Documentos de Académico
Documentos de Profesional
Documentos de Cultura
2
GRÁFICO DE CONTROL
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:
✓ 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
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.
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..
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
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
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%
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.
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
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 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.
❖ 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.
38
1. CASO APLICATIVO I-MR
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.
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.
45
GRACIAS!
46