UNIVERSIDAD PANAMERICANA

CONTROL ESTADÍSTICO DE PROCESOS

José maría garcía quiroz

 CONTROL ESTADÍSTICO DE PROCESOS
Objetivo
• Conocer y aplicar las principales técnicas para el estudio de la
estabilidad de un proceso.
• Capacitarse para estudiar la precisión de sistemas de medición
Metodología
Se inicia con los aspectos teóricos de cada metodología,
posteriormente se abordan sus aspectos finos para su correcta
aplicación. Con en apoyo en la computadora, ver aplicaciones tanto
con propósitos didácticos como orientados a sus procesos. Al final del
módulo se hará un examen formal.
 CONTENIDO

• Estabilidad de procesos
• Cartas de control para variables (X-R, individuales)
• Prácticas de aplicación
• Cartas para atributos (p, np, c y u)
• Ejercicios de aplicación
 Estadística descriptiva

• Medidas de tendencia central

• La medida más usual es la MEDIA (O PROMEDIO)

muestral:
X1 + X2 + ........+ Xn
X = --------------------------
n
• La media poblacional se denota con m
• El que la media esté bien no significa
necesariamente buena calidad
• Si la media estás mal, el proceso tiene
problemas de centrado
• La media muestral, no es igual a la media
poblacional
• Cuidado con el uso de la media
 Otras medidas de tendencia central

• MEDIANA es igual al valor que divide a la

mitad a los datos cuando éstos son
ordenados de menor a mayor
• MODA, es el dato que se repite con mayor
frecuencia
• A la media la jalan los datos raros
 DESVIACION ESTANDAR
• Entre más grande sea el valor de S mayor
variabilidad habrá y peor calidad
• A S se le conoce como VARIANZA
• La desviación estándar poblacional se
denota s
 ESTABILIDAD DE PROCESOS
Dado que es imposible incorporar la calidad en un
producto mediante la inspección o las pruebas,
entonces se debe fabricar el producto correctamente
desde el principio. Lo anterior implica que los
procesos de fabricación deben de ser estables y
capaces de manera que todos los productos cumplan
con las especificaciones.
 Control Estadístico de un Proceso

Estabilidad de la Capacidad para cumplir

variabilidad especificaciones

Cartas de Control, Índices de Capacidad

distinguen entre la Histogramas
variación debida a causas
comunes, de la debida a
causas especiales
 VARIABILIDAD ESPECIAL
O ATRIBUIBLE

Otros tipos de variabilidad pueden estar presentes

ocasionalmente que por lo común surge de tres
fuentes: ajuste incorrecto de maquinas, errores de
operario o defectos en la materia prima (o alguna
combinación de estos factores). Normalmente
representa un nivel inaceptable de funcionamiento
del proceso. Y el proceso se considera “fuera de
control”.
 VARIABILIDAD COMUN
En cualquier proceso de fabricación, sin
importar su buen diseño o mantenimiento cuidadoso,
siempre existirá cierto grado de variabilidad
inherente o natural. Esta variabilidad natural es el
efecto acumulativo de muchas pequeñas causas
esencialmente incontrolables. Cuando esta
variabilidad es pequeña se considera un nivel
aceptable del funcionamiento del proceso, y se
conoce como “sistema estable de causas fortuitas”,
considerandose el proceso “bajo control estadístico”.
 Mano de obra Mediciones

Maquinaria Medio ambiente

Materiales Métodos

Variable de salida (característica de calidad)

 CARTAS DE CONTROL
Analizar la variabilidad de un proceso, con el
propósito de distinguir entre:

• Variaciones comunes (aleatorias), y

• Variaciones especiales (atribuibles)
Límite de control superior

Línea central

Límite de control inferior

Tiempo
 50
45
Incidencia
40
35
30
25
20

1 2 3 4 5 6 7 8 9 10 11 12

Mes
CARTAS DE CONTROL

Las cartas de control son las mas sencillas

herramientas, en línea, gráficas y analíticas para
decidir si un proceso se encuentra en control
estadístico de calidad.
Los usos fundamentales de las cartas de control son:

