EDA - CEP - Gráficos de Control

Herramientas estadísticas
para mejorar la calidad

Gráficos de control
CAB
Ingeniería Industrial y
de Sistemas
Walter A. Shewhart
• El 16 de mayo de 1924, este físico estadounidense entregó un

informe de una sola página a su jefe en Bell Technologies,
George de Edwards, destinado a cambiar la historia de la
calidad.
• En el informe, un breve texto acompañaba a un gráfico, hoy
conocido como gráfico o carta de control.
Universidad de Piura
• Los gráficos de control van mostrando, a lo largo del tiempo,
cómo varía una característica importante.
• Esta medida puede ser tomada antes, durante o después de un
proceso.
• ¿Cuál es el objetivo de controlar un proceso?
• Detectar en tiempo real los defectos que se cometen.
• ¿Por qué es importante detectar los defectos justo cuando se
cometen?
• Porque así es más fácil determinar las causas asignables de los defectos.
• Entonces … ¿con qué propósito se instalarían
gráficos de control en una empresa?
Ejemplo de gráfico de control
Límite de
Límite de
control superior
control
Característica de control
superior
Línea Valor central

Centr
al
Límite de
Límite de control inferior
control
Tiempo
inferior
La característica de control debe variar de forma aleatoria dentro
de un rango estadísticamente aceptable.
¿De qué cree usted que depende la frecuencia con que tomen
los datos? Universidad de Piura
Tipos de gráficos de control
• De variables: se controlan características “medibles” de las
unidades muestreadas.
Generalmente estas medidas siguen una distribución normal.
¿Siempre? ¿En qué casos?
• De atributos: se mide la ausencia o existencia de un atributo de
las unidades muestreadas. Por ejemplo: una pieza es defectuosa
o no.
Se controla el número de unidades defectuosas, fracción de
unidades defectuosas, el número de defectos, etc.
Estas medidas siguen una distribución binomial o de Poisson.
Ejemplos
• Dé un ejemplo de variable o atributo que usted considere
importante controlar en una empresa, indicando si los datos se
toman antes, durante o después del proceso.
• Explique por qué la considera importante.
Gráficos de control de variables
• Media
• Mediana
• Rango
• Desviación estándar
• Valores individuales
• Rango móvil
• Media móvil
• Desviaciones acumulativas (CUMSUM)
Gráficos de control de atributos
• Proporción de unidades defectuosas
• Número de unidades defectuosas
• Número de defectos
• Número de defectos por unidad
Estados de un proceso
• Proceso bajo control: la característica de control presenta
variaciones aleatorias dentro de unos límites estadísticamente
aceptables (límites de control).
La variabilidad de debe a causas no asignables.
• Proceso fuera de control: la característica de control presenta
variaciones no aleatorias y/o fuera de unos límites
estadísticamente aceptables (límites de control).
La variabilidad se debe especialmente a causas asignables.
Característica de la distribución normal
• Es importante considerar que generalmente las medidas importantes de los
procesos productivos siguen una distribución normal, y por lo tanto es de
esperarse que el 68,26% de dichas medidas estén comprendidas entre -1s y
+1s, el 95,44% estén entre -2s y +2s, y el 99,73% estén entre -3s y +3s.
• Se consideran como límites de control las líneas que están a -3s y +3s de la
línea central.
Límite de +3s = LCS
control
superior +2s
+1s
Línea
Línea central
Centr
al -1s
-2s
Límite de -3s = LCI
control
inferior
¿Afirmaría usted que estos datos se ajustan a una distribución normal?

Longitud promedio de corrida
• Se denomina ARL (longitud promedio de corrida), al número de
puntos consecutivos que se espera que haya antes de tener un
punto fuera de los límites de control.
• Entonces: ARL = 1/0,0027 = 370,37
Fórmulas para calcular los límites de control
Los valores de los coeficientes A2, A3, D3, D4, B3, B4, E2 se encuentran en el apéndice.
Fórmulas para calcular los límites de control
Interpretación de los gráficos de control
• Reglas simples para saber si un proceso está fuera de

control:
• Un punto fuera de los límites de control.
• Racha.
• Tendencia.
• Acercamiento a los límites de control.
• Acercamiento a la línea central.
• Periodicidad.
Acercamiento
a un límite
Racha
ia
nc
e
nd
Te
Periodicidad
¿Por qué una racha, tendencia, acercamiento a los límites o

periodicidad indican que un proceso está fuera de control?
Acercamiento a la línea central
(Gráfico de control de medias)
• Si los límites aún no están definidos.

