V UNIDAD

CONTROL ESTADISTICO
DE PROCESOS
Administración de
Operaciones III
Año 2,017
 OBJETIVOS
Después de esta unidad, el estudiante
podrá:
• Explicar qué es el control estadístico
de la calidad.
• Calcular la capacidad de un proceso.
• Entender cómo se supervisan los
procesos con gráficas de control.
• Reconocer conceptos de muestreo de
aceptación.
 CONTENIDO
1. Definición. Variaciones asignables y
comunes
2. Variaciones: límites
3. Procedimientos de control de
procesos
a. Definición de control estadístico del proceso
b. Definición de atributos
c. Definición de variables
 CONTENIDO
4. Control de procesos con mediciones
de atributos
a. Gráfica p
b. Gráfica c
5. Control de procesos con mediciones
de variables
a. Gráfica de la media (Gráfica X)
b. 6.
Gráfica de rango (Gráfica R)
Aspectos administrativos y gráfica de
control ¿Cuál gráfica usar?
EJEMPLO DE CLASE

CONTROL ESTADÍSTICO DE LA
CALIDAD

Marzo de 2017
 Control del proceso: atributos y variables

Gráficas de
control por • Gráfica p
atributos • Gráfica c

• Teorema del límite central

Gráficas de
• Determinación de los límites de
control
la gráfica de la media (Gráfica X)
para • Determinación de los límites de
variables la gráfica de rango (Gráfica R)
GRÁFICAS DE CONTROL POR
ATRIBUTOS

Ejemplo 1

Gráfica p
 Ejemplo 1 Gráfica p
EJEMPLO 9A.2: Diseño de gráficas de control
Una compañía de seguros quiere diseñar una gráfica de control
para verificar que las formas de cobro de los seguros se llenen de
manera correcta. Con esas gráficas, la empresa quiere saber si son
eficaces las mejoras en el diseño de los formatos. Para iniciar el
proceso se recopila la información sobre el número de formatos
llenados de manera incorrecta durante los últimos 10 días. La
compañía de seguros diario procesa miles de estos formatos y, por
el alto costo de inspeccionar cada uno, solo se recopila una
pequeña muestra representativa cada día. Los datos y el análisis se
muestran en la ilustración 9A.5.
 CANTIDAD DE
CANTIDAD FRACCIÓN DE
MUESTRA FORMATOS MAL
INSPECCIONADA DEFECTOS
LLENADOS
1 300 10 0.03333
2 300 8 0.02667
3 300 9 0.03000
4 300 13 0.04333
5 300 7 0.02333
6 300 7 0.02333
7 300 6 0.02000
8 300 11 0.03667
9 300 12 0.04000
10 300 8 0.02667
3,000 91 0.30333
 _
Límite Superior de Calidad (LSCp) = p + z δp
_
Límite Inferior de Calidad (LICp) = p - z δp
_ _

Desviación estándar δp = p (1 - p)
n

p (1 - p)
n–1

z = número de desviaciones estándar (1 para el 84.13% de confianza, 2 para el 97.72%

de confianza y 3 para el 99.86% de confianza)
p = Σ(x/n)
n
= 0.30333 / 10 = .03 errores en registros
= 3 % formatos mal llenados

p = Σx
N
= 91/ 3000
= 0.03033 formatos mal llenados

= 3% formatos mal llenados

sp = (0.03033) * (1- 0.03033)
300

= 0.00990 Formatos mal llenados

 Límite superior de control

LSCp = 0.03033 + (3)(0.00990)

LSCp = 0.06003
LSCp = 6.003% formatos mal llenados
Límite inferior de control
LICp = 0.03033 - (3)(0.00990)
LICp = 0.00063
LICp = 0.063% formatos mal llenados
z = número de desviaciones estándar (1 para el 84.13% de confianza, 2 para
el 97.72% de confianza y 3 para el 99.86% de confianza)
 Gráfico de Control Estadístico de la Calidad
Grafica P, formularios mal llenados,
Compañía de Seguros
Porcentaje de Errores

Límite central

Muestra
GRÁFICAS DE CONTROL
POR ATRIBUTOS

Ejemplo 2

Gráfica c
 Gráfica c
EJEMPLO 9A.3 (Pagina 314)
Los propietarios de un establecimiento de
materiales para construcción desean diseñar una
gráfica de control para supervisar la calidad de
tablas de 2 × 4 que llegan del proveedor. Para sus
tablas de calidad media esperan un promedio de
cuatro nudos por tabla de 8 pies. Diseñe una
gráfica de control que deba usar la persona que
recibe las tablas con límites de tres sigmas
(desviación estándar).
Límite Superior de Calidad (LSC) = c+z c

