INGENIERÍA EN CALIDAD

Unidad Temática 4

CONTROL ESTADÍSTICO DE PROCESOS

Profesor: Ing. Gastón Zotta Cursos I4054 /1I4055

Auxiliares: Ing. Eligio R. Alonso Año 2023
Unidad Temática 5: Control Estadístico de Procesos

1. Control Estadístico de Procesos. Teorema Central del Límite.

2. Cartas de Control por variables: 𝐗 − 𝐑 , 𝐗 − 𝐒 y 𝐗 𝐢 − 𝐑𝐌 .

3. Cartas de Control por atributos: p, np, c y u.

4. Capacidad de los procesos: Cp y Cpk. Fracción defectuosa.

5. Error tipo I (α) y tipo II (β). Longitud Promedio de Corrida (ARL)

IMPORTANTE:
2
El presente material se debe utilizar para seguir las clases teóricas.
1 Control Estadístico
de Procesos
Conceptos generales
Control de Calidad Final
DINÁMICA
Instrucciones: En un 1 minuto
1. Ente a www.menti.com e ingrese el código
2. Cuente la cantidad de letras “n” existentes en el párrafo siguiente (mayúsculas
y minúsculas)
3. Ponga la cantidad que contó.

Cuando la motivación de la calidad se halla orientada hacia la

conformidad de las especificaciones, tenemos que estar
continuamente preocupados por el “amontonamiento de
tolerancias”, ya que las piezas que están en el límite inferior
no siempre se ajustan bien a piezas adyacentes en el límite
superior.
Control de Calidad Final
CONCLUSIONES

 Todo control final, por más sencillo que parezca, tiene su variabilidad.

 No siempre controlar 100% llega a “creo” defectos.

 En un control hay múltiples fuentes que aportan a la variabilidad:

instructivo (claridad, simpleza…), controller (experiencia, atención,…), medio
(iluminación, PC,…), entre las “5M”.

 Por eso, hay que controlar durante el proceso… no al final.

Control de Calidad Final
RESULTADOS
Control de Calidad Final
RESULTADOS
Control de Calidad Final
RESULTADOS
Control de Calidad Final
RESULTADOS
Técnicas Estadísticas de Calidad
OBJETIVO

 Conjunto de técnicas estadísticas usadas para medir y controlar el

desempeño de los procesos.
 Sirve para identificar áreas de mejora en el proceso y medir la
variación de las características de calidad.

EVOLUCIÓN

Inspección CEP DOE

(Muestreo de Aceptación) (Control Estadístico de Procesos) (Diseño de Experimentos)

DESPUÉS DEL PROCESO DURANTE EL PROCESO ANTES DEL PROCESO

CALIDAD BAJA CALIDAD MEDIA CALIDAD ALTA

SON COMPLEMENTARIAS
Control Estadístico de Procesos (CEP)
CONTROL durante el proceso
Gestión de la
Calidad

Planificación de Control de la Aseguramiento Mejora de la

la Calidad Calidad de la Calidad Calidad
Orientada a establecer los Orientada al cumplimiento Orientada a proporcionar Orientada a aumentar la
objetivos de la calidad y de los requisitos de la confianza que se cumplirán capacidad de cumplir con
los planes para lograrlos. calidad. los requisitos de la calidad. los requisitos de la calidad.

DOE

Plan de Calidad
Diseño y Desarrollo
CONTROL
Medioambiente Mano de Obra
Un proceso está controlado
cuando, por la experiencia
Materias CEP Producto pasada, podamos predecir
Primas PROCESO Terminado como se puede esperar que
dicho proceso varíe en el
futuro.
Control de Método Máquina Materiales Control
Recepción Final
Control Estadístico de Procesos (CEP)
CONCEPTO GENERAL

 Es una técnica estadística utilizada para lograr la estabilidad y mejorar la

capacidad de un proceso de manufactura o servicio.

 Se basa en la construcción y uso de Cartas de Control, a través de la medición

en diferentes puntos del proceso, con el fin de detectar precozmente
variaciones que puedan afectar a la calidad del producto o servicio final,
asegurando su estabilidad dentro de ciertos límite naturales.

 El CEP tiene una clara ventaja frente a las otras técnicas estadísticas de
calidad como los planes de inspección, que aplican recursos para detectar y
corregir problemas al final del producto/servicio, cuando ya es demasiado tarde.

 El CEP monitorea que el proceso se mantenga estable, para asegurar su

capacidad de cumplir con los requisitos del Cliente.
 Control Estadístico de Procesos (CEP)
ETAPAS
CEP

AJUSTE MONITOREO
del proceso del proceso

DESARROLLO o MEJORA PRODUCCIÓN

Toma de una corrida de 20/25 muestras Toma de muestras en línea

de una característica del proceso de una característica del proceso

CARTA DE CONTROL CARTA DE CONTROL

Cálculo de los Límites de Control (LC) Monitoreo en línea del proceso

PROCESO PROCESO PROCESO PROCESO

ESTABLE INESTABLE INESTABLE ESTABLE

Estimación del Recálculo de Causas

σ los LC Asignables

Requisitos CAPACIDAD Acciones

del Cliente DEL PROCESO Correctivas
Desarrollo de la UT Nº 5
Control Estadístico de Procesos (CEP)
HISTORIA
 Entendía la calidad como un problema de variación, el cual
puede ser controlado y prevenido mediante la eliminación a
tiempo de las causas que lo provocan (gráficos de control).
 Introduce el concepto de control estadístico de calidad. Fue
el primero en reconocer que en toda producción industrial se
da variación en el proceso.
Walter Shewhart
 Observó que no pueden producirse dos partes con las (1891-1967)
mismas especificaciones, lo cual se debe, entre otras cosas,
a las causas asignables 5M.

 Aplicó los métodos del CEP en EE.UU, durante II Guerra

Mundial, mejorando la calidad en la producción de
municiones y otros productos estratégicos.
W. Edwards Deming
(1900-993)
Control Estadístico de Procesos (CEP)
VARIABILIDAD
 El CEP se basa en que no existe un P/S exactamente igual al otro:
• Siempre habrá una variación en: tamaño, peso, tiempo, etc.
• La variación puede ser pequeña, pero siempre existirá.
• Se debe a que todo proceso tiene variaciones.

VARIABILIDAD

CALIDAD

MEDIR CONTROLAR REDUCIR

 VARIABILIDAD
TIPOS y FUENTES
Un tema relevante en calidad es el control de la variación.
Antes de controlar la variación hay que estar en condiciones de medirla y hay que tener en cuenta
los siguientes aspectos:
 Variación en el mismo producto: Grado de aspereza de la pieza: un área puede ser más áspera que otra.
 Variación entre productos: Productos distintos que se producen al mismo tiempo.
 Variación en el tiempo: Productos fabricados en distintos turnos.
 Variación inherente al proceso: Por la conjunción de las 5 M.
 Fuentes de variación: Pueden ser:
– Corta duración: resulta entre pieza y pieza generada por una máquina determinada.
– Larga duración: resulta del desgaste de herramientas, cambios de lote grande de materia prima, etc.
Control Estadístico de Procesos (CEP)
VARIABILIDAD DEL PROCESO

VARIABILIDAD

VARIABLES VARIABLES
NATURALES ESPECIALES
VARIACIÓN VARIACIÓN
CONTROLADA INCONTROLADA
MATERIA PRIMA
CAUSAS CAUSAS MANO DE OBRA
PROPIAS 5M MÁQUINA
COMUNES ASIGNABLES MEDIO
MÉTODO
FUERA DE
BAJO CONTROL
CONTROL

REDUCIR ELIMINAR

CONTROL
DOE REDISEÑO CALIDAD
ESTADÍSTICO
CEP
Tipos de Variación
Variación Incontrolada

Se caracteriza por tener un patrón de variación que cambia en el tiempo.