• Si los límites ya están definidos.
Reglas simples para saber si un proceso está fuera de control
• Racha: si hay 7 puntos consecutivos a un lado de la línea central, o si 10 de 11 puntos consecutivos
están a un lado de la línea central, o 12 de 14, o 16 de 20. La experiencia demuestra que cuando
ocurre alguna de estas rachas, existe una causa asignable que la produce.
• Tendencia: si hay 6 puntos consecutivos ascendentes o descendentes. La experiencia demuestra que
cuando ocurre una tendencia, existe una causa asignable que la produce.
• Acercamiento a los límites de control: si 2 de 3 puntos consecutivos está comprendidos entre 2 y
3. Considerando que los datos se distribuyen normalmente, se espera que el 4,29 % de estos estén
comprendidos entre 2 y 3; por lo tanto, es muy poco probable que 2 de 3 puntos consecutivos
estén en dicho rango, salvo que exista una causa asignable.
• Acercamiento a la línea central (gráfico de medias): si la gran mayoría de los puntos están entre –1
y +1. Si ya se instalado el gráfico, esto se debe generalmente a que las muestras se han tomado en
forma inapropiada, ya que es poco probable que el proceso haya mejorado tan rápidamente. Si aún
no se ha instalado el gráfico, se debe a que dentro de las muestras las variabilidades son muy grandes.
Esto haría que el promedio de las desviaciones estándar de las muestras sea grande, lo cual daría
como consecuencia límites de control muy lejanos a la línea central.
• Periodicidad: si hay tendencia ascendente y descendente de forma consecutiva, para casi el mismo
intervalo.
Multirreglas de Westgard
• Es una serie ordenada de algunas reglas simples para ver si un
proceso está fuera de control.
• Se emplea en procesos donde se requiere un control muy estricto
(laboratorios clínicos o biológicos), y no se pueden tomar tantos
datos como se quisiera.
• Las siguientes reglas se suelen aplicar cuando cada punto del
gráfico representa la media de dos medidas del mismo material (n
= 2), o la media de cuatro medidas correspondientes a dos
medidas de dos materiales (n = 4).
Nomenclatura de reglas simples
• Para n = 2:
• 13s: si hay un punto más allá de ±3s, es decir, más allá de algún límite de
control.
• 12s: si hay un punto más allá de ±2s.
• R4s: si hay un punto más allá de +2s y otro punto más allá de –2s.
• 41s: si hay cuatro puntos consecutivos más allá de ±1s.
• 10x: si hay 10 puntos consecutivos a un lado de la línea central.
Nomenclatura de reglas simples
• Para n = 4:
• Cuando se emplean tres materiales en cada muestra, se suelen
emplear algunas reglas como:
• 2de32s: si hay dos de tres puntos más allá de ±2s.
• 31s: si hay tres puntos consecutivos más allá de ±1s.
Elección de las reglas simples
• Es importante tener claro que estas multirreglas se aplican con
algunas o todas las reglas simples, que elegirán las personas
competentes que conozcan bien el proceso que se quiere
controlar.
• Generalmente estas personas necesitan experimentar un tiempo
para determinar qué reglas simples será pertinente que
conformen las multirreglas.
Ejemplo
Datos
No
12s
Bajo control
Sí
No
No No No No
13s 22s R4s 41s 10x
Sí Sí Sí Sí Sí
Fuera de control
Pasos para la instalación
de un gráfico de control
1. Tomar una serie de muestras (por lo menos 20), anotar los
datos y trazar el gráfico. ¿Por qué 20?
2. Calcular la medida central y los límites de control, y trazar
líneas horizontales con estos valores sobre el gráfico.
3. En los gráficos de control de variables, conviene trazar antes
el gráfico de la medida de variabilidad y luego el de la medida
de tendencia central, pues aquella suele ser más susceptible
de ser violada.
Pasos para la instalación
de un gráfico de control
4. Si se presenta una racha, tendencia, acercamiento a un límite,
etc., no se podrá instalar el gráfico de control pues el proceso
está fuera de control.
5. Si todos los puntos están dentro de los límites, se instala el
gráfico de control.
6. Si 1 o 2 puntos están fuera de los límites, se eliminan dichos
puntos y se recalculan la medida central y los límites.
Instalación de los gráficos de control
7. Si ahora todos los puntos quedan dentro de los límites, se