• Rastreo y vigilancia de un proceso

• Reducir la variabilidad de un proceso

• Estimar los parámetros de producto o proceso

 Límites Reales o Naturales
• Límite real inferior = m - 3s
• Límite real superior = m + 3s

• Conocer éstos y compararlos contra

especificaciones, es una forma básica de
evaluar la capacidad del proceso
 Tipos de Cartas de Control
• VARIABLES • ATRIBUTOS
promedios (m) Proporción (p)
Rangos (R) numero de unidades
desviaciones estándar (s) defectuosas (np)
medidas individuales (X) numero de defectos (c)
numero de defectos por
unidad (u)
 20 LCS

W
15
10 A
5 B
C
-5 C
-10 B
-15 A
LCI
-20
(a) Las zonas de 1 6 11 16 21 26 31 36 41
una carta de control. Subgrupo
20 LCS
3.2 LCS
15
2.4
10
1.6
5
.8
WW

-5
-.8
-10
-1.6
-15
-2.4 LCI
-20
-3.2 LCI
1 6 11 16 21 26 31 36
Subgrupo
(b) Cambio de 1 6 11 16 21 26
Subgrupo
31 36 41 46

nivel. 10 LCS
6
2
W

-2
-6
-10 LCI
1 6 11 16 21 26 31 36 41 46 51 56
(C) Tendencia Subgrupo
 2.8 LCS
2
1.2
.4

W
-.4
-1.2
-2
-2.8 LCI
1 6 11 16 21 26 31 36 41 46 51 56 61 66
Subgrupo

(d) Ciclo
5.5 LCS
4.5
3.5
2.5
1.5
.5
W

-.5
-1.5
-2.5
-3.5
-4.5 LCI
-5.5
1 6 11 16 21 26 31 36 41 46
Subgrupo
(e) Alta variabilidad
7 LCS
5
3
1
W

-1
-3
-5
-7 LCI
1 6 11 16 21 26 31 36 41 46
Subgrupo
(f) Falta de variabilidad
 CAMBIO DE NIVEL EN UN PROCESO

Prueba 1
• Un punto fuera de los
limites de control
Prueba 2
• Dos de tres puntos
consecutivos en la
zona A o más allá
Prueba 3
• Cuatro o cinco
puntos consecutivos
en la zona B o más
allá
 CAMBIO DE NIVEL

Prueba 4
• Ocho puntos
consecutivos
de un solo lado
de la línea
central
 TENDENCIA NO ALEATORIA EN UN
PROCESO

Prueba 5
Seis puntos
consecutivos
ascendentes ( o
descendentes)
 UN COMPORTAMIENTO CICLICO EN UN PROCESO

Prueba 6
Catorce puntos
consecutivos
alternando entre
bajo y alto
 MUCHA VARIABILIDAD

Prueba 7
Ocho puntos
consecutivos
a ambos
lados de la
línea central
con ninguno
en la zona C
 FALTA DE VARIABILIDAD

Prueba 8
Quince puntos
consecutivos
en la zona C,
arriba o
debajo de la
línea central
 Carta de control X-R
• Características de calidad de tipo continuo
que interesa evaluar su variabilidad (Carta
R) y su tendencia central (Carta ).
• Se aplica a procesos masivos o rápidos
• Se toma una cantidad pequeña de productos
consecutivos (subgrupo) cada determinado
período de tiempo, y en lugar de analizar la
mediciones individuales se analizan las
medias y los rangos de los subgrupos
Límites de control X-barra
• Son determinado por la media y desviación
estándar del estadístico W que se grafica:
• mw  3sw
s
sx 
mx  X n

R  R / d2  3
s 3s x  3  R  A2 R
 n  d2 n
2d
 Límites de Control para carta R
• m R  3sR
R 
• m R = R ; sR = d3 s  d 3  
 d2 

R   d 
LCI  R  3d 3    1  3 3   R  D3 R
 
 d2    d2 

R    d3 
LCS  R  3d 3    1  3   R  D4 R
 
 d2    d2 
 X-bar Chart for longitud
30.3
UCL = 30.21
30.2 CTR = 29.98
30.1 LCL = 29.76
X-bar

30
29.9
29.8
29.7
0 4 8 12 16 20
Subgroup

Range Chart for longitud

1
UCL = 0.82
0.8 CTR = 0.39
LCL = 0.00
Range

0.6

0.4

0.2

0
0 4 8 12 16 20
Subgroup
 X-bar Chart for longitud2
30.3
UCL = 30.22
30.2 CT R = 30.00
30.1 LCL = 29.78
X-bar

30

29.9

29.8

29.7
0 4 8 12 16 20
Subgroup

Range Chart for longitud2

1
UCL = 0.81
0.8 CT R = 0.38
LCL = 0.00
Range

0.6

0.4

0.2

0
0 4 8 12 16 20
Subgroup
EJEMPLO:
En un empresa de fundición se elaboran valvulas de hierro gris de 50 kg.
De peso y el cliente estableció una tolerancia de +- 1 kg. y se requiere
evaluar el desempeño del proceso de fundición con respecto a su
tendencia central y su variabilidad
Ejemplo:
Después de las gráficas de control se obtuvieron 15
muestras más del proceso de fabricación de anillos de pistón.
¿Qué se puede observar?
Cuando el tamaño de la muestra es mayor a 10
Es recomendable usar la carta S en lugar de la
carta R. Lo anterior se debe a que conforme
aumenta el tamaño de la muestra se pierde
eficiencia estadística para estimar la desviación
estándar usando el método de la amplitud.

También es posible utilizar diagramas de S2 en

vez de diagramas S.
 X Chart for temperatura
135
UCL = 133.05
132 CT R = 126.97
LCL = 120.89
129
X

126

123

120
0 4 8 12 16 20 24
Observation

MR(2) Chart for temperatura

8
UCL = 7.48
CT R = 2.29
6
LCL = 0.00
MR(2)

0
0 4 8 12 16 20 24
Observation
 Carta de Individuales U
• Es un diagrama para variables de tipo continuo (no
conteos)
• Cada dato se capta y se registra
• Límites:
R
X  3s s
1.128
• El rango se obtiene de la deferencia entre dos datos
consecutivos
Ejemplo
La viscosidad de un producto químico es una
característica de calidad importante. El producto se
elabora por lotes, y debido a que la producción de
cada lote tarda varias horas, la tasa de producción es
demasiado lenta para permitir tamaños muestrales
mayores de uno.

¿Qué se puede observar?

EL PROBLEMA ES DE IDENTIFICAR PATRONES;
ES DECIR, RECONOCER PATRONES
SISTEMÁTICOS O NO ALEATORIOS EN LOS
DIAGRAMAS DE CONTROL.
1. Uno o más puntos están fuera de los límites de control.
2. Una corrida de por lo menos 7 u 8 puntos , donde el tipo de
corrida podrá ser ascendente o descendente, una corrida
sobre la línea central o bajo ella, o bien por encima o debajo
de la mediana.
3. Dos de tres puntos consecutivos fuera de los límites de
advertencia de dos sigma, pero todavía entre los límites de
control.
4. Cuatro o cinco puntos consecutivos más allá de los límites
sigma.
5. Un patrón anormal o no aleatorio en los datos.
6. Uno o más puntos cerca de un límite de advertencia o de los
límites de control.
 ¿de que tamaño debe ser la muestra?

Tipo de cambios:
- de moderados a grandes: 4, 5 o 6 (x-R)
- cambios pequeños: 10 o 12 (x-R)
- cambios muy pequeños o proceso delicado: 15 a 25 (x-s)

Frecuencia de muestreo:
- entre 5 piezas cada media hora o 20
piezas cada 2 horas
Para cartas x-R, una adaptación para variables
Military Standard 414:
Tamaño del lote:porcentaje a muestrear

60 a 300 10%
301 a 1000 5%
1001 a 5000 2%
mas de 5000 1%
 CARTAS p Y np
• Existen características de calidad del tipo
pasa o no pasa, donde de acuerdo a éstas un
producto es juzgado como disconforme o
conforme (defectuoso o no defectuoso),
dependiendo de si posee ciertos atributos.
• Con la carta p se analiza las variaciones en
la fracción o proporción de artículos
defectuosos por subgrupo
 CARTAS p
• Se toma una muestra de n artículos
• Se encuentra cuantos de éstos son defectuosos
(Di)
• Se calcula pi= (Di/n). Las que son analizadas
mediante la carta p.

