Sesión 4:

Gráficos de control de procesos

www.senati.edu.pe
Objetivo específico:

• Construir y analizar cartas de control de

procesos.
• Construir y analizar gráficos de control
por atributos y por variables.

www.senati.edu.pe
Causas que afectan un proceso productivo
• Cuando se efectúan mediciones sobre cualquier
fenómeno natural conocido, se observan diferencias
entre los registros efectuados. Es común que se
presenten pequeñas diferencias. Cuando se pretende
fabricar piezas con medidas estrictas, por muy
precisos que sean los equipos, se producen unidades
cuyas cotas difieren unas de otras, aún por márgenes
mínimos. Es así, que la variación que se presenta en
los valores de una característica se considera debido a
dos tipos principales de causas.

www.senati.edu.pe
Causas que afectan un proceso productivo
• a) Causas aleatorias o comunes: Son inherentes al sistema
de producción y no se pueden reducir ni limitar sin modificar
el sistema en sí. Como ejemplos de causas aleatorias se
tienen las pequeñas variaciones de reacción, en la calidad de
las materias primas, entre otras.
• b) Causas asignables o especificas: Estas pueden ser
identificadas y, por lo general resulta económica descubrirlas
y eliminarlas. Surgen con motivo de una variación repentina o
anormal de las propiedades de las materias primas o de las
condiciones de reacción, o como consecuencia de defectos
mecánicos. Cuando operan causas asignables, la
característica de la variabilidad tiene un comportamiento
errático.

www.senati.edu.pe
Que es una carta de control?
• Se puede definir una carta de control como: un método
gráfico para evaluar si un proceso está o no en un estado de
control estadístico, es decir cuando sólo actúan causas
comunes o aleatorias, inherentes a cualquier proceso.
(Armand V.Feingenbaum 1994).
• Como lo muestra la Gráfica, la carta consiste en una línea
central (L.C.) y dos pares de líneas límites espaciadas por
encima y por debajo de la línea central, que se denominan
límite de control superior (L.C.S.) y límite de control inferior
(L.C.I.).

www.senati.edu.pe
Que es una carta de control?

www.senati.edu.pe
Para que sirve saber sobre métodos estadísticos
de control?

“Un defecto es la
causa de la
insatisfacción el
cliente”
K. Ishikawa

www.senati.edu.pe
Que causa los productos
defectuosos?
• La respuesta universal es: LA VARIACIÓN
• La variación de los materiales, condiciones de máquina, métodos de trabajo e
inspecciones. Estas variaciones son las causas de los productos defectuosos. Si no
existiera ninguna de esas variaciones, todos los productos serian idénticos y no
habría variaciones en la calidad y no existiría la ocurrencia de productos
defectuosos y no defectuosos

www.senati.edu.pe
Todos los defectos son iguales?
• NO
• No es lo mismo un defecto considerado leve como una imperfección superficial en
la etiqueta de un producto, que una medida fuera de especificaciones en un
repuesto para motor de automóviles que lo haga absolutamente inservible.
• Y consecuentemente, no será el mismo criterio para tolerar la presencia de ambos
defectos, y eso dará paso a distintos planes de calidad según el tipo de defecto.

www.senati.edu.pe
Clasificación de los defectos
Defectos críticos Defectos mayores Defectos menores

Son aquellos que Producen una Producen una

violan leyes, disminución en el disminución leve
agreden al correcto en el correcto
consumidor o funcionamiento o funcionamiento o
hacen inservible al utilización del utilización del
producto. producto y es producto,
notado por el probablemente no
consumidor lo note el
consumidor. Pero
si lo nota el
personal calificado
de producción y de
control de calidad

www.senati.edu.pe
Población y muestra
-Población:
Es el total de las unidades que
se consideran, sobre las cuales
queremos investigar una
característica para conocer su
situación relativa con los valores
del diseño.
-Muestra:
Cantidad estadísticamente
calculada de unidades de dicha
población, cada unidad deberá
ser extraída al azar.

www.senati.edu.pe
Población y muestra

www.senati.edu.pe
Población según su número de
elementos
Población Finita
Ejemplo:
- Alumnos de la SENATI.
- Trabajadores de una empresa.
- Camiones de carga pesada.
- Clientes de un empresa comercial.
www.senati.edu.pe
Población Infinita
Ejemplo:
- Peces del mar peruano
- Bacterias
- Flores Silvestres.
- Productos fallados.
Muestreo
El muestreo estadístico se emplea en los siguientes casos:
• Siempre que el análisis de un fenómeno o una situación se realiza a
partir de una fracción limitada de la población (o de los posibles
casos), se puede hablar de muestreo.
• Durante el control de la fabricación, cuando se quiere comprobar un
medio de producción, pero también en el departamento de recepción
de la mercancía para no tener que controlar la totalidad de la partida.
• En algunos casos es obligatorio juzgar a partir de una muestra para
evitar destruir todos los individuos

www.senati.edu.pe
Elección del tamaño de muestra
La elección del tamaño de las muestras es una de las mayores
dificultades cuando se diseña un procedimiento de prueba. Estas
elecciones siempre son delicadas, puesto que se ha de elegir entre una
alta cantidad de muestras que garantice una buena eficacia y una
cantidad baja que pueda parecer insuficiente. Debemos tener en cuenta
lo siguiente.

