!

CONTROL
ESTADISTICO DE
PROCESOS ( CEP )

CEP
! Se define como la aplicacin de mtodos
estadsticos para la medicin y anlisis de la
variacin en un proceso. Esta tcnica se aplica
tanto a los parmetros dentro del proceso como a
los del final de ste (producto).

! Un proceso es un conjunto de actividades que convierte

entradas en salidas o resultados. Ms especficamente, es
una combinacin nica de mquina, herramientas, mtodos,
materiales y gente que alcanza un resultado en productos,
software o servicios: el chip de un circuito, un programa de
cmputo o las respuestas que se brindan a los clientes en
una lnea de ayuda respectivamente.

VENTAJAS DE REDUCIR LA VARIABILIDAD

DEL PROCESO
La menor variabilidad:

! puede resultar en un mejor desempeo del

producto que el consumidor pueda discernir.

! La menor variabilidad de las caractersticas de un

componente puede ser la nica manera de
compensar la g ran variabilidad en otros
componentes y, por lo tanto, cumplir con los
requerimientos de desempeo en un ensamblaje o
sistema.

VENTAJAS DE REDUCIR LA VARIABILIDAD

DEL PROCESO
La menor variabilidad:

! Ofrece la oportunidad de cambiar el promedio del

proceso. Por ejemplo para algunas caractersticas
como el peso, la reduccin de la desviacin
estndar al llenar el contenido de un paquete de
alimento, permite una reduccin en el llenado
promedio, lo que resulta en una reduccin de costo.

! Una menor variabilidad resulta en una menor

necesidad de inspeccin. ( variabilidad cero implica
que una sola muestra cuenta toda la historia)

VENTAJAS DE REDUCIR LA VARIABILIDAD

DEL PROCESO
La menor variabilidad:
! Puede ser un factor competitivo al deter minar la
participacin de mercado.

GRAFICAS DE CONTROL ESTADSTICO

! Una grfica de control estadstico compara

los datos del desempeo del proceso con
los lmites de control estadstico
computados.

! Uno de sus principales objetivos es detectar

las causas especiales (o asignables) de
variacin en un proceso,

GRAFICAS DE CONTROL ESTADSTICO

Las variaciones de un proceso pueden deberse a dos causas:
(1) comunes (aleatorias o de suerte), las cuales son inherentes al
proceso.
(2) especiales (o asignables), las cuales causan una variacin excesiva.

! Uno de los principales objetivos de una grfica de control es

detectar las causas especiales (o asignables) de variacin en un

proceso, a fin de eliminarlas y reducir la variacin.

! No se debe creer que un estado de control estadstico es un fin en s

mismo.

! Idealmente, slo debera haber causas comunes en los procesos,

porque representan un proceso predecible y estable que lleva a un

mnimo de variacin.

! Se dice que un proceso que opera sin causas especiales de variacin

est en un estado de control estadstico.

! La grfica de control distingue entre causas comunes y

especiales de variacin mediante la eleccin de lmites de
control, que se calculan usando leyes de probabilidad para
que se presuma que las causas altamente improbables de
variacin se deben a causas especiales y no aleatorias.

VENTAJAS CEP
Existe un estado del control estadstico en el que slo hay causas comunes de
variacin en un proceso. Esta condicin presenta diversas ventajas importantes:

! El proceso es estable, lo que hace posible predecir su comportamiento, al

menos en el corto plazo.

! El proceso tiene una identidad en trminos de una determinada serie de

condiciones necesarias para hacer predicciones. Por ejemplo, Si decimos que

un jugador tiene una capacidad de bateo de aproximadamente .250,
queremos decir que, en promedio, har un hit por cada cuatro veces que
est al bate.

! Un proceso que posea causas especiales es inestable, y la variacin excesiva

puede ocultar el efecto de los cambios introducidos para lograr una mejora.
La eliminacin de ciertas causas especiales y la consiguiente rediagramacin
de las grficas de control tambin puede revelar que an existen causas
especiales ocultas anteriormente.

! Un anlisis del control estadstico, que incluye la diagramacin de datos en

el orden de produccin, permitir fcilmente identificar las tendencias en el

tiempo que permanecen ocultas por otras sntesis de datos tales como los
histogramas.

! Un proceso estable (como se verifica con el control estadstico) que tambin

cumple con las especificaciones del producto ofrece pruebas de que el
proceso tiene condiciones que, de mantenerse, resultarn en un producto
aceptable.

PASOS PARA CREAR DIAG DE CONTROL

1. Elegir las caractersticas que se van a diagramar.
! Dar una gran prioridad a las caractersticas que estn

funcionando actualmente con un alto nivel de defectos. (Usar

anlisis de Pareto para establecer prioridades.)

