INTEGRANTES:

-MIRANDA MARGARITO, MARIEL

GRÁFICOS DE
CONTROL
-MORALES QUISPE, JUAN DIEGO
-ÑAUPARI TAPIA, EDSON
-TAPIA BASILIO, FRANK
CONTROL ESTADÍSTICO DE PROCESOS
❖ Diagramas de Pareto
❖ Gráficos de control

2
 GRÁFICO DE CONTROL

A) Herramienta estadística de análisis y presentación

de datos. Sirve para llevar un registro de una
determinada característica de la calidad.
B) Permite diferenciar variaciones naturales de las
resultantes debido a causas asignables.

USOS:
- Reducción de la variabilidad del proceso.
- Monitoreo y vigilancia de un proceso.
- Estimación de los parámetros del producto o del
proceso.

3
LÍMITES DE CONTROL
Los límites de control, para cualquier gráfica, se calculan de la siguiente manera:

✓ LCS = Esperado (x) + k Desviación estándar (x)

✓ LCI = Esperado (x) - k Desviación estándar (x) Generalmente se utiliza

✓ k=3

4
GRÁFICOS DE CONTROL DE MEDIAS

5
GRÁFICOS DE CONTROL DE MEDIAS

6
CASO

7
GRÁFICO X - R
Calculamos la línea central: Calculamos los límites:

8
 “
PLANEACIÓN ESTRATÉTIGA

PROPÓSITO:
Alimentar un mañana mejor”

9
PASOS PARA CONSTRUIR UNA CARTA DE
CONTROL

1) Definir una característica de la calidad.

2) Comprobar la normalidad de los datos.
3) Escoger un sub-grupo racional.
4) Reunir los datos
5) Calcular los límites de control y línea central.
6) Revisar los límites y línea central, eliminando los puntos fuera de control debido a
causas atribuibles.
7) Iniciar el control.

10
EJEMPLO 1
En la tabla siguiente se presentan 10 sub grupos de tres mediciones de la dimensión critica de
una pieza producida en el proceso de maquinado.

a) Establecer las cartas de control x barra – R

b) Si los limites de especificación son [150,90] calcular la fracción de elementos no conformes.

11
EJEMPLO 1

12
EJEMPLO 1

13
14
CLASIFICACIÓN DE LOS
GRÁFICOS DE CONTROL
TIPOS DE GRÁFICOS DE CONTROL

16
1. DATOS DISCRETOS (ATRIBUTO)
DISTRIBUCIÓN POISSON
GRÁFICO C
❖ La Grafica C sirve para controlar el proceso productivo, mediante el conocimiento del
numero de defectos que aparecen en una muestra.
❖ Utilice la Gráfica C cuando una pieza del producto, puede tener un número diferente de
defectos por pieza.
❖ El objetivo es controlar el número de defectos por pieza..

Para el cálculo de los limites de control,

podemos utilizar las siguiente fórmula:

Se calcula dividendo el
total del número de
defectos, entre la
Donde:
cantidad de muestras.
C : Es el promedio del
número de defectos

18
Caso Aplicativo
❖ En una fábrica de productos de plástico se tiene el problema de las rugosidades que afectan el aspecto de
los productos. Con el propósito de analizar la estabilidad del proceso y tratar de localizar causas especiales
de variación, se inspeccionaron 50 muestras y arrojaron la siguiente cantidad defectos por muestra..
Nº de Nº de
Muestra
Defectos
Muestra
Defectos = Sumatoria de número de defectos / Número de muestras
1 8 26 6 = 512 / 50 = 10,24
2 4 27 11
3 14 28 12 LCI = 10,24 – 3 * Raíz(10,24) = 0,60
4 9 29 12
5 6 30 8
LC = 10,24
6 9 31 16 LCS = 10,24 + 3 * Raíz(10,24) = 19,84
7 13 32 13
8 15 33 12 En la muestra número
9 10 34 11
10 17 35 6
11, se encuentra un
11 20 36 10 punto fuera del LCS,
12 13 37 13 por lo cual se
13 16 38 6
14 8 39 9 recomienda: revisar el
15 9 40 10 proceso, la
16 14 41 11
17 6 42 7
herramienta o la
18 9 43 11 metodología del
19 13 44 13 operario para obtener
20 7 45 9
21 13 46 11 un gráfico estable.
22 8 47 7 19
23 2 48 16
24 9 49 5
25 6 50 9
Caso Aplicativo
❖ Análisis de capacidad de Poisson de Número de Defectos

