Dr. Freddy S.

Navarro Pineda

Diseño económico de la gráfica 𝑋̅

Contenido
La Gráfica 𝑋 ................................................................................................................................................ 1

Costos de calidad ...................................................................................................................................... 2

Ejemplo ........................................................................................................................................................ 5

Costo de muestreo ................................................................................................................................. 5

Costo de búsqueda ................................................................................................................................ 5

Costo de operación fuera de control .................................................................................................. 6

Estimando el costo promedio de calidad ........................................................................................... 6

Costo óptimo de la calidad y límites de control ................................................................................ 8

Número de muestreos ............................................................................................................................ 9

Referencias ................................................................................................................................................ 10

La Gráfica 𝑋̅
Los límites de control superior (𝐿𝐶𝑆𝑋̅ ) e inferior (𝐿𝐶𝐼𝑋̅ ) de la gráfica 𝑋̅ se calculan como:

𝑘 ∙ 𝜎̂ 𝑅̅
𝐿𝐶𝑆𝑋̅ = 𝑋̿ + 𝑑2
∀ 𝑛 ≤ 10
√𝑛
𝜎̂ =
𝑠̅
∀ 𝑛 > 10
𝑘 ∙ 𝜎̂ 𝑐4
𝐿𝐶𝐼𝑋̅ = 𝑋̿ − {
√𝑛

Siendo:

• 𝑋̿, el promedio de los artículos muestreados.

• 𝑛, el tamaño de la muestra por cada muestreo (periodo).
• 𝑘, el número de desviaciones por encima o por debajo de la media para mantenerla en
control.
• 𝜎̂, un estimador de la desviación estándar poblacional.
• 𝑅̅ , promedio de los rangos calculados.
• 𝑑2 , valor que depende del tamaño de muestras por muestro 𝑛.

1
 Dr. Freddy S. Navarro Pineda

• 𝑠̅, promedio de las desviaciones estándar por muestreo.

• 𝑐4 , valor que depende del tamaño de muestras por muestro 𝑛.

No hay una regla para establecer la frecuencia en la toma de muestreos o el tamaño de

muestras por muestreo (𝑛). En general, cuando se implementa la gráfica de control se toman
los muestreos con bastante frecuencia y, cuando se alcanzan los objetivos establecidos, ésta se
reduce. La norma ANSI/ASQ Z1.9-1993 ha recomendado cierto número total de artículos
muestreados teniendo en cuenta la cantidad total de piezas a producir, los cuales se muestran
en la Tabla 1. Por ejemplo, si se producen unas 10,500 piezas al día, se recomienda inspeccionar
mínimo 100 piezas, las cuales se pueden tomar en 10 muestreos a lo largo del día con un
tamaño de muestra de 10 piezas (𝑛 = 10) por muestreo, o en 20 muestreos a lo largo del día con
un tamaño de muestra de 5 piezas (𝑛 = 5) por muestro. De esta manera, el tamaño de muestra
por muestro (𝑛) puede ser variable.

TABLA 1. N ÚMERO TOTAL DE PIEZAS A INSPECCIONAR SEGÚN TAMAÑO DE LOTE [1].

Total de piezas a producir Mínimo número de piezas a inspeccionar

91 – 150 10
151 – 280 15
281 – 400 20
401 – 500 25
501 – 1,200 35
1,201 – 3,200 50
3,201 – 10,000 75
10,001 – 35,000 100
35,001 – 150,000 150

Respecto a los límites de control, el valor de 𝑘 = 3 es considerado como un óptimo técnico por
defecto. Sin embargo, esto no necesariamente representa un óptimo económico. Es necesario
entonces determinar niveles óptimos tanto de 𝑛 como de 𝑘 para dar seguimiento a las gráficas
de control considerando los criterios de los costos de calidad.

Costos de calidad1
La estimación de los costos de calidad es necesaria para alcanzar un óptimo diseño de la
gráfica de control 𝑋̅ en términos económicos. Aunque los costos de calidad pueden ser difíciles
de identificar y estimar, se pueden considerar tres tipos de costos generales los cuales se
describen en la Figura 1.

