La Estadística en el Mejoramiento de la Calidad

Dirigido a:

Productos Internacionales MABE S.A. de C.V.

Módulo 4:

CARTAS DE CONTROL
Temas:
4.1 ¿Qué es el control estadístico de procesos (CEP)?
4.2 Variabilidad en el CEP.
4.3 Causas fortuitas y causas asignables.
4.4 Disminución de la variabilidad de un proceso.
4.5 Elementos de un diagrama de control.
4.6 Diferentes tipos de cartas de control.
4.7 Diagrama de control X barra (*).
4.8 Diagrama de Control R (*).
4.9 Diagrama de Control S (*).
4.10 Interpretación de las diferentes posibles causas asignables en un diagrama
de control.
4.11 Diagramas de control para datos individuales.
4.12 Cartas de control MR (*).
4.13 Cartas de Control I (*).
4.14 Cartas de control por atributos.
4.15 Diagrama de control P (*).
4.16 Diagrama de control NP (*).
4.17 Diagrama de control U (*).
4.18 Diagrama de control C (*).
 ¿Qué es el Control Estadístico de Procesos?

En el Control Estadístico de Procesos (CEP) constantemente se realizan

mediciones (continuas) e inspecciones por atributos de los artículos que
se van manufacturando. Se sugiere que estas revisiones se realicen en
el momento que se fabrica, mediante muestras aleatorias periódicas,
que se van obteniendo del producto.

Por esta razón es importante tener la seguridad (estadística) de que el

sistema de medición sea consistente con lo que realmente se mide o se
inspecciona. Esto no significa, que ya no se realicen análisis del sistema
de medición, estos deberán de realizarse en el futuro, dependiendo del
momento en que se deban calibrar los aparatos de medición o del
momento que llega un nuevo operador, etc.

El control de la calidad de un producto no es mediante la inspección o

pruebas sobre el producto ya manufacturado. Es importante fabricar el
producto correctamente desde un principio. La atención será de suma
importancia en el proceso de producción o servicio.
Existen todavía empresas (en México) que tienen la creencia que el
control estadístico solo consiste en revisar el artículo antes de
sacarlo al mercado. En este caso, la empresa no tiene algún
esquema de mejoramiento de calidad, seguirá produciendo con los
mismos errores, con el mismo porcentaje de defectuosos y
posiblemente dicho porcentaje con tendencias a subir.

Una empresa tiene consecuencias por su mercancía mal fabricada:

pérdidas por desechar los artículos o mandarlos a una categoría de
segunda, gastos de reparación, reposición o de indemnización, por
la venta de mercancía defectuosa.

Y lo más preocupante de todo, si una empresa no corrige los errores

de siempre, tendrá el riesgo de perder presencia en el mercado, de
no lograr nuevos clientes, porque no se cumple con un mínimo de
control estadístico de calidad. La empresa deberá de preocuparse
por tener un buen prestigio y por lo tanto buena competencia en el
mercado. Existen empresas, posiblemente empresas competencia,
que prácticamente no permiten errores.
La estadística es una herramienta adecuada para
encontrar las causas de los problemas de producción y
corregirlos.

De esta manera se requiere de la inspección periódica y

continua del proceso de producción o servicio.

El Control Estadístico de Procesos (CEP) es la

herramienta estadística que tiene como objetivo
controlar los factores involucrados en un proceso de
manufactura y que afectan a la calidad del producto.

Es importante aclarar que el CEP no es único de

manufactura, este también se aplica también en
servicios.
 La Variabilidad en el CEP
Cuando un producto o servicio se compra o se adquiere
constantemente, es razonable pensar, que en forma idéntica este
no se va adquirir. Algunas pequeñas o grandes variaciones, el
artículo o el servicio va a tener.

Por ejemplo, para un artículo donde una variable importante de calidad

es la suavidad, al cliente no le gustaría adquirir este en ocasiones
con demasiada suavidad (poca resistencia), y en otras ocasiones
comprar el artículo con mucha dureza. Como cliente constante de
un artículo , a mi me gustaría que el artículo cumpla con dos
condiciones:

 Que siempre cumpla determinadas especificaciones.

 Que no tenga grandes variaciones, entre las diferentes veces

que yo lo adquiero.
 Causas Fortuitas y Causas Asignables

Un proceso de producción sufre variaciones. Estas variaciones se

presentan por dos tipos de causas:

 naturales o aleatorias

 especiales, asignables o atribuibles

Causas naturales o naturales:

En cualquier proceso de producción siempre existe cierta cantidad de

variabilidad natural o “ruido de fondo”. Esta variabilidad es el
efecto acumulativo de varias pequeñas causas incontrolables o
dificiles de controlar. Esta variabilidad natural es conocida, en el
control estadístico de calidad, como causas aleatorias de
variabilidad.
Causas especiales:

Los resultados de un proceso de producción o servicio también puede

sufrir variaciones por uno o más factores no deseados:

 máquinas mal ajustadas o dañadas,

 falta de atención de los operadores o personal,
 temperatura,
 defectos de la materia prima,
 una viscosidad no adecuada,
 una mala supervisión,
 diferencia de turnos de trabajo,

Los orígenes de esta variabilidad, los cuales no

pertenecen a la causas aleatorias, son conocidos como
causas especiales, asignables o atribuibles. Estas
causas si se pueden controlar, cuando una causa es
detectada, es importante eliminarla lo más pronto
posible.
Un proceso que funciona sólo con causas aleatorias se dice
que está bajo control estadístico. Un proceso que funciona
con una o más causas especiales se le considera que está
fuera de control.

Factores controlables
Y1 Y2 Yp
Evaluación

Entrada:
Resultado del
Materias primas, PROCESO producto
Componentes y Característica de
la calidad

Z1 Z2 Zq

Factores incontrolables
 Disminución de la Variabilidad de un Proceso

Uno de los objetivos más importantes del CEP es detectar la

ocurrencia de causas especiales o cambios en el proceso, con la
finalidad de investigar y corregir, antes de que el proceso este
produciendo varias inconformidades.

En el momento que se corrigen la causa o causas especiales en un

proceso, se está eliminando variabilidad en el proceso.

Entonces la meta principal del CEP es la reducción de la variabilidad

del proceso. (reducirla al mínimo posible).

La herramienta más importante usada en CEP para este propósito,

son las cartas o diagramas de control.

CALIDAD ES INVERSAMENTE PROPORCIONAL A

LA VARIABILIDAD DEL PROCESO

 Observación:

Muchas mediciones que se obtienen de problemas prácticos tienen

una tendencia acampanada. El modelo más importante que explica
este tipo de comportamientos, es la distribución NORMAL.

Se rige por 2 parámetros: el promedio o media µ y la desviación

estándar σ.