La gráfica de Poisson
indica que los defectos
aumentan a medida que
se sigue analizando las
muestras

La media estimada del

DPU es 10,24
El intervalo de confianza
(IC) para el DPU indica
que el ingeniero puede
estar 95% seguro de
que la media de DPU se
encuentra dentro del
intervalo de 9,37 y 11,2.
20
GRÁFICO U
❖ Utilice la Gráfica U para monitorear el número de defectos por unidad cuando cada
elemento pueda tener múltiples defectos.
❖ La Gráfica U, nos ayuda a hacer gráficos acorde a la cantidad de eventos que se
presentan por pieza.

Para el cálculo de los limites de control,

podemos utilizar las siguiente fórmula:

Se calcula dividendo la
suma de los defectos y
la suma de las
Donde:
unidades analizadas : Es el la división de la
suma de defectos y la
cantidad de unidades
analizadas.
: Es el promedio de las
unidades analizadas.
21
Caso Aplicativo
❖ En una empresa metalmecánica se fabrican válvulas usadas para griferías domésticas cuyos acabados son
recubiertos por un proceso de galvanotecnia. Después del dicho proceso se hace una inspección para
verificar que la apariencia sea uniforme en toda la superficie de la válvula. Los resultados, obtenidos de
dicha inspección, se muestran a continuación:
Und. Und.
= División de la suma de defectos y la suma de unidades analizadas
Muestra
Analizadas defectuosas = 438 / 3750 = 0,12
1 148 20
2 150 24 LCI = 0,12 – 3 * Raíz(0,12/150 ) = 0,03
3
4
151
161
15
19
LC = 0,12
5 150 16 LCS = 0,12 – 3 * Raíz(0,12/150 ) = 0,20
6 152 23
7 159 15 En la muestra número
8 150 21
9 148 13
21, se encuentra un
10 167 18 punto fuera del LCS,
11 152 14 por lo cual se
12 142 7
13 142 17 recomienda: revisar el
14 136 12 proceso, la
15 151 22
16 158 19
herramienta o la
17 150 16 metodología del
18 145 21 operario para obtener
19 139 13
20 143 24 un gráfico estable.
21 149 30 22
22 154 14
23 150 12
24 148 15
25 155 18
Caso Aplicativo
❖ Análisis de capacidad de Poisson de Número de Defectos

La tasa de defeco indica

que a mayor tamaño de
la muestra más estable
el DPU (defectos por
unidad de medida).

La media estimada del

DPU es 0,12
El intervalo de confianza
(IC) para el DPU indica
que el ingeniero puede
estar 95% seguro de
que la media de DPU se
encuentra dentro del
intervalo de 0,05 y 0,20.
23
2. DATOS DISCRETOS (ATRIBUTO)
DISTRIBUCIÓN BINOMIAL
GRÁFICA P (proporciones)
❖ Utilice la Gráfica P para poder controlar el número de elementos defectuosos que existe
dentro de un proceso .
❖ Se usa cuando se tenga datos discretos y se puede usar para muestras de tamaño
constante o variable.
❖ Utilice esta gráfica de control para monitorear la estabilidad del proceso en el tiempo, de
manera que pueda identificar y corregir las inestabilidades en un proceso.