1 Adaptado de [2].

2
 Dr. Freddy S. Navarro Pineda

Costos
Costo del personal y equipo para realizar la
Muestreo inspección

generales Parte del costo de evaluación de la calidad

de
calidad
Costo de encontrar el origen de una falla una vez
Busqueda de falla ésta es detectada en una gráfica de control

Parte del costo de prevención

Se refiere a los costos de fallas internas y externas

Operación fuera de
control
F IGURA 1. C OSTOS GENERALES DE CALIDAD .

Dependiendo del tipo de puntos dentro de la gráfica de control 𝑋̿, se aplican uno o más costos
de calidad. Hay cuatro tipos de puntos en esta gráfica de control dependiendo de la
ubicación que tiene y la que debería tener. Estos se clasifican como: falsos positivos, falsos
negativos, verdaderos positivos y verdaderos negativos. La Tabla 2 describe estos tipos de
puntos y detalla los costos aplicables para cada uno de ellos.

TABLA 2. C OSTOS APLICABLES DE CALIDAD SEGÚN EL TIPO DE PUNTO DENTRO DE LA GRÁFICA DE CONTROL 𝑿
̿.

Ubicación que Ubicación que

Tipo de punto Costos aplicables
tienea debería tenera
Falso positivo Fuera Dentro Muestreo y búsqueda
Falso negativo Dentro Fuera Muestro y operación fuera de control
Verdadero positivo Fuera Fuera Muestreo y búsqueda
Verdadero negativo Dentro Dentro Muestreo
a Respecto a los límites de control.

El costo promedio de calidad (𝐶𝑐𝑎𝑙𝑖𝑑𝑎𝑑 ) puede estimarse como la suma de los costos de
muestreo (𝐶𝑚𝑢𝑒𝑠𝑡𝑟𝑒𝑜 ), costo promedio de búsqueda (𝐶𝑏𝑢𝑠𝑞𝑢𝑒𝑑𝑎 ) y el costo promedio de operación
fuera de control (𝐶𝑜𝑝.𝑓𝑢𝑒𝑟𝑎 𝑐𝑜𝑛𝑡𝑟𝑜𝑙 ), es decir:

𝐶𝑐𝑎𝑙𝑖𝑑𝑎𝑑 = 𝐶𝑚𝑢𝑒𝑠𝑡𝑟𝑒𝑜 + 𝐶𝑏ú𝑠𝑞𝑢𝑒𝑑𝑎 + 𝐶𝑜𝑝.𝑓𝑢𝑒𝑟𝑎 𝑐𝑜𝑛𝑡𝑟𝑜𝑙

𝐶𝑚𝑢𝑒𝑠𝑡𝑟𝑒𝑜 = 𝑎1 𝑛

𝛼(1 − 𝜋)
1+
𝐶𝑏ú𝑠𝑞𝑢𝑒𝑑𝑎 = 𝑎2 𝜋
1−𝜋 1
+
𝜋 1−𝛽

1
1−𝛽
𝐶𝑜𝑝.𝑓𝑢𝑒𝑟𝑎 𝑐𝑜𝑛𝑡𝑟𝑜𝑙 = 𝑎3
1−𝜋 1
+
𝜋 1−𝛽

3
 Dr. Freddy S. Navarro Pineda

𝛼 = 2 ∙ (1 − 𝑃{𝑍 < 𝑘})

𝛽 = 𝑃{−𝑘 − 𝛿 √𝑛 ≤ 𝑍 ≤ 𝑘 − 𝛿 √𝑛}

|𝜇 − 𝜇̂ |
𝛿=
𝜎̂

Siendo:

• 𝑎1 , el costo por inspeccionar un artículo [$/unidad].

