Gráficas de Control para Variables

 Se llama Variable a una medición individual de una

característica de calidad.
 Ejemplos: Dimensión, Peso o Volumen.
 Generalmente, cuando se manejan características de
calidad que son variables, se acostumbra “monitorear” el
valor medio (localización) y la variabilidad (dispersión)
de la característica de calidad.
 La mayoría de los procesos tienen características que son medibles.
 Los datos cuantitativos (largo=12,24 mm) tienen más información que
los cualitativos (largo no cumple).
 Debido a que menos piezas se requieren revisar antes de tomar
decisiones, el espacio de tiempo entre la producción de partes y la acción
correctiva puede ser menor.
 Con datos variables, el desempeño de un proceso puede ser analizado y
mejorado, aún cuando todas las partes estén dentro de especificación.
 Para la localización se acostumbra utilizar la Gráfica de promedios ( )

X
 Para la dispersión se acostumbra utilizar la Gráfica de Rangos (R) o la
Gráfica de Desviaciones Estándar (S)
 Es importante mantener control sobre la localización (media) y la dispersión
(variabilidad) del proceso

0

1

LIE 0 1 LSE
 xR

Límites de control para Límites de control para Rangos

Promedios
__
LIC X  X  A 2 R LICR  D3 R
__
LC X  X LCR  R
__
LSC X  X  A 2 R LSCR  D 4 R
Donde A2, D3 y D4 son constantes que dependen sólo de n
m y m

__ X i R i
X i1
R i1
m m
 Si el tamaño de la muestra (n) es relativamente pequeño, el
método del rango (R) proporciona un estimador de la
varianza 2 casi tan bueno como el estimador cuadrático
usual (la varianza muestral S2)

 Para valores moderados de n, digamos n10, el rango

pierde eficiencia rápidamente para estimar 2
DESARROLLO DE UNA GRAFICA

xR
 Dado que los límites de control en la gráfica dependen de
la variación del proceso, a menos que la variación del
proceso esté bajo control, estos límites no tienen mucho
sentido

 Esto implica que antes de elaborar la gráfica parase debe x

verificar primero el estado de control de la variación del
proceso en la gráfica para R. Si está bajo control se
procede a construir la gráfica para en caso contrario, no x
se construye esta gráfica y se concluye que el proceso está
fuera de control
(a) Construya las gráficas de control x- y R utilizando estos datos. ¿El proceso muestra control
estadístico?.

1.- Construir la gráfica de control para promedios

2.- rangos
Para elelEl
Calcular
En
Se
Para
Para
continúa
nuestro
nuestro
Calcular
Subgrupo
Se continúa
nuestrolos1:proceso
subgrupo
subgrupo
la2:
los línea
caso
de
promedios
límites
caso:
caso,
caso:
de igual
límites
rangos
caso, el
central
igual 1:
2:
K
elel
K
tamaño
de
= forma
para
de 20
tamaño
forma se
tamaño
=control
control
20
para deencuentra
LCsubgrupos,
:de
xpara
cada
los
para
subgrupos,
cada para
deuno los
paraelsubgrupos
los
el subgrupo:
resto
dela
subgrupos
resto entonces:
gráfica
subgrupos
la los de
entonces:
gráfica
de
20 los
loseses
es
n=5n=5:
n=5:
A 
Calcular0.577
2 D xLIC
subgrupos la16
1 5 .