Menor
variabilidad

Mayor
variabilidad

media
 Regla Empírica:

Para observaciones que tienen comportamiento Normal, se cumple

(aproximadamente):

 El 68.27% de las observaciones caen entre µ-σ y µ+σ

 El 95.45% de las observaciones caen entre µ-2σ y µ+2σ
 El 99.73% de las observaciones caen entre µ-3σ y µ+3σ
 El 99.9937% de las observaciones caen entre µ-4σ y µ+4σ
 El 99.999943% de las observaciones caen entre µ-5σ y µ+5σ
 El 99.9999998% de las observaciones caen entre µ-6σ y
µ+6σ
Tradicionalmente así se realiza la inferencia estadística

Tradicionalmente así se construyen las cartas de control

Programa Seis Sigma
En términos de producción, la regla empírica se interpreta: De cada
millón de artículos producidos:

317,300 se esperan que no resulten dentro del intervalo (µ-σ, µ+σ)

45,500 se esperan que no resulten dentro del intervalo (µ-2σ, µ+2σ)
2,700 se esperan que no resulten dentro del intervalo (µ-3σ, µ+3σ)
63 se esperan que no resulten dentro del intervalo (µ-4σ, µ+4σ)
0.57 se esperan que no resulten dentro del (µ-5σ, µ+5σ)
0.002 que no resulten dentro del intervalo (µ-6σ, µ+6σ)

3.4 que no resulten dentro del intervalo (µ-6σ,µ+6σ), en un

proceso que no está centrado, esto es, en un proceso
que se desvía a lo más 1.5 desviaciones estándar del
promedio.

Seis Sigma
Programa seis-sigma (en términos estadísticos):

Tiene como meta reducir la variabilidad del proceso, de tal manera

que los límites de especificación, se encuentren a 6σ de la
media, tanto la izquierda como a la derecha. En otras palabras,
prácticamente cero errores.

Toda actividad que conlleva a la reducción de la variabilidad del

proceso es parte importante en el mejoramiento de la calidad.

El CEP es una actividad de suma importancia en la reducción

de la variabilidad del proceso.

Es importante considerar las variables de calidad importantes, las

cuales serán monitoreadas, cada determinado momento. En el
momento que se detecten problemas, corregirlos en forma
inmediata.
Gráficamente Seis Sigma

1 sigma
317400 ppm

3 sigma
2700 ppm

LIE LSE
6 sigma
.002 ppm
En resumen, la disminución de la variabilidad o σ (sigma)
sigma en un proceso de
producción, es el objetivo principal del CEP.

La disminución de sigma, se deberá de realizar en tres partes:

1) Logrando un Sistema de Medición Confiable.

2) Logrando que el proceso de producción este bajo control estadístico

(CARTAS DE CONTROL). Sin causas especiales.

3) Una vez logrado 1 y 2), la recomendación es mejorar el proceso de

producción. Por ejemplo, nuevas fórmulas, nuevas máquinas, nueva
materia prima, etc. Para comprobar que técnica es mejor, es de
mucha utilidad la aplicación de metodología estadística como: Diseño
de Experimentos y Superficies de Respuesta.

Observación:

Estadísticamente, el programa 6-sigma, es aplicar 1), 2) y 3), en los

procesos de producción.
 Elementos de un Diagrama de Control
Un diagrama de control es una gráfica de un parámetro de la
variable de calidad, la cual es construida usando la información
muestral de la variable de interés, en función del tiempo o del
número de la muestra.

Esta se construye con una línea central horizontal, la cual

representa el valor medio del parámetro de la variable de calidad.

Además de dos líneas horizontales, llamadas: límite superior de

control (LSC) y límite inferior de control (LIC).

Estos límites son seleccionados de tal manera que si el proceso

está bajo control, prácticamente la totalidad de los puntos se
encuentran entre los límites. Esta situación se debe, a que los
límites de control se calculan a una diferencia de 3σ de la media
(cartas de control 3σ). Y por lo tanto se espera que el 99.73% de
los puntos se encuentren dentro de los límites de control.
Es muy importante aclarar que los límites de control son diferentes a
los límites de especificación.

Los límites de especificación se definen o se determinan de acuerdo

a las necesidades y gustos de los clientes.

Los límites de control son límites naturales de la variable y representan

la variabilidad del proceso. Estos no se definen, estos se
construyen en forma natural, con la información muestral. Es
posible, en diagramas de control (de datos individuales) añadir los
límites de especificación.

En resumen, los límites que se utilizan en cartas de control son límites

de control. Los límites de especificación son usados en capacidad
de procesos. Para tratar la capacidad de un proceso, es importante
primero, tener la seguridad de que el proceso este bajo control.
Variabl
e LSC
UCL = 74.124
de
Calida 3σ
d
Valor Medio
Center = 74.044

3σ

LIC
LCL = 73.964

Tiempo o número de muestra

Variabilidad Natural del Proceso calculada a 3σ de la media. Los

límites de control, representan un intervalo de confianza del 99.73%.
Es importante aclarar, que todavía existe una pequeña posibilidad de
que un punto quede fuera de los límites de control en forma natural.
Esto es, se espera que de cada 1000 puntos 3 resulten fuera, en forma
natural. No siempre un punto fuera de los límites significa que el
este fuera de control.
 Un proceso se considera fuera de control, si en el diagrama de
control

 Un punto (no siempre) o más se encuentran fuera de los límites

de control.

 Todos los puntos se encuentren dentro de los límites de control,

pero se observa en algunos puntos, un comportamiento
sistemático o no aleatorio (Varios casos, que Minitab ya los
considera).

Mientras el proceso se encuentra bajo control, no es necesario tomar

alguna acción (el proceso se rige solo por causas naturales o
aleatorias).

Si la carta de control presenta evidencia de que el proceso está fuera

de control, es importante encontrar y eliminar las causas
especiales a este comportamiento. Es una manera de disminuir la
variabilidad del proceso y de esta manera mejorar el
funcionamiento del proceso.
 Diferentes tipos de Cartas de Control
VARIACIÓN RANGO (R)
DENTRO DESV.
DE GRUPOS ESTÁNDAR (S)
SUBGRUPOS
VARIACIÓN MEDIA (X BARRA)
VARIABLES ENTRE
GRUPOS MEDIANA
CONTINUAS
OTRAS

CARTAS VARIACIÓN (RANGOS

DE INDIVIDUALES MÓVILES)
CONTROL LOCALIZACIÓN (CARTAS I)

P
VARIABLES UNIDADES
POR DEFECTUOSAS NP
ATRIBUTOS
U
DEFECTOS
c
Cuando se pretende controlar una variable de calidad continua, como
peso, longitud, resistencia, etc., existen dos opciones de construir
una carta de control: por subgrupos racionales o por datos
individuales.

