Control estadístico de datos

conceptos y principios del CEP

El control estadístico de proceso es una técnica estadística usada ampliamente
para asegurar que los procesos cumplan con los estándares o especificaciones
del diseño. Esta técnica también es usada para para medir el desempeño del
proceso
El control estadístico de procesos en línea constituye a una poderosa
herramienta para conseguir la estabilidad de los procesos y para mejorar su
capacidad mediante la reproducción de la variabilidad.
Todos los procesos están sujetos a cierto grado de variabilidad. El Dr. Walter
Shewhart marco distinción entre causas comunes (naturales) y causas
especiales (asignables) de la variación.
Se dice que un proceso opera bajo un control estadístico cuando su única
fuente de variación consiste en las causas comunes de variación. El proceso
debe ponerse bajo control estadístico, detectando y eliminando las causas
especiales de variación.
Graficas de control para rangos

Figura 1 graficas de control para rango

El objetivo de un sistema de control es proporcionar una señal estadística

cuando están presentes causas especiales de variación, dicha acción puede
acelerar la acción apropiada para eliminar dichas causas.
Distinción entre causas comunes y causas especiales de variación
Causas comunes de variación:
Es aquella que permanece día a día, lote a lote; es aportada de forma natural
por las condiciones de las 6M: Materiales, maquinaria, medición, mano de obra
(gente), métodos y medio ambiente. Esta variación es inherente a las actuales
características de proceso y es resultado de la acumulación y combinación de
diferentes causas que son difíciles de identificar y eliminar, y la contribución
individual de cada causa es pequeña
Causas especiales de variación:
Es causada por situaciones o circunstancias especiales que no están de
manera permanente en el proceso. Por ejemplo; las fallas ocasionadas por el
mal funcionamiento de una pieza de la máquina, el empleo de material no
habituales o el descuido no frecuente de un operario.
Las causas especiales, por su naturaleza relativamente discreta, a menudo
pueden ser identificadas y eliminadas si se cuenta con los conocimientos y
condiciones para ello.

figura 2 variaciones

No distinguir entre estos dos tipos de variabilidad conduce a cometer dos

errores en la actuación de los procesos:
1.- reaccionar ante un cambio de o variación (efecto o problema) como si
proviniera de una causa especial, cuando en realidad surge de algo más
profundo en el proceso, como son las causas comunes de variación.
2.- tratar un efecto o cambio como si procediera de causas comunes de
variación, cuando en realidad se debe a una causa especial.
Con frecuencia los procesos de producción operan en el estado bajo control,
produciendo productos aceptables durante periodos relativamente largos. Sin
embargo, ocasionalmente se presentan causas asignables, aparentemente al
azar, las cuales dan lugar a un “corrimiento”, a un estado fuera de control en el
que una gran proporción de la productividad del proceso no están conforme
con los requerimientos.
Uno de los principales objetivos del control estadístico de procesos es detectar
con rapidez la ocurrencia de causas asignables o corrimientos del proceso,
para que pueda hacerse la investigación del proceso y aplicarse correctivas
antes de que se fabriquen muchas unidades no conformables.
Es común considerar el control estadístico de procesos (CEP) como un
conjunto de herramientas para resolver problemas que pueden aplicarse a
cualquier proceso las principales herramientas de CEP son:
1. El histograma
2. El diagrama de Pareto
3. El diagrama de causa y efecto
4. El diagrama de concentración de efectos
5. La carta de control
6. El diagrama de dispersión
7. La hoja de verificación
Las gráficas de control son un mecanismo para reconocer situaciones donde
las causas asignables pueden estar afectando de manera adversa la calidad de
un producto. Una vez que la gráfica indique una situación fuera de control,
puede iniciarse una investigación para identificar causas y tomar medidas
correctivas.
un elemento básico de las gráficas de control es que las muestras se hayan
seleccionado del proceso de interés en una secuencia de tiempos.
Dependiendo del aspecto del proceso bajo investigación, se selecciona algún
estadístico, por ejemplo, la media muestral o la proporción muestral de los
artículos defectuosos. El valor de este estadístico se calcula entonces para
cada muestra en su turno. El resultado entonces es una gráfica de control
tradicional al localizar estos valores calculados en el tiempo, como se ilustra en
la figura 3.