Se origina en factores ocasionales (causas especiales o asignables o accidentales) de
gran impacto individual sobre la dispersión del producto o proceso.
Pueden considerarse anormalidades y provienen de una fuente específica: determinada
máquina, determinado operador, una determinada partida de materia prima, etc.
Modifican el patrón natural del proceso.
Son fácilmente eliminables.
Representa el 15% de las causas de variación.
Las causas especiales deben ser eliminadas por los involucrados directamente con el
proceso (operadores, supervisores y jefes con eventual soporte de la Dirección)
Tipos de Variación
Variación Controlada
Se caracteriza por tener un patrón de variación estable y consistente en el tiempo.
Se atribuye a una numerosa cantidad de causas que interaccionan al azar o
fortuitamente y con poca incidencia individual sobre la variación total. Estas causas
constituyen la variabilidad natural del proceso, y se las denomina causas comunes o
sistemáticas o fortuitas, pues surgen del propio sistema y del modo de operarlo.
Son parte del sistema productivo.
Es muy costosa su eliminación.
Representa el 85% de las causas de variación.
Para reducir la variación controlada o natural es necesario rediseñar el proceso (cambios
de los factores del proceso) con la aplicación de las técnicas de diseño de experimentos y,
en consecuencia, es responsabilidad de la Dirección.
CAUSAS DE VARIACIÓN
Comunes y Asignables
Tiempo
s1 > s0
t3
m2 < m0 s1 > s0

t2

s0
t1 m1 > m0

s0

LCI m0 LCS Característica de calidad

del proceso
Teorema Central del Límite
REPASANDO EL ENUNCIADO
Sea X1, X2, X3, X4, …Xn un conjunto de variables aleatorias, independientes e
idénticamente distribuidas, de una distribución poblacional con media µ y desvío
estándar σ (no necesariamente una normal). Entonces, si n es suficientemente
grande (algunos autores sugieren n≥30), la media muestral:
𝑛
1
𝑋= 𝑋𝑖
𝑛
𝑖=1

tiene aproximadamente una distribución normal con: 𝜇𝑋 = 𝜇

𝜎
𝜎𝑋 =
𝑛

𝑛
1
µ 𝑋= 𝑋𝑖
𝑛
𝑖=1
 Teorema Central del Límite
INTERPRETACIÓN Toma de k
LOTE muestras
Tamaño N Tamaño n

𝑛 Medias
𝑖=1 𝑥𝑖
𝑥1 = 𝑥1 muestrales
𝑛
x1 Tamaño k

x2
x3
𝑛
𝑖=1 𝑥𝑖
𝑥1
𝑥2 =
𝑛 𝑥2
x5 x4 𝑥2
𝑥3
x6 𝑛 ---
x7 𝑖=1 𝑥𝑖
𝑥3 =
𝑛
𝑥3
x8 𝑥𝑘
x9 --- ---
xN 𝑘
𝑖=1 𝑥𝑖
Distribución Individual 𝑛 𝜇𝑥 = 𝜇𝑥 = 𝑥 =
𝑖=1 𝑥𝑖 𝑘
𝑁
𝑖=1 𝑥𝑖
𝑥𝐾 = 𝑥𝑘 𝜎𝑥
𝜇𝑥 = 𝑛 𝜎𝑥 = 𝜎𝑥 =
𝑁
𝑛
𝑁
𝑖=1(𝑥𝑖 − 𝜇𝑥 )2
𝜎𝑥 = Distribución Medias Muestrales
𝑁
Teorema Central del Límite
REPASANDO ENUNCIADO ESTANDARIZADO

Sea 𝑋 es la media de muestras {X1, X2, X3, X4, …Xn} de distribución normal con
𝜎 𝑥−𝜇
parámetros 𝑁(𝜇; ) , entonces el estadístico 𝑍 = 𝜎 tiene distribución normal
𝑛
N(0;1). 𝑛

Distribución Media Muestral Distribución Media Muestral Estandarizada

f(X) 𝑍=
𝑥−𝜇 f(Z)
𝜎
𝑛

𝜇 = 𝜇𝑋 = 𝑋 X 𝜇𝑍 = 0 Z
𝜎
𝜎𝑋 = 𝜎𝑍 = 1
𝑛
 Teorema Central del Límite
VALOR CRÍTICO
Es el valor 𝑿𝜶/𝟐 (para bilateral) y 𝑿𝜶 (para unilateral) de la abscisa en una determinada
distribución que deja a su derecha un área igual a α/2 (para bilateral) y α (para
unilateral). El área α es un valor pequeño, generalmente menor a un 5%.
La probabilidad de que 𝑋 supere un valor crítico será:
𝑋 =∞ Bilateral
𝑃 𝑋 > 𝑋𝛼/2 = 𝑓𝑋 𝑥 𝑑𝑥
𝑋 =𝑋 𝛼 /2

Luego: 𝜶/𝟐 𝟏−𝜶 𝜶/𝟐

𝑃 𝑋 > 𝑋𝛼/2 + 𝑃 𝑋 ≤ 𝑋𝛼/2 = 1

−𝑋𝛼/2 𝜇𝑋 𝑋𝛼/2 𝑋
𝑃 𝑋 ≤ 𝑋𝛼/2 = 𝐹𝑋 (𝑋𝛼/2 )

𝑃(−𝑋𝛼/2 ≤ 𝑋 ≤ 𝑋𝛼/2 ) = 1 − 𝛼 → 𝐼𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎 Unilateral

𝑃 𝑋 > 𝑋𝛼/2 = 1 − 𝐹𝑋 (𝑋𝛼/2 ) = 𝛼/2 → 𝑆𝑖𝑒𝑛𝑑𝑜 𝛼 𝑒𝑙 "𝑁𝑖𝑣𝑒𝑙 𝑑𝑒 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑐𝑖ó𝑛"

𝟏−𝜶 𝜶
𝑋𝛼/2 − 𝜇𝑋
𝑁𝑜𝑟𝑚𝑎𝑙𝑖𝑧𝑎𝑛𝑑𝑜 → 𝑍𝑋𝛼 /2 = 𝜎
𝑛 𝜇𝑋 𝑋𝛼 𝑋
2 Cartas de Control
Variables
CARTA DE CONTROL
CONCEPTO GENERAL

La GRÁFICA DE CONTROL es un diagrama especialmente

preparado donde se van anotando los valores sucesivos de las
características de la calidad que se está monitoreando en línea.

CARACTERÍSTICAS:
 También llamada “Gráfica de Control”.
 Los datos se van registrando durante el funcionamiento del
proceso de fabricación, a medida que se obtienen.
 Sirve para examinar si un proceso se encuentra o se mantiene en una
condición estable.
 Las lecturas se hacen a partir de muestras de producto a intervalos
de tiempo iguales.
CARTA DE CONTROL
OBJETIVO

 Diagnostica el comportamiento de un proceso en el tiempo.

 La gráfica permite identificar las 2 fuentes de variación de un proceso:

CAUSAS COMUNES y CAUSAS ASIGNABLES.

 Sirve para determinar la ESTABILIDAD de un proceso.

 Los datos obtenidos de una Carta de Control (estable) pueden servir

para calcular la CAPACIDAD del proceso.

 Sirve como una herramienta de detección de problemas.

 Indica si un proceso ha mejorado o empeorado.

CARTA DE CONTROL
BENEFICIOS
Se utiliza para controlar el proceso y se registra durante el
funcionamiento del mismo y a medida de que se va obteniendo

 Es simple y rápido de completar.

 Nos permite ver en forma gráfica:
• La tendencia central del proceso.
• La dispersión del proceso.
• Nos indica cuándo se debe corregir un proceso.
.

CARTA DE CONTROL 𝐿𝐶𝑆 − 𝑋

ELEMENTOS 𝑧𝐿𝐶𝑆 =
𝜎𝑋
𝜎𝑋
𝜎𝑋 =
𝑛
Límite de Control Superior (LCS)
Característica de calidad

𝝈
𝑿+𝟑
𝒏
Límite de Control Central (LCC)

𝑿
𝝈
𝑿−𝟑
𝒏

Límite de Control Inferior (LCI)

Subgrupos o Muestras (de tamaño n)
.