Por un subgrupo racional entenderemos un subconjunto de artículos

libres de causas especiales de variabilidad. Por ejemplo, partes
manufacturadas en el mismo tiempo o creadas por el mismo
operador. Idealmente la variabilidad dentro de un grupo racional es
limitada a la variación natural inherente del proceso.

Una carta de control R es una gráfica de los rangos de valores

obtenidos dentro de cada subgrupo de datos en una serie de tiempo
ordenada. En una gráfica de control R se puede apreciar las
diferentes variaciones que ocurren dentro de cada subgrupo de
datos.

Una carta de control S es una gráfica de las desviaciones estándar

dentro de cada subgrupo de datos a través del tiempo. La función de
una carta S es la misma que la carta R, compara las variabilidades
que ocurre dentro de cada subgrupo de datos.

La cartas de control R y S sirven para analizar la consistencia en las

mediciones dentro de los subgrupos.
Una carta X barra tiene como objetivo determinar si el promedio del
proceso es en control, cuando los datos están dados por
subgrupos. Sirve para observar si el promedio del proceso es
consistente entre los diferentes subgrupos.
Subgrupos

Problema que es Problema que detecta Problema que detecta

detectado por las una carta R, pero no una carta X barra, pero
dos cartas R y la carta X barra. que no detecta la carta
X barra. R
La recomendación es primero analizar una carta R o una carta S antes
de interpretar una gráfica de las medias de subgrupos (Carta X
barra). Si la variabilidad de los subgrupos no es estable, entonces
la carta X barra no es muy significativa, estos los límites de control
de la carta X barra se construirían en forma inadecuada (con más
variabilidad).

La carta R se prefiere cuando el tamaño de los subgrupos es

pequeño. Cuando el tamaño de los subgrupos excede a 10 se
recomienda la carta S. Cuando los subgrupos son pequeños, la
desviación estándar del proceso se estima mejor, por medio del
método de rangos.

Una carta de rango móviles o carta MR permite monitorear y

detectar cambios en la variabilidad del proceso, cuando los datos
son medidas individuales, esto es, el tamaño de cada subgrupo es
igual uno.

Una carta de control de datos individuales o carta I permite

observar si el promedio del proceso esta bajo control, cuando los
datos son medidas individuales.
De igual manera que en las cartas
carta de rangos móviles y luego
variación del proceso está fuera
límites de control para la carta I,
el control del proceso.
de subgrupos, se revisa primero la
la carta de datos individuales. Sí la
de control (carta MR), entonces los
serán inapropiados para determinar

En una carta de control P, se monitorea la proporción o porcentaje de

artículos rechazados en el proceso. Se pueden considerar tamaños
de muestras diferentes. Cada unidad es inspeccionada y declarada
como rechazada o aceptada, la proporción de unidades rechazadas
en cada subgrupo es un punto en la gráfica de control P.

En una carta de control NP, se monitorea el número de unidades

rechazadas en un el proceso. Los tamaños de los subgrupos deberán
de ser constante. Cabe señalar que las cartas P, también pueden
usarse con tamaños de subgrupos de igual tamaño. Pero si los
tamaños de los subgrupos varían, se deberá de usar una carta P.
Cada unidad es inspeccionada y entonces es declarada rechazada o
aceptada. El número de artículos rechazados en cada subgrupo se
grafica en el diagrama NP.
En una gráfica de control U, se monitorea el número promedio de
defectos por unidad en cada subgrupo. Cada unidad se inspecciona
y el número de defectos se registra. Entonces el número promedio
de defectos por unidad en cada subgrupo se grafica en el diagrama
U. Los tamaños de subgrupo pueden variar.

En una gráfica de control C, se monitorea el número de defectos en

el proceso. Cada unidad de cada subgrupo es inspeccionada, el
número de defectos encontrados en todo el subgrupo es el punto
que se grafica. Es importante que los tamaños de los subgrupos se
constante. Para este caso, también se puede usar la carta U. Pero
si los tamaños de los subgrupos son diferentes, entonces se deberá
de construir una carta U.

Cada una de estas cartas se estudiará con más detalle y sobre todo se
aplicarán a problemas.

Existen otro tipo de cartas, pero nos limitaremos a estudiar las antes
mencionadas.
 Diagrama de Control X barra

La media muestral
Sí la característica de la Calidad
tiene comportamiento
tiene comportamiento
Normal
Normal con promedio µ y
con promedio µ
desviación estándar σ
y desviación estándar
σ/√n

Esto significa que el 99.73% de las veces la media muestral se

encontrará entre

 
 3 y  3
n n
 Sí suponemos que µ y σ son conocidas, entonces µ se
considera como la línea central de la carta de control, y
los límites 3 σ del diagrama se colocarán como:

LSC=  3
n


LIC=  3
n

Observación:

Por lo general µ y σ no se conocen. Entonces, lo que se

recurre es, estimar estos parámetros, con la información
que se tenga hasta el momento del proceso. Esto es, los
datos de todos los subgrupos, son considerados como
una muestra.
Existen dos maneras de estimar la desviación estándar σ, por medio
del rango promedio y por medio de la desviación estándar muestral.

Consideramos R1, R2, …, Rm los rangos de m muestras. El rango

promedio se calcula como:

R1  R2  ...  Rm
R
m

La desviación estándar se puede estimar como:

R
ˆ 
d2

Donde d2 varían según el tamaño de la muestra y estos se pueden

encontrar en una tabla de valores de cartas de control.
Si por otro lado se estima a µ por medio de la gran promedio, esto es:

x1  x 2  ...  x m
x
m

Esto es, el promedio de los m promedios muestrales de cada uno de

los subgrupos.

Entonces los elementos de la carta de control X barra queda como:

3
LSC = x R
d2 n

Línea Central = x
3
LIC =
x R
d2 n
Se define
3
A2 
d2 n
Quedando finalmente los límites y la línea central de la carta de control
X barra, de la siguiente manera:

LSC= x A 2
R

LC= x

LIC= x A 2
R

donde A2 se busca en tablas de valores de cartas de control o

Minitab calcula directamente, los límites y la línea central.
 Diagramas de Control R

Sin considerar tanto detalle, los elementos de un diagrama de control

R se da a continuación:

LSC = D4 R

Línea Central = R
LIC = D3 R

Donde D3 y D4 son buscados en una tabla de valores de cartas de

control. MINITAB calcula directamente cada uno de estos tres
elementos.

Como se menciono la función de esta carta es monitorear los rangos

muestrales de cada subgrupo.
 Diagrama de Control S
El objetivo de un diagrama de control S, es el mismo que la carta de
control R, monitorear la variabilidad del proceso. Para hacer esta
exposición mas amena, ya no consideramos las fórmulas de los
límites de control y la línea central de la carta de control S. MINITAB
es de mucha utilidad, calcula los límites y línea central del
diagrama.