figura 3 prototipo de grafica de control

La grafica contiene una línea central (LC) que representa el valor promedio de
la característica de la calidad correspondiente al estado bajo control. (es decir
solo está presente en causas fortuitas). Otras dos líneas horizontales, llamados
el límite de control superior (LCS) y límite de control inferior (LCI), también se
muestran en la gráfica. Estos límites se eligen de tal modo que, si el proceso
está bajo control, casi todos los puntos muestrales se localizaran entre ellos.
En tanto los puntos se localicen dentro de los límites de control, se supone que
el proceso está bajo control y que no es necesaria ninguna acción.
Gage R & R
Los estudios R&R permite evaluar simultáneamente la repetibilidad y la
reproducibilidad, estos estudios se realizan de modo experimental y se evalúa
que parte de la variabilidad total observada en el producto es atribuible al error
de medición; además, permite cuantificar si este error es mucho o poco en
comparación con la variabilidad del producto y con las tolerancias de la
característica de calidad que se mide.

La repetibilidad y reproducibilidad del sistema de medición (Gage R & R) es

una metodología utilizada para definir la cantidad de variación en los datos de
medición debido al sistema de medición. Luego compara la variación de la
medición con la variabilidad total observada, definiendo en consecuencia la
capacidad del sistema de medición. La variación de la medición consta de dos
factores importantes, repetibilidad y reproducibilidad. La repetibilidad se debe a
la variación del equipo y la reproducibilidad se debe a la variación del inspector
u operador. Gage R & R puede dar a conocer:

 La cantidad de variación del sistema de medición en comparación con la

variación del proceso.
 La cantidad de variación en el sistema de medición que se debe a la
influencia del operador.
 La capacidad del sistema de medición para discriminar entre diferentes
partes.

Cómo realizar una repetibilidad y reproducibilidad del sistema de medición

(R&R del sistema de medición)

Existen varias técnicas para completar un estudio Gage R & R. Los dos
métodos más ampliamente aceptados para calcular la repetibilidad y
reproducibilidad del sistema de medición son los siguientes:
 El método de promedio y rango
 El método ANOVA (análisis de varianza)

Los cálculos de ANOVA son más complejos, pero el método ANOVA también
es capaz de distinguir las relaciones entre los evaluadores y la pieza.
método Anova utilizado para realizar el estudio de repetibilidad y
reproducibilidad dentro de cualquier sistema de medición:
El estudio de repetibilidad y reproducibilidad debe iniciarse realizando un
experimento diseñado estadísticamente; cualquier tipo de experimento
desarrollado dentro de un proceso debe contener dos elementos:
• Partes o unidades del producto las cuales son seleccionadas por medio de un
muestreo aleatorio.
• Cierto número de operadores que se seleccionan aleatoriamente, estos
operadores son los encargados de realizar las mediciones sobre las partes
varias veces.
Una vez realizado el experimento y se tienen todas las medidas de la
característica de interés se procede a calcular la variabilidad del proceso
utilizando el método Anova (Análisis de varianza).
Método de Análisis de Varianza (ANOVA): El método Anova, conocido también
como análisis de varianza es el método más exacto para calcular la variabilidad
de un sistema de medición porque posee la ventaja de cuantificar la variación
debida a la interacción entre los operadores y las partes. Este método está
basado en la misma técnica estadística utilizada para analizar los efectos de
los diferentes factores en el diseño de experimentos.

