UNIDAD 3.

“CONTROL
ESTADÍSTICO DEL
PROCESO (CEP)”
- VARGAS MOYA KARLA IZBETH
- ESTRADA ESTRADA ANDRES
- JUÁREZ ÁLVAREZ MARCO URIEL
- TAPIA MORALES EDNA CAROLINA
3.1 “MEDICIÓN POR
VARIABLES”
 3.1 MEDICIÓN POR VARIABLES

La medición de las variables puede realizarse por medio de cuatro escalas de medición.

Se utilizan para ayudar en la clasificación de las variables, el diseño de las preguntas para medir variables, e
incluso indican el tipo de análisis estadístico apropiado para el tratamiento de los datos.

Una característica esencial de la medición es la dependencia que tiene de la posibilidad de variación. La

validez y la confiabilidad de la medición de una variable depende de las decisiones que se tomen para
operacionalizar y lograr una adecuada comprensión del concepto evitando precisiones y ambigüedad, por en
caso contrario, la variable corre el riesgo inherente de ser invalidada debido a que no produce información
confiable.
 VARIABLES CUALITATIVAS

A) Nominal:

· Caracteriza (describe o identifica) a un elemento de una población. No tiene magnitud ni intervalo

· Nominar a un sujeto u objeto en una categoría

· Categorías mutuamente excluyentes o independientes

Ejemplo:

Género masculino y femenino

 VARIABLES CUALITATIVAS

b. Ordinal:

· Ordenar a los sujetos u objetos según posean más o menos o a la misma cantidad de la
variable que se mide.

· Tiene magnitud pero no intervalo.

· No se reconoce la diferencia real de magnitud entre los sujetos clasificados:

· Aquí podemos utilizar las escalas de likert

La escala de Likert tiene el honor de ser uno de los ítems más populares y utilizados en las encuestas. A
diferencia de las preguntas dicotómicas con respuesta sí/no, la escala de Likert nos permite medir actitudes
y conocer el grado de conformidad del encuestado con cualquier afirmación que le propongamos. Resulta
especialmente útil emplearla en situaciones en las que queremos que la persona matiza su opinión. En este
sentido, las categorías de respuesta nos servirán para capturar la intensidad de los sentimientos del
encuestado hacia dicha afirmación.

Sería un ejemplo de Likert la afirmación “Estoy satisfecho con los productos de la empresa LexCorp” y la
escala de valoración:

(1) Totalmente en desacuerdo

(2) En desacuerdo

(3) Ni de acuerdo ni en desacuerdo

(4) De acuerdo

(5) Totalmente de acuerdo

 VARIABLES CUANTITATIVAS
a. Intervalo:

· Posee las propiedades de magnitud e intervalo igual entre unidades pero no posee un cero absoluto

· No permite multiplicación o divisiones.

· Tiene intervalos iguales y medibles. No tiene un origen real, por lo que puede asumir valores negativos

Ejemplo:

· Talla de la ropa

· Temperatura en Celsius -10°C 0°C 20°C

· Calificación de un examen
 VARIABLES CUANTITATIVAS

b. Razón:

· Posee tres atributos orden distancia origen

· permite multiplicación o divisiones

· Tiene intervalos constantes entre valores, además de un origen real.

Ejemplo:

· Peso 00.00 kg 10,24kg 200.00 kg

· Compras una dos tres

Las variables categóricas que engloban a las escalas nominal y ordinal pueden ser:

· Dicotómicas: tiene solamente dos categorías

Ejemplo: Satisfacción laboral SI - NO

· Politómicas tienen más de dos categorías,

Ejemplo: Lugar de nacimiento, clase social.

Las Variables numéricas que engloban a las escalas de intervalo y razón pueden ser:

· Continuas: proviene de medir

Se puede representar con números enteros o fraccionarios

Entre dos variables siempre existe un valor intermedio

· Discretas: provienen de contar, solamente pueden ser representados con números enteros.

Ejemplo: números de hijos

Medición por
atributos
Son gráficos de control basados en la
observación de la presencia o ausencia de una
determinada característica o de cualquier tipo
de defecto en el producto proceso o servicio en
el proceso
❖ Si esta condición no se cumple para alguna muestra
esta debería ser desechada para el cálculo de los
limites de control

❖ Se repetirán todos los cálculos sin considerar los

valores desechados

❖ El proceso se repetirá hasta que todas las muestras

utilizadas para el cálculo de los límites de control
muestran un proceso dentro del control