• El costo generado por cada individuo tomado

• Los plazos y la duración del control
• La disponibilidad del individuo

www.senati.edu.pe
Variables
La definición de una
Población y sus
Características dependerán
(Variables) de sus
unidades elementales que
deben ser observadas y
dependiendo de la
naturaleza del problema
planteado

www.senati.edu.pe
Variables

www.senati.edu.pe
Variables

www.senati.edu.pe
Distribución de frecuencias
Estudiando el caso de control por variables, es decir estamos midiendo
con un instrumento cuya resolución nos permite medir las variaciones
que produce nuestro proceso.

Una vez que el inspector recibe la muestra tomada estadísticamente de

la población a valorar, procede a las correspondientes mediciones de
cada una de las muestras. Téngase presente que lo más probable es que
en cada unidad se hagan varias mediciones por variables y por atributos

www.senati.edu.pe
Distribución de frecuencias
Como resultado de esta acción tendremos una tabla de valores
desordenados e incomprensibles. Lo primero que deberemos
hacer es clasificarlas de menor a mayor, luego agruparlas en
clases siguiendo algún criterio que nos permita acumular los
datos dentro de clases, esto es dentro de valores que contengan
varios de estos datos.
Supongamos que tenemos la siguiente tabla de valores
experimentales:

www.senati.edu.pe
Distribución de frecuencias

 
Total n=40 datos
Valor mínimo: 19
Valor máximo: 76
Rango=76-19=57
Numero de clases=
Raiz de 40 se redondea a 6
Ancho de clase =Rango/Numero de clases
=57/6=9 en redondeo

www.senati.edu.pe
Distribución de frecuencias

El motivo por el cual conviene usar el

ancho de clase como número impar
es para que la
marca de clase sea un número
entero igual que los datos que se
están estudiando. Si se
utilizara un número par, el ancho de
clase resulta con un decimal que
habría que
conservar hasta el final del cálculo y
esto es fuente de errores.

www.senati.edu.pe
Ejercicios
El cuadro anterior puede llevarse a un grafico como sigue, dando
lugar al histograma

www.senati.edu.pe
 Insertar imagen

www.senati.edu.pe
Problema 1
El Area de Control de Calidad de la empresa FUNDIDOS S. A. esta
llevando a cabo un seguimiento a un lote de piezas mecanizadas
en su taller de metalmecánica, para esto ha tomado una muestra
aleatoria y se necesita obtener el siguiente análisis estadístico
descriptivo:
• Tabla de Frecuencias.
• Histogramas

www.senati.edu.pe
 1279,5 1278,0 1283,0 1273,0 1280,5
1285,0 1273,0 1282,5 1271,5 1269,0
1280,0 1280,0 1272,5 1275,5 1284,0
1273,0 1277,5 1275,5 1277,0 1287,0
1284,0 1286,0 1275,0 1278,0 1275,5
1280,5 1280,0 1282,0 1283,5 1280,0
1275,5 1281,0 1271,0 1274,5 1280,5
1278,0 1275,0 1280,5 1279,0 1278,0
1279,5 1278,5 1266,0 1287,5 1275,5
1275,0 1279,5 1282,5 1276,0 1280,0
1267,0 1273,5 1284,5 1279,5 1274,5
1272,0 1275,0 1276,0 1268,0 1285,0
1282,0 1276,5 1279,0 1269,0 1282,0
1276,0 1271,5 1281,0 1285,5 1276,5
1269,5 1284,5 1276,0 1268,0 1268,5
1266,0 1276,0 1287,5 1272,5 1275,5
1273,5 1268,5 1273,5 1266,5 1269,0
1285,5 1272,5 1272,5 1278,0 1271,5
1275,5 1284,5 1279,5 1267,0 1280,5
1283,5 1286,0 1279,0 1271,0 1287,0
1285,0 1271,0 1276,0 1275,5 1276,5
1273,0 1265,5 1281,5 1277,0 1272,0

www.senati.edu.pe
Problema 2
En un estudio de dos semanas sobre la
productividad de los trabajadores de una fundición,
se obtuvieron los siguientes datos sobre el número
total de piezas aceptables que produjeron los
trabajadores:
Elaborar la Tabla de Distribución de Frecuencias.
Dibujar el Histograma

www.senati.edu.pe
Problema 2
65 36 49 84 79 56 28 43 67 36
43 78 37 40 68 72 55 62 22 82
88 50 60 56 57 46 39 57 73 65
59 48 76 74 70 80 75 56 45
75 62 72 63 32 80 64 53 74 34
76 60 48 55 51 54 45 44 35 51
21 35 61 45 33 61 60 85 68
45 53 77 42 69 52 68 52 47
62 65 75 61 73 50 53 59 41 54
41 74 82 78 26 35 47 70 38 70

www.senati.edu.pe
Medidas de tendencia central y dispersión
Son varios los medidores de la tendencia central y de la
dispersión de una serie de datos experimentales, de ellos
estudiaremos los dos más frecuentes y útiles en Control de
Calidad, estos son : la Media Aritmética , medidor de la
tendencia central, la Varianza, la Desviación Standard, medidor
de la dispersión de los datos alrededor de la Media Aritmética .