! Identificar las variables y condiciones del proceso que

contribuyen a las caractersticas del producto final, con objeto de

definir las aplicaciones potenciales del diagrama desde la
materia prima hasta las etapas del proceso y las caractersticas
finales.

! Determinar el punto ms temprano en un proceso de produccin

en el cual se pueden realizar pruebas que obtengan informacin

sobre las causas asignables, para que el diagrama sirva como un
mecanismo efectivo de advertencia temprana para evitar
defectos.

PASOS PARA CREAR DIAG DE CONTROL

2. Elegir el diagrama de Control
La experiencia ha demostrado que los grficos de
control dirigen efectivamente la atencin hacia las causas
especiales de variacin y a la magnitud de la variacin de
causas comunes, que se deben reducir mediante actuacin
por parte de la direccin. Pueden ser de dos tipos segn la
caracterstica del producto o servicio a analizar:

Grficos de control por variables En ellos el control del

proceso se realiza mediante variables susceptibles de ser
medidas: cantidades, pesos, dimetros, espesores, frecuencias,
etc. En ellos se analizarn parmetros de centraje y dispersin
de la caracterstica a controlar a lo largo del tiempo. El grfico,
que analiza la media muestral y el rango de una muestra
predeterminada, es el ms utilizado en este mbito.

PASOS PARA CREAR DIAG DE CONTROL

2. Elegir el diagrama de Control
grficos de control por atributos. En ellos el control del
proceso se realiza mediante atributos de tipo dicotmico.
Asi, se puede analizar si el producto o servicio posee o no
una determinada caracterstica (atributo): color, forma,
defecto, tipo, etc. Y en general se aborda dicho anlisis
mediante preguntas del tipo: aceptable/no aceptable, si/
no, funciona/no funciona, etc.
Los principales grficos por atributos, son: los que
controlan nmero de unidades defectuosas: "p" y "np", y los
que controlan el nmero de defectos "c" y "u". Su estudio se
abordar posteriormente.

PASOS PARA CREAR DIAG DE CONTROL

3. Decidir sobre la lnea central que se usar y la base

para el clculo de los lmites. La lnea central puede

ser el promedio de los datos anteriores o un promedio
deseado (como un valor estndar). Los lmites se
establecen normalmente en 3 , pero se pueden
elegir otros mltiplos para diferentes riesgos
estadsticos.

4. Elegir el subgrupo racional. Cada punto de un

diagrama de control representa un subgrupo (o

muestra) que consta de diversas unidades del
producto. Para el control de procesos, se deben elegir
subgrupos para que las unidades dentro de stos
tengan la mayor posibilidad de parecerse y aqullas
entre subgrupos tengan la mayor posibilidad de ser
diferentes.

PASOS PARA CREAR DIAG DE CONTROL

5. Brindar un sistema para la recopilacin de datos. Si el

diagrama de control servir como una herramienta de

uso cotidiano en el taller, debe ser conveniente y fcil
de usar. Las mediciones se tienen que simplificar y
mantener libres de error. Se deben disear
instrumentos indicadores que den lecturas raapidas y
confiables.

6. Calcular los lmites de control y brindar instrucciones

especficas para la interpretacin de resultados y las
acciones que van a emprender diversos miembros del
personal de produccin.

PASOS PARA CREAR DIAG DE CONTROL

5. Brindar un sistema para la recopilacin de datos. Si el

diagrama de control servir como una herramienta de

uso cotidiano en el taller, debe ser conveniente y fcil
de usar. Las mediciones se tienen que simplificar y
mantener libres de error. Se deben disear
instrumentos indicadores que den lecturas raapidas y
confiables.

6. Calcular los lmites de control y brindar instrucciones

especficas para la interpretacin de resultados y las
acciones que van a emprender diversos miembros del
personal de produccin.

7. La diagramacin de datos y la interpretacin de

resultados.

Frmulas para el lmite de control

Estas frmulas se basan en 3
y emplean una lnea
central igual al promedio de los datos usados al calcular
los lmites de control.

CONTROL Y MEJORA DE UN PROCESO. GRFICOS DE

CONTROL. CONTROL ESTADSTICO DE PROCESOS. SPC
1. INTRODUCCIN.
Mientras el Dr. Walter Shewhart de los Laboratorios Bell estudiaba
datos de procesos en la dcada de los aos 20, distingui por
primera vez entre variaciones controladas e incontroladas, debido
a lo que llamamos causas especiales.
Desarroll un sencillo pero poderoso instrumento para distinguir
dinmicamente entre las dos: el grfico de control.
Desde entonces, los grficos de control han sido utilizados con
xito en una amplia variedad de situaciones de control de procesos.
La experiencia ha demostrado que los grficos de control dirigen
efectivamente la atencin hacia las causas especiales de variacin y a la
magnitud de la variacin de causas comunes que se deben reducir
mediante actuacin por parte de la direccin.