instala el gráfico de control; en caso contrario, no se instala.
8. Si tres o más puntos están fuera de los límites de control, no se
instala el gráfico de control.
9. Cuando no se instala el gráfico de control, se deben buscar las
causas que deforman el proceso, corregirlo y volver a tomar
datos.
Pregunta:
 Si en una empresa ya han instalado un gráfico de

control de una variable de calidad a principios de año,
y lo están usando con relativo éxito…
… ¿cuándo será necesario recalcular los límites de
control?
 Nunca
 Cuando …
Ejemplo 1 de instalación
de gráficos de control
• Los datos de la siguiente tabla muestran los resultados de la
medición de temperatura de procesamiento de 20 lotes
continuos.
• Las temperaturas fueron tomadas cada 15 minutos durante 20
horas de proceso.
• Para controlar, hora tras hora, la temperatura promedio, conviene
elaborar dos gráficos de control: media-rango o media-desviación
estándar.
Tabla del ejemplo 1
Muestra T1 T2 T3 T4 Media Rango
1 65 66 67 68 66,50 3
2 65 66 67 67 66,25 2
3 68 65 67 64 66,00 4
4 67 66 68 67 67,00 2
5 67 66 66 67 66,50 1
6 67 67 66 68 67,00 2
7 68 64 67 68 66,75 4
8 67 66 67 67 66,75 1
9 66 68 66 66 66,50 2
10 66 67 67 67 66,75 1
11 66 68 67 67 67,00 2
12 66 66 67 67 66,50 1
13 65 67 65 67 66,00 2
14 68 66 65 67 66,50 3
15 66 67 67 67 66,75 1
16 65 67 67 66 66,25 2
17 67 67 66 66 66,50 1
18 67 67 68 67 67,25 1
19 67 67 68 68 67,50 1
20 68 67 67 67 67,25 1
Total 1333,50 37
Cálculo de los límites de control
LCS R  D4  R  2,2821,85  4,2
LCI R  D3  R  0 1,85  0
LCS x  x  A2  R  66,675  0,7291,85  68,02
LCI x  x  A2  R  66,675  0,7291,85  65,33
Gráfico de control de rangos
4.5
4 LCS = 4,2
3.5
2.5
Rango
2 Media = 1,85
1.5
0.5
LCI = 0
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Número de muestra
Gráfico de control de medias
68.5
LCS = 68,02
68
67.5
Temperatura media
67
Media = 66,675
66.5
66
65.5
LCI = 65,33
65
64.5
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Número de muestra
Interpretaciones conjuntas de los gráficos
media - rango
68.5
LCS = 68,02
68
67.5
Temperatura media
67
Media = 66,675
66.5
66
65.5
LCI = 65,33
65
64.5
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
4.5 Número de muestra
4 LCS = 4,2
3.5
2.5
Rango
Media = 1,85
2
1.5
0.5
LCI = 0
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Número de muestra
Ejemplo 2
• Se quiere medir y controlar el nivel de satisfacción de los

