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

Control estadístico
de calidad

Proceso de Muestreo de
control aceptación

Gráficos para
Gráficos para
Variables Atributos
variables atributos
 Características de
calidad
Variables Atributos
♦ Características que ♦ Características centradas
en los defectos.
se pueden medir
♦ Los productos se clasifican
(por ejemplo, el en productos “buenos” o
peso o la longitud). “malos”, o se cuentan los
♦ Pueden ser números defectos que tengan.
♦ Por ejemplo, una radio funciona
enteros o o no.
fracciones. ♦ Variables aleatorias
categóricas o discretas.
♦ Muchas variables
aleatorias.
 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.
 Control de procesos:
tres tipos de
resultados
(a) Bajo control y
capaz.
Proceso con sólo
causas naturales de
Frecuencia variación y capaz
de producir dentro
de los límites de
control
Límite inferior de establecidos.
Límite superior de
control control
(b) Bajo control pero
incapaz.
Proceso bajo control
(sólo están presentes
causas naturales de
variación), pero incapaz
de producir dentro de
los límites de control
(c) Fuera de control.
establecidos.
Proceso fuera de control,
Tamaño con causas imputables
(peso, longitud,
etc.) velocidad, de variación.
 Relación entre la
distribución de la población
y la distribución de las
muestras
Tres distribuciones de población Distribución de las medias de las muestras

Beta
Media de las medias de las = x
muestras Desviación σx
Normal = σx =
estándar de las n
medias de las
muestras
Unifor
me
− 3σ x − 2σ x −1σ x x + 1σ x + 2σ x + 3σ x
(media)
95,5% permanece dentro
de ± 2σ x
99,73% de todo x permanece
dentro de ± 3σ x
La distribución de las medias
en el muestreo y la
distribución del proceso
Distribución de
las medias en el
muestreo
Distribució
n de las
medias en
el proceso

x =µ
(media)
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.
 Fundamento teórico de
los gráficos de control
Teorema central del
límite
A medida la distribución
que tenderá a
aumente el seguir una
tamaño de curva de
las distribución
muestras, normal, sin
tener en cuenta
la distribución
de la población.

X
X
 Fundamento teórico de
los gráficos de control
Teorema central del
límite
Media Desviación
estándar
σx
X=µ σx =
n

X
X =µ
 Fundamento teórico de
los gráficos de control
Propiedades de la distribución
normal
95,5% de todo x 99,7% de todo x
permanece permanece
dentro de ± 2σ x dentro de ± 3σ x

x
x =µ
 Tipos de gráficos de
control
Varios datos Datos numéricos
numéricos Gráficos categóricos o
de control discretos

Gráfico de Gráfico de
variables atributos

Gráfico Gráfico Gráfico Gráfico

I X P C
 Pasos del control
estadístico de procesos

Producir un bien No
Salida Proporcionar un servicio

¿Causas
Tomar una muestra imputables?
Sí
Examinar la muestraDetener 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 2I De la
Tabla S6.1

LCL x = x −A 2I Interval
o de la
Media muestr
n de la a en el
∑ xi muestra
en el
tiempo i n
∑I i
x = i =1 tiempo 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, D3
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
UCLI = D 4I
De la Tabla
S6.1
LCLI = D 3I

n Intervalo de
∑I i muestras en
I = i =1 el tiempo i
n Número
de
muestras
 seguir cuando se
utilicen los gráficos de
♦Tomar de 20control
a 25 muestras de n =
4 o n =5 de un proceso estable y
calcular la media.
♦Calcular las medias totales, fijar de
forma aproximada los límites de
control y calcular los límites de
control superior e inferior. Si el
proceso aún no es estable, utilícese
la media deseada en lugar de la
media total para calcular los límites.
♦Representar las medias y los
intervalos de las muestras en sus
 seguir cuando se
utilicen los gráficos de
control
♦ Examinar los puntos o trazados que
indican que el proceso está fuera de
control. Determinar las causas de las
variaciones.
♦ Recoger más muestras y volver a
comprobar los límites de control.
 EJEMPLO

OBSERV A C IÓ N
NºMUES T R 1A S 2 3 4 I x
1 0 ,5 0 1 4 0 ,5 0 2 2 0 ,5 0 0 9 0 ,5 0 2 7 0 ,0 0 1 8 0 ,5 0 1 8 0
2 0 ,5 0 2 1 0 ,5 0 4 1 0 ,5 0 2 4 0 ,5 0 2 0 ,0 0 2 1 0 ,5 0 2 6 5
3 0 ,5 0 1 8 0 ,5 0 2 6 0 ,5 0 3 5 0 ,5 0 2 3 0 ,0 0 1 7 0 ,5 0 2 5 5
4 0 ,5 0 0 8 0 ,5 0 3 4 0 ,5 0 2 4 0 ,5 0 1 5 0 ,0 0 2 6 0 ,5 0 2 0 3
5 0 ,5 0 4 1 0 ,5 0 5 6 0 ,5 0 3 4 0 ,5 0 4 7 0 ,0 0 2 2 0 ,5 0 4 4 5
P ROM 0 ,0 0 2 1 0 ,5 0 2 7

IDEAL DE 20
A 25
 GRAFICO X

UCL x= x+ A 2I 0,5027+0,729(0.0021)=0
.5042

LCL x = x −A 2I 0,5027-
0,729(0.0021)=0.5012

0,5050
0,5040
0,5030 Serie1
0,5020
0,5010
0 1 2 3 4 5 6 7
 SI SE CONOCE DESV
STAND
UCL = X + Z DESV X
LCL = X + Z DESV X

UCL= 0,527+3 x (0,0012/

2)
X + Z ( DEV n)
 Gráficos I

UCLI = D 4I

LCLI = D 3I

UCL
=2,282(0,0021)=0,00479
LCL = 0(0,0021)=0
 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(1 −p)
UCL p = p +z z = 2 para límites
n del 95,5%; z = 3
para límites del
p(1 −p) 99,7%
LCL p = p − z
n
Número de
artículos
k k
∑ ni ∑ xi defectuosos en
n = i=1
y p = i =1 la muestra i
k
k
Tamaño de
∑ ni
i =1 la muestra i
 Ejemplo
Un gerente de banco revisa 2500
boletas de deposito al azar cada
semana
Semanas Defectos Proporción defectos
1 15 15/2500
2 12 0,0048
3 19 0,0076
4 2 0,0008
5 19 0,0076
6 4 0,0016
7 24 0,0096
8 7 0,0028
9 10 0,004
10 17 0,0068
11 15 0,006
12 3 0,0012
Total 147
 p (1 − p
UCL p
= p+ z
n

p (1 − p )
LCL p
= p −z
n

P=total defectos/nº de
observaciones
P= 147/(12x2500)=0,0049
UCL = 0,0049+3(0,0014)=0,0091
LCL = 0,0049- 3(0,0014)=0,0007
0 ,0 1 2
0 ,0 1
0 ,0 0 8
0 ,0 0 6
0 ,0 0 4
0 ,0 0 2
0
0 1 2 3 4 5 6 7 8 9 10111213
 Gráfico c
♦ Es un gráfico de control de atributos.
♦ Datos cuantitativos escasos.
♦ Muestra el número de registros defectuosos
que hay en una unidad.
♦ Una unidad puede ser una silla, una lámina de acero,
un automóvil, etc.
♦ El tamaño de la unidad tiene que ser constante.
♦ Ejemplo: Contar el número de registros
defectuosos (rasguños, astillas, etc.) en cada
silla de una muestra de 100 sillas y
representarlo en un gráfico.
Límites de control del
gráfico c

UCL c =c +3 c Utiliza 3
para
límites del
LCL c =c −3 c 99,7%

Número de
k registros
∑c i defectuosos en
c = i=1 la unidad i
Número de
k unidades de la
muestra
 Ejemplo
Un periódico tiene 20 defectos en promedio,
los dos primeros tienen 27 y 5 defectos
respectivamente.
20+2(raiz de 20)=28.94
20- 2(raiz de 20)=11.06
El primero esta dentro de control, el segundo
está fuera de control, pero es favorable
 Capacidad del proceso
Cpk
=  Límite de especificación superior −x
C pk  ,o
 3σ
x − Límite de especificación inferior

3σ 
donde x =media del proceso
σ =desviación estándar de la población del proceso

Supone que el proceso:

•está bajo control.
•tiene una distribución normal.
 ejemplo

Una fabrica de ampolletas produce

ampolletas con una vida promedio de
900 horas y una desviación estándar
de 48 horas. Las especificaciones de
diseño son 1000 horas +/- 200
Cp = 1200-8007(sigma 6 x 48)= 1.39
Especificación inferior 900-800/
(3x48)=0,69
Especificación superior 1200-900/
(3x48)=2.08
 Significados de las
medidas Cpk
Cpk = número negativo

Cpk = cero

Cpk = entre cero y 1

Cpk = 1

Cpk mayor de 1
¿Qué es el muestreo de
aceptación?
♦ Es un tipo de test de calidad utilizado para los
materiales comprados al exterior o los
productos acabados.
♦ Por ejemplo, componentes y materiales comprados.
♦ Procedimiento:
♦ Tomar una o más muestras de forma aleatoria de un
lote (cargamento) de productos.
♦ Examinar cada uno de los productos de la muestra.
♦ Decidir si se rechaza todo el lote basándose en los
resultados de la inspección.
 ¿Qué es un plan de
aceptación?
♦ Es un conjunto de procedimientos para
inspeccionar los materiales comprados al
exterior o los productos acabados.
♦ Identifica:
♦ el tipo de muestra,
♦ el tamaño de la muestra (n) y
♦ el criterio (c) utilizado para rechazar o aceptar un
lote.
♦ El productor (proveedor) y el consumidor
(comprador) deben negociar.
Curva de característica
operativa

♦ Representa la capacidad de un
plan de aceptación para
discriminar entre lotes buenos
y lotes malos.
♦ Muestra la probabilidad de
que el plan acepte lotes de
diferentes niveles de calidad.
 Curva OC
Inspección 100%
P(Aceptar todo el lote)

100
% Quedarse Devolver
con todo
todo el lote el lote

0%
0 1 2 3 4 5 6 7 8 9 10
Límite % de defectos
en el lote
 Curva OC con menos de
un muestreo del 100%
P(Aceptar todo el lote)
La probabilidad no es
100% del 100%: riesgo de
quedarse con
Quedars productos
e con defectuosos o
todo el devolver productos de
Devolver
lote buena todo
calidad.
el lote

0%
0 1 2 3 4 5 6 7 8 9 10
Límite % de defectos en el
lote
 AQL y LTPD
♦ Nivel de calidad aceptable (AQL):
♦ Nivel de calidad de un lote de buena calidad.
♦ El productor (proveedor) no quiere los lotes con
menos registros defectuosos de los que haya
rechazado el AQL.
♦ Porcentaje de defectuosos para la
tolerancia de un lote (LTPD):
♦ Nivel de calidad de un lote que consideramos
malo.
♦ El consumidor (comprador) no quiere lotes con
más registros defectuosos de los que acepta el
LTPD.
 Riesgo del productor y
del consumidor
♦ Riesgo del productor (α ):
♦ Probabilidad de que un “buen” lote sea
rechazado.
♦ Probabilidad de rechazar un lote cuando la
parte defectuosa sea AQL.
♦ Riesgo del consumidor (ß):
♦ Probabilidad de que se acepte un “mal” lote.
♦ Probabilidad de aceptar un lote cuando la
parte defectuosa sea LTPD.
Curva de característica
operativa (OC) que
muestra los riesgos
100
α = 0,05 riesgo del productor en AQL
95

75

Probabili
dad de
aceptació 50
n

25

10
β = 0,10 Porcent
Riesgo
0 1 2 3 4 5 6 7 8 aje de
del defecto
consumid AQL LTPD s
Lotes Lotes malos
or en la Zona de indiferencia
buen
LTPD os
 Curvas OC para
distintos planes de
muestras
P(Aceptar todo el lote)

100% n = 50, c =
1
n = 100, c
=2

0%
0 1 2 3 4 5 6 7 8 9 10
AQL LTPD
% de defectos en
el lote
Calidad media de salida

( Pd )( Pa )( N − n )
AOQ =
N

Donde: Pd = porcentaje real de unidades

defectuosas del lote
Pa = probabilidad de aceptar el lote
N = número de elementos del lote
n = número de elementos de la
muestra
 Desarrollo de un plan
de muestras
♦ Negociar con el productor
(proveedor) y el consumidor
(comprador).
♦ Ambas partes tratan de minimizar
los riesgos.
♦ Afecta al tamaño de la muestra y al
criterio del límite.
♦ Métodos:
♦ Tablas MIL-STD-105D.
♦ Tablas Dodge-Romig.
♦ Ecuaciones estadísticas.
Control estadístico de procesos:
identificación y reducción de la
variabilidad del proceso
Límite Límite
inferior de superior de
especificaci especificaci
ón ón
(a)
Muestreo de
aceptación

(b) Control
estadístico
de control

(c) cpk
>1