38
línea
xx1 
LICx 15
1
2
LIC
16
x0.8 6 .
central
1 A
.2 9
3 x
... 16
... 
...
(LC
R2(0)(0.475)
1 6
. .
14 
16
1
27
LSC
xRKLSC 
6
.
x 4
6
):(
... 0
n x.577
16 14
. )(
22 0
A 2R. 475 )  1 5 .99
LC  LC
subgrupos:
subgrupos
x 
bajo

 0
R 
LICxx R
Xmaxcontrol
 
D x2R
...
= 0.5
16.4
16.6 ...
; KR
estadístico
 
x0.7 160
D
Xmin
número . 2R =
de 16
15.9
15.8.27
subgrupos
R Rx 2.115
R  LSC x5  n 16.27 ; K (0número 0.475
.577 )(0.de 475 )  16.54
3 R
LC R xDLC 1 R 2 3 K R 4
 subgrupos
R =K KLSC 20
(2.115)(0. 475) 1.005
4 R= Xmax 16.4
16.6-Xmin - R20
15.9
15.8 (en =cada0.5
0.8 subgrupo)
Subgrupo X1 X2 X3 X4 X5 R X-
Gráfica de control para X-
1 15.8 16.3 16.2 16.1 16.6 0.8 16.2 16.6

2 16.3 15.9 15.9 16.2 16.4 0.5 16.14 16.5

3 16.1 16.2 16.5 16.4 16.3 0.4 16.3 16.4

Promedio de los pesos (oz)

4 16.3 16.2 15.9 16.4 16.2 0.5 16.2 16.3

5 16.1 16.1 16.4 16.5 16 0.5 16.22 16.2

6 16.1 15.8 16.7 16.6 16.4 0.9 16.32 16.1

7 16.1 16.3 16.5 16.1 16.5 0.4 16.3 16

Haga click sobre el icono
8 16.2 16.1 16.2 16.1 16.3 0.2 16.18 15.9
para ver mejor la gráfica
9 16.3 16.2 16.4 16.3 16.5 0.3 16.34 15.8

10 16.6 16.3 16.4 16.1 16.5 0.5 16.38 15.7

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Subgrupo
11 16.2 16.4 15.9 16.3 16.4 0.5 16.24 Gráfica de control para R
12 15.9 16.6 16.7 16.2 16.5 0.8 16.38 1.2

13 16.4 16.1 16.6 16.4 16.1 0.5 16.32 1

LSC R=1.005
14 16.5 16.3 16.2 16.2 16.4 0.3 16.32
0.8
15 16.4 16.1 16.3 16.2 16.2 0.3 16.24
Rango del peso (oz)

16 16 16.2 16.3 16.3 16.2 0.3 16.2 0.6

17 16.4 16.2 16.4 16.3 16.2 0.2 16.3 LC R=0.475

Haga click sobre el icono
0.4
18 16 16.2 16.4 16.5 16.1 0.5 16.24 para ver mejor la gráfica
19 16.4 16 16.3 16.4 16.4 0.4 16.3 0.2

20 16.4 16.4 16.5 16 15.8 0.7 16.22 LIC R=0.0

0
R x  16.27
0.475 1 2 3 4 5 6 7 8 9 10 11 12
Subgrupo
13 14 15 16 17 18 19 20
Como se puede observar, la gráfica de control para rangos indica que el proceso se encuentra bajo
control estadístico en la dispersión y podemos construir la gráfica de control para promedios.
Si la gráfica de control para rangos hubiera estado fuera de control, ¿qué habría pasado?

Gráfica de control para R

1.2

1
LSC R=1.005

0.8
Rango del peso (oz)

0.6
LC R=0.475

0.4

0.2

LIC R=0.0
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Regresar Subgrupo
Como se puede observar, la gráfica de control para promedios indica que el proceso se
encuentra bajo control estadístico en la localización.
Se concluye que el proceso se encuentra bajo control estadístico.