• En algunos casos conviene más usar el número

de defectos observados , en vez de la fracción
de defectuosos (carta np)
 Límites de Control Carta p
Total defectuosos
LC  p =
Total inspeccion ados
p(1 - p )
LCS  p + 3
n
p(1 - p )
LCI  p  3
n

Con n tamaño de muestra

 p Chart for proporcion
0.08
UCL = 0.0686
CTR = 0.0362
0.06
LCL = 0.0037
p

0.04

0.02

0
0 4 8 12 16 20 24
Subgroup

np Chart for articulos

20
UCL = 17.87
16 CT R = 9.15
LCL = 0.43
12
np

0
0 4 8 12 16 20

Subgroup
EJEMPLO:

Se envasa jugo de naranja concentrado en botes de cartón de 6 onzas.

Estos envases los produce una máquina formando un tubo a partir de
una pieza de cartón y aplicando luego un fondo metálico. Al
inspeccionar un bote puede determinarse al llenado si goteará por la
junta lateral o la del fondo. Se desea elaborar un diagrama de control
para vigilar la fracción de envases disconformes producidos por esta
maquina.
Para establecer el diagrama de control se seleccionaron 30 muestras
de n = 50 botes cada media hora durante un periodo de tres turnos, en
los cuales la máquina operó continuamente.
Tamaño n
Si p en muy pequeño habrá que seleccionar n lo suficientemente
grande para tener una alta probabilidad de encontrar por lo menos una
unidad disconforme en la muestra. Por ejemplo, sea p = 0.01 y n = 8, se
tendría el LSC = 0.01 + 3[0.01(0.99)/8] = 0.1155. Si hay un
defectuoso en la muestra, entonces p = 1/8 = 0.125 y se concluye que el
proceso está fuera de control.

Una forma de determinar n elegir que la probabilidad de encontrar por

lo menos un articulo disconforme sea alta. Sea D el número de
artículos disconformes, entonces se desea determinar el valor n de
modo que P(D > 1) > 0.95, asumase lo anterior, y aplicando la
distribución Poisson se sabe que  = np. De este modo se tiene que
n = 300.
 Supóngase que p = 0.01 y se desea tener una probabilidad de 0.5 de
detectar un cambio hacia p = 0.05. Dado que este concepto implica
pensar en diagramas de control con aproximación normal a la
binomial, entonces
0.04 = 3[(0.01*0.99)/n]

n = (3/0.04)2(0.01*0.99) = 56

Si es pequeño el valor bajo control (p) de la fracción de disconformes,

es útil
n > (0.99/0.01)(3)2 = 891

Esto permite tener LCI positivos.

 Carta C
Variables de conteo, como: número de quejas por día,
accidentes viales por crucero, nuevos clientes al día,
clientes atendidos por hora, errores en un escrito,
cantidad de soldadura defectuosa por cordón de 100
metros de longitud, número de remaches rotos en
una unión, cantidad de defectos funcionales en un
dispositivo lógico electrónico, número de defectos
en 5 o 10 unidades
• Diagrama de control para el numero total de
disconformidades por unidad
• Diagrama de control para el promedio de
disconformidades
Tamaño de muestra constante
Número de oportunidades grande
Distribución Poisson

Usualmente estas variables se analizan

mediante la carta c. Límites:

c 3 c
 c Chart for intoxicados
12
UCL = 11.34
10 CT R = 4.78
8 LCL = 0.00
c

0
0 3 6 9 12 15 18

Observation
u Chart for promedio
2
UCL = 1.6900
1.6 CT R = 1.0400
LCL = 0.3800
1.2
u

0.8

0.4

0
0 4 8 12 16 20 24

Subgroup
EJEMPLO:
El número de disconformidades en 26 muestras
sucesivas cada una de 100 tarjetas de circuitos
impresos, ¿qué se puede concluir con estos datos?