CARTA DE CONTROL
ELEMENTOS

Característica de
calidad
𝝈
LSC 𝑿+𝟑
𝑛 𝒏
𝑖=1 𝑥𝑖
𝑥2 =
𝑛

LCC
𝑿

𝑛
𝑖=1 𝑥𝑖
𝑛 𝑥3 =
𝑖=1 𝑥𝑖 𝑛
𝑥1 =
𝑛
LIC 𝑿−𝟑
𝝈
𝒏

1 2 3 4 5 6 -- k
Subgrupos o muestras (de tamaño n)
CARTA DE CONTROL
LÍMITES DE CONTROL
Son valores calculados en función de la variabilidad del proceso, de modo que
exista muy baja probabilidad que un estadístico muestral los exceda, si el proceso
permanece estable. Son de la forma:

𝐋𝐂 = 𝛍𝐗 ±es𝟑.la
𝛔𝐗estimación del promedio poblacional de x.
𝐋𝐂 = 𝛍𝐗 𝐋𝐂 =𝛔𝛍𝐗𝐗 ± 𝟑. 𝛔𝐗 es la estimación del desvío estándar poblacional
± 𝐤.
𝐋𝐂 = 𝛍𝐗 ± 𝐤. 𝛔es
𝐗 la constante que se fija para que la probabilidad de que
𝐋𝐂 =de
un punto caiga fuera 𝛍𝐗 ± 𝟑. 𝛔𝐗 es de 0,27%.

Por el Teorema Central del Límite:

𝑘
𝑖=1 𝑥𝑖
𝜇𝑥 = 𝜇𝑥 = 𝑥 =
𝑘
𝜎𝑥
𝜎𝑥 = 𝜎𝑥 =
𝑛
ESTABILIDAD DE UN PROCESO
CARTAS DE CONTROL

DETECTAR Y
ELIMINAR PROCESO
PROCESO ANALIZAR
CAUSAS BAJO
INESTABLE CAUSAS
ESPECIALES CONTROL
ESPECIALES

En etapa de “ajuste del proceso”, de

haber causas asignables, se tolera
eliminar hasta un 20% de los subgrupos.
ESTABILIDAD DE UN PROCESO
REGLAS DE SENSIBILIZACIÓN DE CARTAS DE CONTROL
1. Uno o más puntos fuera de los límites de control superior o inferior.
2. 2 de 3 puntos consecutivos en el último 1/3 σ.
3. Una corrida de 7 o más puntos consecutivos encima o debajo de LCC.
4. 7 puntos o más en una corrida estable creciente o decreciente.
5. 14 o más puntos en una corrida en la zona “LCC±1 σ”.
6. 14 o más puntos en una corrida que se alterna arriba y abajo.
7. 7 o más puntos en una corrida en ambos lados de la LCC sin ninguno en la
zona “LCC±1 σ”.
8. Un patrón regular o no aleatorio en los datos.

Si al menos una regla se cumple → EL PROCESO ES INESTABLE.

REGLAS DE SENSIBILIZACIÓN DE CARTAS DE CONTROL
Ejemplos
1 2

Uno o más puntos fuera de los límites de control superior o inferior. 2 de 3 puntos consecutivos en el último 1/3 σ.

3 4

Una corrida de 7 o más puntos consecutivos encima o debajo de LCC. 7 puntos o más en una corrida estable creciente o decreciente.
REGLAS DE SENSIBILIZACIÓN DE CARTAS DE CONTROL
Ejemplos
5 6

14 o más puntos en una corrida en la zona “LCC±1 σ”. 14 o más puntos en una corrida que se alterna arriba y abajo.

7 8

7 o más puntos en una corrida en ambos lados de la LCC sin ninguno en la

Un patrón regular o no aleatorio en los datos.
zona “LCC±1 σ”.
Tipos de Cartas de Control
Característica a
controlar

no
El dato es no Unidades no
variable conformes
VARIABLES ATRIBUTOS
si No admite n o defectuosos si
n=1 n variable
Lote
homogéneo o si Carta Valor individual - Muestra no
Carta p
no admite Rango móvil constante
subgrupo

no si

2≤n≤9
Carta np n=cte
El tamaño del no
subgrupo es Carta media rango
mayor que 9 defectos Defectos

si n variable
Carta Media Desvío Muestra no
Carta U
estándar constante

n>9
si

Carta C n=cte
Tipos de Cartas de Control

CARTAS DE
CONTROL

VARIABLES ATRIBUTOS

ADMITE NO ADMITE
DEFECTUOSOS DEFECTOS
Muestra Muestra

Muestra Muestra Xi-RM

MUESTRA MUESTRA MUESTRA MUESTRA
n>9 n≤9 CONSTANTE VARIABLE CONSTANTE VARIABLE

X-S X-R np p c u
CARTA X-R
 Es el modelo tal vez más difundido en la práctica.
 A partir de “k” subgrupos adecuados de tamaño “n” definido, se
evalúan como parámetro de posición la media de cada muestra “x”, y
como parámetro de variación el rango “R”.
 En general, “k” es 20 a 25, k≥20.
 En general, “n” es 4 o 5 (n≤9 según esquema anterior).
CARTA X-R
CONSTRUCCIÓN

1. Determinar el tamaño de la muestra (n). Generalmente: n=4 o 5.

2. Determinar la frecuencia de muestreo (entre subgrupos).
3. Determinar la cantidad de muestras (k subgrupos).
Se recomienda un n.k ≥ 100 (Generalmente: n=5 y K=20 a 25)
1. 𝑖=𝑛 medidos por cada subgrupo.
Registrar los ni valores
𝑥𝑘:𝑖
2. Determinar 𝑋𝑘 = 𝑅𝑘
y𝑘=𝐾 = 𝑥 cada
para −0)𝑥𝑘 𝑚í𝑛
(B.subgrupo.
𝑅𝑘𝑛 𝑘 𝑚á𝑥 𝑘=𝐾
𝑋𝑘
3. Calcular el 𝑅 = 𝑖=1
y la media de(B.
los3)
k subgrupos ( 𝑋 ).
= (B. 2)
𝐾 𝐾
4. Calcular los límites
𝑘=1de control: LCS, LCC y LCI. 𝑘=1

5. Graficar la Carta R con los límites de control: LCSR, LCCR y LCIR.

6. 𝑖=𝑛
Evaluar la Carta R: Representa la variabilidad dentro de cada subgrupo.
𝑥𝑘:𝑖
7. Evaluar la Carta 𝑋 :=
Representa la(B. 0)
variabilidad entre subgrupos.
𝑛
8. De haber causas asignables,
𝑖=1 y si resultan menos del 20% de los subgrupos,
eliminar esos puntos y recalcular los límites de control.
9. Si el proceso se encuentra bajo control estadístico, se está en condiciones de
evaluar la Capacidad del Proceso.
CARTA X-R
CÁLCULO
𝑖=𝑛
𝑘=𝐾 𝑥𝑘:𝑖
En el gráfico de control 𝑋𝑅− 𝑅 existe
= 𝑅una 𝑘𝑛
(B. 0)entre la desviación estándar
relación
de la variable X ( 𝜎𝑋 )=y el 𝑅 ,=la cual
𝑖=1 viene(B. 3) por:
dada
𝑑2 𝐾
𝑘=1

Tomamos k subgrupos de tamaño n≤9.

𝑘=𝐾
𝑋𝑘
𝜇𝑋 = 𝑋 =
𝐾
𝑘=1
CARTA X-R
CÁLCULO

• Carta de R:

El cálculo de los límites de la carta R son:

D4

D3

Donde las constantes D3 y D4 que dependen de n son:

CARTA X-R
CÁLCULO

• Carta de X:
𝑖=𝑛
𝑥𝑘:𝑖
El cálculo de los límites de la Carta 𝑋 =
son: (B. 0)
𝑛
𝑖=1

Como:
CARTA X-R
EJERCICIO RESUELTO
CARTA X-R
EJERCICIO RESUELTO
CARTA X-R
EJERCICIO RESUELTO
CARTA X-R
EJERCICIO RESUELTO
Determinación de los Límites de Control para R
CARTA X-R
EJERCICIO RESUELTO

Vemos que hay en el subgrupo 20 hay un punto fuera de los límites del control (Criterio para
simplificar: solo consideramos puntos fuera de los límites de control como señal de proceso fuera de
control).
Dicho punto tiene una causa asignable la cual es un error en el controlador que pudo ser solucionado.

SE DEBE RECALCULAR, OMITIENDO EL PUNTO QUE SE

ENCUENTRA “FUERA DE CONTROL
CARTA X-R
EJERCICIO RESUELTO
Recálculo de los límites:

En el subgrupo 20 se detecta una señal de no control.

1. Se recalculan los límites omitiendo dicho subgrupo.
2. Luego a las sumatorias de los rangos de los subgrupos y de la medias de los subgrupos se le resta
el subgrupo 20.