clientes de una tienda respecto a la rapidez con que se les
entrega su pedido. Para esto ha encuestado diariamente a
10 clientes que salían de la tienda, durante 22 días del mes
pasado, pidiéndoles que escojan una alternativa para la
siguiente afirmación:
“Usted considera que la rapidez con que se le ha atendido es”:
1) Muy baja. 2) Baja. 3) Ni baja ni alta. 4) Alta. 5) Muy alta.
Ejemplo 2
• A cada una de estas respuestas se les da el puntaje 1, 2, 3, 4, 5,
respectivamente.
• De esta manera, un promedio alto indicará un alto nivel de
satisfacción de los usuarios respecto a la rapidez con que se les
atiende.
• En la siguiente tabla se muestran los promedios de los puntajes
obtenidos durante los 22 días.
Tabla del ejemplo 2
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
3 1 2 1 3 2 1 1 1 1 1 2 1 1 1 1 1 1 1 2 1 2
4 1 1 3 1 1 1 1 2 1 2 1 2 1 1 2 3 2 1 2 1 2
2 2 2 3 1 2 2 4 5 2 2 2 3 1 1 1 4 1 3 1 3 5
1 3 1 1 3 1 3 1 1 1 1 1 3 3 3 3 1 4 2 2 2 4
2 3 2 1 1 1 2 1 3 1 1 1 2 5 2 1 1 3 1 1 1 1
1 3 3 1 3 1 2 4 5 2 2 2 2 1 4 1 3 2 1 1 1 1
2 2 1 1 3 1 1 3 2 2 2 3 3 1 1 1 4 1 2 1 2 2
3 4 2 2 1 2 3 1 2 1 1 2 4 1 1 2 5 3 2 1 2 3
1 2 1 1 4 2 2 2 1 1 3 1 1 2 4 4 3 4 1 1 3 1
2 1 3 1 2 2 4 3 2 1 1 5 1 2 2 2 1 2 2 1 2 1
Rango del puntaje de rapidez de atención en un día
5 LCS
3
Rango medio
LCI
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
Gráfico de control de medias
Puntaje promedio de rapidez de atención
LCS
2,75
+2s
2,5
2,25 +1s
2
Media
1,75
-1s
1,5
-2s
1,25
LCI
1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
Interpretaciones conjuntas de los
gráficos media - rango
Puntaje promedio de rapidez de atención
LCS
2,75
+2s
2,5
2,25 +1s
2
Media
1,75
-1s
1,5
-2s
1,25
LCI
1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
Rango del puntaje de rapidez de atención en un día
5 LCS
3
Rango medio
LCI
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
Ejemplo 3
• Se quiere controlar las ventas diarias de un grupo de
vendedores de una empresa grande. Para esto, durante 20
días se extrajeron aleatoriamente registros de ventas de tres
vendedores. En la siguiente tabla se muestran estos datos.
Elabore los gráficos de control Mediana-Rango.
Muestra V1 V2 V3 Mediana Rango
1 133 138 148 138 15
2 147 131 131 131 16
3 134 128 145 134 17
4 134 143 147 143 13
5 128 128 143 128 15
6 143 137 134 137 9
7 133 129 129 129 4
8 124 127 130 127 6
9 148 125 126 126 23
10 134 151 146 146 17
11 147 135 128 135 19
12 123 140 127 127 17
13 130 126 129 129 4
14 122 128 134 128 12
15 144 124 141 141 20
16 124 124 135 124 11
17 135 125 128 128 10
18 130 136 134 134 6
19 125 123 121 123 4
20 125 128 125 125 3
Total 2633 241
LCS R  D4  R  2,57412,05  31,02
LCI R  D3  R  0 12,05  0
LCS M  M  1,15 A2  R  131,65  1,15 1,02312,05  145,83

LCI M  M  1,15 A2  R  131,65  1,15 1,02312,05  117,47
El décimo punto del gráfico de medianas está por encima del