Si los tamaños de subgrupo son a lo más 10, se recomienda

monitorear la variabilidad por medio de la carta R, en caso
contrario, se recomienda usar la carta S.

En las cartas de control de variables continuas es recomendable,

primero analizar la variabilidad del proceso, carta R o carta S. Si no
existe alguna anomalía, entonces se procede a la construcción del
diagrama de control de X barra. O de otra manera, se sugiere
construir al mismo tiempo las cartas de control X barra y R ( o S).
PROBLEMA:

Se pretende vigilar el espesor de las obleas de silicio que son

utilizadas en la producción de semiconductores. Para este
propósito, cada hora se seleccionan tres obleas y su espesor es
medido con mucha precisión, hasta un diezmilésimo de pulgada.
Los datos se dan a continuación en diezmilésimos de pulgada. Los
datos fueron almacenados en el archivo MINITAB: obleasilicio.MPJ.

Por medio de MINITAB seguir las siguientes instrucciones:

Abrir el archivo obleassilicio.MPJ

Stat >Control Charts > Variables Charts for Subgroups > X bar-R…
Seleccionar Observations for a subgroup are.. (hasta arriba de la ventana)
En la ventana de abajo, seleccionar las tres columnas: c1-c3
Seleccionar X bar- R Chart options
Seleccionar Tests
Seleccionar all test for special causes
Ok > ok

Los resultados y las gráficas se dan a continuación:

 • Xbar-R Chart of C1, ..., C3
• Test Results for Xbar Chart of C1, ..., C3
• TEST 1. One point more than 3.00 standard deviations from center line.
• Test Failed at points: 17

• * WARNING * If graph is updated with new data, the results above may no
• * longer be correct.

Xbar-R Chart of C1, ..., C3

100 1

80
UCL=76.35
Sample Mean

60
_
_
X=48.97
40

20 LCL=21.59 Posible
1 3 5 7 9 11 13
Sample
15 17 19 21 23 25
Problema
UCL=68.90
60
Sample Range

45

30 _
R=26.76

15

0 LCL=0
1 3 5 7 9 11 13 15 17 19 21 23 25
Sample
Analizando la gráfica de control R, parece que todo está en orden. Pero
observando la gráfica de la media muestral es notorio que el punto
correspondiente al subgrupo 17 se sale de los límites de control.

Se investigó la causa, encontrando una razón de este problema: Para

estas obleas se utilizó material defectuoso.

El siguiente paso es eliminar está observación (archivo MINITAB:

obleassin17), y volver a hacer los diagramas de control, siguiendo las
mismas instrucciones, pero con el nuevo archivo.

Xbar-R Chart of C1, ..., C3

80
UCL=74.92
Sample Mean

60
_
_
X=47.08
40

20 LCL=19.25

1 3 5 7 9 11 13 15 17 19 21 23
Sample

80
UCL=70.03
60
Sample Range

40
_
R=27.21
20

0 LCL=0
1 3 5 7 9 11 13 15 17 19 21 23
Sample
Después de quitar el punto 17, tanto la gráfica R como la
gráfica X barra, se nota estabilidad en los datos. Este
proceso, según los diagramas están bajo control. En
este caso se construyó el diagrama R y no S, ya que el
tamaño de los subgrupos es igual a 3.

Para cualquier carta de control, la idea es utilizarlas para

un monitoreo continuo. En el momento que se presente
alguna anomalía, el encargado de producción deberá de
tomar alguna acción, para corregir y continuar con un
proceso de manufactura estable.

MINITAB en este aspecto, es de mucha utilidad. Puede

detectar si algún punto o puntos están fuera de los
límites de control o varios puntos presentan alguna
tendencia sistemática (no aleatoria). De hecho en este
problema se dio la instrucción que realizará las pruebas
de fuera de control.
 Interpretación de las diferentes posibles causas
asignables en un diagrama de control.

Sí un proceso está bajo control estadístico, los puntos de una

gráfica de control fluctúan al azar entre los límites, sin seguir
un patrón específico (reconocible).

Un proceso está bajo control si se cumplen las siguientes

reglas generales:
1) No existe un punto fuera de los límites de control.
2) La cantidad de puntos por encima de la línea central
es aproximadamente igual a la cantidad de puntos por
debajo de la línea central.
3) Los puntos aparecerán aleatoriamente por encima y
por debajo de la línea central.
4) La mayoría de los puntos aparecen cerca de la línea
central, por encima y por debajo y solo unos cuantos
aparecen cerca de los límites de control.
MINITAB indica que hay problemas de causas especiales en el Diagrama
de X barra:

 Un punto cae más de 3 sigmas de la línea central.

 Nueve puntos seguidos de un mismo lado de la línea central.

 Seis puntos seguidos, todos con tendencia creciente o decreciente.

 Catorce puntos seguidos, alternados hacia arriba y hacia abajo.

 Dos de tres puntos más de dos sigmas de la línea central (del mismo lado).

 Cuatro de cinco puntos más de una sigma de la línea central (del mismo lado).

 Quince puntos seguidos dentro de un 1 sigma de la línea central (ambos lados)

 Ocho puntos seguidos más que 1 sigma de la línea central (ambos lados).

En el Diagrama R, MINITAB sólo señala los primeros cuatro problemas de causas

especiales. La razón es, los últimos cuatro problemas son propios de una
distribución Normal, del diagrama X barra, la distribución del promedio de rangos
o desviación estándar no tiene porque cumplir estos puntos.
Problema:
Una compañía utiliza partículas de plástico para fabricar la caja de los
monitores de las televisiones. Se pretende evaluar si el color de las
cajas es siendo consistente a través del tiempo. Cinco cajas de
monitores fueron seleccionados aleatoriamente al comienzo de
cada turno sobre un período de 25 días. Los datos se encuentran
en el archivo MINITAB: colorcajas.MPJ.

Primero se construirá la gráfica de control R, considerando que se

realicen todas las pruebas para causas especiales, que en el caso
de la carta R son sólo 4 pruebas:

Abrir el archivo colorcajas.MPJ

Stat > Control Charts > Variables Charts for Subgroups > R…
Seleccionar Observations for a Subgroup… (Arriba de la ventana)
Seleccionar las columnas: ´Medida 1´-´Medida 5´.
Seleccionar: R Options
Seleccionar: Test
Seleccionar: Perform all tests for special causes
Ok > ok
El diagrama R se presenta a continuación:

R Chart of Medida 1, ..., Medida 5

5
UCL=4.744

4
pleRange

_
R=2.244
Sam

0 LCL=0

1 6 11 16 21 26 31 36 41 46
Sample

No presentándose algún problema, en la aplicación de las pruebas

para detectar algún problema de causas especiales. Entonces
podemos continuar, lo que sigue es construir la carta de control X
barra.