La Tabla de Anova para un sistema de medición es la que se muestra en la

Tabla 1.
Fuentes de Suma de Grados de Cuadrado medio
variación cuadrados libertad
Operador SSA a−1 SSA
MSA=
a−1

Partes SSB b−1 SSB

MSB=
b−1

Interacción SSAB ( a−1 )( b−1 ) SSAB

MSAB=
(a−1)(b−1)

Error SSE ab ( n−1 ) SSE

MSE=
ab(n−1)

Total SST N−1

Tabla 1. Anova a para un sistema de medición con dos factores

dónde:
a es el número de operadores
b es el número de partes
n es el número de medidas para cada parte por cada operador
N es el número total de datos
Los pasos que se deben seguir para realizar la tabla del Anova de dos factores
son [2]:
1. Se calcula la suma total de todos los datos, como lo muestra la ecuación
1.
a b n
T =∑ . ∑ . ∑ x ijk
i=1 j=1 k=1

donde Xijk son cada uno de los datos del experimento.

2. Se calcula la suma del cuadrado de todos los datos por medio de la
ecuación 2.
a b
2
T =∑ . ∑ . ∑ n X i j
x k
i=1 j=1 k=¿¿

donde Xijk son cada uno de los datos del experimento.

3. Se calcula la suma de los cuadrados totales de las combinaciones de
factores dividido por el tamaño muestral respectivo como lo muestra la
ecuación 3.
a b
1
T 2 c= ∑ . ∑ T 2ⅈj
n i=1 j=1

donde Tij es la suma de los datos de cada por cada operador.

4. Se calcula la suma de los totales para el factor 1 (Operadores) y se

divide por su espacio muestral respectivo por medio de la ecuación 4.
b n
1
T 21= ∑ . ∑ T j 2k
bn j=1 K =1

donde Tjk es la suma de los datos de cada operador.

5. Se calcula la suma de los totales para el factor 2 (Partes) y se divide por
su tamaño muestral respectivo por medio de la ecuación 5.
a n
1
T 22= ∑ . ∑ T 2iK
an i=1 k=1

donde Tik es la suma de los datos para cada parte

6. Se calculan las sumas de los cuadrados necesarias por medio de las
ecuaciones (6), (7), (8), (9) y (10).

2 T2
SSA=T 1−
N

2 T2
SSA=T 2−
N
 2 T2 2 2
SSAB=T c + −T 1−T 2
N

SSE=T 2x −T 2c

2 T2
SST =T x −
N

Después de obtener la Tabla del Anova, se procede a calcular la variación del

sistema de medida, siguiendo los siguientes pasos:

1. La repetibilidad del sistema de medida [3] está dada por la ecuación 11

r =5,15 √ MSE

2. El porcentaje de repetibilidad se calcula por medio de la ecuación 12.

r
%r= ×100 %
T
donde T es la tolerancia de la característica medida.
3. La reproducibilidad del sistema de medida [3] está dada por la ecuación
13.

MSA−MSAB
R=5,15
√ bn
Nota: Si en algún caso el término de la raíz es un número negativo, entonces la
reproducibilidad es cero.
4. El porcentaje de reproducibilidad se calcula por medio de la ecuación 14.
R
%R= ×100 %
T
donde T es la tolerancia de la característica medida.

5. La interacción entre los operadores y las partes [3] se calcula por medio
de la ecuación 15.
MSAB−MSE
I =5,15
n√
6. El porcentaje de la interacción entre los operadores y las partes se
calcula por medio de la ecuación (16).
I
%I= ×100 %
T
donde T es la tolerancia de la característica medida.
7. La relación entre la repetibilidad y la reproducibilidad está dada por la
ecuación 17.
 2 2
r ∧R=√ ( r ) + ( R ) + I 2

8. El porcentaje de la relación entre la repetibilidad y la reproducibilidad [3]

está dada por la ecuación 18.
2 2 2
%r∧R= √( %r ) + ( %R ) + (%I )

9. Se interpretan los resultados aplicando los siguientes criterios [4]:

• Si % r & R < 10% el sistema de medición es aceptable.