Límite Inferior de Calidad (LIC) = c-z c

Desviación estándar Sp = c
 c =4

4 Nudos por tabla

 Límite Superior de Control

LSC= 4 + (3) √4
LSC= 10 nudos
Límite Inferior de Control

LIC= 4 - (3) √4
LIC= -2 = 0
LIC= 0 nudos
 Ejemplo 3
=
Gráficas X y R
Cuando no se conoce o es difícil
de calcular la desviación
estándar
 Límites de Control de Calidad por
Variables para Rango
• LCS = D4 * R
Tabla de Factores para el
• LCI = D3 * R cálculo de las límites de
control de la gráfica (3 sigma)
Tamaño de la muestra Factor para LCS y LCI Factor para LCS para Factor para LCI para
(n) para gráfica X (A2) gráfica R (D4) gráfica R (D3)

2 1.880 3.268 0
3 1.023 2.574 0
4 0.729 2.282 0
5 0.577 2.115 0
6 0.483 2.004 0
7 0.419 1.924 0.076
8 0.373 1.864 0.136
9 0.337 1.816 0.184
10 0.308 1.777 0.223
12 0.266 1.716 0.284
 EJEMPLO 9A.4
Se quiere trazar X y R para un proceso. La
ilustración 9A.7 muestra las mediciones para las 25
muestras. Las dos últimas columnas muestran el
promedio de la muestra X y el rango R
ILUSTRACIÓN 9A.7
MUESTRAS
NÚMERO DE x
RANGO R
MUESTRAS PROMEDIO
1 2 3 4 5
1 10.60 10.40 10.30 9.90 10.20
2 9.98 10.25 10.05 10.23 10.33
3 9.85 9.90 10.20 10.25 10.15
4 10.20 10.10 10.30 9.90 9.95
5 10.30 10.20 10.24 10.50 10.30
6 10.10 10.30 10.20 10.30 9.90
7 9.98 9.90 10.20 10.40 10.10
8 10.10 10.30 10.40 10.24 10.30
9 10.30 10.20 10.60 10.50 10.10
10 10.30 10.40 10.50 10.10 10.20
11 9.90 9.50 10.20 10.30 10.35
12 10.10 10.36 10.50 9.80 9.95
13 10.20 10.50 10.70 10.10 9.90
14 10.20 10.60 10.50 10.30 10.40
15 10.54 10.30 10.40 10.55 10.00
16 10.20 10.60 10.15 10.00 10.50
17 10.20 10.40 10.60 10.80 10.10
18 9.90 9.50 9.90 10.50 10.00
19 10.60 10.30 10.50 9.90 9.80
20 10.60 10.40 10.30 10.40 10.20
21 9.90 9.60 10.50 10.10 10.60
22 9.95 10.20 10.50 10.30 10.20
23 10.20 9.50 9.60 9.80 10.30
24 10.30 10.60 10.30 9.90 9.80
25 9.90 10.30 10.60 9.90 10.10
 MUESTRAS
NÚMERO DE x
RANGO R
MUESTRAS PROMEDIO
1 2 3 4 5
1 10.60 10.40 10.30 9.90 10.20 10.28
2 9.98 10.25 10.05 10.23 10.33
3 9.85 9.90 10.20 10.25 10.15
4 10.20 10.10 10.30 9.90 9.95
5 10.30 10.20 10.24 10.50 10.30
6 10.10 10.30 Se saca10.30
10.20 el promedio
9.90
7 9.98 9.90 10.20
de cada10.40 10.10
una de las
8 10.10 10.30 10.40 observaciones
10.24 10.30
9 10.30 10.20 10.60 10.50 10.10
10 10.30 10.40 10.50
realizadas
10.10 10.20
11 9.90 9.50 10.20 10.30 10.35
12 10.10 10.36 10.50 9.80 9.95
13 10.20 10.50 10.70 10.10 9.90
14 10.20 10.60 10.50 10.30 10.40
15 10.54 10.30 10.40 10.55 10.00
16 10.20 10.60 10.15 10.00 10.50
17 10.20 10.40 10.60 10.80 10.10
18 9.90 9.50 9.90 10.50 10.00
19 10.60 10.30 10.50 9.90 9.80
20 10.60 10.40 10.30 10.40 10.20
21 9.90 9.60 10.50 10.10 10.60
22 9.95 10.20 10.50 10.30 10.20
23 10.20 9.50 9.60 9.80 10.30
24 10.30 10.60 10.30 9.90 9.80
25 9.90 10.30 10.60 9.90 10.10
 MUESTRAS
NÚMERO DE x
RANGO R
MUESTRAS PROMEDIO
1 2 3 4 5
1 10.60 10.40 10.30 9.90 10.20 10.28 0.70
2 9.98 10.25 10.05 10.23 10.33 10.17
3 9.85 9.90 10.20 10.25 10.15 10.07
4 10.20 10.10 10.30 9.90 9.95 10.09
5 10.30 10.20 10.24 10.50 10.30 10.31
6 10.10 10.30 10.20
Se 10.30
calcula: del9.90