IMPORTANTE: Si la cantidad de puntos a omitir es mayor al 20 % de los puntos (Ejemplo: 5 puntos de

25) debo volver a tomar otra corrida de 25 subgrupos.

Cálculo de Rmedio omitiendo el subgrupo 20:

 CARTA X-R
EJERCICIO RESUELTO
Recalcular los nuevos límites de control del rango teniendo en cuenta los parámetros
D3 y D4 que dependen de n. En nuestro caso n=5:
CARTA X-R
EJERCICIO RESUELTO

Como la Carta R no presenta señales de inestabilidad, se procede al cálculo de los límites de la Carta
Xmedia. Para ello se busca el valor de A2 para n=5:

Determinación de los Límites de Control para Xmedia:

CARTA X-R
EJERCICIO RESUELTO

Conclusiones:
CARTA X-S
GENERALIDADES
𝑖=𝑛
𝑥𝑘:𝑖
 Difiere del 𝑋 − 𝑅 = (B. 0)Si en cada𝑖=𝑛
en que se calcula subgrupo.
𝑛 𝑥𝑘:𝑖
𝑖=1
 Su cálculo no difiere demasiado del 𝑋 − 𝑅 .= (B. 0)
𝑛
𝑖=1 n > 9. (según esquema anterior)
 Se justifica su aplicación para tamaño de muestra

𝑖=𝑛 𝑖=𝑛
𝑥𝑘:𝑖
Los gráficos de control de 𝑋 − 𝑆 ,=se construyen de forma similar a𝑖=𝑛
(B. 0) los 𝑥de 𝑋 − 𝑅 =
;
𝑛 𝑘:𝑖
solamente que ahora calcularemos 𝑖=1 la media de la muestra (𝑋𝑘 )=y la desviación
(B. 0)𝑖=1
estándar (Sk) de la muestra. 𝑛
𝑖=1

Tomamos k subgrupos de tamaño n>9. El desvío estándar de cada muestra (Sk) es:

𝑘=𝐾
𝑛
𝑖=1(𝑥𝑖
− 𝑋𝑖 )2 𝑆𝑘
𝑆𝑘 = El desvío estándar medio es: 𝑆=
𝑛−1 𝐾
𝑘=1
CARTA X-S
CÁLCULO
• Carta de S:

El cálculo de los límites de la Carta S son:

B4

B3

Donde las constantes B3 y B4 que dependen de n son:

CARTA X-S
CÁLCULO

• Carta de X:
𝑖=𝑛
𝑥𝑘:𝑖
El cálculo de los límites de la Carta 𝑋 =
son: (B. 0)
𝑛
𝑖=1

Como:
CARTA Xi-RM
GENERALIDADES

 El lote no admite subgrupos.

 Inspección automatizada en la que cada unidad es inspeccionada.
 Velocidad de producción muy lenta.
 Procesos por lotes (batch) como en las industrias químicas, donde la variación
del subgrupo solo refleja las del sistema de medición.
 Mediciones múltiples en una misma unidad producida.
 Mediciones de parámetros, como espesores de recubrimiento en alambres
(proceso continuo), en que varias mediciones en el tiempo diferirán muy poco
entre sí.
𝑖=𝑛
𝑘=𝐾 𝑥𝑘:𝑖
En el gráfico de control 𝑋 − 𝑅 =
existe
𝑅𝑘 una (B. 0) entre la desviación estándar
relación
𝑛
de la variable X (σx) y el 𝑅 ,=la cual𝑖=1
viene(B. 3) por:
dada
𝐾
𝑘=1
CARTA Xi-RM
CÁLCULO

• Carta de Rangos Móviles (RM):

Para el gráfico de control de rangos móviles, tenemos que el RM es un rango calculado

sobre 2 valores:

𝑘
𝑖=1 𝑅𝑀𝑖 Donde k son los valores
𝑅𝑀 =
𝑘−1 individuales medidos.
𝑖=𝑛
𝑥𝑘:𝑖
Teniendo en cuenta que para el gráfico de Rangos, en el gráfico de control 𝑋 − 𝑅 ,=
encontramos que los límites son: 𝑛
𝑖=1

Para este caso del Rango Móvil, las ecuaciones de los límites
de control del gráfico RM, nos quedaría:

Donde las constantes D3 y D4 se toman

para n=2:
CARTA Xi-RM
CÁLCULO
• Carta de Valores Individuales (Xi): 𝑖=𝑛 𝑖=𝑛
𝑥𝑘:𝑖
Teniendo en cuenta que para el gráfico de 𝑋 ,=en el gráfico (B. 0)
de control 𝑋 − 𝑅 ,=
encontramos que los límites son: 𝑛 𝑖=1
𝑖=1
Para este caso del Xi-RM, las ecuaciones de los
límites de control de gráfico del Xi, nos quedaría:

Donde la constantes d2
se toma para n=2:

𝑘
𝑥𝑖 Donde k son los valores
𝜇𝑋 = 𝑋 =
𝑘 individuales medidos.
𝑖=1

𝑅𝑀 𝑅𝑀
𝜎𝑋 = =
𝑑2 1,128
TABLA DE CONSTANTES
3 Cartas de Control
Atributos
CARTAS DE CONTROL POR ATRIBUTOS
GENERALIDADES

 ATRIBUTOS
• Dato que se puede clasificar y contar.
• Tipos:
– Cantidad de defectos por unidad
– Cantidad de unidades defectuosas

 GRÁFICAS DE CONTROL
• Gráfica de comparación cronológica (hora a hora, día a día) de
las características de calidad reales del producto, parte o
unidad, con límites que reflejan la capacidad de producirla de
acuerdo con la experiencia de las características de calidad
de la unidad.
CARTAS DE CONTROL POR ATRIBUTOS
CLASIFICACIÓN

– Gráfica c
• Nº de defectos por subgrupo (constante)
– Gráfica p
• % de fracción defectuosa por subgrupo (variable)
– Gráfica u
• Proporción de defectos (variable)
– Gráfica np
• Nº de unidades defectuosas por subgrupo (constante)
CARTAS DE CONTROL POR ATRIBUTOS
OBJETIVO

• Mostrar el comportamiento de un proceso.

• Identificar la existencia de causas de variación especiales

(proceso fuera de control).

• Monitorear las variables claves en un proceso de manera

preventiva.

• Indicar cambios fundamentales en el proceso.

CARTAS DE CONTROL POR ATRIBUTOS
VENTAJAS

– Resume varios aspectos de la calidad del producto, es decir,

si es aceptable o no.

– Son fáciles de entender.

– Provee evidencia de problemas de calidad.

CARTAS DE CONTROL POR ATRIBUTOS
DESVENTAJAS

– Interpretación errónea por errores de los datos o los cálculos

utilizados.

– El hecho de que un proceso se mantenga bajo control no significa

que sea un buen proceso, puede estar produciendo constantemente
un gran número de no conformidades.

– Controlar una característica de un proceso no significa

necesariamente controlar el proceso. Si no se define bien la
información necesaria y las características del proceso que deben
ser controladas, tendremos interpretaciones erróneas debido a
informaciones incompletas.
CARTAS DE CONTROL POR ATRIBUTOS
CARTA p
– Representa el % de fracción defectuosa.
– Tamaño de muestra (n) varía.
– Principales objetivos:
• Descubrir puntos fuera de control.
• Proporcionar un criterio para juzgar si lotes sucesivos pueden considerarse como
representativos de un proceso.
• Puede influir en el criterio de aceptación.
CARTAS DE CONTROL POR ATRIBUTOS
CARTA p Para analizar la estabilidad, siguen las mismas 8 reglas de sensibilización. 𝜎𝑝𝑖

𝑝 ∗ (1 − 𝑝)
Proporciones defectuosas

𝐿𝐶𝑆𝑝 𝑖 = 𝑝 + 3 ∗
𝑛𝑖
𝑋2 𝑋4
𝑝2 = 𝑝4 =
𝑛2 𝑛4
𝑋3
𝑝3 =
𝑛3
𝑋𝑘
𝐾
𝑝𝑘 =
𝑛𝑘 𝑖=1 𝑥𝑖
𝐿𝐶𝐶𝑝 𝑖 = 𝑝 = 𝐾
𝑖=1 𝑛𝑖
𝑋5
𝑝5 =
𝑛5

𝑋1
𝑝1 =
𝑛1
𝑝 ∗ (1 − 𝑝)
𝐿𝐶𝐼𝑝 𝑖 = 𝑝 − 3 ∗
𝑛𝑖

1 2 3 4 5 6 7 -- k
Subgrupos o muestras (de tamaño ni)
𝑋𝑖
𝑝𝑖 =
𝑛𝑖
𝑛𝑚𝑎𝑥 = 𝑛 + 0,25 ∗ 𝑛
𝐾 𝑝 ∗ (1 − 𝑝)
𝑖=1 𝑛𝑖
Aproximación para un n=constante: 𝑛𝑖 𝑛= 𝜎𝑝𝑖 ≈
𝑛
𝑘
𝑛𝑚𝑖𝑛 = 𝑛 − 0,25 ∗ 𝑛
CARTAS DE CONTROL POR ATRIBUTOS
CARTA np

– Se utiliza para graficar las unidades defectuosas por subgrupo.