• 𝑎2 , el costo esperado de búsqueda por periodo de muestreo [$/muestreo], es decir, el
costo de realizar una búsqueda.
• 𝑎3 , el costo de operación por periodo de muestreo [$/muestreo].
• 𝜋, la probabilidad condicional de que el proceso se desvíe fuera de control (la media
cambie de 𝜇 a 𝜇̂ ) en el siguiente periodo, es decir, la probabilidad de encontrar un
verdadero positivo.
• 𝛼, la probabilidad de observar una señal fuera de control, aunque el proceso esté bajo
control (error estadístico tipo 1), es decir, la probabilidad de presenciar un falso positivo.
• 𝛽, la probabilidad de no identificar una señal fuera de control, aunque el proceso esté
fuera de control (error estadístico tipo 2), es decir, la probabilidad de presenciar un falso
negativo.
• 𝛿, promedio de desviaciones estándar que se desvía la media (de 𝜇 a 𝜇̂ ).
• 𝜇, media que el proceso debería tener cuando el sistema se encuentra bajo control.
• 𝜇̂ , media real del sistema cuando el proceso se encuentra fuera de control.
• 𝜎̂, estimador de la desviación estándar poblacional del proceso.

El costo promedio de calidad podría simplificarse como:

𝑎2 (1 − 𝛽)[𝜋 + 𝛼(1 − 𝜋)] + 𝑎3 𝜋

𝐶𝑐𝑎𝑙𝑖𝑑𝑎𝑑 = 𝑎1 𝑛 +
1 − 𝛽(1 − 𝜋)

El costo promedio de calidad puede minimizarse variando los valores de 𝑛 y de 𝑘 y, de esta

manera, realizar las gráficas de control bajo un óptimo económico. En lenguaje de
optimización, esto se expresa como:

𝑚𝑖𝑛𝐶𝑐𝑎𝑙𝑖𝑑𝑎𝑑 = 𝐶𝑚𝑢𝑒𝑠𝑡𝑟𝑒𝑜 + 𝐶𝑏ú𝑠𝑞𝑢𝑒𝑑𝑎 + 𝐶𝑜𝑝.𝑓𝑢𝑒𝑟𝑎 𝑐𝑜𝑛𝑡𝑟𝑜𝑙

Sujeto a:

0<𝑘≤3

𝑛 > 0, 𝑛 ∈ ℕ

El siguiente ejemplo ayudará a entender mejor el concepto.

4
 Dr. Freddy S. Navarro Pineda

Ejemplo
Costo de muestreo

Un ingeniero de calidad le cuesta a una empresa $32,000 al mes. El ingeniero trabaja 8 horas al
día y aproximadamente 20 días al mes. El costo del ingeniero para la empresa se expresa en
minutos así:

$ 1 𝑚𝑒𝑠 1 𝑑í𝑎 1 ℎ𝑜𝑟𝑎𝑠 $

32,000 ∙ ∙ ∙ = 3.33
𝑚𝑒𝑠 20 𝑑í𝑎𝑠 8 ℎ𝑜𝑟𝑎𝑠 60 𝑚𝑖𝑛 𝑚𝑖𝑛

Entre otras cosas, el ingeniero debe medir las piezas fabricadas para construir gráficas de
control del proceso. Basados en un estudio de tiempos y movimientos, se estima que el
ingeniero tarda aproximadamente 3 minutos para inspeccionar una pieza. Por tanto, el costo
de inspeccionar una pieza (𝑎1 ) se calcula como:

$ 𝑚𝑖𝑛 $
𝑎1 = 3.33 ∙3 = 10
𝑚𝑖𝑛 𝑝𝑖𝑒𝑧𝑎 𝑝𝑖𝑒𝑧𝑎

Es decir, a la empresa le cuesta $10 inspeccionar (medir) cada pieza, por tanto, el costo de
muestreo puede expresarse de manera general como:

𝐶𝑚𝑢𝑒𝑠𝑡𝑟𝑒𝑜 = 𝑎1 𝑛 = 10𝑛

Nótese que 𝑛 se expresa como número de piezas por muestreo (piezas/muestreo).