TIPOS DE GRFICOS DE CONTROL

Los grficos de control pueden ser de dos tipos segn la
caracterstica del producto o servicio a analizar: Grficos de control
por variables y grficos de control por atributos.
En los grficos de control por variables, el control del proceso se
realiza mediante variables susceptibles de ser medidas:
cantidades, pesos, dimetros, espesores, frecuencias, etc. En ellos
se analizarn parmetros de centraje y dispersin de la
caracterstica a controlar a lo largo del tiempo. El grfico, que
analiza la media muestral y el rango de una muestra
predeterminada, es el ms utilizado en este mbito.

En los grficos de control por atributos, el control del proceso se

realiza mediante atributos de tipo dicotmico. As, se puede
analizar si el producto o servicio posee o no una determinada
caracterstica (atributo): color, forma, defecto, tipo, etc.
Y en general se aborda dicho anlisis mediante preguntas del tipo:
aceptable/no aceptable, si/no, funciona/no funciona, etc.
Los principales grficos por atributos, son: los que controlan
nmero de unidades defectuosas: "p" y "np", y los que controlan el
nmero de defectos "c" y "u". Su estudio se abordar
posteriormente.

En general se prefiere el control por variables, ya que la

informacin recogida es ms objetiva (son medidas de una
caracterstica) y representa ms fiablemente el estado del proceso en
trminos de la caracterstica que se intenta controlar; mxime, si se
tiene en cuenta que para realizar el control, el nmero de "piezas"
observadas (que constituyen la muestra) es muy pequeo comparado
con la poblacin de la que provienen y que permiten establecer la
capacidad del proceso.
As, estos grficos nos informan ms fiablemente acerca de la
variacin que sufre la caracterstica que se mide a lo largo del tiempo
y de la magnitud de esa variacin. Por otra parte, los grficos de
control por atributos slo nos dan una indicacin de la aceptabilidad
de la muestra, sin informar de la variacin producida por la
caracterstica y adems, por lo general requieren para su construccin
tamaos muestrales mayores.
As, si la caracterstica que se pretende controlar es muy
importante (por ejemplo, por ser componentes de precisin) se
emplearn los grficos de control por variables.

GRFICOS DE CONTROL POR VARIABLES.

Los grficos de control por variables en general nos permitirn
mediante muestras de pequeo tamao (3, 4 5 piezas) tomadas en
la propia mquina, prever dentro de que lmites un proceso est
dentro de control. Es decir, se trata de controlar el proceso vigilando
las variables ms significativas de los productos fabricados; para ello
se usan tcnicas estadsticas aceptando que los errores siguen una
distribucin normal.
Los grficos de control por variables se deben utilizar cuando se
precise controlar una dimensin o caracterstica concreta de un
producto en el que se estn produciendo defectos o cuando no
estamos seguros de que el proceso con el que se fabrican estos
productos sea el adecuado. El control por variables tiene como
ventajas a destacar que el operario recibe informacin de la calidad
de su trabajo y puede contrastarla con los objetivos perseguidos,
adems se puede prever la aparicin de piezas defectuosas, as
como detectar que un proceso es el adecuado para fabricar una
determinada pieza analizando tambin la evolucin del propio
proceso.

2. GRFICO

Este grfico trata de mostrarnos la distribucin que siguen en el

X estimadores (media) y R (rango), identificativos del valor
tiempo los
central y la dispersin de los valores de cada muestra extrada. Los
valores de estos estimadores variarn de una muestra a otra en el
proceso de inspeccin; por tanto, lo que nos interesar predecir, son
los lmites entre los que variarn dichos estimadores, supuesto que
el proceso est bajo control (esto es, cuando no existen causas
especiales que distorsionen el proceso).
El procedimiento que debe seguirse para su construccin exige
contar con una hoja de recogida de datos, en la que se indicar el
tamao de las muestras, la frecuencia con que deben tomarse y el
nmero de muestras necesarias para obtener cierta significacin
estadstica en nuestro estudio.

El tamao de la muestra se elegir de modo que la variacin entre

las medidas de las unidades observadas sea lo menor posible.
Conviene que este tamao sea reducido y constante para todas
las muestras que se tomen. Suelen tomarse muestras de tamao
5, de extraccin consecutiva, para que todas las unidades que
componen la muestra tengan un comportamiento lo ms
homogneo posible.