– Tamaño de muestra (n) es constante.
– Principales objetivos:
• Conocer las causas que contribuyen al proceso.
• Obtener el registro histórico de una o varias características de una operación
con el proceso productivo.
 CARTAS DE CONTROL POR ATRIBUTOS
CARTA np Para analizar la estabilidad, siguen las mismas 8 reglas de sensibilización.

𝜎𝑋

𝑛∗𝑝
𝐿𝐶𝑆𝑋 = (𝑛 ∗ 𝑝) + 3 ∗ 𝑛 ∗ 𝑝 ∗ (1 − )
𝑛
Unidades defectuosas

𝑛𝑝2 = 𝑥2 𝑛𝑝4 = 𝑥4

𝑛𝑝3 = 𝑥3 𝑛𝑝𝑘 = 𝑥𝑘 𝐾
𝑛 ∗ 𝑝𝑖 𝐾
𝑥𝑖
𝑖=1 𝑖=1
𝐿𝐶𝐶𝑋 = 𝑛 ∗ 𝑝 = =
𝐾 𝐾
𝑛𝑝5 = 𝑥5

𝑛𝑝1 = 𝑥1
𝑛∗𝑝
𝐿𝐶𝐼𝑋 = (𝑛 ∗ 𝑝) − 3 ∗ 𝑛 ∗ 𝑝 ∗ (1 − )
𝑛

1 2 3 4 5 6 7 -- k

Subgrupos o muestras (de tamaño n)

𝑥𝑖
𝑝𝑖 = → 𝑛𝑝𝑖 = 𝑥𝑖 𝑛∗𝑝
𝑛𝑖 𝐿𝑢𝑒𝑔𝑜: 𝑝 =
𝑛
CARTAS DE CONTROL POR ATRIBUTOS
CARTA c

– Estudia el comportamiento de un proceso considerando el nº de

defectos encontrados al inspeccionar una unidad de
producción.
– El artículo es aceptable aunque presente cierto número de defectos.
– La muestra (n) es constante.
 CARTAS DE CONTROL POR ATRIBUTOS
CARTA c Para analizar la estabilidad, siguen las mismas 8 reglas de sensibilización.

𝜎𝐶

𝐿𝐶𝑆𝐶 = 𝑐 + 3 ∗ 𝑐
Cantidad de defectos

𝑐2 𝑐4

𝑐3
𝐾
𝑖=1 𝑐𝑖
𝐿𝐶𝐶 = 𝑐 =
𝑐5
𝐾

𝑐1
𝐿𝐶𝐼𝐶 = 𝑐 − 3 ∗ 𝑐

1 2 3 4 5 6 7 -- k

Subgrupos o muestras (de tamaño n)

𝑐𝑖 𝐾 𝐾
𝑖=1 𝑐𝑖 𝑖=1 𝑐𝑖 𝑐
𝐿𝑢𝑒𝑔𝑜: 𝑢 = 𝐾 = =
𝑖=1 𝑛𝑖 𝑛∗𝑘 𝑛
CARTAS DE CONTROL POR ATRIBUTOS
CARTA u

– Puede utilizarse como:

• Sustituto de la “gráfica c” cuando el tamaño de la muestra (n)
varía.
CARTAS DE CONTROL POR ATRIBUTOS
CARTA u Para analizar la estabilidad, siguen las mismas 8 reglas de sensibilización. 𝜎𝑈𝑖

𝑢
Proporciones de defectos

𝐿𝐶𝑆𝑈𝑖 = 𝑢 + 3 ∗
𝑛𝑖
𝑐2 𝑐4
𝑢2 = 𝑢4 =
𝑛2 𝑛4

𝑐𝑘
𝑢𝑘 = 𝐾
𝑐3 𝑛𝑘 𝑖=1 𝑐𝑖
𝑢3 = 𝐿𝐶𝐶𝑈𝑖 = 𝑢 = 𝐾
𝑛3
𝑐5 𝑖=1 𝑛𝑖
𝑢5 =
𝑛5
𝑐1
𝑢1 =
𝑛1 𝑢
𝐿𝐶𝐼𝑈𝑖 = 𝑢 − 3 ∗
𝑛𝑖

1 2 3 4 5 6 7 -- k
Subgrupos o muestras (de tamaño ni)
𝑐𝑖
𝑢𝑖 =
𝑛𝑖
𝑛𝑚𝑎𝑥 = 𝑛 + 0,25 ∗ 𝑛
𝐾
𝑖=1 𝑛𝑖
𝑢
Aproximación para un n=constante: 𝑛𝑖 𝑛= 𝜎𝑈𝑖 ≈
𝑛
𝑘
𝑛𝑚𝑖𝑛 = 𝑛 − 0,25 ∗ 𝑛
CARTAS DE CONTROL POR ATRIBUTOS
FÓRMULAS

Línea central Límites superior e inferior

np

c
CARTAS DE CONTROL POR ATRIBUTOS
CONCLUSIÓN

Del desarrollo de los conceptos y ejemplos se puede

observar el enorme potencial que posee la utilización
del Control Estadístico de la calidad como instrumento
y herramienta destinada a un mejor control, una forma
más eficaz de tomar decisiones en cuanto a ajustes,
un método muy eficiente de fijar metas y un
excepcional medio de verificar el comportamiento de
los procesos.
4 Capacidad de Procesos
Cp y Cpk / % y ppm
CAPACIDAD DE PROCESO
INTEGRACIÓN DE CONCEPTOS Análisis Curva CO
β
n → óptimo
Proceso n
Carta de Control ∆t → óptimo
ESTABLE (Monitoreo)
k
𝜇1 = 𝜇0 + 𝒌 𝜎

ATRIBUTOS VARIABLES

𝑝 𝑢 𝜎𝑋

Acuerdo
CAPACIDAD CAPACIDAD
POTENCIAL REAL
PROVEEDOR - CLIENTE
Cp
Cp Cpk AQL
Requisitos

LTPD
Tolerancia
CLIENTE

FRACCIÓN Análisis Curva CO

𝑝 𝑝 𝑝 < 𝐴𝑄𝐿
DEFECTUOSA Pa
% o ppm PLAN DE n, Ac
% o ppm MUESTREO
𝑢 DEFECTOS 𝑢 Por Atributos
por unidad 𝑢 < 𝐴𝑄𝐿 %𝑝
Defectos / unidad
𝑢
Análisis de CAPACIDAD 𝐿𝑇𝑃𝐷 → 𝛽 ≤ 10%
CAPACIDAD DE PROCESO
CONCEPTO GENERAL

Requisitos Cliente
ESPECIFICACIÓN
CAPACIDAD DE PROCESO
CONCEPTO GENERAL
 Tener un proceso bajo control estadístico no necesariamente implica cumplir con
las especificaciones del cliente.
 Un proceso que es estable y además cumple con las especificaciones es
considerado un proceso capaz o apto.
 Los estudios de aptitud son aquellos destinados a evaluar la capacidad de un
proceso para cumplir con una especificación. Para ello se compara la variabilidad
del producto debido a causas comunes contra la especificación.
 Para realizar los estudios de aptitud, se deben dar las siguientes circunstancias:
o El proceso debe ser estadísticamente estable.
o Las mediciones individuales del proceso deben conformar a una distribución normal de Gauss.
o Las especificaciones de ingeniería representan las necesidades del cliente.
o El target de diseño (VALOR OBJETIVO DE DISEÑO) está en el centro del ancho de la especificación.
o La variabilidad de la medición es pequeña comparada con la variabilidad del proceso.
CAPACIDAD DE PROCESO
CONCEPTO GENERAL
 Se pueden presentar los siguientes casos:
ESTABILIDAD DEL PROCESO