Costo promedio de búsqueda

Por experiencia, cuando la empresa detecta una señal fuera de control, detiene todo el
proceso productivo e invierte 15 minutos para detectar el origen de dicha señal. Si no se
detecta nada inusual, se asume que la señal fue una falsa alarma, es decir, un falso positivo. El
costo de búsqueda puede estimarse como el costo de oportunidad de la empresa si los 15
minutos se hubiesen invertido en producir (y vender) piezas. Suponga que la venta de piezas
genera $50,000 al día y que la empresa trabaja en una jornada de 8 horas. Lo que la empresa
deja de ganar se expresa por hora como:

$ 1 𝑑í𝑎 $
50,000 ∙ = 6,250
𝑑í𝑎 8 ℎ𝑜𝑟𝑎𝑠 ℎ𝑜𝑟𝑎

El costo esperado de realizar una búsqueda (𝑎2 ) se estimaría en:

$ 𝑚𝑖𝑛 1 ℎ𝑜𝑟𝑎 $
𝑎2 = 6,250 ∙ 15 ∙ = 1562.5
ℎ𝑜𝑟𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑒𝑜 60 𝑚𝑖𝑛 𝑚𝑢𝑒𝑠𝑡𝑟𝑒𝑜

5
 Dr. Freddy S. Navarro Pineda

Por experiencia, las señales fuera de control han ocurrido a una tasa de aproximadamente 1
por cada 20 muestreos, siendo el 75% de las mismas falsas alarmas. Por tanto, la probabilidad
condicional de que el proceso se desvíe fuera de control (𝜋) se calcula como:

1
𝜋=( ) (1 − 0.75) = 0.0125
20

En promedio, la media se ha desviado en estas señales fuera de control en aproximadamente

0.5 veces la desviación estándar. Por tanto:

𝛿 = 0.5

De esta manera, el costo promedio de búsqueda puede expresarse de manera general como:

𝛼(1 − 𝜋) 𝛼(1 − 0.0125)

1+ 1+
𝐶𝑏ú𝑠𝑞𝑢𝑒𝑑𝑎 = 𝑎2 𝜋 = 1562.5 ∙ 0.0125
1−𝜋 1 1 − 0.0125 1
+ +
𝜋 1−𝛽 0.0125 1−𝛽

𝛼 = 2 ∙ (1 − 𝑃{𝑍 < 𝑘})

𝛽 = 𝑃{−𝑘 − 𝛿 √𝑛 ≤ 𝑍 ≤ 𝑘 − 𝛿 √𝑛} = 𝑃{−𝑘 − 0.5√𝑛 ≤ 𝑍 ≤ 𝑘 − 0.5√𝑛}

Costo promedio de operación fuera de control

El costo promedio de operación es difícil de determinar puesto que se compone de los costos
de reciclar y/o reprocesar el material. Asimismo, se compone de los costos de garantía y
reemplazo de un artículo defectuoso por uno funcional (incluyendo fletes). Una primera
aproximación apunta a que dicho costo es de unos $10,000 por muestreo, es decir:

$
𝑎3 = 10,000
𝑚𝑢𝑒𝑠𝑡𝑟𝑒𝑜

Por tanto, el costo promedio de operación fuera de control se expresa de manera general
como:

1 1
1−𝛽 1−𝛽
𝐶𝑜𝑝.𝑓𝑢𝑒𝑟𝑎 𝑐𝑜𝑛𝑡𝑟𝑜𝑙 = 𝑎3 = 10,000 ∙
1−𝜋 1 1 − 0.0125 1
+ +
𝜋 1−𝛽 0.0125 1−𝛽

Estimando el costo promedio de calidad

Estimar el costo promedio de calidad (𝐶𝑐𝑎𝑙𝑖𝑑𝑎𝑑 ) requiere de asignar valores aleatorios a 𝑛 y a 𝑘.