❖ Los límites, finalmente obtenidos, son los definitivos

para elaborar la gráfica de control
CARACTERISTICAS CUALITATIVAS;
Se observa si
cada artículo posee o no dichacaracterística
(ejemplos: rosca adecuadaen una tuerca,
existencia de poros en unapieza metálica, el
funcionamiento de uncomponente electrónico, la
aparición deburbujas en la pintura, servicio
adecuadoo reclamaciones).
términos importantes Disconformidad (defecto)
Estado, modo o condición con que se presenta una cualidad
(atributo) con una gravedad, cuantía o intensidad para que el
producto que la posee no cumpla con los requisitos de la
especificación.Unidad no conforme (unidad defectuosa)Unidad
de producto o servicio que contiene una o varias
disconformidades.
Gráfico U: no conformidades por unidad. Se emplea cuando
aparecen varios defectos en una misma unidad de producto o
servicio.
Gráfico C: número de defectos o no conformidades. Aplicable
si todas las muestras son del mismo tamaño “N”, siendo
utilizado, cuando las no conformidades se hallan dispersas en
un flujo más o menos continuo de producto.
❖ Establecer los objetivos del control estadístico del proceso.
❖ Identificar las características a controlar.
❖ Determinar el tipo de gráfico de control que es conveniente
utilizar, conjugando aspectos como:
❖ Tipo de información requerida
❖ Características del proceso
❖ Recursos humanos y materiales disponibles
❖ Características del producto
❖ Nivel de frecuencia de las unidades no conformes o defectos
Comprobación y análisis de resultados

❖ Si esta condición no se cumple para alguna muestra, esta deberá ser

desechada para el cálculo de los límites de control.
❖ Se repetirán todos los cálculos, sin considerar los valores desechados.
❖ El proceso se repetirá hasta que todas las muestras utilizadas para el
calculo de los limites de control muestren un proceso dentro de control.
❖ Los limites, finalmente obtenidos, son los definitivos para elaborar la
gráfica de control.
Contruccion de
variables
 3.3.1- X-R
1er paso: Hay que elegir la variable, tiene que ser
algún proceso que se pueda medir y adaptarse con numeros.

2do paso : Se llena la información en la parte superior de

la grafica.

3er paso: Se registran las medidas de las variables o

datos en los subgrupos.

4to paso: Se calcula el promedio de las muestras (X) en

cada subgrupo.

5to paso: Se calcula el rango de cada subgrupo.

Donde Xn son los promedios individuales en cada subgrupo y n es el numero total
de subgrupos.
7mo. paso: Calcular el rango promedio con la siguiente formula:

R = R1 + R2 + R3 + . . . Rn
n
8vo. paso: Se calculan los limites de control superior para el promedio de la
siguiente manera:

LCSX = X + A2 R
9no. paso: Se calculan los limites de control inferior para el promedio de la
siguiente manera:
LCIX = X - A2 R
10mo. paso: Se calcula el limite superior del rango.
LCSR= D4 R
11vo. paso: Se calcula el limite inferior del rango.
LCIR= D3 R
NOTA: A2 , D4 y D3 se localizan en la página de tabla estadística.
3.3.2 X-S
Se usa cuando no se dispone de todas las
mediciones de elementos que conforman la
población, es decir, cuando sólo se cuenta con
muestras grandes de datos.
Idéntica lo único que tenemos que hacer es obtener la media de nuestros datos y su respectiva desviación;
en este gráfico buscaremos tener grafica tanto de medias como la de desviaciones para ello es indispensable
que el aspecto de nuestro proceso o producto ya se encuentre bien establecido con una clase de estudio
variante y que la dimensión de nuestro sub-agrupación nos dé como resultado superior a dos. En este caso
cada localización que tracemos en nuestra gráfica que denominamos medias deberá ser la media de las
modelos de nuestro sub-agrupación.
Las fronteras que establecimos de control las debemos obtener acorde al
promedio de la desviación y definiremos un espacio que obtendremos tres por
cada extremo de nuestra media que obtuvimos. Acorde a lo que aprendí durante
mi curso de la materia es que es más recomendable utilizar las gráficas X-S ya
que tiene preferibles características ya que en este tenemos que calcular lo que es
la desviación y en la de X-R no es necesario obtenerla.

Grafica de medias: algunas ocasiones nuestra problemática presenta gran variabilidad

dentro de su información (datos).

Grafica de Desviación: De repente aparecerán algunas modificaciones bastantes

inesperado.
3.4. Construcción de cartas
de control por atributos
3.4. Construcción de cartas de control por atributos

La Calidad se ha convertido en los últimos años en uno de los factores decisivos más
importante entre los consumidores a la hora de elegir un producto o servicio.

La historia del concepto de la calidad se remonta a la preocupación por el trabajo bien

hecho, por tanto, siempre ha existido un concepto intuitivo de la calidad.
3.4. Construcción de cartas de control por atributos

Muchas características de calidad no se miden en una escala continua o en una escala cuantitativa. En
estos casos, cada unidad del producto puede juzgarse como conforme o disconforme en base a si posee
o no ciertos atributos, o puede contarse el número de disconformidades (defectos) que aparecen en una
unidad del producto.