Respecto a la frecuencia de extraccin de muestras, no se ha de

perder de vista el propsito general de los grficos de control por
variables, que es detectar los cambios que se originan en el
proceso a lo largo del tiempo. Por eso la frecuencia de extraccin
debe facilitar esa tarea de deteccin, de modo que si se prev una
elevada variabilidad de la medida en el proceso, los intervalos de
extraccin deben ser cortos.

De cada una de las muestras se van a vigilar dos valores: uno es la

media y el otro el rango (diferencia entre el mayor valor y el menor
de los datos de la muestra). Puede admitirse que cada uno de
estos dos valores sigue una distribucin normal a lo largo del
proceso de muestreo, es decir:

N( X ,

)
R
N
(
R
,
X

R)

Adems, la relacin que existe entre las desviaciones de estas

distribuciones, la desviacin estndar de la poblacin ( ), y el rango
medio ( R ) es:

R
X

d2 n

d3

d3
R
d2

donde d2, d3 son coeficientes cuyo valor depende del tamao de

cada muestra.
Para vigilar los valores de media y rango, se han de establecer los
denominados lmites de control de medias y rangos. Los lmites de
control de un grfico nos denotarn las cotas superior e inferior que
pueden tomar los valores que se plasman en el grfico, de modo
que la desviacin respecto a su valor medio sea como mximo de
3 desviaciones estndar. Y esto suponiendo que la variacin del
valor del estimador que se controla, es debida exclusivamente a
causas comunes.

As, los lmites de control para la media, se establecern como sigue:

LC X

3
d2 n

A2 R

LCS X

A2 R

LCI X

A2 R

Lo mismo, para los rangos:

LC R

R 3

d
R 3 3 R
d2

d
(1 3 3 ) R
d2

LCS R

D4 R

LCI R

D3 R

los valores A2, D3, y D4 tambin dependen del tamao de la muestra (ver
tabla siguiente.)

10

d2

1.128

1.693

2.059

2.326

2.534

2.704

2.847

2.970

3.078

d3

0.853

0.888

0.880

0.864

0.848

0.833

0.820

0.808

0.797

A2

1.880

1.023

0.729

0.577

0.483

0.419

0.373

0.337

0.308

D3

0.076

0.136

0.184

0.223

D4

3.267

2.575

2.282

2.115

2.004

1.924

1.864

1.816

1.777

2.659

1.772

1.457

1.289

1.183

1.109

1.053

1.010

0.974

0.779

0.749

0.728

0.712

0.700

0.690

0.680

0.673

0.666

A3

2.660

1.950

1.630

1.430

1.290

1.180

1.100

1.030

0.980

B3

0.030

0.120

0.190

0.240

0.280

B4

3.270

2.570

2.270

2.090

1.970

1.880

1.820

1.760

1.750

Tabla: Coeficientes para distintos tamaos de muestra "n"

LVN

R
d2

LR

Condicin 1:

LVNS

LR

LVNI

LR

LVN

LT

INTERPRETACIN DEL GRFICO ( X

R )

Desde el punto de vista del control y mejora del proceso, no basta

con saber construir los grficos de control; es necesario saber
interpretarlos, con el fin de averiguar lo que le est sucediendo al
proceso en el transcurso del tiempo: causas de variacin
especiales, sesgos, tendencias, etc.

Antes de aceptar los grficos anteriores para el control futuro, es

necesario comprobar que el proceso esta bajo control estadstico,
lo cual ocurre cuando:
- Ninguno de los valores del Rango queda fuera de los limites de
control de Rango.
- Ninguna de las Medias esta fuera de los limites de control de las
Media.
- No haya mas de seis valores de las Medias, en muestras
consecutivas que estn al mismo lado de la gran media.
- No haya dos Medias seguidas fuera de los limites de
advertencia, (estos se toman con una amplitud de dos veces la
desviacin tpica).
- En siete muestras consecutivas no puede haber mas de dos
Medias fuera y del mismo lado de los limites de advertencia.

Si se cumple todo lo anterior, indicara que los valores hallados son

representativos del proceso y pueden usarse en el futuro para el
control del mismo. Si alguna de las condiciones no se cumple, no
se podran usar y habra que estudiar cual es el motivo y corregirlo.
Veamos unos ejemplos de los grficos anteriormente descritos:
Grfico con puntos fuera de control.

Puede ser que el proceso esta bajo control, pero se note un

progresivo empeoramiento.

Cuando todos los puntos estn muy cerca de la lnea central, sobre
1,5 * , no indican que estemos con un buen control, sino que
estamos mezclando informacin lo que nos da unos mrgenes muy
amplios, entonces ha de revisarse la manera de hacer los subgrupos.