Suponga que a dichos valores se le asigna un valor de 2 y 1, respectivamente. Entonces:

𝑛=2

6
 Dr. Freddy S. Navarro Pineda

𝑘=1

𝛼 = 2 ∙ (1 − 𝑃{𝑍 < 𝑘}) = 2 ∙ (1 − 𝑃{𝑍 < 1}) = 2 ∙ (1 − 0.8413) = 0.3173

𝛽 = 𝑃{−𝑘 − 𝛿 √𝑛 ≤ 𝑍 ≤ 𝑘 − 𝛿 √𝑛} = 𝑃{−1 − 0.5√2 ≤ 𝑍 ≤ 1 − 0.5√2} = 0.5713

𝐶𝑚𝑢𝑒𝑠𝑡𝑟𝑒𝑜 = 𝑎1 𝑛 = 10(2) = 20

𝛼(1 − 𝜋) 0.3173 ∙ (1 − 0.0125)

1+ 1+
𝐶𝑏ú𝑠𝑞𝑢𝑒𝑑𝑎 = 𝑎2 𝜋 = 1,562.5 ∙ 0.0125 = 501
1−𝜋 1 1 − 0.0125 1
+ +
𝜋 1−𝛽 0.0125 1 − 0.5713

1 1
1−𝛽 1 − 0.5713
𝐶𝑜𝑝.𝑓𝑢𝑒𝑟𝑎 𝑐𝑜𝑛𝑡𝑟𝑜𝑙 = 𝑎3 = 10,000 = 287
1−𝜋 1 1 − 0.0125 1
+ +
𝜋 1−𝛽 0.0125 1 − 0.5713

$
𝐶𝑐𝑎𝑙𝑖𝑑𝑎𝑑 = 𝐶𝑚𝑢𝑒𝑠𝑡𝑟𝑒𝑜 + 𝐶𝑏ú𝑠𝑞𝑢𝑒𝑑𝑎 + 𝐶𝑜𝑝.𝑓𝑢𝑒𝑟𝑎 𝑐𝑜𝑛𝑡𝑟𝑜𝑙 = 20 + 501 + 287 = 808
𝑚𝑢𝑒𝑠𝑡𝑟𝑒𝑜

De esta manera, se espera que la combinación 𝑛 = 2 y 𝑘 = 1 de como resultado un costo

promedio de calidad de $808 por muestreo. La Tabla 3 muestra los diferentes costos estimados
de calidad bajo diferentes combinaciones de 𝑛 y 𝑘.

TABLA 3. C OSTO PROMEDIO DE CALIDAD (𝑪𝒄𝒂𝒍𝒊𝒅𝒂𝒅 ) BAJO DIFERENTES COMBINACIONES DE 𝒏 Y 𝒌.

𝒏 𝒌 𝜶 𝜷 𝑪𝒎𝒖𝒆𝒔𝒕𝒓𝒆𝒐 𝑪𝒃ú𝒔𝒒𝒖𝒆𝒅𝒂 𝑪𝒐𝒑.𝒇𝒖𝒆𝒓𝒂 𝒄𝒐𝒏𝒕𝒓𝒐𝒍 𝑪𝒄𝒂𝒍𝒊𝒅𝒂𝒅

2 0.5 62% 30% $20 $966 $179 $1,165
2 1 32% 57% $20 $501 $287 $808
2 2 5% 90% $20 $81 $1,110 $1,210
2 3 0% 99% $20 $11 $5,343 $5,374
5 0.5 62% 22% $50 $968 $159 $1,177
5 1 32% 44% $50 $504 $219 $774
5 2 5% 81% $50 $85 $625 $760
5 3 0% 97% $50 $17 $2,972 $3,038
10 0.5 62% 12% $100 $970 $142 $1,212
10 1 32% 28% $100 $507 $172 $778
10 2 5% 66% $100 $88 $361 $549
10 3 0% 92% $100 $21 $1,397 $1,517
15 0.5 62% 7% $150 $971 $134 $1,255
15 1 32% 17% $150 $508 $151 $809
15 2 5% 53% $150 $89 $260 $498
15 3 0% 86% $150 $22 $809 $981
20 0.5 62% 4% $200 $971 $130 $1,301
20 1 32% 11% $200 $508 $140 $848
20 2 5% 41% $200 $89 $209 $498
20 3 0% 78% $200 $23 $538 $761