Las instrucciones para hacerlo en MINITAB, considerando que se

realicen todas las pruebas para detectar causas especiales, se dan
a continuación:
Stat >Control Charts > Variables Charts for Subgroups > X bar…
Seleccionar Observations for a subgroup are.. (hasta arriba de la ventana)
En la ventana de abajo, seleccionar las cinco columnas: ´Medida 1´-´Medida 5´.
Seleccionar X bar Options
Seleccionar Tests
Seleccionar all test for special causes
Ok > ok

El diagrama X barra se presenta a continuación:

Xbar Chart of Medida 1, ..., Medida 5
42
11
1
5 UCL=41.337
5 6
41
ean

_
_
pleM

40 X=40.042
Sam

39 6

LCL=38.748
1
1
1
38
1
1 6 11 16 21 26 31 36 41 46
Sample

Puede notarse que existen varios problemas en la carta X barra, estos

son marcados en el diagrama de control, a continuación se
presentan en forma precisa este tipo de problemas:
• Xbar Chart of Medida 1, ..., Medida 5
• Test Results for Xbar Chart of Medida 1, ..., Medida 5

• TEST 1. One point more than 3.00 standard deviations from center line.
• Test Failed at points: 7, 10, 13, 16, 17, 29, 46

• TEST 5. 2 out of 3 points more than 2 standard deviations from center line (on
• one side of CL).
• Test Failed at points: 10, 17, 47, 49

• TEST 6. 4 out of 5 points more than 1 standard deviation from center line (on
• one side of CL).
• Test Failed at points: 7, 32, 34, 49, 50

• * WARNING * If graph is updated with new data, the results above may no
• * longer be correct.

Los puntos 7, 10, 13, 16, 17, 29, 46, están fuera de los límites de control

Los puntos 10,17, 47, 49. Dos de tres puntos seguidos se encuentran después
de 2 desviaciones estándar.

Los puntos 7, 32, 34, 49, 50. Cuatro de cinco puntos seguidos, se encuentran
Después de 1 desviación estándar.
Es posible construir el diagrama de control X barra, marcando con
líneas una, dos y tres desviaciones estándar para ambos lados.
Estas líneas son de mucha utilidad para entender bien los
problemas que ocurren de causas especiales. Las instrucciones
son:

Control E
Seleccionar X bar Options
Seleccionar S Limits
En These multiples of the standard deviation escribir: 1 2 3
Ok > ok

Cabe mencionar que la instrucción Control E, funciona cuando ya se

realizaron operaciones con un archivo de datos y este no se ha
cerrado. Su función de Control E, es regresar a las últimas
instrucciones que se dieron.

También se aclara que 1 2 3, se escribe como: 1 espacio 2 espacio 3.

Nuevo diagrama se da a continuación:

 Xbar Chart of Medida 1, ..., Medida 5
42
11
1
5 +3SL=41.337
5 6
41 +2SL=40.905
Sample Mean
+1SL=40.474
_
_
40 X=40.042

-1SL=39.611
6
6
-2SL=39.180
39
-3SL=38.748
1
1
1
38
1
1 6 11 16 21 26 31 36 41 46
Sample

Una aclaración más, se puede modificar el tipo de líneas. Sobre la gráfica X

barra se hace doble click. Posteriormente se hace doble click sobre la línea
que se quiere modificar y aparecerá la ventana para modificar la línea
seleccionada.

Algo adicional que se puede notar, gracias a éstas líneas adicionales es, sólo
el 36% de los puntos (18 de 50) se encuentran a una desviación estándar
de la media, no cumpliéndose la regla empírica de la normal.
Es posible buscar posibles explicaciones de las causas especiales,
analizando con cuidado el diagrama de control X barra.

MINITAB cuenta con la función brush. Sobre la gráfica de control, se

indica el punto donde hay problema, se presiona el botón derecho
del ratón, se selecciona: Set ID variables…. En la ventana que
aparece, seleccionar en Variables, las columas de proveedor y
turno, luego hacer click en ok.

Entonces a la izquierda del diagrama de control X barra aparecerá una

ventana con título: Brushing. En esta indicará de que punto se trata,
de que proveedor y de que turno.

Después se pueden acabar de señalar los puntos donde aparecieron

problemas de causas especiales. La intención de señalar cada uno
de estos puntos es, observar si el proveedor o el turno tienen que ver
con las causas especiales.

Después de señalar cada uno de los puntos problemas se observa, que

la mayoría de estos puntos son material del proveedor 2.
Problema:

Determinadas piezas fabricadas por un proceso de inyección de molde

sufren un encogimiento. Se observó que las piezas fabricadas
estaban sufriendo un encogimiento excesivo. El equipo de
mejoramiento de la calidad de la empresa aplicaron un diseño de
experimento para investigar los factores que afectan el encogimiento
de las piezas. De acuerdo a los resultados de esta investigación,
encontraron que un factor importante era la temperatura del molde, la
cual era necesario bajarla. Los datos de encogimiento se presentan
en el archivo MINITAB: encogimiento.MPJ, estos fueron capturados
en tres partes, antes de hacer una modificación en el proceso
(etiquetados con la marca: antes), cuando se hace la primera
modificación en el proceso (marca: cambio 1) y cuando se hace la
segunda modificación (marca: cambio 2). Los datos son presentados
en subgrupos de diferente tamaño (mayores que 10).

Para este tipo de datos se construirán las cartas de control X barra y S

(ya que el tamaño de subgrupos es mayor que10).

Las instrucciones para hacerlo con MINITAB se dan a continuación:

Abrir el archivo encogimiento.MPJ
Stat > Control Charts > Variables Charts for Subgroups > X bar-S…
Seleccionar Xbar-S Options
Seleccionar Test
Seleccionar Perform Test…
Ok > ok

Xbar-S Chart of Encogimiento

1 1 1
1 1 1 1 1
50 1 1
Sample Mean

40

30 _
UCL=30.59
X=26.77
LCL=22.95
20 1 1 1 1
1 1 1 1 1
1

10 1 1
1 1 1 1 1 1 1 1
1 4 7 10 13 16 19 22 25 28
Sample

8 1 1 UCL=7.766
1
1
Sample StDev

2
6
_
S=5.004
2
4 2
2 2
2
1 2 2 1 1 1
2 1 LCL=2.241

1 4 7 10 13 16 19 22 25 28
Sample

Estrictamente hablando, en el diagrama S, la mayoría de los puntos

presentan, causas especiales y en el diagrama X barra, todos los
puntos presentan problemas. Observando con detalle las gráficas
(sobre todo la carta X barra), es notorio, las 3 etapas del proceso.
Los límites de estos diagramas fueron calculados usando todos los
datos. Esto ocasiona que muchos puntos queden fuera de los límites
de control, ya que el proceso ha tenido mejoras y tanto la media,
como la variación han cambiado. Este proceso presenta 3 etapas y
cada etapa se debe de tratar en forma diferente, esto es con diferente
media y diferente desviación estándar.