• Si 10% ≤ % r & R < 30% el sistema de medición puede ser aceptable

según su uso, aplicación, costo del instrumento de medición, costo de
reparación.

• Si % r & R > 30% el sistema de medición es considerado como no

aceptable y requiere de mejoras en cuanto al operador, equipo, método,
condiciones, etc.

Figura 4. informe de R&R (ANOVA)

En cualquier tipo de proceso un estudio de repetibilidad y reproducibilidad sirve

para calcular su variabilidad y detectar cuando éste se encuentra funcionando
en condiciones anormales, de esta manera, se pueden buscar estrategias
correctivas que le permitan al proceso volver a trabajar en condiciones
normales.
Métodos de análisis gráfico
El análisis gráfico a menudo se incluye en un estudio de R & R de Gage.  Los
métodos de análisis gráfico pueden validar los hallazgos del estudio y brindar
información adicional sobre los datos. El análisis gráfico es un método eficaz
para visualizar los datos. Recuerde, los gráficos que se muestran ilustran la
efectividad del sistema de medición, no el proceso de fabricación.

Plan de control
es una metodología documentada en el manual de APQP para ayudar en la
manufactura de productos de calidad de acuerdo a los requerimientos del
cliente. Esta metodología proporciona un enfoque estructurado para el diseño,
selección e implementación de métodos de control con valor agregado para el
sistema total.
Es una descripción escrita y resumida de los sistemas usados para minimizar la
variación del producto y el proceso en cada etapa del mismo y que incluye las
inspecciones de recibo, las áreas de material en proceso y material en salida.

 Reducción de la variación y los desperdicios

 Mejora de la calidad de los productos
 Identificación de las características del producto y proceso y los métodos
de control para las fuentes de variación (variables de entrada), que
causan variación en las características del producto (variables de salida)
 Contribuye a la satisfacción del cliente, al enfocarse a las características
del producto y del proceso que son importantes
 Asegura la comunicación entre las áreas de planeación, implementación
y control

 Los Gráficos de Control y el Control Estadístico de Procesos, todo proceso

tiene una variabilidad intrínseca y tenerla controlada es la llave para actuar
sobre ella. El Plan de Control de Proceso proporciona una visión extendida de
las desviaciones potenciales en cada etapa del proceso

figura 5. mejoramiento de un proceso utilizando el plan de control

 en la figura 5 donde se representa un proceso cualquiera. Partiendo de las
entradas, a través del proceso obtenemos el producto final. Si definimos las
características especiales del proceso y del producto tendremos una visión
específica de su funcionamiento, que nos aportará la información necesaria
para implantar las acciones de control necesarias para mitigar cada variación.    
El Plan de Control de Proceso es un documento relacionado con el proceso de
fabricación de un producto, donde se listan todas las características tanto del
producto como del proceso, requeridas para asegurar el control de la
producción y la calidad del producto acordada, minimizando así las variaciones
inherentes a la fabricación. El documento debe ser considerado como parte
integral de la calidad del proceso y utilizarlo como referencia para la creación
posterior de documentación específica para la producción, como por ejemplo
las instrucciones de trabajo de una estación de fabricación. En él se
describen las acciones que son requeridas en cada fase del proceso
incluyendo las entradas y salidas, desde la recepción de material, pasando por
su procesamiento hasta la expedición del mismo.

Figura 6. plantilla de un plan de control

Graficas de atributos
 Gráficas de control de variables y gráficas de control de atributos Las gráficas
de control se pueden dividir en gráficas de control de variables y gráficas de
control de atributos. Los términos “variable” y “atributo” se deben al tipo de
datos que se recolectan del proceso. Si se miden características como tiempo,
peso, volumen, longitud, caída de presión, concentración, etc., los datos
obtenidos se consideran continuos y se conocen como datos de variables. Si
se cuenta la cantidad de defectuosos en una muestra o la cantidad de defectos
en determinado tipo de artículo, a los datos obtenidos se les llama datos de
atributos. Se considera que los datos de variables son de nivel superior a los
datos de atributos. En la tabla 2. se dan los nombres de algunas gráficas de
control de variables y de control de atributos, así como los estadísticos que en
ellas se grafican.