Tambin puede considerarse anormal que se note un cierto

ordenamiento en los puntos, aunque estos estn dentro de las lneas
de control, por ejemplo mismas subidas y bajadas. Recurdese que
para que un proceso este bajo control las nicas causas que pueden
influir en l, son las debidas al azar.

3. EJEMPLO DE GRAFICOS X-R. A continuacin se muestra la

representacin del grfico () correspondiente a los datos de 25 muestras
x1
x2
x3
x4
x5
de tamao 5 de los dimetros
de
determinadas
piezas.
x1
x2
x3
x4
x5
001
002
003
004
005
006
007
008
009
010
011
012
013
014
015
016
017
018
019
020
021
022
023
024
025

001
10.440 10.500 10.450 10.440 10.520
10.440 10.500 10.450 10.440 10.520
002
10.640 10.530 10.600 10.520 10.510
10.640 10.530 10.600 10.520 10.510
003
10.550 10.510 10.470 10.450 10.420
10.550 10.510 10.470 10.450 10.420
004
10.530 10.520 10.560 10.590 10.600
10.530 10.520 10.560 10.590 10.600
005
10.520 10.430 10.440 10.460 10.500
10.520 10.430 10.440 10.460 10.500
006
10.450 10.460 10.610 10.480 10.550
10.450 10.460 10.610 10.480 10.550
007
10.530 10.610 10.480 10.400 10.480
10.530 10.610 10.480 10.400 10.480
008
10.450 10.500 10.450 10.530 10.470
10.450 10.500 10.450 10.530 10.470
009
10.520 10.560 10.530 10.580 10.660
10.520 10.560 10.530 10.580 10.660
010
10.560 10.500 10.400 10.510 10.640
10.560 10.500 10.400 10.510 10.640
011
10.530 10.480 10.560 10.550 10.580
10.530 10.480 10.560 10.550 10.580
012
10.560 10.430 10.430 10.420 10.510
10.560 10.430 10.430 10.420 10.510
013
10.500 10.720 10.480 10.450 10.500
10.500 10.720 10.480 10.450 10.500
014
10.470 10.530 10.560 10.520 10.470
10.470 10.530 10.560 10.520 10.470
015
10.530 10.560 10.600 10.690 10.550
10.530 10.560 10.600 10.690 10.550
016
10.510 10.630 10.620 10.590 10.610
10.510 10.630 10.620 10.590 10.610
017
10.500 10.510 10.400 10.520 10.520
10.500 10.510 10.400 10.520 10.520
018
10.540 10.460 10.490 10.450 10.460
10.540 10.460 10.490 10.450 10.460
019
10.490 10.550 10.510 10.560 10.490
10.490 10.550 10.510 10.560 10.490
020
10.620 10.500 10.600 10.610 10.620
10.620 10.500 10.600 10.610 10.620
021
10.540 10.590 10.630 10.580 10.560
10.540 10.590 10.630 10.580 10.560
022
10.420 10.550 10.480 10.500 10.500
10.420 10.550 10.480 10.500 10.500
023
10.520 10.600 10.510 10.520 10.500
10.520 10.600 10.510 10.520 10.500
024
10.570 10.720 10.640 10.730 10.590
10.570 10.720 10.640 10.730 10.590
025
10.600 10.570 10.600 10.480 10.500
10.600 10.570 10.600 10.480 10.500

Con la tabla inicial de datos los grficos que se obtienen son los
siguientes:

GRAFICO X

GRAFICO R

10,65

0,3

10,6

0,25

10,55

0,2

10,5

0,15

10,45

0,1

10,4

0,05

10,35
1

11 13 15 17 19 21 23 25

0
1

11 13 15 17 19 21 23 25

En el diagrama X se detecta un punto fuera de control

correspondiente a la muestra 24, mientras que en el R todos estn
entre los lmites. Enmascarando esta muestra y volviendo a dibujar
los grficos se detecta otro punto fuera de control, esta vez en el
grfico R correspondiente a la muestra 13, la cual volvemos a
enmascarar. Para ello seguiremos los siguientes pasos:
a) Calcularemos en primer lugar los rangos de cada muestra, Ri , y
el rango medio, R , con la informacin contenida en la ficha de
control:
25

Ri

3,15
0,126
n de muestras 25
1

Los limites de control para los rangos vienen dados por las
expresiones en funcin de D4 y D3:
LCSR = D4 * R = 2,115 x 0,126 = 0,266
LCIR = D3 * R = 0 x 0,126 = 0
Siendo los valores de D3 y D4 los correspondientes a la tabla
anterior para un tamao de muestra, n, igual a 5.