Gráfica de control para X-

16.6

16.5

16.4
Promedio de los pesos (oz)

16.3

16.2

16.1

16

15.9

15.8

15.7
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Regresar Subgrupo
Error Beta gráfica X prom
Consideraciones sobre los límites
de Control
 Cuando se utilizan muestras preliminares para construir la gráfica de control
de promedios y rangos, se acostumbra tratar a los límites de control
obtenidos de esta forma como límites de control de prueba

 Se deben graficar los valores de y Rx para cada subgrupo, si no se detectan

comportamientos no aleatorios se concluye que el proceso estuvo bajo
control estadístico en el pasado y los límites de control de prueba se pueden
emplear para controlar la producción actual o futura
 Si existe evidencia estadística para rechazar la hipótesis de
control pasado, se deben revisar los límites de control
 Para ello se debe buscar alguna causa asignable que haya podido
generar el o los puntos fuera de control
 Si se encuentra una causa asignable, el o los puntos se descartan
y se recalculan los límites de control de prueba utilizando los
puntos restantes.
 Los puntos restantes se reexaminan. Este proceso se continúa
hasta que todos los puntos están bajo control. En este punto los
límites de control de prueba se adoptan para controlar el proceso
 El uso efectivo de cualquier gráfica de control requerirá
de revisiones periódicas de los límites de control y las
líneas centrales

 Se pueden definir periodos regulares para examinar y

rectificar los límites de la gráfica de control (cada
semana, cada mes, cada 25, 50 ó 100 muestras,
dependiendo de la naturaleza del proceso)
 No hay conexión o relación entre los límites de control en las
gráficas y los límites de especificación en el proceso

 Los límites de control se guían por la variabilidad natural del

proceso (medida mediante ), es decir por los límites de tolerancia
natural del proceso

 Los límites de especificación se determinan externamente, por

administradores, ingenieros de manufactura, clientes o
desarrolladores/diseñadores
 Definido
LSE
externamente
LSTN
Distribución de las
lecturas individuales
del proceso, x
3 LSC
Distribución de
los valores de
x 
 LCx  x 3 x  3
n
M ctu
ue r a s
le

~ x
str d
ac ex

 3
on

LIC
n

x1 
x2  Valor del estadístico
LITN x muestral x
 
xn 
Definido
LIE
externamente
DISEÑO DE UNA GRAFICA DE
CONTROL

xR
 x R
 Para diseñar la gráfica de control de promedios y rangos debemos
especificar:

 el tamaño de la muestra (n) y

 la frecuencia de muestreo (h) que se van a utilizar

 x R

 Si la gráfica para promedios se va a utilizar principalmente para

detectar cambios de moderados a grandes, entonces los subgrupos
de tamaño pequeño (n= 4, 5 ó 6) son razonablemente efectivos

 Si lo que se desea es detectar cambios pequeños, entonces se

necesitan subgrupos de tamaño grande (n de 15 a 25 lecturas), sin
embargo esto reduce la eficiencia del rango para estimar la
desviación estándar
DESARROLLO DE UNA GRAFICA
DE CONTROL EMPLEANDO
MINITAB
xR
GCVARIABLES.MTW
 INTERPRETACION DE
GRAFICAS DE CONTROL
 La interpretación de las gráficas de control se basa en la probabilidad
estadística de un patrón en particular que ocurre completamente por
casualidad ( o es causada por variación aleatoria)
 Todas las pruebas identifican los eventos que tienen menos de 0,3% de
oportunidad de ocurrir por azar.
 Las gráficas de control se dividen en zonas de sigma por encima y por
debajo de la línea del promedio.
Zona C es <1 de la media
Zona B está entre 1 y 2
Zona A está entre 2 y 3
Más allá de la Zona A es 3
 LSC
ZONA A
ZONA B
ZONA C
LC
ZONA C
ZONA B
ZONA A
LIC
Prueba 1: Un punto más allá de la Zona A
 Prueba Básica causada por un cambio grande en el proceso.
 Requiere acción inmediata.

UCL A

B
C
C
B
A
LCL
Prueba 2: Nueve puntos en línea en un lado de la línea central
 Causada por un cambio en la media del proceso

UCL A

B
C
C
B
A
LCL
Prueba 3: Seis puntos en una línea estable, en incremento o
decremento
 Causada por desgaste mecánico, químico, incremento de
contaminación.