ESPECIFICACIÓN En control Fuera de control

Cumple Caso 1 Caso 3

No cumple Caso 2 Caso 4

Caso Acciones a seguir

La Dirección deberá plantearse como objetivo la mejora del proceso a los efectos de disminuir la
1 variabilidad del proceso y por ende aumentar su capacidad.
Se debe actuar sobre causas comunes para disminuir la variabilidad de mi proceso, y, de corresponder,
2 tratar de centrar la media con el valor central de las especificaciones para poder cumplir con las mismas.
Se debe identificar cual es la causa asignable de descontrol e incorporarla como variable de control de
3 proceso.
En primera instancia debo evaluar las causas asignables para llevar el proceso a control estadístico,
4 para poder evaluar luego la capacidad.
CAPACIDAD DE PROCESO
CONCEPTO GENERAL
CAPACIDAD
PROCESO

CORTO PLAZO
LARGO PLAZO
(preliminar)

VARIABILIDAD VARIABILIDAD
INHERENTE TOTAL

Causas Período corto Causas Período largo

Condiciones Condiciones
Comunes 1 turno Comunes+Asignables ≥ 5 días

Máquina Operador 1 Corrida Carta Máquina Operadores Muestra Subgrupos

según especif. calificado 50-125 piezas X-R en un rango diferentes depende 25
Instrumento Materia Prima Subgrupos Muestra Instrumentos Materia Prima
calibrado mismo lote ≥ 10 n=4o5 diferentes ≠ lotes

Tiene en cuenta el σ DENTRO DE CADA SUBGRUPO Tiene en cuenta el σ TOTAL

𝑅 𝑛
𝑥𝑖 − 𝑋
2
𝜎= 𝜎=𝑠= 𝑖=1
ÍNDICES DE 𝑑2 ÍNDICES DE 𝑛−1
CAPACIDAD CAPACIDAD
POTENCIAL REAL POTENCIAL REAL
Cp Cpk Pp Ppk
CAPACIDAD DE PROCESO
DIFERENCIA DE LÍMITES

LÍMITES DE CONTROL (LC)

 Conocidos como voz del proceso (VOP).
 Límites inherentes al proceso analizado, definidos según el tipo de carta de control utilizada.
 Están en función de la dispersión o desvío estándar (σ).
 Solo pueden ser modificados si se altera el proceso (5M).

LIMITES DE ESPECIFICACIÓN (LE)

 Conocidos como voz del cliente (VOC).
 Límites establecidos por Ingeniería en función de las necesidades del cliente.
 Están definidos en función de la tolerancia entre el valor inferior (Ti o LEI) y superior (Ts o LES)
Razones para no cumplir
con las tolerancias

1 - La variabilidad propia del proceso es demasiado grande

para la tolerancia propuestas.
2 - El proceso está mal dirigido.
3 - El instrumental es inadecuado.
4 - El proceso se está desviando.
5 - Hay cambios cíclicos en el proceso.
6 - El proceso es errático.
 CAPACIDAD DE PROCESO
CAPACIDAD POTENCIAL (CP)
Suponiendo el Proceso PERFECTAMENTE CENTRADO

LES – LEI = Tolerancia

No Conformes

No Conformes
𝐿𝐸𝑆 − 𝐿𝐸𝐼
𝐶𝑝 =
6∗𝜎

𝑅
Donde: 𝜎 =
𝑑2

99,73% del Proceso

LEI X 𝐿𝐸𝑆 + 𝐿𝐸𝐼 LES

𝑉𝑐 =
2
6s
Variabilidad Natural del Proceso
Si Cp ≥ 1 → El proceso ES POTENCIALMENTE CAPAZ

Cp es independiente de si la media del proceso X coincide o no con el valor central de la especificación

Vc. De ahí que a este índice se lo denomine “índice potencial de proceso”.
CAPACIDAD DE PROCESO
CAPACIDAD POTENCIAL (CP)
Suponiendo el Proceso PERFECTAMENTE CENTRADO

Cp < 1
No es potencialmente capaz

LEI X LES

6. 𝜎

Cp > 1
Es potencialmente capaz

LEI X LES

6. 𝜎
 CAPACIDAD DE PROCESO
CAPACIDAD POTENCIAL (CP)
Cálculo de la FRACCIÓN DEFECTUOSA

La FRACCIÓN DEFECTUOSA estará dada para los valores de: % defectuoso % defectuoso

X>LES + X<LEI 𝑃 𝑓𝑎𝑙𝑙𝑎

𝑃 𝑓𝑎𝑙𝑙𝑎 = 𝑃 𝑧 < 𝑧𝑖𝑛𝑓 + 𝑃 𝑧=>𝑃𝑧𝑠𝑢𝑝
𝑧 < 𝑧𝑖𝑛𝑓 + 𝑃 𝑧 > 𝑧𝑠𝑢𝑝

Como se trata de una distribución de Gauss puedo parametrizar

z en función de LES y LEI: LEI 𝐿𝐸𝐼
X =−
𝑉𝑐 𝑋 LES 𝐿𝐸𝑆 − 𝑋
𝑧𝑖𝑛𝑓 = z = 0 ; 𝑧𝑠𝑢𝑝
𝑖𝑛𝑓 <
=0 ;𝑧
𝑋−𝜇 𝐿𝐸𝐼 − 𝑋 𝜎 𝜎
(𝑅𝑒𝑐𝑜𝑟𝑑𝑎𝑟 𝑧 = ) 𝑧𝑖𝑛𝑓 = ; 𝑧𝑖𝑛𝑓 < 0
𝜎 𝜎 6. 𝜎
𝐿𝐸𝑆 − 𝑋
𝑧𝑠𝑢𝑝 = ; 𝑧𝑠𝑢𝑝 > 0
𝜎

Por ser la curva de Gauss simétrica → |LEI- X | = LES- X ; luego: La fracción defectuosa será:
−𝑧𝑖𝑛𝑓 = 𝑧𝑠𝑢𝑝 = 𝑧𝑐 𝑃 𝑓𝑎𝑙𝑙𝑎 = 𝑃 𝑧 < 𝑧𝑖𝑛𝑓 + 𝑃 𝑧 > 𝑧𝑠𝑢𝑝
𝐿𝐸𝑆 − 𝐿𝐸𝐼 − 𝑋 + 𝑋 𝑋 − 𝐿𝐸𝐼 + 𝐿𝐸𝑆 − 𝑋 𝑃 𝑓𝑎𝑙𝑙𝑎 = 𝑃 𝑧 < 𝑧𝑐 + 𝑃 𝑧 > 𝑧𝑐
𝐶𝑝 = =
6∗𝜎 6∗𝜎
𝑃 𝑓𝑎𝑙𝑙𝑎 = 2 ∗ 𝑃 𝑧 > 𝑧𝐶
(−𝑧𝑖𝑛𝑓 + 𝑧𝑠𝑢𝑝 ) 𝑧𝑐
𝐶𝑝 = =
6 3
 CAPACIDAD DE PROCESO
CAPACIDAD REAL (CPk)
Considerando el CENTRADO del proceso respecto de T

Capacidad Real Superior Capacidad Real Inferior 𝑋 − 𝐿𝐸𝐼 𝐿𝐸𝑆 − 𝑋

No Conformes

No Conformes
𝐿𝐸𝑆 − 𝑋 𝑋 − 𝐿𝐸𝐼
𝐶𝑝𝑘 𝑠𝑢𝑝 = 𝐶𝑝𝑘 𝑖𝑛𝑓 =
3∗𝜎 3∗𝜎

𝑅
Donde: 𝜎 =
𝑑2
𝐿𝐸𝑆 + 𝐿𝐸𝐼
𝑉𝑐 = X
LEI 2 LES
𝐶𝑝𝑘 = 𝑀í𝑛(𝐶𝑝𝑘 𝑖𝑛𝑓 ; 𝐶𝑝𝑘 𝑠𝑢𝑝 ) 3.s 3.s
𝐿𝐸𝑆 + 𝐿𝐸𝐼
𝑉𝑐 =
2
𝑋 ≠ 𝑉𝑐