Tipo de grafica Estadístico que se grafica

Grafica x-barra y grafica R Promedio y rango de subgrupos de datos de las variables
Grafica x- barra y grafica de Promedio y desviación estándar de subgrupos de datos de
sigma las variables
Grafica mediana Mediana de los subgrupos de datos de las variables
Graficas de lecturas Mediciones individuales
individuales
Graficas CUSUM Suma acumulada de cada X menos el valor nominal
Grafica de zonas Pesos por zonas
Grafica EWMA Medidas móviles son pesos exponenciales
Grafica p Proporción de artículos defectuosos en el total
inspeccionado
Grafica NP Cantidad de defectos por artículo en muestras de tamaño
constante
Grafica C Cantidad de defectos por artículo en muestras de tamaño
constante
Grafica U Cantidad de defectos en muestras de tamaño variable
Tabla 2. Tipos de graficas
Apéndice
Repetibilidad: Esta variación se presenta cuando el mismo instrumento es utilizado por una
persona al medir repetidas veces la misma parte, es decir, es la variación de las lecturas
individuales que se han repetido con el mismo instrumento y la misma persona.

Reproducibilidad: Se refiere a la variación observada entre los promedios de varios

operadores, cuando cada operador realiza varias lecturas sobre la misma parte y usando el
mismo instrumento.

Varianza: La varianza de los datos que se obtienen al realizar una medición, es un estimador de
la dispersión que existe entre la característica de calidad medida y su promedio.

https://www.youtube.com/watch?v=vC2XQ0kaJjA
https://www.academia.edu/35125892/Unidad_2_Gr
%C3%A1ficas_de_control_para_variables_2_1_Conceptos_generales_y_princi
pios_del_CEP
https://www.cicalidad.com/articulos/PAPER%20R&R.pdf

Centro de Ingeniería de la Calidad - www.cicalidad.com

Montgomery, D.C. y Runger, G.C. (2012). Probabilidad y estadística

aplicada a la ingeniería (2ed). Limusa Wiley.
Montgomery, D.C. (2010). Diseño y análisis de experimentos (2 ed). México.
Limusa S.A. de C.V.Editorial.
Devore L.J. (2012). Probabilidad y estadística para ingeniería y ciencia (8
ed). Cengage Learning
https://quality-one.com/grr/

Título Control económico de la calidad de productos manufacturados

Autor Walter A. Shewhart
Editor Ediciones Díaz de Santos, 1997
ISBN 8479783044, 9788479783044
N.º de páginas 500 páginas
[1] Ingeniería UC. Rivas C., Gerardo A. Escuela de Ingeniería Industrial. Universidad de
Carabobo. Bárbula. Valencia. Venezuela. Jefe de la comisión coordinadora.
(http://servicio.cid.uc.edu.ve/ingenieria/revista/a5n2/5-2- 2.pdf).

[2] Bioestadística aplicada a bioquímica y farmacia. Azzimonti Renzo.

(http://www.bioestadistica.freeservers.com/tema20.pdf).

[3] Engineered Software, Inc. Copyright 1999.

(www.engineeredsoftware.com/pepers/msa_rr.pdf).

[4] Tecnológico de Monterrey. (http://academia.gda.itesm.mx/~mdeluna/control/ryrmeto

do.pdf).

https://www.youtube.com/watch?v=JbvXY7PeKxU

https://spcgroup.com.mx/plan-de-control/
https://ingenieriadeautomocion.wordpress.com/2018/03/28/plan-de-control-de-
proceso/