CONTROL ESTADÍSTICO DE

CALIDAD
Métodos y filosofía del Control
Estadístico del Proceso
GRÁFICAS DE CONTROL
 INTRODUCCIÓN
OBJETIVOS
➢Presentar las herramientas básicas del
Control Estadístico del Proceso (CEP).
➢Describir las bases estadísticas de las
gráficas de control de Shewhart.
➢Discutir e ilustrar algunos aspectos
prácticos en la implantación del CEP.
 INTRODUCCIÓN
Objetivo principal del CEP
• El CEP es una metodología utilizada para
lograr la estabilidad y mejorar la
capacidad del proceso mediante la
aplicación sistemática de herramientas de
solución de problemas para reducir su
variación.
 Causas de variación
aleatorias y asignables
Tiempo
s1 > s 0
t3
m2 < m0 s1 > s0

t2

s0
t1 m1 > m0
s0

LIE m0 LSE Característica de calidad del proceso

 Definición del estado de
control
• Un proceso se dice que se encuentra bajo
control estadístico si sólo se ve afectado
por un conjunto de causas aleatorias de
variación
• Si el proceso se encuentra afectado por
causas asignables de variación, se dice
que está fuera de control
Fundamentos estadísticos de
las Gráficas de Control
 Distribución Normal
LIE LSE
Campana de
Gauss
s
F
R
E
C (Desviación Estándar)
U
E
N
C
I
A

m VALORES
(Valor Promedio)
Distribución Normal

µ-3σ µ-2σ µ-σ µ µ+σ µ+2σ µ+3σ

68.26%

95.44%

99.74%
 Elementos y principios básicos de
una Gráfica de Control
Gráfica de control
Característica
de calidad
LSC
Límite Superior de Control

LC
Línea Central

LIC
Límite Inferior de Control

1 2 3 4 5 6 7 8
Número de subgrupo o
muestra
 Gráficas de control y pruebas
de hipótesis
Suponga que en la gráfica de control el eje vertical representa el
estadístico muestral x
Si el valor de x cae dentro de los límites de control, concluimos
que la media del proceso está bajo control. m  m0
Por otra parte, si x excede cualquiera de los límites de control,
concluimos que la media del proceso está fuera de control.
m  m0
Gráfica de control del diámetro interno de anillos para pistón

74.02

74.015

La prueba de hipótesis 74.01

quedaría de la siguiente 74.005

manera: x
74

H0 : m  m 0
73.995

73.99

H1 : m  m 0 73.985

73.98

Región de rechazo 73.975

73.97

x  LIC ó x  LSC 1 2 3 4 5 6 7 8 9
Subgrupo
10 11 12 13 14 15
 Error tipo I y error tipo II en una
gráfica de control

Riesgo del proveedor

 
  PError tipo I 2 2
 P Rechazar H 0 H 0 es verdadera
m  m0

Riesgo del cliente
  PError tipo II
 P Fallar al rechazar H H
0 0
es falsa 
m  m0
Potencia de la prueba
1    P Rechazar H 0 H 0 es falsa 
 Modelo general para una
gráfica de control
Sea w un estadístico muestral que mide cierta
característica de calidad y sean mw y sw la media y la
desviación estándar de w, respectivamente.
Entonces, LC, LSC y LIC son:

LSC = mw + L sw

LC = mw

LIC = mw - L sw
 Aplicación de las Gráficas de
Control
• El uso más importante es mejorar el
desempeño del proceso
Entrada Salida
Proceso

Sistema de medición

Verificación y Detección de
seguimiento causa asignable

Identificación de
Implementación de
la causa raíz
acción correctiva
del problema
 Aplicación de las Gráficas de
Control
• Instrumento de estimación de ciertos
parámetros del proceso como la media, la
desviación estándar, fracción de
defectuosos, etc.

• Realización de estudios de capacidad del

proceso
 Diseño de la Gráfica de
Control
• En la mayoría de los problemas de control es
común apoyarse principalmente en
consideraciones estadísticas para diseñar las
gráficas de control, asumiendo los factores de
costo implícitamente.
• Recientemente se ha iniciado a examinar el
diseño de las gráficas de control desde un
enfoque económico, considerando el costo de
muestreo, de producir artículos defectuosos, de
investigar falsas alarmas, etc.
 ¿Por qué utilizar Gráficas de
Control?
• Son una técnica comprobada para mejorar
la productividad
• Son efectivas para la prevención de
defectos
• Previenen ajustes innecesarios del proceso
• Proporcionan información de diagnóstico
• Proporcionan información sobre la
capacidad del proceso
Selección de los límites de
control
 Límites de control y errores
tipo I y tipo II
• Al separar los límites de control de la línea central se reduce el
riesgo del error tipo I y se incrementa el riesgo del error tipo II

LSC2
LSC 2

LSC1
LSC 1

1 <  2 LC
LC
1 >  2

LIC1
LIC 1

LIC2
LIC 2
 Límites de control y errores
tipo I y tipo II
Al acercar los límites de control a la línea central se
incrementa el riesgo del error tipo I y se reduce el riesgo del
error tipo II
LSC

LC

LIC
 Límites de advertencia en las
Gráficas de Control
• Se recomienda manejar dos conjuntos de límites de
control: - Límites de control de acción (a 3 sigma)
- Límites de advertencia (a 2 sigma)

