CONTROL DE CALIDAD

El control de calidad es el conjunto de todos

los esfuerzos llevados a cabo en la empresa
con el objetivo de obtener los productos o
servicios que garanticen las especificaciones
de diseño al mínimo costo.
 Control Estadístico del Proceso
Conocido también como SPC , es la aplicación
4

de técnicas estadísticas para medir y analizar

las variaciones de un proceso.
Un proceso productivo siempre presenta
variaciones, que pueden deberse a dos tipos
de causas:
 Las variaciones producidas por causas
aleatorias o causas naturales no se pueden
controlar. Se producen al azar. Afectan a
todos los procesos de producción y es
necesario preverlas siempre.
Las causas asignables si se pueden estudiar;
este hecho es bastante significativo, ya que
son las causas que contribuyen de forma más
importante a la variación total del proceso.
Se trata de causas debidas a la fatiga o a las
experiencias diferentes de los trabajadores, al
desgaste de las máquina, a los distintos
comportamientos de los materiales.
Es imposible obtener dos productos idénticos,
lo que genera, por tanto, la variabilidad del
proceso. Lo mismo sucede en las empresas de
servicios cuando dos operaciones no salen
nunca iguales.
El control estadístico del proceso intenta
identificar y controlar estas causas asignables.
Se dice que un proceso está funcionando bajo
control estadístico cuando las únicas causas de
variación son causas aleatorias.
Es preciso conducir el proceso hacia el control
estadístico, identificando y eliminando las
causas asignables. En este caso, cuando sólo
hay causas aleatorias, el proceso es predecible
y se puede determinar su aptitud para
satisfacer las necesidades de los
consumidores.
El objetivo del control del proceso es
proporcionar una señal estadística cuando
aparezcan causas asignables, con el fin de
poder tomar las medidas adecuadas para
eliminarlas.
Un proceso es una secuencia de pasos
dispuesta con algún tipo de lógica que se
enfoca en lograr algún resultado específico. El
concepto puede emplearse en el ámbito
jurídico, en el de la informática o en el de la
empresa.
Los procesos son mecanismos de
comportamiento que diseñan los seres
humanos para mejorar la productividad de
algo, para establecer un orden o eliminar
algún tipo de problema.
 ANALISIS DE LA CAPACIDAD DE UN
PROCESO
Con el procesos bajo control solo hay causas
aleatorias. Estas causas siempre se producen, no
se pueden controlar, y hacen que sea imposible
fabricar una serie de productos idénticos o
prestar un servicio igual al anterior.
La capacidad del proceso se define
como la amplitud del intervalo o
variabilidad del proceso cuando se
encuentra bajo control, es decir, en
ausencia de variaciones por causas
asignables.
La capacidad es una característica innata de
cada maquina o proceso, y es independiente
de las tolerancias del producto que fabrica.
Los estudios de capacidad son una
herramienta fundamental del control de
calidad. Es importante conocer lo que la
máquina o el proceso es realmente capaz de
hacer.
Cuando se hace el diseño de un producto, se
define la medida deseada o cuota nominal y un
cierto intervalo de tolerancia. Este intervalo se
establece por lo que sucede sobre el hecho
de que dos productos o dos servicios no
pueden ser nunca exactamente iguales.
El intervalo de tolerancia define aquellos
límites dentro de los cuales, a pesar de que un
artículo no tenga la medida exacta, el producto
continua siendo útil. Este campo de tolerancias
está delimitado por el Límite de Tolerancia
Superior (LTS) y el Límite de Tolerancia
Inferior (LTI).
Consideramos una pieza cilíndrica que fue
diseñada para que tuviese un diámetro de 10
mm, pero que se pudiese utilizar aunque el
diámetro fuese 0.05 mm mayor o menor.
En este caso el valor nominal para el diámetro
será de 10 mm, el LTS = 10 + 0.05= 10.05 mm, y
el LTI=10 – 0.05 = 9.95 mm. Por lo tanto, el
cilindro se aceptará mientras su diámetro esté
comprendido entre estos dos valores, 9.95 y
10.05 mm.
Cuando se fabrique este cilindro, será
necesario que el proceso de fabricación tenga
una variabilidad que no supere estos límites
de tolerancia, ya que en caso contrario, el
cilindro no tendría las medidas exigidas y
seria defectuoso.
Es decir, los límites de control de las medidas
del cilindro dadas por el proceso deberán ser
inferiores al campo de tolerancia definido en
el diseño del cilindro:
LTS > LVS > LVI > LTI
LVS es el Límite de Variación Superior, y LVI el
Limite de Variación Inferior de las medidas
dadas por el proceso.
Los límites de variación superior e inferior
definen las fronteras entre lo que es aceptable
y lo que no lo es para la característica que
estamos estudiando; en este caso, para el
diámetro del cilindro.
El análisis de la capacidad de un proceso trata
de medir una característica del diseño del
producto (longitud, peso, densidad, volumen,
etc.) de varias muestras (diferentes unidades
del producto) y hacer un gráfico de los
resultados en un histograma de frecuencias,
calculando la media y la desviación estándar
de la muestra.
Si la distribución resultante tiene forma de
campana (si la capacidad del proceso se
distribuye según una ley normal), la variación
entre una unidad y otra será aleatoria, y no
habrá variaciones por causas asignables.
Si la distribución no tiene un comportamiento
normal, probablemente estará afectada por