Para el cálculo de los limites de control,

podemos utilizar las siguiente fórmula:
La fracción de defectuosos 𝑷 ന se
calcula obtiene de la siguiente
división:

suma de fracciones defectuosas

ന
P=
unidades analizadas
Donde:
ന =fracción defectuosos
𝑷
n=tamaño de muestra

25
Caso Aplicativo
❖ El supervisor de un centro de llamadas desea evaluar el proceso de contestar las llamadas
telefónicas de los clientes. El supervisor registra el número total de llamadas entrantes y el
número de llamadas no contestadas durante 21 días. El supervisor crea una gráfica P para
monitorear la proporción de llamadas no contestadas.
Total Llam Defectuosos Total Llam Defectuosos
N° Muestra N° Muestra
Llamadas NoResp (%) Llamadas NoResp (%)
1 250 25 10% 12 254 20 8%
2 257 27 11% 13 251 24 10%
3 260 27 10% 14 256 31 12%
4 256 27 11% 15 255 22 9%
5 259 28 11% 16 249 21 8%
6 259 22 8% 17 257 22 9%
7 250 21 8% 18 252 21 8%
8 260 30 12% 19 258 20 8%
9 254 24 9% 20 252 30 12%
10 253 27 11% 21 249 27 11%
11 251 25 10% p= 9.75%

n = 21, entonces p = (10% + 11% + 10% +…+ 11%) / 21= 9.57%

LCS = 15.16% LCI = 3.97%

26
 Caso Aplicativo

Obtenemos nuestro gráfico de

control P y como podemos
El objetivo (11%) indica el valor
observar los límites de
máximo permitido de
control no son líneas rectas,
%defectuoso para el proceso.
ya que el tamaño de la
Tanto la estimación de
muestra en este tipo de gráfico
%defectuoso (9.57%) y el IC
es variable.
superior del %defectuoso es
(10.39%) son menores al valor
máximo permitido. Por lo tanto,
Si el %defectuoso se usted puede estar 95% seguro
encuentra distribuido de que el proceso es capaz de
aleatoriamente (sin formar un atender llamadas en una
patrón), alrededor de la línea proporción aceptable.
central, usted concluye que
los datos siguen una
distribución binomial.

27
GRÁFICA NP
❖ Utilice la Gráfica NP para poder controlar el número de elementos defectuosos (atributo
que tiene su complemento).
❖ Se usa cuando se tenga datos discretos y se puede usar para muestras de tamaño
constante.
❖ Utilice esta gráfica de control para monitorear la estabilidad del proceso en el tiempo, de
manera que pueda identificar y corregir las inestabilidades en un proceso.

Para el cálculo de los limites de control,

podemos utilizar las siguiente fórmula:

ന se obtiene sumando
𝑷
los elementos
defectuosos totales.
Donde:
P=número de elementos
defectuosos
n=tamaño de muestra

28
Caso Aplicativo: Prueba 1
❖ Un ingeniero especializado en calidad evalúa si el proceso utilizado para producir focos está bajo control. El
ingeniero prueba 500 focos cada hora durante tres turnos de 8 horas y registra el número de focos que no
encienden (elementos defectuosos). El ingeniero crea una gráfica NP para monitorear el número de focos
defectuosos.
Total Llam Defectuosos Total Llam Defectuosos
N° Muestra N° Muestra
Llamadas NoResp (%) Llamadas NoResp (%)
1 101 5 5% 13 113 6 5%
2 102 8 8% 14 114 8 7%
3 103 13 13% 15 115 13 11%
4 104 11 11% 16 116 17 15%
5 105 8 8% 17 117 4 3%
6 106 6 6% 18 118 5 4%
7 107 5 5% 19 119 4 3%
8 108 3 3% 20 120 9 8%
9 109 1 1% 21 121 7 6%
10 110 6 5% 22 122 2 2%
11 111 4 4% 23 123 3 2%
12 112 12 11% 24 124 6 5%
np = 6.92

n = 24,
Un punto está fuera de
entonces p = (5 + 8 + 13 +…+ 6) / 21= 6.92
control en la
gráfica NP. El
LCS = 14.15 LCI = 0 ingeniero concluye que
el proceso no es estable
y debe mejorarse. 29
La prueba falló en el
punto: 16
Caso Aplicativo: Prueba 1