Si Cpk ≥ 1 (teórico) o según requerimiento del Cliente (Cpk≥1,66) → El proceso ES CAPAZ

El índice de capacidad real Cpk correlaciona la diferencia de los límites especificados y la X del proceso con la
variabilidad natural del mismo 3.σ .
 CAPACIDAD DE PROCESO
CAPACIDAD REAL (CPk)
Considerando el CENTRADO del proceso respecto de T
𝑋 − 𝐿𝐸𝐼 𝐿𝐸𝑆 − 𝑋
Cpkinf > 1 Cpksup < 1
Cpksup < Cpkinf
Cpk = Cpksup
Cpk < 1
𝐿𝐸𝑆 + 𝐿𝐸𝐼
LEI 𝑉𝑐 = X
No es capaz 2LES
3𝜎 3𝜎

Cpkinf < 1 Cpksup > 1 𝑋 − 𝐿𝐸𝐼 𝐿𝐸𝑆 − 𝑋

Cpksup > Cpkinf

Cpk = Cpkinf
Cpk > 1
Es capaz 𝐿𝐸𝑆 + 𝐿𝐸𝐼
LEI X 𝑉𝑐 =
2 LES
3𝜎 3𝜎
 CAPACIDAD DE PROCESO
CAPACIDAD REAL (CPk)
Cálculo de la FRACCIÓN DEFECTUOSA
𝑋 − 𝐿𝐸𝐼 𝐿𝐸𝑆 − 𝑋

La FRACCIÓN DEFECTUOSA estará dada para los valores de:

% defectuoso % defectuoso
X>LES + X<LEI
𝑃 𝑓𝑎𝑙𝑙𝑎
𝑃 𝑓𝑎𝑙𝑙𝑎 = 𝑃 𝑧 < 𝑧𝑖𝑛𝑓 + 𝑃 𝑧=>𝑃𝑧𝑠𝑢𝑝
𝑧 < 𝑧𝑖𝑛𝑓 + 𝑃 𝑧 > 𝑧𝑠𝑢𝑝
Como se trata de una distribución de Gauss puedo parametrizar
z en función de LES y LEI: 𝐿𝐸𝑆 + 𝐿𝐸𝐼
LEI 𝐿𝐸𝐼 𝑉−
𝑐 =
𝑋X 2LES 𝐿𝐸𝑆 − 𝑋
𝐿𝐸𝑆 − 𝑋 𝐿𝐸𝐼 − 𝑋 𝑧𝑖𝑛𝑓 = 𝑧𝑠𝑢𝑝<=0
; 𝑧𝑖𝑛𝑓 ; 𝑧𝑠𝑢
𝑧𝑖𝑛𝑓 = ; 𝑧𝑖𝑛𝑓 < 0 𝜎 z=0 𝜎
𝑧𝑠𝑢𝑝 = ; 𝑧𝑠𝑢𝑝 > 0 𝜎
𝜎 3𝜎 3𝜎
𝑧𝑚 í𝑛 = 𝑀í𝑛(𝑧𝑠𝑢𝑝 ; 𝑧𝑖𝑛𝑓 )

No es simétrica → |LEI- X | ≠ LES- X ; luego: 𝑧𝑠𝑢𝑝 ≠ 𝑧𝑖𝑛𝑓 La fracción defectuosa será:

𝑧𝑖𝑛𝑓 𝑧𝑠𝑢𝑝 𝑃 𝑓𝑎𝑙𝑙𝑎 = 𝑃 𝑧 < 𝑧𝑖𝑛𝑓 + 𝑃 𝑧 > 𝑧𝑠𝑢𝑝
𝐶𝑝𝑘 𝑖𝑛𝑓 = − 𝐶𝑝𝑘 𝑠𝑢𝑝 =
3 3

𝑧𝑚í𝑛
𝐶𝑝𝑘 = 𝑀í𝑛(𝐶𝑝𝑘 𝑖𝑛𝑓 ; 𝐶𝑝𝑘 𝑠𝑢𝑝 ) → 𝐶𝑝𝑘 =
3
CAPACIDAD DE PROCESO
Algunas relaciones de valores

Cp PPM de defectos % de defectos

s 0,33 330.000 33 %

2s 0,66 50.000 5%

3s 1 2.700 0,27 %

4s 1,33 60 0,006 %

5s 1,67 0,6 0,00006 %

 1,28 s 0,43 200.000 20 %

 1,64 s 0,55 100.000 10 %

 2,57 s 0,86 10.000 1%

 3,29 s 1,10 1.000 0,1 %

 3,89 s 1,30 100 0,01 %

 4,14 s 1,38 10 0,001 %

 4,89 s 1,63 1 0,0001 %

 5,34 s 1,77 0,1 0,00001 %

CAPACIDAD DE PROCESO
EJERCICIO
CAPACIDAD DE PROCESO
EJERCICIO
CAPACIDAD DE PROCESO
EJERCICIO
CAPACIDAD DE PROCESO
EJERCICIO
EJEMPLO - CEP por atributos

En los CEP por atributos, los límites de especificación que determina el

cliente se basan en parámetros cualitativos, pues se está determinando el
nivel de calidad aceptable (AQL), y será representado en términos de % de
defectuosos (Distribución binomial) o defectos cada X cantidad de
unidades (Distribución de Poisson).
De hecho, el valor de la tendencia central coincidirá con el promedio de
unidades defectuosas o cantidad de defectos, por lo que la evaluación de
capacidad se determina con una simple comparación entre el AQL del
cliente con el valor del proceso.

Nota: La especificación debe compararse de acuerdo al mismo

criterio que la carta de control. No es lo mismo evaluar el 10% de
unidades defectuosas contra una especificación del cliente que indica
10 defectos cada 100 unidades.
CAPACIDAD DE PROCESO
EJERCICIO
 Control Estadístico
5 de Procesos
Error Tipo I y II
Cartas de control y test de hipótesis
Suponga que en la carta de control el eje vertical representa el estadístico
muestral x .
Si el valor de x cae dentro de los límites de control, concluimos que
la media del proceso está bajo control.
m  m0
Por otra parte, si x excede cualquiera de los límites de control,
concluimos que la media del proceso está fuera de control.
m  m0
Gráfica de control del diámetro interno de anillos para pistón

74.02

El test de hipótesis quedaría de 74.015

74.01

la siguiente manera: 74.005

x
H0 : m  m 0
74

73.995

H1 : m  m 0
73.99

73.985

73.98

Región de rechazo 73.975

x  LIC ó x  LSC
73.97

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Subgrupo
Carta de control
Error tipo I y error tipo II
Riesgo del proveedor (Error tipo I)
 
  PError tipo I 2 2
 PRechazar H 0 H 0 es verdadera
m  m0
EJEMPLO: Tomando una muestra de una pieza cilíndrica, la media de dicha muestra arroja un
resultado por fuera de los Límites de Control (LCS o LCI) y se decide rechazar la Hipótesis H0
cuando en realidad es verdadera y el azar nos hizo tomar una mala decisión.
Riesgo del cliente (Error tipo II) (probabilidad de no detectar el cambio)

  PError tipo II
 PAceptar H 0 H 0 es falsa

mm0
EJEMPLO: Tomando una muestra de una pieza cilíndrica, la media de dicha muestra arroja un
resultado dentro de los Límites de Control (LCS o LCI) y se decide aceptar la Hipótesis H0
cuando en realidad es falsa, ya que la media efectivamente se ha corrido y el azar nos hizo
tomar una mala decisión. Esto se podría “aminorar” si la muestra fuera más grande o se
tomaran más muestras.
Potencia del test (probabilidad de detectar el cambio)
1    PRechazar H 0 H 0 es falsa
Carta de control
Error tipo I y error tipo II

Ho verdadera Ho falsa
(µ = µ0 → el proceso permanece (µ ≠ µ0 → el proceso se corrió
centrado) respecto a µ0)
Acepto Ho Sin error Error tipo II
(zona de aceptación: 1-α β
considero que es estable)

Rechazo Ho Error tipo I Sin error

(zona de rechazo: considero α 1-β
que no es estable)
Límites de control
Errores tipo I y tipo II
Al separar los límites de control de la línea central se reduce el riesgo del
error tipo I y se incrementa el riesgo del error tipo II

LSC2
LSC 2

LSC1
LSC 1

1 <  2 LC
LC
1 > 2

LIC1
LIC 1

LIC2
LIC 2
Límites de control
Errores tipo I y tipo II
Al acercar los límites de control de la línea central se incrementa el riesgo del
error tipo I y se reduce el riesgo del error tipo II

LSC

LC

LIC
Curva OC para la media
Para construir la Curva característica de operación se calcula la
probabilidad de que el estadístico muestral caiga entre los límites de control,
cuando la media del proceso es µ.