causas asignables, y mediante el histograma no
podremos conocer la verdadera capacidad del
proceso. Será preciso eliminar estas causas
asignables para poder saber la capacidad real del
proceso.
Con el ejemplo del cilindro, la capacidad del
proceso resultante más frecuente presentaría
los tres posibles histogramas siguientes:
 La situación del caso a presenta un
proceso desplazado hacia la derecha. Este
proceso se ajusta, ya que, a pesar de que las
variaciones se distribuyen siguiendo una ley
normal, la media está desplazada hacia la
derecha y el límite de variación superior
rebasa el límite de tolerancia.
 El proceso del caso b tampoco se ajusta a
este límite. Las variaciones siguen una
normal y la media está centrada, pero, al ser
un proceso de elevada variabilidad, los
límites de variación superan los límites de
tolerancia.
 El caso c presenta la situación ideal, ya que
las variaciones en el proceso se distribuyen
siguiendo una ley normal, y los límites de
variación se mantienen dentro de los límites
de tolerancia (y el proceso está centrado).
Cuanto más próximo estén los limites de
variación a los límites de tolerancia, mayor
riesgo habrá de que el proceso produzca piezas
defectuosas. Cuanto menor sea el campo de
variación, más preciso será el proceso.
Teniendo en cuenta que la capacidad se
asimila a variabilidad, será mejor cuanto
menor sea esta variabilidad.
Cuando la distribución corresponde a una ley
normal, como los casos anteriores, esta ley se
caracteriza por los dos parámetros siguientes:
• La media, m.
• La desviación estándar, s; es decir, la media
de la diferencia de los valores respecto a la
media.
En el eje horizontal representamos el diámetro
(puede ser su peso, longitud, etc.) y en el eje
vertical, la frecuencia:
A. Representamos las muestras del producto:
los diámetros varían de un cilindro a otros.
B. Después de tomar un número suficiente de
muestras de un proceso estable, estas muestras
forman una distribución de probabilidad.
C. Hay muchos tipos de distribuciones,
incluyendo la distribución normal. Las
distribuciones son diferentes en función a la
media, la desviación estándar y la forma.
D. Si solo están presentes las variaciones por
causas aleatorias, el resultado del proceso
forma una distribución que es estable a lo largo
del tiempo y que, por lo tanto, es predecible.
E. Si también hay algunas variaciones por
causas asignables, el resultado del proceso no
es estable a lo largo del tiempo y no es
predecible.
• Cuando aparecen causas que no son una
parte esperada de nuestro proceso,
nuestras muestras proporcionan
distribuciones inesperadas, que varían en la
media, la desviación estándar y la forma.
• El teorema central del límite es el fundamento
teórico de los gráficos de control. Este teorema dice
que, independientemente de que una distribución
de poblaciones se aparte de la normalidad, la
distribución de las medias de 𝑋ത (medias de las
muestras aleatorias) tenderá a la normalidad si el
tamaño de la muestra es lo bastante grande (n ≥ 4).
• El teorema dice que la media de la distribución de
ത será igual a la media de toda la
las X (es decir, 𝑋)
población (µ) y la desviación estándar (o desviación
típica) de la distribución de la muestra,𝜎𝑋ത , será la
desviación estándar de la población, 𝜎𝑋 , dividida por
la raíz cuadrada del tamaño de la muestra.
ത
𝑋 = µ y 𝜎𝑥ҧ = 𝑛
𝜎𝑥
Este teorema garantiza que las probabilidades
asociadas a los límites de control establecidos
serán aplicables siempre que trabajemos con
muestras de cuatro mediciones o más,
independientemente de cuál sea la
distribución de cual sea la distribución de las
mediciones individuales.
 Gráficos de control
Analicemos el siguiente cuadro, donde
aparecen tres distribuciones en función de los
resultados obtenidos por tres tipos de
procesos:
Los gráficos de control tienen como objetivo
distinguir las variaciones por causas
aleatorias de las variaciones por causas
asignables.
En el cuadro anterior podemos observar:
• En el caso a, el proceso está bajo control; es decir,
el proceso varía solo por causas aleatorias y es
capaz de producir dentro de los límites de control
establecidos.
• El caso b está también bajo control (el
proceso varía únicamente por causas
aleatorias), pero no es capaz de producir
dentro de los límites de control.
• En el caso c se presenta un proceso fuera de
control por motivo de variaciones por causas
asignables.
Un diagrama de control es una herramienta
gráfica para detectar las variaciones de la
calidad en la producción de determinados
procesos. Estos gráficos ayudan a obtener un
producto mejor basándose en el teorema
central del límite.
Según el teorema central del límite, la distribución
de las medias de las muestras sigue una
distribución normal, podemos afirmar que:
• El 99.7% de las veces, las medias de las
muestras se situarán entre ±𝜎𝑥 si el proceso sólo
tiene variaciones aleatorias.
• El 95.5% de las veces, las medias muestrales
se situarán entre ±2𝜎𝑥 , si el proceso sólo
tiene variaciones aleatorias.
Dado que los límites ocupan el 99.7% de la
producción, habrá que comprobar que están
comprendidos dentro de los límites de
tolerancia, ya que de lo contrario, una parte de
la producción será defectuosa.
• El 95.5% de las veces, las medias muestrales
se situarán entre ±2𝜎𝑥 , si el proceso sólo
tiene variaciones aleatorias.
Los límites de variación se calculan:

LV = 𝜇 ± 3𝜎𝑥
Si un punto del grafico de control se sitúa fuera
del ±3𝜎𝑥ҧ (límites de variación), estamos el
99.7% seguros de que el proceso ha
cambiado.
Fundamentalmente existen dos tipos de gráficos de
control:
• Gráfico de control por variables.
• Gráfico de control por atributos.
El eje vertical contiene la medida del atributo que se
quiere controlar, donde se sitúan los límites de
control inferior y superior (LCI y LCS), y un valor
central (VC) que corresponde a la media del
proceso. El eje horizontal es el tiempo.
 LCS Variación anormal
por razón de causas
asignables

Variación normal
VC por razón de causas
aleatorias

Variación anormal
LCI por razón de causas
asignables
Tiempo
 Gráficos de Control por Variables
En estos gráficos las mediciones se efectúan
sobre alguna característica de calidad
continua, como peso, longitud, velocidad,
densidad, volumen, etc.. Un tamaño continuo
significa que estas características tienen un
número infinito posible de valores.
Para llevar a cabo el seguimiento de un proceso
de naturaleza continua se utilizan los gráficos de
control para la media y el rango R.
Para empezar es necesario verificar si las
muestras utilizadas son representativas.
Será necesario tomar de 100 a 150 elementos,
agrupados en muestras de 4 o 5 unidades.
Tomamos 25 muestras de 5 unidades. Los valores
son los que aparecen en:
 Valores
Muestra Media Rango
Valor 1 Valor 2 Valor 3 Valor 4 Valor 5
1 15 14 13 14 14 14,0 2
2 16 14 12 13 15 14,0 4
3 13 15 15 11 12 13,2 4
4 15 15 14 15 18 15,4 4
5 14 13 16 14 14 14,2 3
6 16 15 15 15 16 15,4 1
7 15 14 15 16 15 15,0 2
8 15 14 15 15 16 15,0 2
9 14 16 14 14 13 14,2 3
10 14 18 14 14 13 14,6 5
11 12 13 12 12 15 12,8 3
12 15 15 12 15 11 13,6 4
13 15 18 15 14 14 15,2 4
14 16 15 15 13 15 14,8 3
15 13 16 16 15 16 15,2 3
16 18 17 15 13 14 15,4 5
17 14 12 14 14 17 14,2 5
18 15 13 14 14 15 14,2 2
19 16 14 14 12 15 14,2 4
20 14 16 18 14 19 16,2 5
21 14 18 13 13 18 15,2 5
22 13 19 15 14 14 15,0 6
23 13 14 15 14 18 14,8 5
24 14 12 11 16 12 13,0 5
25 17 14 15 13 17 15,2 4
Total 14,56 3,72
La media de las muestras se calcula:

𝑋1+𝑋2+⋯+𝑋 σ𝑛
𝑖=1 𝑥𝑖
𝑋ത = 𝑛
=
𝑛 𝑛
Para la primera muestra, la media obtenida es:

ത 15+14+13+14+14
𝑋1 = 5
=14,0
El rango de las muestras se calcula como la
diferencia entre el mayor valor observado y el
menor.
R= Máximo valor - mínimo valor
Por ejemplo, para la primera muestra tenemos
que el rango es:
R = 15 -13 = 2
1
Cuando acabemos de calcular las medias y los
rangos de todas las muestras, debemos calcular la
media para las X y para las R, de la forma
siguiente:
𝑋ത1 + 𝑋ത 2+ …+ 𝑋
ഥ σ𝐾 ത 𝑅1 + 𝑅2+ …+ 𝑅 σ𝐾
𝑖=1 𝑋𝑖 𝑖=1 𝑅𝑖
𝑋ത = 𝑘
= ; 𝑅ത = 𝑘
=
𝐾 𝐾 𝐾 𝐾
En el caso de nuestro ejemplo:

14,0+14,0+13,2+ …+14,8+13,0+15,2
ത
𝑋= = 14,56
25

2+4+4+ …+5+4
ത
𝑅= = 3,72
25
Calculado los valores medios de las X y de las R,
es decir, los valores de X y R, luego se deberá
encontrar los valores de los límites de control,
como se indica a continuación:
• Gráfico X:
- Valor central:VC = X
- Limite de control superior: LCS = + A2 . R
- Límite de control inferior: LCI = - A2 . R
• Gráfico R:
- Valor central: VC = R
- Límite de control superior: LCS = D4 . R
- Límite de control inferior : LCI = D3 . R
Los parámetros A2, D3 y D4 toman los siguientes
valores en función de la medida de la muestra n:
n 𝐀𝟐 𝐃𝟑 𝐃𝟒
2 1,880 0,000 3,267
3 1,023 0,000 2,575
4 0,729 0,000 2,282
5 0,577 0,000 2,115
6 0,483 0,000 2,004
7 0,419 0,076 1,924
8 0,373 0,136 1,864
9 0,337 0,184 1,816
10 0,308 0,223 1,777
Gráfico X:
- VC = 14.56
- LCI = 14.56 – 0.577 ∙ 3.72 = 12.414
- LCS = 14.56 + 0.577 ∙ 3.72 = 16.70644
Gráfico R:
- VC = 3.72.
- LCI = 0 ∙ 3.72 = 0
- LCS = 2.115 ∙ 3.72 = 7.868
Los gráficos X-R son los siguientes:
GRÁFICO X
GRÁFICO R
En este caso, con los gráficos tanto de las
medias como de los rangos, observamos que
el proceso está bajo control, ya que:
• Todos los puntos de los gráficos están dentro
de los límites de control.
• Los puntos no se agrupan de una forma
particular.
Se habría producido una anomalía; es decir, el
proceso estaría fuera de control y habría
causas asignables si:
• Algunos puntos estuviesen fuera de los
límites de control (incluyendo también los
puntos sobre los mismos límites).
• Los puntos presentasen una forma particular,
a pesar de estar todos dentro de los límites
de control.
Hay una serie de casos en los que los puntos
de los gráficos se presentan agrupados de una
forma particular:
• Ciclos. Un ciclo se produce cuando los
puntos aparecen únicamente a un lado del
valor central. Si alguno de estos ciclos
contiene 7 puntos, el proceso tendrá una
anomalía.
CICLOS
• Tendencias. Se produce cuando una serie de
puntos aumenta o disminuye continuamente.
Se considera anomalía cuando 7 o más
puntos siguen una tendencia.
TENDENCIAS
• Periodicidad. Se produce cuando los puntos
presentan la misma pauta de
comportamiento a lo largo de intervalos
iguales.
PERIOCIDAD
• Adherencia a la línea del valor central. Se produce
cuando los puntos de los gráficos de control
rodean el valor central a poca distancia. Para saber
si hay anomalías es preciso dibujar dos rectas en
el gráfico de control, de forma que dividan el
espacio entre el valor central y los limites de
control por la mitad. Si la mayoría de los puntos
cae dentro de estas dos rectas, se produce una
anomalía.
ADHERENCIA A LA LÍNEA DEL VALOR CENTRAL
ADHERENCIA A LAS LÍNEAS DE CONTROL
• Adherencia a las líneas de los límites de control.
Se produce cuando puntos del gráfico se sitúan
muy cerca de los límites de control. Para
determinarlo es necesario dibujar en el gráfico
cuatro rectas que dividan el espacio que hay entre
el valor central y cada límite de control en tres
partes. Habrá anomalía si 2 de 3 puntos, 3 de 7 o 4
de 10 caen dentro del tercio superior.
 Gráficos de precontrol
Se utilizan en el caso de procesos que
presentan muchas variación en la
característica de calidad que se estudia en
comparación con los límites de tolerancia.
GRÁFICO DE PRECONTROL
 Gráficos de control por atributos.
Un atributo es una característica de calidad
que no se puede medir. En este caso la
característica de calidad que se quiere
estudiar no es medible. En función de esta
distinción, así como del tipo de muestra
(constante o variable) hay diferentes tipos de
gráficas de control por atributos.
 TIPO DE LA MUESTRA
TIPO DE CONTROL
Constante Variable