b) Se comprueba a continuacin si el rango de alguna de las

muestras cae fuera de los Lmites de Control. Si esto ocurre, se
interpretar que la(s) muestra(s) correspondiente(s) pertenece(n) a
una poblacin distinta o a un momento en el que el proceso estuvo
fuera de control. En cualquier caso, dichas muestras no sern
consideradas y se proceder a calcular unos nuevos R y LCR con las
muestras restantes.
En el presente caso, slo el rango de la muestra i=13 est fuera de
los lmites, pues R13 = 0,27, por lo que debe ser eliminada en la
determinacin del nuevo rango:

3,15 0,27
24

LCSR = D4 * R = 2,115 x 0,12 = 0,254

LCIR = D3 * R = 0 x 0,126 = 0

0,12

Puede comprobarse que todos los rangos (salvo R13) estn

contenidos dentro de las nuevas LCR, por lo que puede tomarse
como definitivo el valor R = 0,12. Si algn R, no hubiese satisfecho
esta condicin, habra que proceder de forma anloga a la anterior
hasta conseguir que todos los Ri conservados queden dentro de los
LCR, cuidando de que el nmero de muestras que queden sean
suficientes para que los resultados sean significativos.
c) Una vez fijado se calcula el valor de y LCX, utilizando nicamente
las muestras no excluidas4 en el apartado anterior, por medio de las
expresiones ya vistas. Asimismo, se tomar R = 0,12.
24

X
LCSX = + A2 *
LCIX = - A2 *

R
R

Xi

24

252,73
10,53
24

= 10,53 + 0,577 x 0,12 = 10,599

= 10,53 - 0,577 x 0,12 = 10,461

donde A2 procede de la tabla anteriormente comentada para n = 5. No

obstante algunos autores prefieren considerar todas las muestras.

d) Se comprueba seguidamente si alguna de las Xi cae fuera de los

LCX. Si esto ocurriese, deberan ser eliminadas, determinndose unos
nuevos y LCX. Para estos ltimos se seguira empleando el mismo R
(0,12 en nuestro caso), con lo que los nuevos lmites de control
tendran la misma amplitud que los anteriores aunque estaran
desplazados por haber cambiado. El proceso se repetira hasta con
seguir que todas las conservadas queden dentro de los ltimos LCX
calculados, que se tomaran como definitivos (salvo para el caso de
alta precisin como ya se indic en la introduccin) junto con el ltimo
valor de X .
En el problema objeto de estudio observamos que X 24 = 10,65 est
fuera de los limites, por lo que deber prescindirse de ella:

252,73 10,65
10,525
23

LCS = 10,525 + 0,577 x 0,12 = 10,594

LCI = 10,525 - 0,577 x 0,12 = 10,456

Las 23 muestras consideradas caen dentro de los nuevos LCX, por lo

que consideramos finalizado el proceso y procedemos al clculo de
los lmites de variacin natural:
LVNS =

X + L R = 10,525 + 1,289 x 0,12 = 10,68

LVNI = X

- L

R = 10,525 - 1,289 x 0,12 = 10,37

Vemos, pues, que los LVN son ms estrechos que los lmites de
tolerancia, LT, especificados por la oficina tcnica, que, de acuerdo
con la ficha de control, valen:
LT = 10,5 0,2
es decir:
LTS = 10,5 + 0,2 = 10,7
LTI = 10,5 - 0,2 = 10,3

Se deduce, por tanto, que el proceso es capaz de cumplir los

objetivos marcados. Es interesante hacer notar que por estar la gran
media X descentrada hacia arriba (10,525 en lugar de 10,5), es mayor
la probabilidad de obtener piezas defectuosas por exceso en la
longitud, por lo que sera recomendable intentar centrar, X. Hay que
recalcar, sin embargo, que el operario sabe que los errores por
exceso pueden ser corregidos, no ocurriendo esto con los que son por
defecto, tendiendo, por tanto, a dar valores centrales, X, ms
elevados.
As se obtienen los grficos finales de la fase de construccin.
GRAFICO X

GRAFICO R

10,65

0,3

10,6

0,25
0,2

10,55

0,15

10,5

0,1

10,45
10,4
1

0,05

10

13

16

19

22

0
1

10

13

16

19

22

Para calcular los valores de los lmites de control en ambos grficos,

basta utilizar las frmulas anteriormente expuestas (supuesto que ya
se han filtrado las muestras 24 y 13).
Grfico de medias:

10,525

0,12

LC 10,525 0,577 0,12

10,456; 10,594

LCS 2,115 0,12 0,254; LCI

0 0,12 0

4. GRFICOS DE CONTROL POR ATRIBUTOS

Los grficos de control por atributos se utilizan para controlar
caractersticas de calidad que no puede medirse. En este sentido,
se definir el atributo de estudio y se observar si est presente o
no en las muestras que se obtengan del proceso.
As, un producto se calificar como "bueno" o "malo" segn posea
o no dicha caracterstica o atributo.
En general, estos grficos nos permiten controlar el nmero de
piezas defectuosas (bien en trminos absolutos, dentro de una
muestra, bien en fraccin defectuosa), o el nmero de defectos
(por muestra o por unidad de producto).