valor mayor
10.16
7 9.98 9.90 10.20 restar
10.40 el valor
10.10 menor.10.12
8 10.10 10.30 10.40 10.24
Ejemplo: 10.30
10.60-9.90=0.70 10.27
9 10.30 10.20 10.60 10.50 10.10 10.34
10 10.30 10.40 10.50 10.10 10.20 10.30
11 9.90 9.50 10.20 10.30 10.35 10.05
12 10.10 10.36 10.50 9.80 9.95 10.14
13 10.20 10.50 10.70 10.10 9.90 10.28
14 10.20 10.60 10.50 10.30 10.40 10.40
15 10.54 10.30 10.40 10.55 10.00 10.36
16 10.20 10.60 10.15 10.00 10.50 10.29
17 10.20 10.40 10.60 10.80 10.10 10.42
18 9.90 9.50 9.90 10.50 10.00 9.96
19 10.60 10.30 10.50 9.90 9.80 10.22
20 10.60 10.40 10.30 10.40 10.20 10.38
21 9.90 9.60 10.50 10.10 10.60 10.14
22 9.95 10.20 10.50 10.30 10.20 10.23
23 10.20 9.50 9.60 9.80 10.30 9.88
24 10.30 10.60 10.30 9.90 9.80 10.18
25 9.90 10.30 10.60 9.90 10.10 10.16
 MUESTRAS
NÚMERO DE x
RANGO R
MUESTRAS PROMEDIO
1 2 3 4 5
1 10.60 10.40 10.30 9.90 10.20 10.28 0.70
2 9.98 10.25 10.05 10.23 10.33 10.17 0.35
3 9.85 9.90 10.20 10.25 10.15 10.07 0.40
4 10.20 10.10 10.30 9.90 9.95 10.09 0.40
5 10.30 10.20 10.24 10.50 10.30 10.31 0.30
6 10.10 10.30 10.20 10.30 9.90 10.16 0.40
7 9.98 9.90 10.20 10.40 10.10 10.12 0.50
8 10.10 10.30 10.40 10.24 10.30 10.27 0.30
9 10.30 10.20 10.60 10.50 10.10 10.34 0.50
10 10.30 10.40 10.50 10.10 10.20 10.30 0.40
11 9.90 9.50 10.20 10.30 10.35 10.05 0.85
12 10.10 10.36 10.50 9.80 9.95 10.14 0.70
13 10.20 10.50 10.70 10.10 9.90 10.28 0.80
14 10.20 10.60 10.50 10.30 10.40 10.40 0.40
15 10.54 10.30 10.40 10.55 10.00 10.36 0.55
16 10.20 10.60 10.15 10.00 10.50 10.29 0.60
17 10.20 10.40 10.60 10.80 10.10 10.42 0.70
18 9.90 9.50 9.90 10.50 10.00 9.96 1.00
19 10.60 10.30 10.50 9.90 9.80 10.22 0.80
20 10.60 10.40 10.30 10.40 10.20 10.38 0.40
21 9.90 9.60 10.50 10.10 10.60 10.14 1.00
22 9.95 10.20 10.50 10.30 10.20 10.23 0.55
23 10.20 9.50 9.60 9.80 10.30 9.88 0.80
24 10.30 10.60 10.30 9.90 9.80 10.18 0.80
25 9.90 10.30 10.60 9.90 10.10 10.16 0.70
NÚMERO DE MUESTRAS x
MUESTRAS
RANGO R
1 2 3 4 5 PROMEDIO
1 10.60 10.40 10.30 9.90 10.20 10.28 0.70
2 9.98 10.25 10.05 10.23 10.33 10.17 0.35
3 9.85 9.90 10.20 10.25 10.15 10.07 0.40
4 10.20 10.10 10.30 9.90 9.95 10.09 0.40
5 10.30 10.20 10.24 10.50 10.30 10.31 0.30
6 10.10 10.30 10.20 10.30 9.90 10.16 0.40
7 9.98 9.90 10.20 10.40 10.10 10.12 0.50
8 10.10 10.30 10.40 10.24 10.30 10.27 0.30
9 10.30 10.20 10.60 10.50 10.10 10.34 0.50
10 10.30 10.40 10.50 10.10 10.20 10.30 0.40
11 9.90 9.50 10.20 10.30 10.35 10.05 0.85
12 10.10 10.36 10.50 9.80 9.95 10.14 0.70
13 10.20 10.50 10.70 10.10 9.90 10.28 0.80
14 10.20 10.60 10.50 10.30 10.40 10.40 0.40
15 10.54 10.30 10.40 10.55 10.00 10.36 0.55
16 10.20 10.60 10.15 10.00 10.50 10.29 0.60
17 10.20 10.40 10.60 10.80 10.10 10.42 0.70
18 9.90 9.50 9.90 10.50 10.00 9.96 1.00
19 10.60 10.30 10.50 9.90 9.80 10.22 0.80
20 10.60 10.40 10.30 10.40 10.20 10.38 0.40
21 9.90 9.60 10.50 10.10 10.60 10.14 1.00
22 9.95 10.20 10.50 10.30 10.20 10.23 0.55
23 10.20 9.50 9.60 9.80 10.30 9.88 0.80
24 10.30 10.60 10.30 9.90 9.80 10.18 0.80
25 9.90 10.30 10.60 9.90 10.10 10.16 0.70
255.19 14.90
Cálculo de la Media de las
Medias

255.19/25 = 10.21 onzas

Cálculo de Rango Promedio

R = 14.90/25 = 0.60 onzas

 Límites de Control de Calidad por
Variables para X
Se busca en la tabla el valor
que corresponde a n = 5, en
la columna de: Factor para
LCS y LCI para gráfica X (A2)

Tamaño de la muestra Factor para LCS y LCI Factor para LCS para Factor para LCI para
(n) para gráfica X (A2) gráfica R (D4) gráfica R (D3)

2 1.880 3.268 0
3 1.023 2.574 0
4 0.729 2.282 0
5 0.577 2.115 0
6 0.483 2.004 0
7 0.419 1.924 0.076
8 0.373 1.864 0.136
9 0.337 1.816 0.184
10 0.308 1.777 0.223
12 0.266 1.716 0.284
 Límites de Control de Calidad
por Variables

• LSCX = 10.21 + (0.577 * 0.60)

• LSCX = 10.56 onzas

• LICX = 10.21 – (0.577 * 0.60)

• LICX = 9.86 onzas
 GRÁFICA DE CONTROL ESTADISTICO DE PROCESOS
GRÁFICA X, LLENADO EN ONZAS
10.60

10.50

10.40

10.30
ONZAS

10.20 x PROMEDIO
LSCX
LICX
10.10 X

10.00

9.90

9.80
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26
MUESTRA
 Límites de Control de Calidad
por Variables para Rango
• LCSR = D4 * R Se busca en la tabla el valor
que corresponde a n = 5, en

• LCIR = D3 * R
la columna de: Factor para
LCS para gráfica R (D4)

Tamaño de la muestra Factor para LCS y LCI Factor para LCS para Factor para LCI para
(n) para gráfica X (A2) gráfica R (D4) gráfica R (D3)

2 1.880 3.268 0
3 1.023 2.574 0
4 0.729 2.282 0
5 0.577 2.115 0
6 0.483 2.004 0
7 0.419 1.924 0.076
8 0.373 1.864 0.136
9 0.337 1.816 0.184
10 0.308 1.777 0.223
12 0.266 1.716 0.284
 Límites de Control de Calidad
por Variables para Rango
• LCS = D4 * R Se busca en la tabla el valor
que corresponde a n = 5, en

