CAPÍTULO 5

control
estadístico de procesos.

Francisco Javier Miranda González

1.- CAUSAS DE VARIABILIDAD DE LOS PROCESOS.

Walter A. Shewhart
Causas comunes Proceso bajo control
Variabilidad
Causas especiales Proceso fuera de control

Diagrama de control
Representación gráfica de una característica de calidad,
medida o calculada a partir de una muestra,
en función del número de la muestra o del tiempo
 1.- CAUSAS DE VARIABILIDAD DE LOS PROCESOS.

GRÁFICO DE CONTROL
50
LSC
45

40

35

30

Lí ne a Ce ntral
25

20

15

10

LIC
5

0
1 2 3 4 5 6 7 8 9 10 11
 2.- la capacidad del proceso
Definimos el Intervalo de Tolerancia para una determinada característica de
calidad X como su conjunto de valores admisibles, de manera que un
producto fabricado fuera de esas tolerancias se considerará un producto sin
la calidad requerida, es decir, defectuoso.

Suponiendo que el proceso se encuentra bajo control y que la variable

aleatoria X sigue una distribución Normal de probabilidad N (8 , F) es fácil
comprobar cómo el 99,73% de las unidades fabricadas se encontrarán en un
intervalo, con respecto a la media del proceso, de tres veces su desviación
típica, por lo que la amplitud de dicho intervalo es 6F. A este intervalo se le
denomina Capacidad del Proceso

Definiremos el Índice o Indicador de Capacidad del proceso (IC) como el

cociente entre el rango de tolerancias del proceso y la capacidad del mismo:

LT 2  LT1
IC 
6
 2.- la capacidad del proceso

De esta forma si IC=1 (LT2-LT1=6F), diremos que aproximadamente el

0,27% de los productos fabricados por este proceso no cumplen las
tolerancias de fabricación del proceso y, por tanto, se consideran
defectuosos

Figura 5.1: Índice de Capacidad (IC=1)

-3 +3

LT1 LT2

6
 2.- la capacidad del proceso
Si el indicador de capacidad del proceso es superior a la unidad (IC>1) el
proceso fabricará un porcentaje de defectos inferior al 0,27%

Figura 5.2: Índice de Capacidad (IC>1)

LT1 -3 +3 LT2



6
2.- la capacidad del proceso
Por último si el tamaño del intervalo de tolerancias es inferior a la
capacidad del proceso, el índice de capacidad del proceso será
inferior a la unidad y, consiguientemente, el porcentaje de defectos
será superior al 0,27%

Figura 5.3: Índice de Capacidad (IC<1)

-3 LT1 LT2 +3



6
 2.- la capacidad del proceso

Tal y como hemos señalado, la capacidad del proceso se determinará

cuando el proceso se encuentre bajo control, ya que sólo entonces su
desviación típica (F) recogerá la variabilidad del mismo debido únicamente
a causas no asignables. Para verificar si el proceso se encuentra o no bajo
control estadístico emplearemos los siguientes gráficos de control:

A) Gráfico de Medias Muestrales

Tomaremos k muestras de n elementos cada una, de manera que

obtengamos una muestra aleatoria simple de nk elementos. Para cada una
de las k muestras calcularemos su media y su desviación típica:

n x ij  ij i
( x  x ) 2

xi   ; si  j 1
; i  1,2,..., k
j 1 n n
 2.- la capacidad del proceso
A continuación, estimaremos la media global del proceso y su desviación
típica:

k
xi S k
si
X  i 1 k
; ˆ 
c2
donde S 
i 1 k


LSC    3
n
Límites de control LC  

L IC    3
n
 Gráfico para desviaciones típicas Gráfico para rangos

Tamaño Factor para Factores para límites Factor para Factores para límites de
muestral línea central de control línea central control
n c2 B3 B4 d2 D1 D2 D3 D4
2 0,5642 0,000 3,267 1,128 0,000 3,686 0,000 3,276
3 0,7236 0,000 2,568 1,693 0,000 4,358 0,000 2,575
4 0,7979 0,000 2,266 2,059 0,000 4,698 0,000 2,282
5 0,8407 0,000 2,089 2,326 0,000 4,918 0,000 2,115
6 0,8686 0,030 1,970 2,534 0,000 5,078 0,000 2,004
7 0,8282 0,118 1,882 2,704 0,205 5,203 0,076 1,924
8 0,9027 0,185 1,815 2,847 0,387 5,307 0,136 1,864
9 0,9139 0,239 1,761 2,970 0,546 5,394 0,184 1,816
10 0,9227 0,284 1,716 3,078 0,687 5,469 0,223 1,777
11 0,9300 0,321 1,679 3,173 0,812 5,534 0,256 1,744
12 0,9359 0,354 1,646 3,258 0,924 5,592 0,284 1,716
13 0,9410 0,382 1,618 3,336 1,026 5,646 0,308 1,692
14 0,9453 0,406 1,549 3,407 1,121 5,693 0,329 1,671
15 0,9490 0,428 1,572 3,472 1,207 5,737 0,348 1,652
16 0,9523 0,448 1,552 3,532 1,285 5,779 0,364 1,636
17 0,9551 0,466 1,534 3,588 1,359 5,817 0,379 1,621
18 0,9576 0,482 1,518 3,640 1,426 5,854 0,392 1,608
19 0,9599 0,497 1,503 3,689 1,490 5,888 0,404 1,596
20 0,9619 0,510 1,490 3,735 1,548 5,922 0,414 1,586
21 0,9638 0,523 1,477 3,778 1,606 5,950 0,425 1,575
22 0,9655 0,534 1,466 3,819 1,659 5,979 0,434 1,566
23 0,9670 0,545 1,455 3,858 1,710 6,006 0,443 1,557
24 0,9648 0,555 1,445 3,895 1,759 6,031 0,452 1,548
25 0,9696 0,565 1,435 3,931 1,804 6,058 0,459 1,541
 2.- la capacidad del proceso
B) Gráfico de Desviaciones Típicas