Segn que el tamao muestral considerado sea constante o variable

a lo largo de las sucesivas muestras, y de que se quieran controlar
unidades defectuosas o defectos, tenderemos cuatro diferentes
tipos de grficos, como se muestra en la tabla adjunta:

N piezas defectuosas.
N defectos.

n= Cte.
np
c

n= Var.
p
u

En cualquier caso, nuestro objetivo, ser determinar los lmites de

control del grfico que estemos manejando. Genricamente, los
lmites de control siempre responden a la formulacin: LC = VC
3 , esto es, tres desviaciones estndar a un lado y otro del valor
central de la medida de estudio. La interpretacin que se har de
los puntos que rebasen los lmites de control es la siguiente, si un
valor supera el lmite superior de control, querr decir que se ha
producido un alarmante ascenso del nmero de unidades
defectuosas (o del nmero de defectos). Sin embargo los valores
por debajo del lmite inferior de control pueden deberse a dos
situaciones; o bien el proceso ha mejorado realmente,
disminuyendo el nmero de fallos, o la extraccin de la muestra no
es adecuada en tamao (tamaos de muestra pequeos, pueden
falsear la informacin real del % de fallos existente en el proceso).
Por este motivo, los tamaos muestrales deben ser suficientemente
grandes, con valores habitualmente superiores a 50 elementos por
muestra.

4. 1. GRFICO "np".
Este grfico controla en cada punto correspondiente a una extraccin
muestral, el nmero de unidades defectuosas correspondientes a esa
muestra.
Las expresiones del valor central y de los lmites de control para este
grfico son:
N

VC

np

n artculosdefectuosos promedio por muestra

n uds.defectuosas en muestra" i"

i 1

LC np 3 np(1 p)
Es obvio que el valor de los lmites de control es constante, pero
depende del tamao muestral elegido.

EJEMPLO GRFICO "np".

La empresa Data ha decidido llevara un control de calidad del proceso
productivo mediante la utilizacin de grficos np empleando muestras
de 250 unidades, obtenindose de las 25 primeras muestras las
unidades defectuosas que se presentan en la tabla siguiente:
N 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
Def. 19 16 28 21 18 19 15 19 10 23 12 20 25 31 14 27 18 16 17 23 26 17 26 30 11

De acuerdo con los datos anteriores, calcularemos los lmites de

control mediante la expresin:
VC np

Total de artculos defectuosos encontrados

Nmero de muestrasinspecciondas

501
20,04
25

de donde:
p

np
n

20,04
250

0,08

y por lo tanto:

LCS np 3 np(1 p) 20,04 3 20,04(1 0,08) 32,92

LCI np 3 np(1 p)

20,04 3 20,04(1 0,08) 7,16

4.2. GRFICO "p".

Este grfico controla en cada punto correspondiente a una
extraccin muestral, el porcentaje de unidades defectuosas muestral.
As, por pi denotaremos a la fraccin defectuosa de la muestra isima (obtenida como cociente entre el nmero de unidades
defectuosas en la muestra i-sima y el tamao muestral de dicha
muestra).
pi

fraccindefectuosamuestra"i"

n uds.defectuosas en muestra"i"
ni

El valor central de esta caracterstica, ser

N

VC p fraccin defectuosa promedio

n uds. defectuosas en muestra"i"

i 1
N
i 1

donde N es el nmero total de muestras.

ni

Los lmites de control, para este grfico, se calculan segn la frmula

siguiente (siendo la raz de la misma un estimador de la desviacin
poblacional):

LCi

p(1 p)
p 3
ni

En esta frmula puede observarse como los lmites de control

dependen del tamao muestral (que es variable), por lo que los valores
de control de este grfico no sern constantes, sino que tendrn
diferentes valores para cada muestra.
Como resultara excesivamente tedioso calcular los lmites de control
reales, suelen calcularse los denominados lmites de control
simplificados, que toman valores constantes al considerar en la
frmula anterior el tamao muestral promedio de las N muestras. Esta
aproximacin, podr hacerse siempre que no exista gran variacin
entre los tamaos muestrales de las diferentes muestras. En todo
caso, para aquellos puntos del grfico prximos a estos lmites
simplificados, ser necesario calcular los lmites de control reales, para
evitar falsas alarmas (por ejemplo: un punto por debajo del lmite
inferior simplificado y cercano a l, no tiene porqu poner al sistema
fuera de control si no supera al correspondiente lmite de control real).