Se sugiere que cuando un proceso ha tenido un cambio debido a un

mejoramiento ( o desmejoramiento) del mismo, se vuelvan a calcular
los límites de control, en el momento que se mejoró el proceso.

Con MINITAB, se puede recalcular los límites al principio de cada etapa.

Control E
Seleccionar: X bar-S options…
Seleccionar Stages
Seleccionar en Define Stage (historical groups) with this variable: Marca
Ok > ok
 Los nuevos diagramas, recalculando los límites de control, cada vez
que se presento un cambio se dan a continuación:

Xbar-S Chart of Encogimiento by Marca

antes cambio 1 cambio 2

50
El promedio
Sample Mean

40
de encogimiento
30
Bajo. Hay
20
_
_
UCL=12.14
Mejoría
10 X=9.79
LCL=7.45
1 4 7 10 13 16 19 22 25 28
Sample

antes cambio 1 cambio 2

10 La varianza
8 de encogimiento
Sample StDev

6
ha bajado.
UCL=4.779 también Significa
4 _
S=3.079 mejoramiento.
2
LCL=1.379
1 4 7 10 13 16 19 22 25 28
Sample

Con los límites recalculados en cada etapa, se puede notar como

además de estar el proceso bajo control, se cumplió la meta del
mejoramiento del proceso, tanto en promedio, como en variación.
 Cartas de Control para Datos Individuales
Las cartas de control para datos individuales son útiles cuando: las
mediciones son costosas, por ejemplo cuando se destruye el
artículo. Para productos que requieren mucho tiempo para su
producción. Cuando cada muestra representa un lote distinto.

Los diagramas de control para datos individuales son: el diagrama de

rangos móviles (MR) y las cartas individuales (I).

El diagrama de rangos móviles detecta cambios de variación del

proceso, cuando los datos son individuales.

El diagrama I permite ver si el promedio del proceso esta en control,

cuando los datos son individuales.

Primero se sugiere realizar el diagrama de variación (MR), si todo está

bajo control entonces se realiza el diagrama I. O de otra manera se
sugiere realizar al mismo tiempo las carta MR e I.
 Cartas de Control MR
Cuando los datos son dados en forma individual, por alguna razón, no
es posible obtener mediciones por subgrupos, la forma de
monitorear la variación del proceso, es por medio de un diagrama
de control de rangos móviles (MR).

En este diagrama, cada punto representa el rango móvil absoluto de

dos observaciones sucesivas, esto es

Ri = |Xi – Xi-1|

La línea central de esta gráfica se calcula como el promedio de todos

estos rangos. Los límites de control se calculan en base a la
estimación de la variación de los rangos. Para el primer dato, no se
tendrá un valor del rango móvil absoluto.
Problema:

Se quiere evaluar la consistencia de los pesos de llenados para lotes

de helado de determinada marca. Se sabe que el peso objetivo es
de 1250 gramos y los límites de especificación son de 1200 a 1300
gramos. Se registraron pesos de 70 cajas de helado. Los datos se
encuentran en el archivo helado.MPJ.

Las instrucciones en MINITAB se dan a continuación:

Abrir el archivo helado.MPJ

Stat > Control Charts > Variables Charts for Individuals > Moving Range…
Seleccionar en Variables: ´Pesos de llenado´
Seleccionar: MR Options…
Seleccionar: Tests
Seleccionar: Perform all tests…
Ok > ok

El diagrama MR se da a continuación:
 Moving Range Chart of Pesos de llenado
35
UCL=31.74
30

25
Moving Range

20

15

__
10 MR=9.72

0 LCL=0

1 8 15 22 29 36 43 50 57 64
Observation

Según la gráfica MR, la variación del proceso se encuentra bajo

control estadístico. La gráfica no marca algún punto que indique
la existencia de causas especiales en el proceso. Podemos
proceder a construir la gráfica I.
 Cartas de Control I

Las cartas individuales sirven para monitorear el promedio del proceso. Lo que
se grafican son las mediciones individuales del proceso. La línea central se
calcula como el promedio de las mediciones individuales. Para calcular los
límites de control se estima las desviaciones estándar de los datos, usando
los promedios de los rangos absolutos de los datos.

Aunque sólo se grafican las mediciones individuales del proceso y no los

promedios muestrales de subgrupos, una carta I, sirve para evaluar el
promedio del proceso, ya que si una o varias mediciones están fuera de
control, también el promedio muestral del proceso se verá afectado.

Una ventaja que pueden tener las cartas de control I, es que se pueden añadir
los límites de especificación del proceso. Los límites de especificación se
son utilizados en mediciones individuales y no en mediciones promedios.
Con cartas Individuales se puede monitorear la capacidad del proceso
(siguiente módulo).
Problema:

Considerando los datos de pesos de llenado de helado, construir el

diagrama I, considerando el valor objetivo y los límites de
especificación del proceso, los cuales son 1250, 1200 y 1300
respectivamente.

Las instrucciones para hacerlo con MINITAB son:

Stat > Control Charts > Variables Charts for Individuals > Individuals…
Seleccionar Scale
Seleccionar Reference lines
Escribir en Show Reference lines for Y Positions: 1200 1250 1300
Ok
Seleccionar I Chart Options…
Seleccionar Test
Seleccionar Perform all Test…
Ok > ok

El diagrama se presenta a continuación:

 I Chart of Pesos de llenado

1300 1300
1
UCL=1290.6
6
1280

_
Individual Value

X=1264.7
1260
1250

1240 LCL=1238.9

1220

1200 1200

1 8 15 22 29 36 43 50 57 64
Observation

Interpretación:

De acuerdo a las límites de control, se presentan dos puntos con problemas.

Aún cuando el proceso se encuentra fuera de control, el proceso cumple
bastante bien con los límites de especificación. Aunque se puede observar
que la mayor parte de las mediciones se encuentran por arriba del valor
objetivo, lo que significa que en la venta del producto se está dando más
producto del que es.
 Cartas de Control por Atributos
Desde el primer módulo, se explicó las diferente variables que existen
en la realidad: las variables continuas y las variables por atributos.

Cada tema de calidad se divide en variables continuas y en variables

por atributos. En cartas de control, no es la excepción. Las cartas
de control por atributos se dividen en: cartas de control por
unidades defectuosas y cartas de control por defectos.