Los gráficos de control por atributos constituyen la herramienta esencial utilizada para controlar
características de calidad con sólo dos situaciones posibles, como por ejemplo: conforme/disconforme,
funciona/ no funciona, defectuoso/no defectuoso, presente/ausente, etc.;
3.4. Construcción de cartas de control por atributos

Por lo general, los gráficos por atributos no ofrecen

tanta información como los gráficos por variables, ya
que una medición numérica es más informativa que la
sola clasificación de una unidad como conforme o
disconforme.

Aun así, los gráficos por atributos son muy útiles en el

sector servicios y en los esfuerzos de mejora de la
calidad fuera de la manufactura, ya que no es fácil
medir en una escala numérica un gran número de las
características de calidad que se encuentran en estos
escenarios.
3.4. Construcción de cartas de control por atributos

También en algunas ocasiones se tratan características por variables como

atributos, en el caso de que sólo se considere si se cumplen o no las
especificaciones de calidad sin importar cuál es el valor concreto de dicha
variable. Las especificaciones de calidad son las medidas deseadas de las
características de la calidad en un producto. Las características de calidad se
evalúan con respecto a estas especificaciones.
3.4. Construcción de cartas de control por atributos

En el uso de este tipo de gráficos han de considerarse las siguientes limitaciones:

- Es necesario tomar muestras de tamaño grande para obtener información significativa.

- Son aplicables a procesos que presentan cantidades considerables de disconformidades

(defectos), o unidades no conformes (defectuosas).

- No avisan de cambios adversos en el parámetro que queremos controlar en el proceso hasta

que se han registrado un mayor número de defectos o unidades no conformes.
3.4. Construcción de cartas de control por atributos

Por otra parte, el uso de estos gráficos de control comporta las siguientes ventajas:

- La recogida de información de atributos es rápida y poco costosa.

- Se pueden aplicar a cualquier tipo de característica.

- Permiten identificar las causas especiales de variación que afectan al proceso cuando los valores
representados en la gráfica se salen de los límites de control especificados, es decir, cuando el proceso
está estadísticamente fuera de control.
3.4. Construcción de cartas de control por atributos

Las aplicaciones más frecuentes de estos gráficos son las siguientes:

- En el control de características de calidad del tipo conforme/defectuoso o muy costosas de medir en

una escala numérica.

- En una primera toma de información en el proceso para detectar las operaciones que provocan más
defectos.

- En el control de procesos que generan cantidades grandes de defectos.

3.4. Construcción de cartas de control por atributos

En este artículo se presentan gráficos de control por atributos en dos grupos:

• Se puede comparar un producto con un estándar y se clasifica como defectuoso o no (gráficos p y np)

• En algunos productos, la existencia de un defecto no necesariamente conlleva a que el producto sea

defectuoso; en tales casos, puede resultar conveniente clasificar un producto según el número de
defectos que presenta (gráficos c y u).

Es importante notar que los gráficos p y u permiten trabajar con muestras de tamaños diferentes,
mientras que los gráficos np y c están diseñados para muestras de tamaño constante.
3.4. Construcción de cartas de control por atributos

LOS GRÁFICOS np y p

Los gráficos np y p se utilizan para controlar la proporción de piezas defectuosas que genera el proceso;
el primero exige que el tamaño de muestra sea constante mientras que el segundo no.

LOS GRÁFICOS c Y u

Los gráficos c y u sirven para controlar el número de defectos; el primero exige que el tamaño de
muestra sea constante, mientras que este requisito no es necesario en el gráfico u.
3.4.1. Gráficas p.
El gráfico p es un gráfico de control del porcentaje o fracción de unidades defectuosas (cociente entre
el número de artículos defectuosos en una población y el número total de artículos de dicha población).

Este tipo de gráfico se basa en la evaluación del número de unidades defectuosas en muestras de
tamaño variable tomadas a intervalos fijos de tiempo. Se utiliza cuando en un muestreo no puede
mantenerse constante el tamaño de muestra.
3.4.1. Graficas p.
3.4.1. Gráficas p.

Los principios estadísticos que sirven de base al diagrama de control p se basan en la distribución
Binomial: supóngase que el proceso de producción funciona de manera estable, de tal forma que la
probabilidad de que cualquier artículo no esté conforme con las especificaciones es p, y que los
artículos producidos sucesivamente son independientes. Representando por Xi al número de artículos
defectuosos en la muestra i-ésima, tendremos que Xi ≈ B(ni, p).
3.4.2. Gráficas np.