www.senati.edu.pe
Media Aritmética
Se define la media aritmética al valor central producto del
siguiente cálculo.
Para datos agrupados:

www.senati.edu.pe
Media Aritmética

www.senati.edu.pe
Media Aritmética
Para datos no agrupados:

www.senati.edu.pe
Media Aritmética
Para datos no agrupados:

www.senati.edu.pe
Desviación Standard
Mide la dispersión de los valores con respecto al valor central.
Se define con la siguiente ecuación

www.senati.edu.pe
Varianza
Se calcula como el cuadrado de la desviación standard

www.senati.edu.pe
Un pequeño ejemplo:
Supóngase que ud mide la altura de seis perros. Miden en
milímetros 600, 470, 170, 430 y 300.

Calcule me media, la varianza y la desviación standard.

www.senati.edu.pe
Un pequeño ejemplo:

Asi que la altura media es de 394mm

www.senati.edu.pe
Un pequeño ejemplo:

www.senati.edu.pe
Un pequeño ejemplo:
Usando la
 La desviación standard es definida por:
desviación
standard
147
tenemos una
manera
“standard” de
saber que es
normal,
extragrande o
extrapequeño

www.senati.edu.pe
Distribución Continua, Gaussiana o Normal
Un histograma se construye a partir de un cierto número de datos. Pero ¿que le
pasaría al histograma si continuamos aumentando el número de datos? Si el
intervalo de clase se reduce poco a poco a medida que aumenta el número de
datos, se obtiene una distribución de frecuencias continua, como límite de una
distribución de frecuencia relativa.
En realidad es una expresión de la población misma, puesto que se obtiene de un
número infinito de datos. Existen muchas clases de distribución, y una de las más
frecuentes es la Distribución Normal.
En muchos casos, cuando la variación de una característica de calidad es causada
por la suma de un gran número de errores infinitesimales independientes debidos
a diferentes factores, la distribución de la característica de calidad se aproxima a
una distribución normal. La forma de la Distribución Normal puede describirse
como la de una campana.

www.senati.edu.pe
Distribución Continua, Gaussiana o Normal
La siguiente figura muestra la forma de esta distribución:

www.senati.edu.pe
Distribución Continua, Gaussiana o Normal
La curva caracteristica queda determinada totalmente por dos
parámetros s (desviación standard) y m (media).

Los histogramas y los gráficos de frecuencia, también pueden

interpretarse como gráficos de probabilidades de ocurrencia. En
particular, la Campana de Gauss, o Curva Normal, es una función de
probabilidades, y la superficie que se encierra debajo de la curva, y
limitada por dos valores de x es directamente una medida de la
probabilidad de ocurrencia de un suceso determinado.

www.senati.edu.pe
Distribución Continua, Gaussiana o Normal
Aceptando estos conceptos, veremos como se puede hacer los cálculos
partiendo de la Curva Normal. En primer término, la curva normal hay
que transformarla en lo que se llama forma canónica, esto significa que
el cero de las X irá al medio del gráfico. Para lograrlo se usa una variable
llamada Z, y se define como.

www.senati.edu.pe
Distribución Continua, Gaussiana o Normal
Esta transformación hace que siempre el valor de la desviación típica, en
una curva canónica, sea igual a uno, y el valor de z no es más que un
dato medido en relación a su propia desviación. Esto hace que la curva
tenga características muy particulares

Esta variable depende de datos conocidos, es decir la media de la

muestra y su desviación, por lo tanto para determinados valores de x, se
hace el cálculo y las tablas dan la respuesta en términos de probabilidad
de ocurrencia.

Este punto es muy importante pues de aquí parte todos los criterios de
control del control de la calidad.

www.senati.edu.pe
Distribución Continua, Gaussiana o Normal
De todo esto se desprende
que. La superficie o
probabilidad de ocurrencia
del suceso vale.
• 68.27% para una
desviación tipica a
ambos lados del cero
• 95.45% para dos
desviaciones tipicas a
ambos lados del cero
• 99.72 para tres
desviaciones tipicas a
ambos lados del cero

www.senati.edu.pe
www.senati.edu.pe
Ejercicios: Hallar el área bajo la curva en los
siguientes ejemplos
a) Entre z= 0 y z=1.20
b) Entre z=-0.68 y z=0
c) Entre z=-0.46 y z=2.21
d) Entre z=0.81 y z=1.94
e) Entre z (-)infinito y z=-0.6
f) Entre z=-1.28 y z (+)infinito
g) Entre (+) infinito y z=2.05 y entre (-)infinito y z=-1.44

www.senati.edu.pe
www.senati.edu.pe