LCS; por lo tanto se elimina dicho punto (en ambos gráficos) y
se recalculan los límites de control.
(recalculados los límites de control)
35
LCS = 30,35
30
25
20
R ango
15
Media = 11,79
10
LCI = 0
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
Número de muestra
Gráfico de control de medianas (recalculados
los límites de control)
Gráfico de control de medianas
150
LCS = 144,76
145
140
135
M ed ia n a
130,89
130
125
120
115 LCI = 117,02
110
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
Número de muestra
Ejemplo 3b
• Una empresa de servicios encuesta diariamente a sus
clientes para medir (entre 1 y 5) la calidad del trato de su
personal. Trace un gráfico de control de medias y uno de
desviación estándar que expresen la siguiente situación de
los últimos 20 días: la calidad del trato se mantuvo casi
constante durante los primeros 10 días; pero se notó que
algunos empleados fueron mejorando y otros fueron
empeorando; sin embargo, a partir del décimo día se notó
una mejoría debido a que mejoró el trato de los empleados
que habían empeorado durante los 10 primeros días. Incluya
las líneas de .
Ejemplo 4
• Un vehículo de una empresa de transportes realiza un viaje
diario llevando mercadería desde una fábrica hasta un
almacén. Con el propósito de controlar diariamente la
calidad del servicio, se tomaron los tiempos de viaje durante
20 días. En la siguiente tabla se muestran estos tiempos (en
minutos). Elabore un gráfico de control individual con rango
móvil
Muestra Tiempo Rango móvil Muestra Tiempo Rango móvil
1 63 11 68 5
2 64 1 12 64 4
3 65 1 13 64 0
4 65 0 14 64 0
5 66 1 15 63 1
6 65 1 16 63 0
7 65 0 17 65 2
8 67 2 18 62 3
9 67 0 19 63 1
10 63 4 20 66 3
Total 1292 29
LCS Rm  D4  Rm  3,2671,53  5,00

LCI Rm  D3  R m  0 1,53  0
LCS x  x  E 2  Rm  64,6  2,6601,53  68,67

LCI x  x  E 2  R  64,6  2,6601,53  60,53
Gráfico de control de rangos móviles
6
LCS = 5.00
5
4
Rango móvil
2
Media = 1.53
LCI = 0
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
Gráfico de control de valores individuales
70
LCS = 68,67
68
66
Valores individuales
Media = 64,6
64
62
60 LCI = 60,53
58
56
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Ejemplo 5
• Se ha inspeccionado 22 lotes semanales de envases plásticos.

• Los lotes son de tamaño variable y en cada uno se ha
registrado el número de unidades defectuosas, como se
muestra en la siguiente tabla.
• Para controlar el nivel de calidad del fabricante, conviene
elaborar un gráfico de control de proporción de unidades
defectuosas.
Tabla del ejemplo 5
Tamaño Unidades Proporción Tamaño Unidades Proporción
Semana Semana
de lote defectuosas defectuosa de lote defectuosas defectuosa
1 724 48 0,066 12 739 50 0,068
2 763 83 0,109 13 723 47 0,065
3 748 70 0,094 14 748 57 0,076
4 748 85 0,114 15 770 51 0,066
5 724 45 0,062 16 756 71 0,094
6 727 56 0,077 17 719 53 0,074
7 726 48 0,066 18 757 34 0,045
8 719 67 0,093 19 760 29 0,038
9 759 37 0,049 20 742 37 0,050
10 745 52 0,070 21 726 50 0,069
11 736 47 0,064 22 751 66 0,088
Total 16310 1183 0,073
;
1183 16310
p  0,073 n  741,36
16310 22
LCS p  p  3 p (1  p) / n  0,073 3 0,073(1  0,073) / 741,36  0,102
LCI p  p  3 p (1  p ) / n  0,073 3 0,073(1  0,073) / 741,36  0,044
Gráfico de control de proporción
defectuosa 0.120
0.110
LCS = 0,102
0.100
Proporción defectuosa
0.090
0.080
Media = 0,073
0.070
0.060
0.050 LCI = 0,044
0.040 ¿Por qué una fracción defectuosa muy pequeña, por debajo de lo
0.030 habitual, indica que el proceso está fuera de control?
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
Número de lote
Este gráfico de control no se puede instalar, pues hay tres puntos
fuera de los límites de control. El fabricante debe mejorar su
proceso y volver a tomar datos para intentar instalarlo.
Ejemplo 6
• Un fabricante ha determinado varios tipos de defectos no
críticos que puede tener una unidad.
• De la línea de producción, a lo largo de un turno se tomó una
muestra de 25 unidades y se contó el número de defectos que
tenía cada unidad, como se muestra en la siguiente tabla.
• Para controlar el número de defectos, conviene trazar un
gráfico de control de número de defectos (c).
Tabla del ejemplo 6
Muestra Defectos Muestra Defectos Muestra Defectos