Probabilidad de que el
estadístico muestral   P( LIC  x  LSC | m  m1  m 0  s  m 0 )
caiga entre LIC y LSC

m1 LSC
x LC
m0

LIC
Curva OC para la media

𝐿𝐶𝑆 − (𝜇0 + 𝑘. 𝜎) 𝐿𝐶𝐼 − (𝜇0 + 𝑘. 𝜎)

𝛽=F 𝜎 −F 𝜎
𝑛 𝑛
Curva OC para la media
Se corre el µo del proceso por causas asignables

𝜇0 𝜇0 + 𝑘. 𝜎 Curva CO de la media
𝛽 = 𝑃 𝑒𝑟𝑟𝑜𝑟 𝑡𝑖𝑝𝑜 𝐼𝐼 = 𝑃(𝑛𝑜 𝑟𝑒𝑐ℎ𝑎𝑧𝑎𝑟 𝐻0 𝑐𝑢𝑎𝑛𝑑𝑜 𝐻0 𝑒𝑠 𝑓𝑎𝑙𝑠𝑎)
Probabilidad de no detectar β
el cambio
β(0)
𝛽 = 𝐹 𝑍𝐿𝐶𝑆 𝜇 = 𝜇0 + 𝑘. 𝜎 − 𝐹 𝑍𝐿𝐶𝐼 𝜇 = 𝜇0 + 𝑘. 𝜎

β↓
n

0 k k

LCI LCC LCS

𝝈 𝑿 𝝈
𝑿−𝟑 𝑿+𝟑
𝒏 𝒏

Subgrupo 1

Subgrupo 2 CARTA DE Si se corre µo del proceso k veces σ, por causas

CONTROL asignables, la carta de control debería detectarlo.
Subgrupo 3

Subgrupo 4
Curva OC para la media
H0 : m  m 0
𝛽 = 𝑃 𝑒𝑟𝑟𝑜𝑟 𝑡𝑖𝑝𝑜 𝐼𝐼 = 𝑃(𝑛𝑜 𝑟𝑒𝑐ℎ𝑎𝑧𝑎𝑟 𝐻0 𝑐𝑢𝑎𝑛𝑑𝑜 𝐻0 𝑒𝑠 𝑓𝑎𝑙𝑠𝑎)
H1 : m  m 0 H0 : m  m 0
Región de rechazo H1 : m  m 0
Probabilidad de no detectar el
x  LIC ó x  LSC cambio, cuando µ≠µo Región de rechazo
x  LIC ó x  LSC
Se corre el µo del proceso por causas asignables

Curva CO de la media
𝜇0 − 𝑘. 𝜎 𝜇0 𝜇0 + 𝑘. 𝜎
β

n
β↓
n↑

0 k k

LCI LCC LCS

𝝈 𝑿 𝝈
𝑿−𝟑 𝑿+𝟑
𝒏 𝒏

Si se corre µo del proceso k veces σ, por causas asignables, la carta de control debería detectarlo.
Curva OC para la media
Para CARTAS POR ATRIBUTOS

𝐿𝐶𝑆 − 𝑛 ∗ 𝑝 ′ 𝐿𝐶𝐼 − 𝑛 ∗ 𝑝 ′
𝛽=F −F
Carta np (𝑛 ∗ 𝑝)′ (𝑛 ∗ 𝑝)′
(𝑛 ∗ 𝑝)′ ∗ (1 − ) (𝑛 ∗ 𝑝)′ ∗ (1 − )
𝑛 𝑛

𝐿𝐶𝑆 − 𝑝 ′ 𝐿𝐶𝐼 − 𝑝 ′
Carta p 𝛽=F −F
𝑝′ ∗ (1 − 𝑝′) 𝑝′ ∗ (1 − 𝑝′)
𝑛 𝑛

Carta u 𝐿𝐶𝑆 − 𝑢 ′ 𝐿𝐶𝐼 − 𝑢 ′

𝛽=F −F
𝑢′ 𝑢′
𝑛 𝑛

𝐿𝐶𝑆 − 𝑐 ′ 𝐿𝐶𝐼 − 𝑐 ′
Carta c 𝛽=F −F
𝑐′ 𝑐′
Curva OC para la media
Longitud de la corrida promedio (ARL)
• Otra forma de enfrentar el problema de decidir sobre el
tamaño de muestra y la frecuencia de muestreo es
mediante “La Longitud de la Corrida Promedio” (ARL) de
la Gráfica de Control.
• La ARL (Average Run Length) es el número promedio de
puntos que deben graficarse antes de que un punto indique
una condición fuera de control.

LSC

LC

LIC

1 2 ... i i+1 ... ARL ...

ARL
Longitud de la corrida promedio (ARL)
1
• La ARL se calcula: ARL 
p
donde p es la probabilidad de que cualquier punto exceda los límites de control
(considerar las demás señales de descontrol).

• La longitud de la corrida promedio cuando el proceso está

bajo control se llama ARL0 y se calcula:
1
ARL0 

• La longitud de la corrida promedio cuando el proceso está
fuera de control se llama ARL1 y se calcula:
1
ARL1 
1 
Frecuencia de muestreo

 La situación más deseable para detectar

los cambios es tomar muestras grandes de
manera frecuente.
 Se presenta el problema económico.
 Opciones:
 Muestras pequeñas en intervalos cortos de tiempo
 Muestras grandes en intervalos largos de tiempo.
PROBABILIDAD DE DETECTAR
CAMBIOS
Supongamos que n=5 y k=1:
• La probabilidad de no detectar el cambio es: β = 77,75%
• La probabilidad de detectar el cambio es: 1-β = 22,25%
• La probabilidad de detectarlo en el segundo subgrupo es: β.(1-β) = 13,45%
• Luego la probabilidad de detectar un cambio en el x-ésimo subgrupo es:
β(x-1).(1-β)
• El valor esperado de subgrupo para la detección del cambio es:
ARL = 1/(1-β) = 4,49
• Luego el valor más probable para la detección del cambio: se da entre el 4
y 5 subgrupo.
PROBABILIDAD DE DETECTAR UN CAMBIO
EN UN DETERMINADO SUBGRUPO

• Llamamos X al subgrupo en el que se detecta el cambio luego de ocurrido.

• Si β es la probabilidad de no detectar el cambio, 1-β es la probabilidad de detectarlo.

X: subgrupo en P(X); para k´=1 y n=5

Prob. de detección del cambio
el que se detecta P(X) 25,00%
en el subgrupo X
el cambio. 20,00%
1 1-β 22,21%
15,00%

P(X)
2 β.(1-β) 17,28%
3 β2.(1-β) 13,44% 10,00%
4 β3.(1-β) 10,46% 5,00%
5 β4.(1-β) 8,13% 0,00%
--- --- --- 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
N βn-1.(1-β) X Subgrupo en que se detecta el cambio luego de ocurrido

La probabilidad de detectar el cambio en la media con un

corrimiento de k´=1σ, en el 1º subgrupo es del 22,21% Para X= 1, 2, 3, 4, 5, …, N

ARL = cantidad de subgrupos posibles

de detección de un cambio luego de
ocurrido éste.
TABLA ARL
A continuación se dan distintos valores de ARL para distintos valores de k´y n

n
k 2 3 4 5 6 7 8 9 10 15 20
0 370 370 370 370 370 370 370 370 370 370 370
0,5 91 61 44 33 26 21 18 15 13 7 4
1 18 10 6 4 3 3 2 2 2 1 1
1,5 5 3 2 2 1 1 1 1 1 1 1
2 2 1 1 1 1 1 1 1 1 1 1
2,5 1 1 1 1 1 1 1 1 1 1 1
3 1 1 1 1 1 1 1 1 1 1 1
3,5 1 1 1 1 1 1 1 1 1 1 1