCu
25 4 0.16 0 0.19 0.78
25 7 0.28 0 0.19 0.78
25 3 0.12 0 0.19 0.78
25 5 0.2 0 0.19 0.78
25 2 0.08 0 0.19 0.78
25 6 0.24 0 0.19 0.78
25 7 0.28 0 0.19 0.78
175 34 1.36
4.86 0.19

Ú =0.19
n=4.86
  Calculo-de-LICu
LICu=Ú -3√ Ú /n
LICu=0.19-3√ 0.19/4.86
´
LICu=-0.40=0

 Calculo-de-LCCu
LCCu=U =0.19

 Calculo-de-LICu
LSCu=Ú +3√ Ú /n
LSCu=0.19+3√ 0.19/4.86
LSCu=0.78

N°-promedio-no-confor-por-
unidad(U) LICu LCCu LSCu
0.16 0 0.19 0.78
0.28 0 0.19 0.78
0.12 0 0.19 0.78
0.2 0 0.19 0.78
0.08 0 0.19 0.78
0.24 0 0.19 0.78
0.28 0 0.19 0.78

Grafico(U)
defectos-por-unidad

1
0.5
0
1 2 3 4 5 6 7
Dias

N°-promedio-no-confor-por-unidad(U)
LICu
LCCu
LSCu

El grafico(U), nos, muestra, las, distintas, variaciones, de, los, defectos, encontrados, en,
los, quesos, el proceso se encuentra dentro de los límites de control.

VI. DISCUSIONES
  Al analizar los posibles errores y variaciones indicados por los gráficos de control
de acuerdo con la literatura, fueron detectados las variaciones perceptibles en la
calidad del producto específicamente en el peso y cuando no existió un control
riguroso del proceso.
 Dichos gráficos de “P”, “NP”, “C”, “U”, nos muestran, las, distintas, variaciones,
de, los defectos encontrados en los pesos excesivos el mal sellado
fricciones(golpes), del producto (Quesos-Fundido) indicando que el proceso se
encuentra dentro de los límites de control.

VII. CONCLUSIÓNES

 Los gráficos de control son una herramienta poderosa para las empresas. Pero a la
vez son también un arma de doble filo, puesto que, si no se conocen sus propiedades
y cualidades, pueden usarse de forma incorrecta, no sirviendo para su propósito
final que no es otro más que mejorar los procesos de producción y reducir los costes
de todo tipo.
 Al presentar estos gráficos y los pasos para su elaboración se destaca la
interpretación de variables cualitativas que toman valores numéricos. Dichos
gráficos nos sirven como herramienta para detectar variabilidad, consistencia,
control y mejora de los procesos al describir fracciones defectuosas mediante, los
gráficos de “P”, “NP”, “C”, ´´U´´ y, que se presentan de analizar un número total de
unidades de un colectivo
 Los gráficos de control se presentan a fin de supervisar el manejo de procesos y
variables, mediante recopilación de datos, análisis y optimización de unidades,
plantas, planificación de mantenimiento, control de calidad, inventario entre otros.
 Los límites de control dependen del comportamiento de los datos.
REFERENCIAS
 Kume Hitoshi, Herramientas estadísticas básicas para el mejoramiento de la calidad,
Colombia, Norma, 2002, pp. 2-3.
 J. Rodríguez, A. Pierdant y C. Rodríguez, Estadística para administración, México,
Grupo Editorial Patria, 2008, pp. 102-113.
 Indroduction to Quality Control” 5thEdition, por Douglas Montgomery, John Wiley
& Sons (2005).
 Montgomery, Douglas C. 1991. Control Estadístico de la Calidad. Grupo Editorial
Iberoamérica.
 Duncan, Acheson, Quality control and industrial statistics. Richard D. Irwin, Inc.
Chicago, (1952).
 Vargas, J. A., Control estad´ıstico de procesos: Cartas de control. XIII Coloquio
Distrital de Matem´aticas y Estad´ıstica., Santa Fe de Bogot´a, D.C. (1999).