1 8 10 7 19 7
2 9 11 6 20 8
3 5 12 4 21 18
4 8 13 7 22 6
5 5 14 6 23 9
6 9 15 14 24 10
7 9 16 6 25 5
8 11 17 4
9 8 18 11 Total 200
200
c 8
25
LCS c  c  3 c  8  3 8  16,5
LCI c  c  3 c  8  3 8  0
Gráfico de control de número de
defectos
20
18
LCS = 16,5
16
14
Número de defectos
12
10
Media = 8
8
2
LCI = 0
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Número de muestra
Hay un punto fuera de los límites de control; se elimina

dicho punto y se recalculan la media y los límites de control.
Nuevo gráfico de control
de número de defectos
18
LCS = 15,84
16
14
12
Número de defectos
10
Media = 7,58
8
2
LCI = 0
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Número de muestra
¿Y si las unidades producidas tienen
muy pocos defectos?
• Supóngase que las unidades producidas presentan unas
cantidades de defectos muy bajas: ceros y unos.
• Conviene redefinir las unidades que se van a muestrear, por
ejemplo, el número de defectos cada 10 unidades, o cada 50
unidades, etc.
• La variable que se controla en estos casos es el número de
defectos por unidad. Por ejemplo, si en 15 unidades se
encuentran 18 defectos, entonces hay 1,2 defectos por unidad
(u).
Ejemplo 7
• Una empresa que ensambla tarjetas electrónicas ha registrado las
desconexiones halladas en una prueba.
• Se inspeccionaron muestras de 15 tarjetas, de 25 lotes
consecutivos, encontrándose los números de defectos que se
muestran en la siguiente tabla.
• En este caso conviene de controlar el número de defectos por
unidad.
Tabla del ejemplo 7
Defectos Defectos Defectos
Muestra Defectos Muestra Defectos Muestra Defectos
por unidad por unidad por unidad
1 17 1,13 10 18 1,20 19 23 1,53
2 14 0,93 11 25 1,67 20 22 1,47
3 6 0,40 12 5 0,33 21 9 0,60
4 23 1,53 13 8 0,53 22 15 1,00
5 5 0,33 14 11 0,73 23 20 1,33
6 7 0,47 15 18 1,20 24 7 0,47
7 10 0,67 16 13 0,87 25 24 1,60
8 19 1,27 17 22 1,47
9 29 1,93 18 6 0,40 Total 376
376
μ  1,003
2515
LCS μ  μ  3 μ / n  1,003 3 1,003 / 15  1,77
LCI μ  μ  3 μ / n  1,003 3 1,033 / 15  0,23
Gráfico de control de número de
defectos
por unidad
2.5
2
Número de defectos por unidad
LCS = 1,77
1.5
Media = 1,003
1
0.5
LCI = 0,23
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Número de muestra
Hay un punto fuera de los límites de control; se elimina dicho
punto y se recalculan la media y los límites de control.
Nuevo gráfico de control de número de
defectos por unidad
2
1.8 LCS = 1,72
1.6
Número de defectos por unidad
1.4
1.2
Media = 0,964
1
0.8
0.6
0.4
LCI = 0,20
0.2
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Control del proceso
• Una vez instalado un gráfico de control, cuando ya se esté
controlando un proceso, un punto fuera de los límites de control
ya indicará que el proceso está fuera de control.
• De igual manera, una racha, tendencia, etc., indicarán que el
proceso está fuera de control.
¿Qué indica que un proceso esté
bajo control?
• Si un proceso está bajo control, no necesariamente hace lo que
supuestamente tiene que hacer.
• Que esté bajo control significa que todo funciona bien,
consistentemente, de acuerdo a las posibilidades de los
operarios, de las máquinas, de la materia prima, etc.
• Una vez que un proceso está bajo control ya conviene
determinar qué tan capaz será de cumplir con las
especificaciones.
Factores para calcular los límites de
controlTamaño de
la muestra A2 A3 E2 B3 B4 D3 D4
2 1,880 2,659 2,660 0,000 3,267 0,000 3,267
3 1,023 1,954 1,772 0,000 2,568 0,000 2,574
4 0,729 1,628 1,457 0,000 2,266 0,000 2,282
5 0,557 1,427 1,290 0,000 2,089 0,000 2,114
6 0,483 1,287 1,184 0,030 1,970 0,000 2,004
7 0,419 1,182 1,109 0,118 1,882 0,076 1,924
8 0,373 1,099 1,054 0,185 1,815 0,136 1,864
9 0,337 1,032 1,010 0,239 1,761 0,184 1,816
10 0,308 0,975 0,975 0,284 1,716 0,223 1,777
11 0,285 0,927 0,946 0,321 1,679 0,256 1,744
12 0,266 0,886 0,921 0,354 1,646 0,283 1,717
13 0,249 0,850 0,899 0,382 1,618 0,307 1,693
14 0,235 0,817 0,881 0,406 1,594 0,328 1,672
15 0,223 0,789 0,864 0,428 1,572 0,347 1,653
16 0,212 0,763 0,448 1,552 0,363 1,637
17 0,203 0,739 0,466 1,534 0,378 1,622
18 0,194 0,718 0,482 1,518 0,391 1,608
19 0,187 0,698 0,497 1,503 0,403 1,597
20 0,180 0,680 0,510 1,490 0,415 1,585
21 0,173 0,663 0,523 1,477 0,425 1,575
22 0,167 0,647 0,534 1,466 0,434 1,566
23 0,162 0,633 0,545 1,455 0,443 1,557
24 0,157 0,619 0,555 1,445 0,451 1,548
25 0,153 0,606 0,565 1,435 0,459 1,541