• LCI = D3 * R
la columna de: Factor para
LCS para gráfica R (D3)

Tamaño de la muestra Factor para LCS y LCI Factor para LCS para Factor para LCI para
(n) para gráfica X (A2) gráfica R (D4) gráfica R (D3)

2 1.880 3.268 0
3 1.023 2.574 0
4 0.729 2.282 0
5 0.577 2.115 0
6 0.483 2.004 0
7 0.419 1.924 0.076
8 0.373 1.864 0.136
9 0.337 1.816 0.184
10 0.308 1.777 0.223
12 0.266 1.716 0.284
 Límites de Control de Calidad
por Variables para Rango

• LCSR = D4 * R
• LCSR = 2.115 * 0.60 =
1.27 onzas

• LCIR = D3* R
• LCIR = 0 * 0.60 =
0 onzas
 GRÁFICA DE CONTROL ESTADISTICO DE PROCESOS
GRÁFICA DE RANGO, LLENADO EN ONZAS
1.40

1.20

1.00

0.80
RANGO R
ONZAS

LSC R
0.60 LICR
R PROMEDIO

0.40

0.20

0.00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26
NÚMERO DE MUESTRA
GRÁFICAS DE CONTROL POR
VARIABLES

Ejemplo 4

Gráfica X
Calculando la desviación
estándar
Para Gráfica x cuando se conoce σ
Límite superior de control (LSC) = x + zσx

Límite inferior de control (LIC) = x - zσx

Donde x = media de las medias muestrales o el valor
meta establecido en el proceso
z = número de desviaciones estándar
σx = desviación estándar de las medias
muestrales = σ/ n
σ = desviación estándar de la población
n = tamaño de la muestra
 Ejemplo 1 Cajas de Avena
Los pesos de las cajas de hojuelas de avena incluidas
dentro de un lote de producción grande se muestrean
cada hora. Los administradores quieren establecer límites
de control que incluyan el 99.86% de las medias
muestrales.

Se seleccionar y pesan en onzas de manera aleatoria

nueve cajas cada hora. A continuación se presentan los
datos de las nueve cajas seleccionadas en la primera
hora. La desviación estándar es de 3
MEDICIÓN DE LAS VARIABLES
Muestra 1 2 3 4 5 6 7 8 9
1 16.10 16.30 16.00 16.20 16.10 15.90 16.00 16.30 16.00
2 16.80 16.90 16.70 16.30 17.00 16.80 16.90 17.00 16.80
3 15.00 15.90 15.80 15.70 15.80 15.70 15.30 15.20 15.10
4 16.80 16.50 16.80 16.80 16.80 16.20 16.50 16.10 16.00
5 16.10 16.80 16.80 16.50 16.80 16.20 16.50 16.80 16.00
6 16.20 16.30 16.50 16.90 16.80 16.30 16.50 16.10 16.00
7 15.20 15.40 15.40 15.20 15.00 15.00 15.30 15.20 15.10
8 16.90 16.30 16.30 16.40 16.80 16.30 16.50 16.10 16.00
9 16.40 16.30 16.50 16.20 16.30 16.30 16.50 16.20 16.00
10 14.70 14.80 14.70 14.90 14.70 14.90 14.90 14.90 14.70
11 14.20 14.40 14.40 14.20 14.00 14.00 14.30 14.20 14.10
12 17.40 17.30 17.50 17.20 17.30 17.30 17.50 17.20 17.00
 MEDICIÓN DE LAS VARIABLES
Muestra 1 2 3 4 5 6 7 8 9 x
1 16.10 16.30 16.00 16.20 16.10 15.90 16.00 16.30 16.00 16.10
2 16.80 16.90 16.70 16.30 17.00 16.80 16.90 17.00 16.80
Se saca el promedio
3 15.00 15.90 15.80 15.70 15.80 15.70una
de cada 15.30 15.20
de las 15.10
4 16.80 16.50 16.80 16.80 16.80observaciones
16.20 16.50 16.10 16.00
realizadas
5 16.10 16.80 16.80 16.50 16.80 16.20 16.50 16.80 16.00
6 16.20 16.30 16.50 16.90 16.80 16.30 16.50 16.10 16.00
7 15.20 15.40 15.40 15.20 15.00 15.00 15.30 15.20 15.10
8 16.90 16.30 16.30 16.40 16.80 16.30 16.50 16.10 16.00
9 16.40 16.30 16.50 16.20 16.30 16.30 16.50 16.20 16.00
10 14.70 14.80 14.70 14.90 14.70 14.90 14.90 14.90 14.70
11 14.20 14.40 14.40 14.20 14.00 14.00 14.30 14.20 14.10
12 17.40 17.30 17.50 17.20 17.30 17.30 17.50 17.20 17.00
 MEDICIÓN DE LAS VARIABLES
Muestra 1 2 3 4 5 6 7 8 9 x
1 16.10 16.30 16.00 16.20 16.10 15.90 16.00 16.30 16.00 16.10
2 16.80 16.90 16.70 16.30 17.00 16.80 16.90 17.00 16.80 16.80
3 15.00 15.90 15.80 15.70 15.80 15.70 15.30 15.20 15.10 15.50
4 16.80 16.50 16.80 16.80 16.80 16.20 16.50 16.10 16.00 16.50
5 16.10 16.80 16.80 16.50 16.80 16.20 16.50 16.80 16.00 16.50
6 16.20 16.30 16.50 16.90 16.80 16.30 16.50 16.10 16.00 16.40
7 15.20 15.40 15.40 15.20 15.00 15.00 15.30 15.20 15.10 15.20
8 16.90 16.30 16.30 16.40 16.80 16.30 16.50 16.10 16.00 16.40
9 16.40 16.30 16.50 16.20 16.30 16.30 16.50 16.20 16.00 16.30
10 14.70 14.80 14.70 14.90 14.70 14.90 14.90 14.90 14.70 14.80
11 14.20 14.40 14.40 14.20 14.00 14.00 14.30 14.20 14.10 14.20
12 17.40 17.30 17.50 17.20 17.30 17.30 17.50 17.20 17.00 17.30
192.00
Cálculo de la Media de las
Medias

