Control estadístico de

procesos
 Control estadístico de procesos
(CEP)
Mide el funcionamiento de un
proceso.
Se utilizan las matemáticas
(estadística).
Es necesario una recolección,
organización e interpretación de
los datos.
Objetivo: proporcionar una señal
estadística cuando aparezcan causas de
variación imputables.
Se usa para:
controlar el proceso de producción y
examinar las muestras de los
productos finalizados.
Tipos de control estadístico de
procesos
Proceso de
control

Gráficos para Gráficos para

variables atributos
 Características de calidad
Variables Atributos
 Características que se  Características centradas en
pueden medir (por los defectos.
ejemplo, el peso o la  Los productos se clasifican en
longitud). productos “buenos” o
 Pueden ser números “malos”, o se cuentan los
enteros o fracciones. defectos que tengan.
 Muchas variables  Por ejemplo, una radio funciona o
no.
aleatorias.
 Variables aleatorias
categóricas o discretas.
 Control estadístico de procesos
(CEP)
 Es una técnica estadística que se usa para asegurar
que los procesos cumplen con los estándares.
 Todos los procesos están sujetos a ciertos grados
de variabilidad.
 Causas naturales: Variaciones aleatorias.
 Causas imputables: Problemas corregibles.
 Maquinaria de desgaste, trabajadores no cualificados, material de
baja calidad.
 Objetivo: Identificar las causas imputables.
 Se usan los gráficos de control de procesos.
 Gráficos del proceso de control

Representación de la muestra de datos en el tiempo

80
Valor de muestra

Valor
60 de muestra
UCL
40
Media
20
LCL
0
1 5 9 13 17 21
Tiempo
 Objetivos de los gráficos de
control
 Mostrar los cambios que se han producido en
los datos.
 Por ejemplo, las tendencias.
 Realizar las correcciones antes de que el proceso esté fuera
de control.
 Mostrar las causas de las variaciones en los
datos.
 Causas imputables.
 Los datos situados fuera de los límites de control o la
tendencia en los datos.
 Causas naturales.
 Variaciones aleatorias alrededor de la media.
Pasos del control estadístico de
procesos

Producir un bien No
Salida Proporcionar un servicio

¿Causas
Tomar una muestra imputables?
Sí
Examinar la muestra Detener el proceso

Crear
Descubrir el porqué
gráfico de control
 Gráfico X

 Es un gráfico de control de variables.

 Intervalo o información numérica en escala.
 Muestra la media de las muestras a lo largo
del tiempo.
 Muestra la media del proceso.
 Ejemplo: Pesar muestras de café, calcular la
media de las muestras y representarlo en un
gráfico.
Límites de control del gráfico X

UCL x = x + A 2 I De la Tabla
S6.1

LCL x = x - A 2 I Intervalo
de la
Media de la muestra en
n muestra en el tiempo i
 xi el tiempo i n
 I i
x = i = i =1
I =
n n
Número de
muestras
Factores para calcular los límites
de los gráficos de control
Tamaño de la Factor de la Intervalo Intervalo
muestra, n media, A2 superior, D4 inferior, D 3
2 1,880 3,268 0
3 1,023 2,574 0
4 0,729 2,282 0
5 0,577 2,115 0
6 0,483 2,004 0
7 0,419 1,924 0,076
8 0,373 1,864 0,136
9 0,337 1,816 0,184
10 0,308 1,777 0,223
0.184
 Gráfico I
 Es un gráfico de control de variables.
 Intervalo o información numérica en escala.
 Muestra el intervalo de las muestras a lo
largo del tiempo.
 Diferencia entre el valor más grande y el más
pequeño de la muestra que se haya examinado.
 Controla la variabilidad del proceso.
 Ejemplo: Pesar muestras de café, calcular el
intervalo de las muestras y representarlo en
un gráfico.
 Límites de control del gráfico I

UCL I = D 4I
De la Tabla S6.1

LCL I = D 3I

n Intervalo de
 I i muestras en el
I = i =1 tiempo i
n Número de
muestras
 Gráfico p
 Es un gráfico de control de atributos.
 Datos categóricos en escala.
 Por ejemplo, bueno-malo.

 Muestra el tanto por ciento de los artículos

defectuosos.
 Ejemplo: Contar el número de sillas
defectuosas, dividirlo entre el total de las sillas
que se han examinado y representarlo en un
gráfico.
 Una silla puede ser defectuosa o no defectuosa.
Límites de control del gráfico p

p ( - p )
UCL p
= p+z z = 2 para límites del 95,5%;
n z = 3 para límites del 99,7%

p ( - p )
LCL p
= p-z
n
Número de artículos
defectuosos en la
k k
 ni  xi muestra i
n = i =
y p = i =1
k
k
Tamaño de la
 ni
i =1 muestra i
Patrones especiales