7
 Dr. Freddy S. Navarro Pineda

La Figura 2 muestra la relación entre el costo promedio de calidad (𝐶𝑐𝑎𝑙𝑖𝑑𝑎𝑑 ) bajo las diferentes
combinaciones de 𝑛 y 𝑘 analizadas en la Tabla 3. Cuando el valor de 𝑛 aumenta y el valor de 𝑘
tiende a ser 2 (o muy cercano), el costo promedio de calidad (𝐶𝑐𝑎𝑙𝑖𝑑𝑎𝑑 ) tiende a reducirse a
niveles inferiores a los $1,000 pesos por muestreo.

$6,000
Costo promedio de calidad ($/muestreo)

$5,000

$4,000

$3,000

$2,000

$1,000

$-
0.5 1 1.5 2 2.5 3
Valor de k

n=2 n=5 n = 10 n = 15 n = 20

F IGURA 2. C OSTO PROMEDIO DE CALIDAD (𝐶𝑐𝑎𝑙𝑖𝑑𝑎𝑑 ) BAJO DIFERENTES COMBINACIONES DE 𝑛 Y 𝑘.

Costo óptimo promedio de calidad y límites de control

Utilizando herramientas computacionales se puede hallar la combinación óptima de 𝑛 y 𝑘 para

minimizar el costo promedio de calidad (𝐶𝑐𝑎𝑙𝑖𝑑𝑎𝑑 ). Dicha combinación es un tamaño de muestra
de 17 piezas (𝑛 = 17) por muestreo y un límite de control ubicado 1.99 veces la desviación
estándar por encima y por debajo de la media (𝑘 = 1.99). Con estos valores el costo promedio
de calidad se espera que sea de $494 por muestreo (Tabla 4).

TABLA 4. C OMBINACIÓN ÓPTIMA DE 𝒏 Y 𝒌 PARA MINIMIZAR EL COSTO PROMEDIO DE CALIDAD (𝑪𝒄𝒂𝒍𝒊𝒅𝒂𝒅 ).

𝒏 𝒌 𝜶 𝜷 𝑪𝒎𝒖𝒆𝒔𝒕𝒓𝒆𝒐 𝑪𝒃ú𝒔𝒒𝒖𝒆𝒅𝒂 𝑪𝒐𝒑.𝒇𝒖𝒆𝒓𝒂 𝒄𝒐𝒏𝒕𝒓𝒐𝒍 𝑪𝒄𝒂𝒍𝒊𝒅𝒂𝒅

17 1.99 5% 47% $170 $91 $233 $494

De esta manera, las gráficas de control se construyen teniendo en cuenta:

𝑘 ∙ 𝜎̂ 1.99 ∙ 𝜎̂
𝐿𝐶𝑆𝑋̅ = 𝑋̿ + = 𝑋̿ +
√𝑛 √17

𝑘 ∙ 𝜎̂ 1.99 ∙ 𝜎̂
𝐿𝐶𝐼𝑋̅ = 𝑋̿ − = 𝑋̿ −
√𝑛 √17

8
 Dr. Freddy S. Navarro Pineda

Nótese que, aunque se ha alcanzado un costo promedio de calidad óptimo, el valor de 𝛽 =

47% (Tabla 4) es muy alto, es decir, aproximadamente un 47% de las señales fuera de control no
se identifican, aunque el proceso esté fuera de control, lo que indica que hay muchos falsos
negativos en el proceso. Esto indica que uno de los costos unitarios de calidad, 𝑎1 , 𝑎2 o 𝑎3 , están
mal estimados. Ya que existe un gran grado de incertidumbre en torno al valor de 𝑎3 , es
necesario recalcular el costo promedio de calidad (𝐶𝑐𝑎𝑙𝑖𝑑𝑎𝑑 ) hasta alcanzar otra combinación
óptima de 𝑛 y 𝑘 bajo diferentes valores de 𝑎3 . Los resultados se resumen en la Tabla 5.