EDA - CEP - Gráficos de Control

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

EDA - CEP - Gráficos de Control

Cargado por

Copyright:

Formatos disponibles

Herramientas estadísticas

para mejorar la calidad

• El 16 de mayo de 1924, este físico estadounidense entregó un

Línea Valor central

¿Afirmaría usted que estos datos se ajustan a una distribución normal?

• Reglas simples para saber si un proceso está fuera de

¿Por qué una racha, tendencia, acercamiento a los límites o

• Si los límites aún no están definidos.

7. Si ahora todos los puntos quedan dentro de los límites, se

 Si en una empresa ya han instalado un gráfico de

LCS R  D4  R  2,2821,85  4,2

LCS x  x  A2  R  66,675  0,7291,85  68,02

LCI x  x  A2  R  66,675  0,7291,85  65,33

4.5 Número de muestra

• Se quiere medir y controlar el nivel de satisfacción de los

LCS M  M  1,15 A2  R  131,65  1,15 1,02312,05  145,83

El décimo punto del gráfico de medianas está por encima del

115 LCI = 117,02

LCS Rm  D4  Rm  3,2671,53  5,00

LCS x  x  E 2  Rm  64,6  2,6601,53  68,67

• Se ha inspeccionado 22 lotes semanales de envases plásticos.

Cálculo de los límites de control

LCS p  p  3 p (1  p) / n  0,073 3 0,073(1  0,073) / 741,36  0,102

LCI p  p  3 p (1  p ) / n  0,073 3 0,073(1  0,073) / 741,36  0,044

0.050 LCI = 0,044

Muestra Defectos Muestra Defectos Muestra Defectos

Hay un punto fuera de los límites de control; se elimina

1 17 1,13 10 18 1,20 19 23 1,53

2 14 0,93 11 25 1,67 20 22 1,47

3 6 0,40 12 5 0,33 21 9 0,60

4 23 1,53 13 8 0,53 22 15 1,00

5 5 0,33 14 11 0,73 23 20 1,33

6 7 0,47 15 18 1,20 24 7 0,47

7 10 0,67 16 13 0,87 25 24 1,60

9 29 1,93 18 6 0,40 Total 376

LCS μ  μ  3 μ / n  1,003 3 1,003 / 15  1,77

LCI μ  μ  3 μ / n  1,003 3 1,033 / 15  0,23

1.8 LCS = 1,72

También podría gustarte