En las cartas de control por unidades defectuosas, se monitorea la

proporción de unidades defectuosas por subgrupos (cartas P) o la
unidades defectuosas por subgrupos del mismo tamaño (cartas
NP).

En las cartas de control por defectos, se monitorea el número

promedio de defectos por unidad, para subgrupos del mismo
tamaño o de diferente tamaño.
 Cartas de Control P
Una carta de control P monitorea la proporción de piezas rechazadas o
defectuosas en el proceso. Cada pieza es inspeccionada y declarada como
aceptada o rechazada (buena o defectuosa). La proporción de unidades
rechazadas en cada subgrupo se grafica como un punto en el diagrama de
control P. Esto es, para cada subgrupo se calcula p, como:

Número de piezas rechazadas

p
Tamaño del Subgrupo
Cuando los tamaños de subgrupos varían, se recomiendan usar las cartas P. En
este caso, las cartas NP no pueden usarse.

La construcción de la carta P, es basada en la distribución Binomial. Esto es, el

número de piezas rechazadas en una muestra aleatoria, tiene distribución
Binomial. El promedio de la proporción de piezas rechazadas en todos loa
subgrupos, es considerado como la línea central del diagrama y la
desviación estándar de la proporción de piezas rechazadas, es considera en
la construcción de lo límites de control. Cabe señalar que si límite inferior
resulta negativo, entonces este se recalcula como cero.
Problema:

Una empresa cuenta con un departamento de ventas por teléfono. Al

gerente de este departamento le preocupa las llamadas que llegan y
no son contestadas por un representante de ventas, sino son
mandadas al correo de voz, ya que las ventas posibles
correspondientes a estas llamadas pueden significar, la pérdida de
ventas potenciales. Para 24 días, se graban el número total de
llamadas entrantes a la empresa. Cada llamada es contestada por un
representante de ventas o mandada al correo de voz. Se quiere
evaluar la proporción de llamadas que son mandadas al correo de voz.
Los datos son encontrados en el archivo MINITAB:
ventastelefónicas.MPJ.

Obsérvese que, en forma natural, que el tamaño de los subgrupos varía,

en este caso el tamaño de un subgrupo será igual al número de
llamadas entrantes a la empresa en ese día. Por otro lado, es
importante resaltar que este problema, es un problema de calidad en
los servicios y no de manufactura. Sobre todo la metodología
estadística para variables por atributos puede aplicarse a servicios.
Las instrucciones en MINITAB son:

Abrir el archivo ventastelefónicas.MPJ

Stat > Control Charts > Attributes Charts > P…
Seleccionar en Variables: ´Correo de voz´
Seleccionar en Subgroup sizes: ´Número de llamadas´
Seleccionar P Chart Options…
Seleccionar Tests
Seleccionar Perform all test…
Ok > ok

A continuación se presenta la gráfica:

P Chart of Correo de voz

0.26 1

UCL=0.25248
0.25

0.24
Proportion

0.23
_
P=0.22374
0.22

0.21

0.20
LCL=0.19500
0.19
1 3 5 7 9 11 13 15 17 19 21 23
Sample
Tests performed with unequal sample sizes
Es notorio, como los límites de control fluctúan, estos dependen del
tamaño del subgrupo, entre más grande es el tamaño del subgrupo
los límites en ese momento, son más cerrados, y cuando el tamaño
del subgrupo es más pequeño, los límites se notan más abiertos.

A pesar de que solo un punto está fuera de control, la proporción de

llamadas mandadas al correo de voz es bastante alta, en promedio
se mandan 22.37% llamadas al correo de voz. En el caso del punto
que se encuentra fuera de control, corresponde al 7 de febrero, con
más del 25.25% de llamadas mandadas al correo de voz.

Sí los tamaños de subgrupos no varían mucho, se puede usar el

promedio de los tamaños muestrales para calcular los límites de
control. Existen recomendaciones para realizar este ajuste: cuando
los tamaños individuales de los subgrupos varían del promedio de
los tamaños de los subgrupos no más o menos que el 20% o 25%,
se podrá realizar el ajuste en la carta de control P.

Para la columna Número de llamadas, se las estadísticas descriptivas

básicas:
Stat > Basic Statistics > Display Descriptive Statistics…
Seleccionar en variables: ´Número de llamadas´
Ok

Los resultados se dan a continuación:

• Descriptive Statistics: Número de llamadas

• Variable N N* Mean SE Mean StDev Minimum Median Maximum
• Número de llamad 24 0 1918.0 9.60 47.1 1838.0 1915.5 2025.0

En este caso el 20% del promedio es igual a 383.6. Entonces el promedio

menos 383.6 es igual 1534.4 y el promedio más 383.6 es igual 2301.6.
El mínimo tamaño de muestra es igual 1838, muy superior a 1534.4 y el
máximo tamaño de muestra es 2025, menor que 2301.6. Lo cual si
cumple el requisito para ajustar los límites de control.

Las instrucciones para ajustar los límites de control son:

Control E
Seleccionar P Chart Options…
Seleccionar S limits
Seleccionar Assuming all subgroups have size y escribir: 1918
Ok > ok
La nueva gráfica:

P Chart of Correo de voz

0.26 1

UCL=0.25229
0.25

0.24
Proportion

0.23
_
P=0.22374
0.22

0.21

0.20
LCL=0.19519
0.19
1 3 5 7 9 11 13 15 17 19 21 23
Sample

Observándose que el punto fuera de control se sigue presentando en

el nuevo diagrama, aunque lo que más preocupa, es le alto
porcentaje promedio de llamadas que no son atendidas en forma
personal. La capacidad de este servicio se nota saturado. Es
importante que se tomen medidas importantes, dado que por esta
situación se pueden estar perdiendo ventas importantes.
 Carta de Control NP
La función de la carta de control NP es la misma que la carta P. La diferencia es
que, con la carta NP se monitorea el número de piezas defectuosas o
rechazadas por subgrupo, en lugar de hacerlo por proporción de piezas
defectuosos por subgrupo. Esto es, la carta NP monitorea valores absolutos.

Por lo mismo, la carta NP no tiene sentido, si se pretende aplicarla cuando los

tamaños de los subgrupos son diferentes, no se estaría comparando los
subgrupos en forma pareja o justa. Entonces, es un requisito para construir
un diagrama NP que los tamaños de los diferentes subgrupos sean iguales.

En realidad, cuando los tamaños de subgrupos son iguales, las cartas P y NP

son en esencia, muy similares, la tendencia de los puntos es la misma, lo
único que cambia, es la escala del eje y. Para propósitos de interpretación,
es más fácil interpretar porcentajes que números absolutos. En conclusión,
existe más preferencia por usar una carta P que una carta NP.