192/12 = 16 onzas
 CÁLCULO DE LA DESVIACIÓN
ESTÁNDAR
Desviación Estándar de la Población:

Si se trabaja con menos de 30 elementos (de cada

muestra) se trabaja con n-1, de esta manera:
 MEDICIÓN DE LAS VARIABLES
Muestra 1 2 3 4 5 6 7 8 9 (x-x)²
x
1 16.10 16.30 16.00 16.20 16.10 15.90 16.00 16.30 16.00 16.10 0.01000
2 16.80 16.90 16.70 16.30 17.00 16.80 16.90 17.00 16.80 16.80
Se hace la operación de
3 15.00 15.90 15.80 15.70 15.80 15.70 15.30 15.20 15.10 15.50
a la media se le resta la
4 16.80 16.50 16.80 16.80 16.80 16.20
media16.50 16.10
de las 16.00
medias y 16.50
5 16.10 16.80 se eleva
16.80 16.50 16.80 16.20 16.50al16.80
cuadrado
16.00 16.50
6 16.20 16.30 16.50 16.90 16.80 16.30 16.50 16.10 16.00 16.40
7 15.20 15.40 15.40 15.20 15.00 15.00 15.30 15.20 15.10 15.20
8 16.90 16.30 16.30 16.40 16.80 16.30 16.50 16.10 16.00 16.40
9 16.40 16.30 16.50 16.20 16.30 16.30 16.50 16.20 16.00 16.30
10 14.70 14.80 14.70 14.90 14.70 14.90 14.90 14.90 14.70 14.80
11 14.20 14.40 14.40 14.20 14.00 14.00 14.30 14.20 14.10 14.20
12 17.40 17.30 17.50 17.20 17.30 17.30 17.50 17.20 17.00 17.30