Los gráficos np se aplican al mismo tipo de procesos que en el caso anterior. La diferencia está en que,
en lugar de contabilizar la proporción de unidades defectuosas en una muestra, se considera el número
de unidades defectuosas en la muestra, para ello se toman de forma sistemática muestras de tamaño
constante a intervalos fijos de tiempo. Este tipo de gráficos permite analizar el número de artículos
defectuosos para así poder detectar la posible existencia de causas especiales en el proceso productivo.
En cada muestra se evalúa el número de unidades defectuosas, independientemente de que se presentan
varios defectos en alguna unidad.

Los principios estadísticos que sirven de base al gráfico de control np se basan en la distribución
Binomial, al igual que en el gráfico p explicado anteriormente.
3.4.2. Gráficas np.
3.4.3. Graficas c.

Este tipo de gráfico controla la evolución de los defectos presentes en muestras de tamaño constante
tomadas a intervalos fijos de tiempo.

El gráfico c está basado en el número total de defectos o de no conformidades en la producción. Los

principios estadísticos que sirven de base al gráfico de control c se basan en la distribución de Poisson.
3.4.3. Graficas c.
3.4.4. Graficas U.

Este tipo de gráfico representa los defectos por unidad presentes en muestras tomadas a intervalos fijos
de tiempo. Al trabajar en defectos por unidad este gráfico u permite trabajar tanto con muestras de
tamaño fijo como variable.

Se utiliza cuando en un muestreo como el definido para el gráfico c, no puede mantenerse constante el
tamaño de la muestra. Debido a ello se trabaja con tasa de defectos por unidad.
3.4.4. Gráficas U.
3.5 Cómo leer
gráficas de control
 CÓMO LEER GRÁFICAS DE CONTROL

Una gráfica de control es un diagrama que sirve para examinar si un proceso se encuentra en una condición
estable, o para asegurar que se mantenga en esa condición.

En estadística, se dice que un proceso es estable (o está en control) cuando las únicas causas de variación
presentes son las de tipo aleatorio.

En esta condición se pueden hacer inferencias con respecto a la salida del proceso, esto es, la característica de
calidad que se esté midiendo. En cambio, la presencia de causas especiales o asignables hace que el proceso se
desestabilice, impidiendo la predicción de su comportamiento futuro.
Cómo leer gráficas de control
Con base en la información obtenida en intervalos determinados de tiempo, las gráficas de control
definen un intervalo de confianza: Si un proceso es estadísticamente estable, el 99.73% de las veces
el resultado se mantendrá dentro de ese intervalo.

La estructura de las gráficas contiene una “línea central” (LC), una línea superior que marca el “límite
superior de control” (LSC), y una línea inferior que marca el “límite inferior de control” (LIC). Los
puntos contienen información sobre las lecturas hechas; pueden ser promedios de grupos de lecturas,
o sus rangos, o bien las lecturas individuales mismas. Los límites de control marcan el intervalo de
confianza en el cual se espera que caigan los puntos.
 Cómo leer gráficas de control

Las gráficas de control sirven para:

1. Determinar el estado de control de un proceso

2. Diagnostica el comportamiento de un proceso en el tiempo
3. Indica si un proceso ha mejorado o ha empeorado
4. Permite identificar las dos fuentes de variación de un proceso
5. Sirve como una herramienta de detección de problemas
 Cómo leer gráficas de control
Fuentes de Variación en un Proceso

1. Causas Asignables o Especiales

Son los factores esporádicos que desestabilizan el sistema

Su identificación es inmediata y fácil

2. Causas Comunes o Naturales

Son los factores que afectan en poco la variabilidad del sistema

Su presencia es aleatoria y no son de fácil detección
Generalmente están relacionadas con aspectos administrativos
 Cómo leer gráficas de control
Consideraciones previas

Antes de establecer una gráfica de control, es necesario definir con claridad los siguientes puntos: el
propósito de la gráfica, el aspecto que se va a considerar, y la unidad de donde se va a tomar la muestra.

Tipos de gráficas de control

1. Gráficas de Control de Variables

– Gráfica x – R Promedios y rangos

– Gráfica x – s Promedios y Desviación Estándar
– Gráfica x – R Medianas y Rangos
– Gráfica x – R Lecturas Individuales y Rangos
 Cómo leer gráficas de control
2. Gráficas de Control por Atributos

– Gráfica p Porcentaje de unidades o procesos defectuosos

– Gráfica np Número de unidades o procesos defectuosos
– Gráfica c Número de defectos por área de oportunidad
– Gráfica u Porcentaje de defectos por área de oportunidad

Las gráficas de control son comúnmente utilizadas para monitorear el control estadístico del proceso o SPC
por sus siglas en inglés. Esta última herramienta, así como el APQP, PPAP, AMEF y MSA pertenecen al grupo
de herramientas conocidas como Core Tools del sector automotriz, que es un requerimiento del ISO/TS
16949.
3.6 Índices de
capacidad y análisis
de tolerancias
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:
 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
 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%
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%
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: