CONTROL ESTADÍSTICO DE CALIDAD

• Consiste en medir las características

de calidad de un producto o servicio
comparando con las especificaciones o
requisitos y si existen discrepancias
(variaciones ) realizar las correcciones
correspondientes, ello en base al
muestreo y la inspección del
producto.
 CLASIFICACIÓN DE LOS MÉTODOS ESTADÍSTICOS
DE CONTROL DE CALIDAD

METODOS ESTADISTICOS DE C.C.

CONTROL ESTADISTICO DE
MUESTREO DE ACEPTACIÓN
PROCESOS (GRAFICOS O CARTAS
(PLANES DE MUESTREO)
DE CONTROL)

PARA PARA
VARIABLE ATRIBUTOS
VARIABLE ATRIBUTOS

• Cartas para la media • Cartas P

• Cartas para el rango • Cartas nP
 VARIACIÓN
A pesar de las estrictas medidas o normas de
calidad en las operaciones de manufactura,
producción y prestación de servicios se
presentan variaciones en la calidad del
producto y/o servicio.

CAUSAS DE LA VARIACIÓN

CAUSAS
CAUSAS COMUNES
ASIGNABLES
 CAUSAS COMUNES

Llamadas también aleatorias o no

asignables, su naturaleza es de tipo aleatorio
debido a la propia variación natural del
proceso y como consecuencia el proceso
tiene un comportamiento estable en el
tiempo.
Este tipo de causa no es controlado por el
fabricante y/o prestador de servicio.
Por lo tanto el proceso no necesita ser
ajustado o el proceso está bajo control.
• Ejemplo.

* Variación debido a la materia prima.

* Variación debido a la diferencia de
habilidad entre personal.
* variación debido a factores ambientales,
etc.
 CAUSAS ASIGNABLES

Estas causas aparecen esporádicamente en

el proceso, de forma que cuando actúan
producen efectos definidos y cuando se
elimina la causa se elimina la variación
producida.
Como consecuencia se tiene un proceso
inestable sobre la que no se puede predecir
la homogeneidad de las características de
salida.
• Ejemplo.
* Desajuste de maquinaria.
• Errores humanos.
• Fallas de controles.
• Lotes defectuosos.

Detectados a tiempo pueden ser

corregidos y ajustados y así mejorar el
proceso.
 PROCESO BAJO CONTROL
• Un proceso se encuentra bajo control cuando
el proceso se encuentra afectado por causas
aleatoria.
• Si la variación del proceso se debe a causas
asignables entonces el proceso está fuera de
control, eliminando sucesivamente estas
causas se hace que el proceso esté bajo
control.
Por lo tanto el control de un proceso se inicia
con la comprensión de la variabilidad , cuyo
objetivo final del C. Estad. De calidad es su
eliminación.
•Una herramienta esencial para
llevar a cabo el control estadístico
de procesos son los graficas o
cartas de control.
 CARTAS DE CONTROL

• Es una herramienta estadística utilizado

para detectar variaciones de la calidad
de un producto o servicio durante el
proceso. Ello garantiza que el producto o
servicio cumpla con ciertas
especificaciones de fabricación y
estándares de calidad (vigilancia)
 ESTRUCTURA DE UNA GRAFICO DE
CONTROL

Limite de control superior (LCS)

Características de calidad

Línea central (Representa valor promedio de la característica de calidad)

Limite de control inferior (LCI)

Numero de muestras
EJEMPLOS DE GRAFICAS DE CONTROL
•Un punto que está fuera de los
limites de control , mostrará
evidencia que el proceso está fuera
de control y es necesario indagar la
causa y tomar la acción correctiva
necesaria para eliminarlo.
•Se tendrá un alto riesgo de situación
fuera de control si los puntos se
agrupan en forma sistemática
dentro de los limites de control o
muestran una tendencia.
 CARTAS DE CONTROL POR VARIABLES

• Una característica que se mide en una

escala numérica se denomina una
variable.
Por ejemplo temperaturas, dimensiones,
volumen, tiempo, etc.
Las cartas de control de son
ampliamente utilizadas para monitorear la
media y la variabilidad de las variables, con
objeto de evitar o minimizar que se tengan
productos y/o servicios fuera de
especificaciones y estabilizar los procesos.
CARTAS DE CONTROL DE MEDIAS (Media y
desviación estándar del proceso conocidos)

CRITERIO 3σ :
Regla empírica que establece que el 99,7% de todas las
observaciones en una distribución normal estarán dentro
de ese rango
CARTAS DE CONTROL DE MEDIAS (Media y
desviación estándar del proceso desconocidos)

En la práctica los límites de control se

estiman a partir de 20 o 25 muestras
preliminares o subgrupos, el tamaño de
subgrupo es de 4, 5 o 6 normalmente. Si se
tienen k subgrupos, la gran media se
calcula como sigue:
Estimación de la media global
k

X i Representa la línea central de la carta de

X  i 1 medias.
k
 Estimador de  del proceso
Para estimar la  del proceso, se
pueden utilizar los rangos de los
subgrupos, para cada uno de los
subgrupos el rango es calculado
como:
R = xmax – xmin

Si R1, R2, ....., Rk , son los rangos de los

diferentes subgrupos, el rango promedio
es:
k

R i
Ri: Rango de la i e -esima
R i 1

k muestra
 Luego :

R
 d2 : Son los valores dados.
d2

Criterio probabilístico:

z zR
LSC  X  X Límite superior de control (LSC)
n d2 n

X Línea central (LC)

z zR
LIC  X  X  Límite inferior de control (LIC)
n d2 n
Criterio 3 sigma
3
LSC  X  X
3R Límite superior de control (LSC)
n d2 n

X Línea central (LC)

3 3R
LIC  X  X Límite inferior de control (LIC)
n d2 n

Si se define 3
A2 
d2 n
se tienen las ecuaciones siguientes:

LSC = X + A
2 R
LSC = X - A
2 R
El valor de A2 se encuentra tabulado en una tabla de constantes.
GRAFICAS DEL RANGO
La variabilidad del proceso puede controlarse
representando los valores de R de muestras
sucesivas en un diagrama de control
Para el caso de los rangos, la línea central es R
El estimador para R puede hallarse
La desviación estándar de R es:
R = d3 
Como  es desconocida, se puede estimar de  = R / d2, resultando

R
 R  d3
d2
Criterio probabilístico

LSC = R + z R = R + z d3
R
d2
R
LIC = R - z R = R - z d3
R
d2
 Criterio 3
De esta forma los límites de control para el rango son:

LSC = R + 3 R = R + 3 d3
R
= R[ 1 + 3 d3
] = D4 R
d2 d2

LSI = R - 3 R =R - 3 d3
R
= R [1 - 3
d3 = D3 R
d2 d 2]

Donde las constantes A2, d2 D3 y D4 se

encuentran tabuladas en función de n
para facilitar el cálculo de los límites de
control como sigue:
 CARTAS DE CONTROL PARA ATRIBUTOS

• Muchas características de calidad no pueden ser

representadas numéricamente, denominándose
atributos. En tales casos cada artículo o servicio
completo se clasifica como conforme o no
conforme a especificaciones y/o estándares, es
decir como defectivo o no defectivo, no
defectuoso o defectuoso, bueno o malo,
discrepante o no discrepante.
• Para controlar productos defectivos o no
conformes, se utiliza la carta de control p de
fracción defectiva o la np para el número de
defectivos o de no conformes. Se aplica a
productos y/o servicios simples (tornillos, lápices,
botellas, etc.)
CARTA DE CONTROL PARA FRACCIÓN NO
CONFORME - p
• La fracción no conforme es la relación entre el
número de artículos discrepantes entre el total de
artículos, se expresa como fracción decimal,
aunque también se puede expresar en
porcentaje. El artículo o servicio puede tener
varias características de calidad que son
examinadas por un inspector, si el artículo no
está de acuerdo a los estándares, se le
considera como defectuoso o no conforme.

• La fracción defectiva o no conforme en la

muestra se define como la relación entre el
número de unidades no conformes D al tamaño
de muestra n, o sea:
La distribución de este estadístico sigue la distribución
binomial por tanto:
__
p p (1  p )
 2p 
n

Por tanto los límites de control de la carta p son:

Criterio 3 
__ __
__
p(1  p ) p: Proporción de artículos
LSCp = p 3 defectuosos o disconformes
n
__
LCp = p
__ __
__
p(1  p )
LICp = p 3
n

Criterio probabilistico: Solo se sustituye 3 por z.

 CARTA DE CONTROL np
• O diagramas de control de la fracción de
disconformes
• En lugar de tener fracciones no conformes, si el
tamaño de muestra es constante, se pueden utilizar
directamente el número de artículos defectivos o no
conformes np, para evitarle operaciones aritméticas
al operador, los parámetros de esta carta son:
Criterio 3 
Si no se conoce el valor
LSC np  np  3 np(1  p) de p, se puede estimar
con la p El número de
defectivos o no
LCnp  np conformes es un entero,
por tanto es más fácil de
LIC np  np  3 np(1  p) graficar e interpretar por
los operadores que llevan
el C.E.P.
Criterio probabilistico: Solo cambiar 3 por z.
Ejemplos