192.00
 MEDICIÓN DE LAS VARIABLES
Muestra 1 2 3 4 5 6 7 8 9 (x-x)²
x
1 16.10 16.30 16.00 16.20 16.10 15.90 16.00 16.30 16.00 16.10 0.01000
2 16.80 16.90 16.70 16.30 17.00 16.80 16.90 17.00 16.80 16.80 0.64000
3 15.00 15.90 15.80 15.70 15.80 15.70 15.30 15.20 15.10 15.50 0.25000
4 16.80 16.50 16.80 16.80 16.80 16.20 16.50 16.10 16.00 16.50 0.25000
5 16.10 16.80 16.80 16.50 16.80 16.20 16.50 16.80 16.00 16.50 0.25000
6 16.20 16.30 16.50 16.90 16.80 16.30 16.50 16.10 16.00 16.40 0.16000
7 15.20 15.40 15.40 15.20 15.00 15.00 15.30 15.20 15.10 15.20 0.64000
8 16.90 16.30 16.30 16.40 16.80 16.30 16.50 16.10 16.00 16.40 0.16000
9 16.40 16.30 16.50 16.20 16.30 16.30 16.50 16.20 16.00 16.30 0.09000
10 14.70 14.80 14.70 14.90 14.70 14.90 14.90 14.90 14.70 14.80 1.44000
11 14.20 14.40 14.40 14.20 14.00 14.00 14.30 14.20 14.10 14.20 3.24000
12 17.40 17.30 17.50 17.20 17.30 17.30 17.50 17.20 17.00 17.30 1.69000
192.00 8.82000
CÁLCULO DE LA DESVIACIÓN
ESTÁNDAR
8.82 =
s =
9-1

s = 1.05 onzas
 Límite Superior de Control
LSC = 16+(3)(1.05/√9)
LSC = 16+(3)(0.35)
LSC = 17.05 onzas

Límite Inferior de Control

LIC = 16-(3)(1.05/√9)
LIC = 16 - (3)(0.35)
LIC = 14.95 onzas
z = número de desviaciones estándar (1 para el 84.13% de confianza, 2 para
el 97.72% de confianza y 3 para el 99.86% de confianza)
 Gráfica de control estadístico de calidad: límites de
control de calidad, cajas de cereales
18.00

17.50

17.00
Contenido en onzas

16.50

16.00 MEDIA
LSC
LIC
15.50 MEDIA MUESTRAS

15.00

14.50

14.00
1 2 3 4 5 6 7 8 9 10 11 12
Hora de muestra
Muestreo de Aceptación
 Muestreo de Aceptación
Ejemplo 9A.6
• Hi-Tech Industries fabrica escáneres de radar de Z-band,
para detectar trampas de velocidad. Las tarjetas de circuito
impreso de los escáneres se compran a un distribuidor
externo. Éste produce las tarjetas con un NCA de 2% y está
dispuesto a correr un riesgo de 5% (α) de que se rechacen
lotes con este nivel o menor numero de defectos. Hi-Tech
considera inaceptables los lotes con 8% o mas defectos
(PTDL) y quiere asegurarse de que aceptará esos lotes de
baja calidad no más de 10 % de las veces (β). Se acaba de
entregar un pedido grande. ¿Qué valores de n y c se deben
seleccionar para determinar la calidad de ese lote?
Tabla para plan de muestreo
 Muestreo de Aceptación
SOLUCIÓN
Los parámetros del problema son
NCA= 0.02, α=0.05, PTDL = 0.08 y β=0.10

PTDL/NCA = 0.08/0.02 = 4

Buscar en columna 2 el valor igual o mayor a 4 = 4.057 que

está asociado a c = 4 de la columna 1.
Por último, encuentre en la columna 3 el valor del mismo
renglón de c=4 y divida esa cantidad entre NCA para
obtener n = (1.970/0.02=98.5)

El plan de muestreo apropiado es c=4 y n=99

 Aspectos de administración y
gráficas de control
Los administradores deben tomar tres decisiones importantes acerca de las
gráficas de control:

 Seleccionar los puntos en el proceso que

necesitan control estadístico del proceso.
 Determinar la gráfica apropiada a utilizar
 Establecer políticas de SPC claras y
específicas
 ¿Cuál gráfica usar?
Datos Variables
Uso de la gráfica x y una gráfica R:
 Las observaciones son variables
 Recopilar 20 – 25 de n = 4, o n = 5, o más,
cada una de un proceso estable y calcular la
media para una gráfica x y el rango de una
gráfica R
 Rastrear muestras de n observaciones cada
una
 ¿Cuál gráfica usar?
Datos de atributos
Uso de una gráfica p:
 Las observaciones son atributos que
pueden clasificarse en dos estados
 Tratamos con fracciones o porcentajes
de defectos
 Tenemos varias muestras, cada uno con
muchas observaciones
 ¿Cuál gráfica usar?
Datos de atributos
Uso de la gráfica c:
 Las observaciones con atributos cuyos
defectos por unidad de producción se
pueden contar
 Los números contados con una pequeña
parte de las posibles ocurrencias
 Los defectos pueden ser muy variados
 REPASAR
CAPÍTULO 9ª
Página 304