Dado el tamaño muestral n y el valor medio de las desviaciones típicas

muestrales , obtendremos los valores tabulados B3 y B4 que señalarán el
Límite Superior de Control y el Límite Inferior de Control:

LSC  B 4S
LIC  B 3S
k
si
LC = S  
i 1 k

Si la desviación típica de alguna de las muestras queda fuera de los límites de

control del gráfico, eliminaremos dicha muestra y volveremos a definir los
parámetros del gráfico de control.
 2.- la capacidad del proceso

Si el proceso se encuentra bajo control estadístico y podremos determinar

la capacidad del mismo a través de la estimación de la desviación típica del
proceso.

Una vez determinada la capacidad del proceso, comparamos ésta con el

rango de tolerancias técnicas del producto para determinar el índice de
capacidad del proceso y seleccionar la frecuencia de muestreo adecuada.

Índice de capacidad Frecuencia de inspección

IC<1 Todas las unidades
1<IC<1,4 Intensiva (cada 15 ó 30 minutos)
1,4<IC<1,7 Moderada (cada hora)
1,7<IC<2 Cada 2 horas
IC>2 En función de la frecuencia de causas anómalas
 3.- GRÁFICOS DE CONTROL PARA VARIABLES.
Una característica de calidad medible, como dimensión, peso o volumen, se llama
variable

Diagrama de control de la media 

LSC    3
n
Límites de control LC  

L IC    3
n

Cuando se desconocen µ y F se estiman a partir de muestras preliminares

Estimador de la
desviación típica
3
LSC  X  R LSC  X  A2R
d 2 n
 R LC  X LC  X
 
d2 L IC  X 
3
R L IC  X  A 2 R
d 2
n
Diagrama de control de R

Variabilidad

LSC  R D 4

Límites de control LC  R
L IC  R D 3

¿Cómo controlamos
la variabilidad?
 Análisis de pautas de comportamiento
en los diagramas de control

1.- Puntos fuera de los límites de control

Análisis de pautas de comportamiento
en los diagramas de control

LSC (3 sigma)

LSC (2 sigma)

LÍNEA CENTRAL

LIC (2 sigma)

LIC (3 sigma)
 Análisis de pautas de comportamiento
en los diagramas de control
1.- Puntos fuera de los límites de control

2.- Existencia de tendencias o rachas

Análisis de pautas de comportamiento
en los diagramas de control

TENDENCIA

LSC (3 sigma)

LSC (2 sigma)

LÍNEA CENTRAL

LIC (2 sigma)

LIC (3 sigma)
Análisis de pautas de comportamiento
en los diagramas de control

RACHA

LSC (3 sigma)

LSC (2 sigma)

LÍNEA CENTRAL

LIC (2 sigma)

LIC (3 sigma)
 Análisis de pautas de comportamiento
en los diagramas de control

1.- Puntos fuera de los límites de control

2.- Existencia de tendencias y rachas

3.- Periodicidad o existencia de ciclos

Análisis de pautas de comportamiento
en los diagramas de control

PERIODICIDAD

LSC (3 sigma)

LSC (2 sigma)

LÍNEA CENTRAL

LIC (2 sigma)

LIC (3 sigma)
 Análisis de pautas de comportamiento
en los diagramas de control

1.- Puntos fuera de los límites de control

2.- Existencia de tendencias y rachas

3.- Periodicidad o existencia de ciclos

4.- Inestabilidad
Análisis de pautas de comportamiento
en los diagramas de control

INESTABILIDAD

LSC (3 sigma)

LSC (2 sigma)

LSC (1 sigma)

LÍNEA CENTRAL

LSC (1 sigma)

LIC (2 sigma)

LIC (3 sigma)
 Análisis de pautas de comportamiento
en los diagramas de control

1.- Puntos fuera de los límites de control

2.- Existencia de tendencias y rachas

3.- Periodicidad o existencia de ciclos

4.- Inestabilidad

5.- Superestabilidad
Análisis de pautas de comportamiento
en los diagramas de control

SUPERESTABILIDAD

LSC (3 sigma)

LSC (2 sigma)

LSC (1 sigma)

LÍNEA CENTRAL

LSC (1 sigma)

LIC (2 sigma)

LIC (3 sigma)
4.- GRÁFICOS DE CONTROL PARA ATRIBUTOS.
No se pueden representar en forma conveniente por números, debiéndose
clasificar cada producto inspeccionado como conforme o no conforme

Diagrama de control de la fracción de disconformes

Cociente del número de artículos disconformes en una población
entre el número total de artículos de la población

 n 
Distribución binomial P (D  x)    p
x
(1  p ) nx
 x

Límites de control p (1  p )
LSC  p  3
n
LC  p
p (1  p )
L IC  p  3
n

Límites de prueba: cuando se desconoce la fracción de disconformes de la

población
5.- GRÁFICOS DE CONTROL POR NÚMERO DE DEFECTO

Un mismo artículo puede poseer varios defectos o

disconformidades

De esta forma, si consideramos una variable aleatoria X definida

como el número de defectos que aparecen por unidad de
observación, dicha variable aleatoria se distribuye como una
Poisson de parámetro 8

k
ri
ˆ  
i 1 nk
. LC  n ˆ

LSC  n ˆ  3 n ˆ
LIC  n ˆ  3 n ˆ
 Tema 6

Introducción al control
estadístico de procesos.

Francisco Javier Miranda González