El objetivo (7%) indica el valor

máximo permitido de %defectuoso
para el proceso. Tanto la estimación
de %defectuoso (6.15%) es menor
que el valor máximo permitido. Sin
embargo, el IC superior del
%defectuoso (7.12%) es mayor al
valor máximo permitido. Por lo
tanto, usted no puede estar 95%
seguro de que el proceso es capaz
de atender llamadas en una
proporción aceptable.

30
Caso Aplicativo: Prueba 2
❖ Se tomó acción sobre el proceso para eliminar falla cuando la producción de 116 focos. De esta forma,
se actualiza la gráfica con los nuevos datos, eliminando el punto 16.

31
Caso Aplicativo: Prueba 2

El %defectuoso se encuentra dentro de los

límites inferior (6.74%) y superior (4.90%). Sin
embago, Z del proceso de 1.57 es menor al
permitido para un proceso con capacidad (z=2).

El centro de llamadas no es
capaz de cumplir con las
especificaciones. Continua
existiendo un alto porcentaje
de llamadas que no son
contestadas. El supervisor
necesita determinar por qué
hay tantas llamadas no
contestadas y cómo se puede
mejorar el proceso.
32
3. MEDICIÓN CONTINUA (VARIABLE)
DISTRIBUCIÓN NORMAL
1.GRÁFICA I-MR
❖ Utilice la Gráfica I-MR para monitorear la media y la variación del proceso cuando
tenga datos continuos que sean observaciones individuales que no están en
subgrupos.
❖ Utilice esta gráfica de control para monitorear la estabilidad del proceso en el tiempo,
de manera que pueda identificar y corregir las inestabilidades en un proceso.

Por ejemplo, el administrador de un

hospital desea determinar si el tiempo
para realizar una cirugía ambulatoria
de hernia es estable y si la variación en
los tiempos de cirugía es estable.
Puesto que los datos no se recopilan en
subgrupos, el administrador utiliza una
gráfica I-MR para monitorear la media y
la variación de los tiempos de cirugía.
34
2. GRÁFICA XBARRA-R
❖ Utilice Gráfica Xbarra-R para monitorear la media y la variación de un proceso cuando
tenga datos continuos y tamaños de subgrupo de 8 o menos.

❖ Utilice esta gráfica de control para monitorear la estabilidad del proceso en el tiempo,
de manera que pueda identificar y corregir las inestabilidades en un proceso.

Por ejemplo, un ingeniero de

manufactura desea determinar si el
proceso de producción de un nuevo
producto de plástico está bajo
control. Los operadores toman
muestras de 5 unidades cada hora
durante 20 horas y evalúan la
resistencia del plástico.
35
3. GRÁFICA XBARRA-S
❖ Utilice la Gráfica Xbarra-S para monitorear la media y la variación de un proceso
cuando tenga datos continuos y tamaños de subgrupo de 9 o más.
❖ Utilice esta gráfica de control para monitorear la estabilidad del proceso en el tiempo,
de manera que pueda identificar y corregir las inestabilidades en un proceso.

Por ejemplo, un fabricante de

pinturas desea determinar la
estabilidad de su proceso de llenado
de latas de pintura. Los operadores
recolectan subgrupos de 10 latas
cada hora durante 30 horas y
utilizan una gráfica Xbarra-S para
monitorear la media y la variación de
las latas de pintura llenas. 36
CASOS DE MEDICIÓN
CONTINUA EN MINITAB
1. CASO APLICATIVO I-MR

Un ingeniero especializado en calidad monitorea la

producción de detergente líquido y desea evaluar si
el proceso está bajo control. El ingeniero mide el pH
de 25 lotes consecutivos del detergente.