UCL A

B
C
C
B
A
LCL
Prueba 4: Alternando patrones. Catorce puntos en línea,
alternados abajo y arriba.
 Causada por sobre-ajuste, variación de turno a turno, variación
de máquina a máquina

UCL
A

B
C
C
B
A
LCL
Prueba 5: Dos de tres puntos consecutivos en la misma zona A o
más allá
 Variación mayor por causas especiales

UCL
A

B
C
C
B
A
LCL
Prueba 6: Quince puntos consecutivos en la Zona C
(Por encima y debajo de la línea central)
 Se origina cuando la variación dentro del subgrupo es mayor
comparada con la variación entre grupos.
 Límites antiguos o mal calculados
UCL
A

B
C
C
B

LCL A
Prueba 7: Alternando medias. Ocho puntos consecutivos en
ambos lados de la línea central con ningún punto en la Zona C.
 Mezclas
 Sobre-control
 Dos diferentes procesos en la misma gráfica

UCL
A

B
C
C
B

LCL A
 En la respectiva gráfica de control presione el botón Tests…
 Seleccione la(s) prueba(s) a correr.
 Si requiere mayor explicación de cada prueba presione el botón
Help.
o El objetivo de las gráficas de control es el tomar acciones.
o Si no se toman acciones solo serán papel tapiz.
o Las acciones se basan en el incremento del conocimiento del proceso.
1. Identifique la causa raíz de la variación y arréglela.
2. Documente en la gráfica cuál fue el problema y la solución resultante
3. Documente los problemas y acciones en una guía de solución de
problemas para que se puedan tomar acciones locales.
o Recalcule los límites de control sólo si las causas especiales han sido
identificadas y eliminadas.
 Qué sucede si no es posible tomar una muestra mayor a
1. Ejem:
 Inspección automatizada, cada producto elaborado es
medido
 La tasa de producción es tan baja que es infactible tomar muestras
mayores a 1.
 Medidas repetidas en el proceso solo difieren por errores
en el análisis
 La gráfica X y MR es útil para muestras tamaño
n = 1.
Gráfica de Rango Móvil
 El rango móvil(MR) es definido como la diferencia en valor absoluto
entre dos medidas consecutivas
MRi = |xi - xi-1|
Esto mostrará posibles cambios en el proceso entre una observación y
otra
Gráfica X y MR
 La carta X corresponde únicamente a graficar los puntos
individuales. Sus límites son:
MR
UCL  x  3
d2
CL  x
MR
LCL  x  3
d2
m

donde  MR i
MR  i 1
m
Gráfica X y MR
 Los límites de control de la gráfica de rango móvil son:

UCL  D 4 MR
CL  MR
LCL  0

Introduction to Statistical Quality Control, 4th Edition

Una aleación de acero es probada en su dureza, y los
resultados son:
Heat Hardness Heat Hardness
1 52 6 52
2 51 7 50
3 54 8 51
4 55 9 58
5 50 10 51
Ejemplo
I and MR Chart for hardness

62 3.0SL=60.97
Individuals

52 X=52.40

-3.0SL=43.83
42
Observation 0 1 2 3 4 5 6 7 8 9 10

10 3.0SL=10.53
Moving Range

5
R=3.222

0 -3.0SL=0.000
Interpretación de las gráficas
 La gráfica X puede ser interpretada de igual forma que la
Xprom. La gráfica MR no puede ser interpretada de igual
manera que la gráfica R.
 En la gráfica MR los datos están correlacionados unos con
otros por tanto la identificación de patrones no tiene sentido.
 La gráfica MR no puede proveernos información útil acerca
de la variabilidad.
 El éfasis debe estar centrado en la gráfica X.
 Normal Probability Plot
 En una gráfica X-MR el
postulado de .999

normalidad es .99
.95

importante para un

Probability
.80

adecuado desempeño .50

.20

de la gráfica. .05
.01
.001

50 51 52 53 54 55 56 57 58
hardness
Average: 52.4 Anderson-Darling Normality Test
StDev: 2.54733 A-Squared: 0.648
N: 10 P-Value: 0.063