TABLA 5. C OMBINACIÓN ÓPTIMA DE 𝒏 Y 𝒌 PARA MINIMIZAR EL COSTO PROMEDIO DE CALIDAD (𝑪𝒄𝒂𝒍𝒊𝒅𝒂𝒅 ) BAJO
DIFERENTES VALORES DE 𝒂𝟑 .

𝒂𝟑 𝒏 𝒌 𝜶 𝜷 𝑪𝒎𝒖𝒆𝒔𝒕𝒓𝒆𝒐 𝑪𝒃ú𝒔𝒒𝒖𝒆𝒅𝒂 𝑪𝒐𝒑.𝒇𝒖𝒆𝒓𝒂 𝒄𝒐𝒏𝒕𝒓𝒐𝒍 𝑪𝒄𝒂𝒍𝒊𝒅𝒂𝒅

$10,000 17 1.99 5% 47% $170 $91 $233 $494
$20,000 23 1.93 5% 32% $230 $101 $366 $697
$30,000 26 1.88 6% 25% $260 $111 $499 $871
$40,000 29 1.86 6% 20% $290 $116 $625 $1,031
$50,000 31 1.84 7% 17% $310 $121 $753 $1,184
$60,000 33 1.82 7% 15% $330 $125 $878 $1,332

Nótese que entre mayor sea el costo de operación por periodo de muestreo (𝑎3 ), mayores
serán los valores de 𝛼, 𝐶𝑜𝑝.𝑓𝑢𝑒𝑟𝑎 𝑐𝑜𝑛𝑡𝑟𝑜𝑙 y de 𝐶𝑐𝑎𝑙𝑖𝑑𝑎𝑑 , y menor será el valor de 𝛽. De 𝑎3 = 50,000 a
𝑎3 = 60,000 no cambia mucho el valor de 𝛽, por lo que un estimado de 𝑎3 = 50,000 parece
apropiado. Por tanto, las gráficas de control se construyen teniendo en cuenta un tamaño de
muestra de 31 piezas (𝑛 = 31) por muestreo y un límite de control ubicado 1.84/√31 veces la
desviación estándar por encima y por debajo de la media (𝑘 = 1.84). Los límites de control
serán:

𝑘 ∙ 𝜎̂ 1.84 ∙ 𝜎̂
𝐿𝐶𝑆𝑋̅ = 𝑋̿ + = 𝑋̿ +
√𝑛 √31

𝑘 ∙ 𝜎̂ 1.84 ∙ 𝜎̂
𝐿𝐶𝐼𝑋̅ = 𝑋̿ − = 𝑋̿ −
√𝑛 √31

Número de muestreos

Suponga que la empresa tiene la capacidad de producir 10,500 piezas diarias. De acuerdo con
los criterios de la norma ANSI/ASQ Z1.9-1993 (Tabla 1), se recomiendo inspeccionar un total de
100 piezas al día. Si cada muestreo consta de 31 piezas, el número de muestreos requeridos al
día serían de 3 a 4, calculados como:

100 𝑝𝑖𝑒𝑧𝑎𝑠
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑒𝑜𝑠 𝑟𝑒𝑞𝑢𝑒𝑟𝑖𝑑𝑜𝑠 = = 3.22 𝑚𝑢𝑒𝑠𝑡𝑟𝑒𝑜𝑠
𝑝𝑖𝑒𝑧𝑎𝑠
31
𝑚𝑢𝑒𝑠𝑡𝑟𝑒𝑜

La decisión de optar por 3 o 4 muestreos al día dependerá de la política empresarial.

9
 Dr. Freddy S. Navarro Pineda

Referencias
[1] Besterfield DH. Control de calidad. 8th ed. México: Pearson Educación; 2009.

[2] Nahmias S, Castellanos AT, Murrieta JEM, Hernández FG, Nudiug B, Juaárez RA, et al.
Análisis de la producción y las operaciones. vol. 57. McGraw-Hill Interamericana; 2007.

10