38
1. CASO APLICATIVO I-MR

Una observación no pasó la prueba,

porque la observación está fuera del
LCS

Ninguno de los puntos en R, está

fuera de los límites de control y los
puntos presentan un patrón
aleatorio. Por lo tanto, la variación
del proceso está bajo control y el
ingeniero especializado en calidad
puede examinar el centro del proceso
en la gráfica de observaciones
individuales.
Una observación no pasó la prueba,
porque la observación está fuera del
LCS
39
2. CASO APLICATIVO XBARRA-R

Un ingeniero especializado en calidad que

trabaja en una planta de partes
automotrices monitorea la longitud de los
árboles de levas. Tres máquinas producen
los árboles de levas en tres turnos cada día.
El ingeniero mide cinco árboles de levas de
cada máquina durante cada turno.
40
2. CASO APLICATIVO XBARRA-R

Las gráficas R para las

tres máquinas muestran
que la variación del
proceso está bajo Las gráficas Xbarra muestran que la
control. Ningún punto máquina 2 está bajo control, pero las
está fuera de control y máquinas 1 y 3 no lo están. En la gráfica
todos los puntos se Xbarra de la máquina 2, ningún punto está
encuentran dentro de los fuera de control. Sin embargo, la máquina 1 41
límites de control en un tiene un punto fuera de control y la máquina
patrón aleatorio. 3 tiene dos puntos fuera de control.
3. CASO APLICATIVO XBARRA-S

Un ingeniero especializado en calidad que

trabaja en una compañía de enlatado evalúa
si el proceso de llenado de las latas se
encuentra bajo control. Cada hora, el
ingeniero recoge un subgrupo de 10 latas.
Para minimizar la variación dentro de los
subgrupos (entre las latas), el ingeniero
recoge las latas de un subgrupo específico
en un breve período de tiempo.
42
3. CASO APLICATIVO XBARRA-S

Un punto no pasa la
prueba 1 (un punto
más de 3
deviaciones estándar
desde la línea
Ninguno de los puntos central) en la gráfica
está fuera de los Xbarra.
límites de control y los
puntos muestran un
patrón aleatorio. Por lo
tanto, la variación del
proceso está bajo
control y el ingeniero
puede examinar el
43
centro del proceso en
la gráfica Xbarra.
CONCLUSIONES
❖ Los gráficos de control son herramientas estadísticas que permiten controlar tendencias y mejorar el
proceso. Se puede mejorar el proceso aplicando una planificación de mantenimiento, control de calidad,
control de inventario, entre otros.

❖ Se concluye que los gráficos C y U , son parecidos pero existe una diferencia importante, que el primero
se realiza para una cantidad de sub grupos igual y el otro para sub grupos diferentes.

❖ Los gráficos C y U, permiten determinar aquellos puntos que se encuentran dentro o fuera de los límites
de control.

❖ Las gráficas P, NP y C son muy usadas porque permiten mejorar el proceso. Esto es, la aplicación de
acciones correctivas o preventivas.

❖ Las gráficas P y NP permiten analizar y controlar aspectos de inconformidad en el proceso (unidades

defectuosas).

44
BIBLIOGRAFÍA
❖ Evans, James. Administración y Control de la Calidad. Ed. Cengage Learning. Novena
edicion, 2015.

❖ Gutiérrez, Humberto. Control Estadístico de Calidad y Seis Sigma. Ed. Mc Graw Hill. Tercera
edición, 2013.

❖ Gutiérrez, Humberto. Calidad y Productividad. Ed. Mc Graw Hill. Cuarta edición, 2014.

❖ Cantú, Humberto. Desarrollo de una cultura de calidad. Ed. Mc Graw Hill. 4ta. Edicion.

❖ Minitab, Support, 2018, Link: https://support.minitab.com/es-mx/minitab/18/help-and-how-

to/quality-and-process-improvement/control-charts/how-to/attributes-charts/u-chart/before-
you-start/example/

❖ SpcGorup, Link: https://spcgroup.com.mx/grafica-de-control/

45
GRACIAS!
46