La línea central de la carta, se calcula como el promedio del número de piezas

rechazadas por subgrupo. Los límites de control, se calculan en base a la
desviación estándar del número de artículos no aceptados. Sí el límite
inferior resulta negativo, entonces este se determina como cero.
 Carta de Control U
La función de una carta de control U es la de monitorear el número
promedio de defectos o inconformidades por pieza en el subgrupo.

Cada pieza es inspeccionada y se registra el número de

inconformidades, entonces el número promedio de inconformidades
por unidad (U) en cada subgrupo se grafica como punto en el
diagrama U.

Esto es, para cada subgrupo, se calcula y se grafica

Número de inconformidades en el subgrupo

u
Tamaño del subgrupo

Hay piezas que por su complejidad difícilmente carecerán de defectos

o inconformidades, es imposible discriminarlos como: pasa o no
pasa (Carta P o NP). En estos casos, es mucho más real,
monitorear el promedio de inconformidades por pieza.
En este tipo de gráficas U, si se permite la variación del tamaño de
subgrupos, ya que se obtienen promedios de inconformidades.

En la construcción de la carta U, esta involucrada la distribución

Poisson. El número de inconformidades en una pieza tiende a
distribuirse Poisson. El promedio de inconformidades total de los
subgrupos es utilizado como línea central, la desviación estándar
del número de inconformidades por pieza, es usada para construir
los límites de control.

Problema:

Una empresa que se dedica a la fabricación de muebles y artículos de

madera, está preocupada por las quejas que constantemente le
llegan, acerca de los terminados finales de algunos determinados
muebles. El tipo de inconformidades son del tipo: color, rasguños,
abolladuras, vetas, etc. Se registraron el número de desperfectos
por subgrupos de artículos de diferente tamaño. Los datos se
encuentran en el archivo: muebles.MPJ
Se procederá a construir la carta de control U, por medio de MINITAB:

Abrir el archivo muebles.MPJ

Stat > Control Charts > Attributes Charts > U…
Seleccionar en variables: ´Número de desperfectos´
Seleccionar en subgroups sizes: ´Número de piezas´
Ok

Punto fuera de control:

La gráfica resultó ser:
No se sabe bien la causa,
Se va a investigar

U Chart of Número de desperfectos

0.12
1

0.10 UCL=0.1004
Sample Count Per Unit

0.08 Es notorio la
0.06
_
diferencia de
0.04
U=0.0472
los tamaños
0.02 de subgrupos
0.00 LCL=0

1 3 5 7 9 11 13
Sample
15 17 19 21 23 25
El número promedio
Tests performed with unequal sample sizes
de inconformidades
por unidad
 Carta de Control C
Una carta de control C sirve para monitorear el número de inconformidades en
el proceso. Cada unidad es inspeccionada y el número de inconformidades
en todo el subgrupo es registrado. El número de inconformidades en el
subgrupo se grafica en el diagrama de control. Una condición de suma
importancia para este tipo de cartas, es que los tamaños de subgrupos sea
iguales. No tiene sentido esta carta, si variaran los tamaños de subgrupo.
Las cartas U también pueden aplicarse para subgrupos de tamaño igual.

Problema:

Una empresa que se dedica a la imprenta de tarjetas de felicitación tomó la

iniciativa de mejorar la calidad de su producto, con la idea de disminuir el
número de desperfectos comunes que se encuentran en estas. Los
desperfectos son del tipo: manchas, color, arrugas, etc. La empresa quiere
verificar si efectivamente hubo una mejora de sus tarjetas. La empresa tiene
registrados datos antes y después de considerar la iniciativa de
mejoramiento de calidad. Las tarjetas se inspeccionaron en subgrupos de
tamaño 50, registrándose el número total de inconformidades en el
subgrupo, además se registró la fecha de cada subgrupo. Aclarando que el
1 de abril se empezó a recolectar los datos y la iniciativa de calidad
comenzó el 2 de mayo. Los datos se encuentran en: cartas.MPJ
Por medio de una carta C (también se puede construir una carta U), se
quiere analizar la evolución del proceso. Primero se construirá una
carta común C y luego se construirá otra carta C segmentada en las
dos etapas: antes y después de la iniciativa de mejoramiento.

Por MINITAB:

Abrir el archivo cartas.MPJ

Stat > Control Charts > Attributes Charts > C…
Seleccionar en variables: ´Desperfectos´
Ok

C Chart of Desperfectos
1 1 1
12
1

UCL=10.37
10

8
pleCount

6
Sam

_
4 C=4.21

0 LCL=0

1 7 13 19 25 31 37 43 49 55 61
Sample
Se puede notar en esta última gráfica, que hay varios puntos fuera de
control. Estos puntos no son reales, no están representando
presencia de causas especiales. Es necesario segmentar el
diagrama en las dos etapas.

Control E
Seleccionar C Chart Options…
Seleccionar Stages
Seleccionar en Define Stages…: fecha
Seleccionar: With the first…: 5/2/04
Ok > ok

C Chart of Desperfectos by Fecha

4/1/04 5/2/04

12

10

UCL=8.38
Sample Count

4 _
C=3.1
2

0 LCL=0

1 7 13 19 25 31 37 43 49 55 61
Sample
Interpretación:

En esta última carta de control C, se puede observar que ya no existe algún punto
fuera de control.

En el anterior diagrama se construyeron la línea central y los límites de

especificación, en base a toda la información, esto es, se confundió información
que se capturó antes de la iniciativa de mejoramiento, con información que se
capturó después de tomar la iniciativa. Como realmente si hubo una mejora,
cada una de las líneas del diagrama bajaron, lo que ocasionó que algunos puntos
quedarán por arriba del límite superior de control.

Son dos situaciones diferentes y se deben de tratar en forma diferente. En el último

diagrama, quedan bastante bien identificadas, las dos etapas, observándose que
en la segunda etapa, si hubo una gran mejoría. Aunque, parece que los últimos
puntos tienden a subir otra vez. La empresa deberá de estar alerta de esta última
situación.

En conclusión, las cartas de control no tan solo sirven para detectar problemas, sino
también mejorías en los procesos.
Nota Final:
En este módulo se trató con la teoría básica y aplicación de cartas de
control.

De los propósitos fundamentales, fue la de entender cómo se

construyen las cartas, las diferentes cartas que existen, en que
situaciones se aplican y sobre todo saber como se interpretan.

Las cartas de control estudiadas en este módulo, son las cartas más
importantes en cuanto a su aplicación. Existen otras cartas que se
utilizan en situaciones más específicas, se consideraron aquellas
que pueden tener mucha aplicación.

Para poder tratar con capacidad de procesos era importante haber

entendido el material de cartas de control, además no se puede
analizar capacidad de procesos, sin antes tener la seguridad que el
proceso esta bajo control estadístico.