Número de piezas
defectuosas Gráfico pd Gráfico p

Número de defectos
Gráfico c Gráfico u
• Gráfico p :
Se utiliza cuando un solo defecto es lo
bastante importante como para provocar el
rechazo del producto que se elabora. Se
controlará el porcentaje de piezas defectuosas
con muestras de medida variable, y se hará un
gráfico con la media y la dispersión del
proceso de producción.
Muestra Núm. Tamaño de la Número de
muestra piezas
defectuosas
1 115 15
2 220 18
3 210 23
4 220 22
5 220 18
6 255 15
7 440 44
8 365 47
9 255 13
10 300 33
11 280 42
12 330 46
13 320 38
14 225 29
15 290 26
16 170 17
17 65 5
18 100 7
19 135 14
20 280 36
21 250 25
22 220 24
23 220 20
24 220 15
25 220 18
Total 5.925 610
La proporción de piezas defectuosas p para
cada muestra se calcula:

𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑝𝑖𝑒𝑧𝑎𝑠 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑎𝑠 𝑝𝑑

P= =
𝑡𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎 𝑝
 Para la primera muestra obtenemos:
15
P= • 100= 13,04 %
115
La proporción media de piezas defectuosas se formula:

𝑝ҧ = σ 𝑝𝑑
σ𝑛

Tenemos que:
610
𝑝ҧ = = 10,30 %
5.925
Los límites de control serán:
• Valor central:
ത = 10,3
VC = 𝑃
• Límite de control superior:

𝑝ҧ .(1− 𝑝)ҧ 3 3
LCS = 𝑃ത + 3 . = 𝑝ҧ + 𝑃ത . (1 − 𝑃ത ) =0,103 + . 0,304
𝑛 𝑛 𝑛

• Límite de control inferior:

𝑝ҧ .(1− 𝑝)ҧ 3 3
LCI = 𝑃ത - 3 . = 𝑝ҧ + 𝑃ത . (1 − 𝑃ത ) =0,103 - . 0,304
𝑛 𝑛 𝑛
 Número de
Porcentaje
Muestra Tamaño de piezas LCS LCI
de defectos
núm. la muestra n defectuosas (%) (%)
p(%)
pd
1 115 15 13,04 18,80 1,79
2 220 18 8,18 16,44 4,15
3 210 23 10,95 16,59 4,00
4 220 22 10,00 16,44 4,15
5 220 18 8,18 16,44 4,15
6 255 15 5,88 16,00 4,59
7 440 44 10,00 14,64 5,95
8 365 47 12,88 15,07 5,52
9 255 13 5,10 16,00 4,59
10 300 33 111,00 15,56 5,03
11 280 42 15,00 15,74 4,85
12 330 46 13,94 15,31 5,28
13 320 38 11,88 15,39 5,20
14 225 29 12,89 16,37 4,22
15 290 26 8,97 15,65 4,94
16 170 17 10,00 17,29 3,30
17 65 5 7,69 21,60 0,00
18 100 7 7,00 19,41 1,18
19 135 14 10,37 18,14 2,45
20 280 36 12,86 15,74 4,85
21 250 25 10,00 16,06 4,53
22 220 24 10,91 16,44 4,15
23 220 20 9,09 16,44 4,15
24 220 15 6,82 16,44 4,15
25 220 18 8,18 16,44 4,15
Total 5.925 610
 Los valores de los límites de control superior e
inferior dependen del tamaño de la muestra.
Por lo tanto, en los gráficos p, los límites de
control no son rectas horizontales:
GRÁFICO P
THE END.