LSC
LSA

LC

LIA
LIC
Tamaño de la muestra y
frecuencia de muestreo
 Tamaño de la muestra y
frecuencia de muestreo
Al diseñar una gráfica de control se debe
especificar tanto el tamaño de la muestra
como la frecuencia de muestreo.

n= tamaño de la muestra

h= intervalo de tiempo entre muestras

 Tamaño de la muestra
• La capacidad de la gráfica de control
para detectar cierto tipo de cambios en
el proceso depende del tamaño de la
muestra.
• Si deseamos detectar cambios
pequeños se deben utilizar muestras
grandes.
• Si deseamos detectar cambios grandes
es mejor utilizar muestras pequeñas.
 Curva característica de
operación
• Para construir la Curva característica de operación se
calcula la probabilidad de que el estadístico muestral
caiga entre los límites de control.
Probabilidad de que el
estadístico muestral   P ( LIC  x  LSC | m  m 1  m 0 )
caiga entre LIC y LSC

m1 LSC

m0 x LC

LIC
 Probabilidad

0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9

0
1
74
.0
0
74 0
.0
0
74 1
.0
0
74 2
.0
0
74 3
.0
0
74 4
.0
0
74 5
.0
0
74 6
.0
0
74 7
.0
0
74 8
.0
0
74 9
.0
1
74 0
.0
1
74 1
.0
1
74 2
.0
1
74 3
.0
1
74 4
.0
1
74 5
.0
1
74 6
operación

.0
1

Cambio en la media
74 7
.0
1
74 8
.0
1
74 9
.0
2
74 0
.0
2
74 1
.0
2
Curva característica de

74 2
.0
2
74 3
.0
2
74 4
.0
25
n=5

n=15
n=10
 Frecuencia de muestreo
• La situación más deseable para
detectar los cambios es tomar muestras
grandes de manera frecuente.
• Se presenta el problema económico.
• Opciones:
– Muestras pequeñas en intervalos cortos de
tiempo
– Muestras grandes en intervalos largos de
tiempo.
 Longitud de la corrida promedio
(ARL)
• Otra forma de enfrentar el problema de decidir sobre el
tamaño de muestra y la frecuencia de muestreo es mediante
“La Longitud de la Corrida Promedio” (ARL) de la GC.
• La ARL es el número promedio de puntos que deben
graficarse antes de que un punto indique una condición fuera
de control.

LSC

LC

LIC

1 2 ... i i+1 ... ARL ...

ARL
 Longitud de la corrida
promedio
1
• La ARL se calcula mediante: ARL 
p
donde p es la probabilidad de que cualquier punto
exceda los límites de control.
• La longitud de la corrida promedio cuando el proceso
está bajo control se llama ARL0 y se calcula
mediante: 1
ARL 0 

• La longitud de la corrida promedio cuando el proceso
está fuera de control se llama1ARL1 y se calcula
mediante: ARL 1 
1 
 Tiempo promedio entre
señales
• El “Tiempo Promedio de Señal” (ATS) es el tiempo que
debe transcurrir en promedio entre una señal de fuera
de control y otra. Si se toma una muestra cada h
unidades de tiempo, entonces el ATS se calcula
mediante:
ATS = ARL h
Subgrupos racionales
 Subgrupos racionales
• Una idea fundamental al momento de utilizar GC es la
recolección de los datos muéstrales de acuerdo a lo que
Shewhart llamó el concepto de “Subgrupos Racionales”.

• Cuando se aplican las GC a procesos productivos,

frecuentemente se utiliza el orden del tiempo de
producción, ya que permite detectar causas asignables
que ocurren sobre el tiempo.
 Enfoques para construir
Subgrupos racionales
1- Cada muestra consiste de unidades que se
produjeron al mismo tiempo (o tan próximas como
sea posible). Idealmente se toman unidades
consecutivas de la producción. Se utiliza para
detectar cambios en el proceso.
2- Cada muestra consiste de unidades de producto que
son representativas de todas las unidades que se
produjeron desde que se tomó la última muestra.
Con frecuencia se utiliza para la toma de decisiones
sobre la aceptación de todas las unidades de
producto que se han producido desde la última
muestra.
Análisis de patrones en las
Gráficas de Control
 Análisis de patrones en las
Gráficas de Control
• Puntos fuera de los límites de control
• Corridas
• Ciclos

LSC

LC

LIC
 Reglas de sensibilización para
las Gráficas de Control
1. Uno o más puntos fuera de los límites de control
2. Dos de tres puntos consecutivos fuera de los límites de advertencia
2-sigma pero dentro de los límites de control
3. Cuatro de cinco puntos consecutivos más allá de los límites 1-
sigma
4. Una corrida de ocho puntos consecutivos sobre un lado de la línea
central
5. Seis puntos en una corrida estable creciente o decreciente
6. Quince puntos en una corrida en la zona “C” (por arriba y por abajo
de la línea central)
7. Catorce puntos en una corrida que se alterna arriba y abajo
8. Ocho puntos en una corrida en ambos lados de la línea central sin
niguno en la zona “C”
9. Un patron inusual o no aleatorio en los datos
10. Uno o más puntos cerca de un límite de control o de advertencia
 Implementación del Control
Estadístico del Proceso
• Elementos de un programa de CEP exitoso
– Liderazgo administrativo
– Un enfoque de equipo
– Educación de los empleados a todos los niveles
– Enfasis en la mejora continua
– Un mecanismo para reconocer el éxito y
comunicarlo a toda la organización