EJEMPLO DE GRFICO P
La empresa Electra, S. A., trata de controlar el proceso de fabricacin
de determinados aparatos elctricos mediante la implantacin de un
grfico p con el que observar la evolucin de la fraccin defectuosa.
Para ello, se comienza en el mes de febrero de 1980, examinando un
50 por 100 de la produccin mediante muestras de tamao variable e
igual a la mitad de la produccin diaria.
Como valor central de la fraccin defectuosa se adopta, en un
principio, el obtenido de experiencias similares en el pasado, igual a
un 2,5 por 100 de productos defectuosos por muestra. Este valor (p =
0,025) ser revisado mensualmente y sustituido por otro si la
evolucin de la calidad as lo aconseja.

Los datos procedentes de 25 muestras aparecen en la tabla de la

figura siguiente en la que se indica adems de los valores de ni y pi,
los valores de los lmites de control de cada muestra, calculados de
acuerdo con las expresin siguiente para pi :

pi

n uds.defectuosas en muestradetectadas
fraccindefectuosamuestra"i"
Nmerototalde unidadesinspeccionadas

Se desea dibujar el grfico p correspondiente as como comentar los

resultados obtenidos.

RESOLUCIN:
A partir de los datos de la tabla se ha dibujado el grfico p. De su
observacin se desprende que, a partir de la muestra 7, la calidad
ha ido empeorndose progresivamente hasta llegar a una muestra,
la 17, que queda fuera de control. A partir de ella se han aplicado
medidas correctoras que han trado consigo una mejora en la
fraccin defectuosa.
A la luz de la informacin brindada por el grfico p parece
aconsejable revisar el valor central empleado, utilizndose para ello
el promedio de p durante el mes transcurrido, y excluyendo, claro
est, el valor correspondiente a la muestra que result fuera de
control. As pues, el nuevo VC a aplicar el mes de marzo ser:

Nmero total de unidades defectuosas detectadas

285

VC= ---------------------------------------------------------------------- = ----------- =0,0235

Nmero total de unidades inspeccionadas

12.144

Que es menor que el objetivo de 0,025.

Vemos que se ha conseguido una ligera mejora de la calidad sobre el VC
inicialmente previsto.
En el presente caso, en el que el tamao de la muestra vara dentro de unos
lmites estrechos (ver introduccin), cabe la posibilidad de utilizar un valor
medio para el mismo, , que evitar el clculo de los LC para cada muestra,
utilizndose para todas ellas los LC resultantes de aplicar las expresiones
anteriores para = 0,507.

As pues, para el mes de febrero tendramos:

LCS

p ' (1 p ' )
p' 3
n

LCI

p' 3

p ' (1 p ' )
n

0,025(1 0,025)
0,025 3
507

0,046

0,025(1 0,025)
507

0,004

0,025 3

De esta forma obtenemos unos limites de control que no varan con

el tamao de la muestra. Su utilizacin debe ir acompaada del
clculo de los verdaderos valores de LC en aquellas muestras cuyo
valor de p quede fuera, o muy prximo, del LC promedio, de forma
que pueda determinarse si la muestra en cuestin debe ser
considerada realmente fuera de control.

De forma anloga, para el mes de marzo podemos utilizar unos LC

aproximados, para cuyo clculo utilizaremos:
p' = = 0,0235 y = 506
lo cual nos lleva a

LCS

p' 3

p' (1 p' )
n

LCI

p' 3

p' (1 p' )
n

0,0235 3

0,0235 3

0,0235(1 0,0235)
506

0,0235(1 0,0235)
506

0,0437

0,033

Es fcilmente observable que, en el caso de utilizar un valor de n

constante, la diferencia entre este grfico y el np es la escala,
siendo la de este ltimo igual a la del p multiplicada por n. Debido a
ello, en estas circunstancias suele ser ms interesante emplear el
grfico np, pues requiere menos clculos y es de ms fcil
comprensin. No obstante, es necesario decir que los clculos de
los distintos LC en los grficos p pueden ser sistematizados,
existiendo incluso bacos de los que se obtienen con facilidad.

4.3. GRFICO "c".

Este grfico controla en cada punto correspondiente a una extraccin
muestral, el nmero de defectos correspondientes a esa muestra. As, si
llamamos:

ci

n defectosen la muestra"i"

las expresiones del valor central y de los lmites de control para este grfico
sern:
N
n defectosen muestra"i"
VC c media defectos por muestra i 1
N

LC c 3 c

EJEMPLO DE GRFICO C
Para realizar el control de calidad en la fabricacin de un cierto tipo de
artculo, la empresa Maolar decide implantar un grfico c, en el que se
representa el nmero de defectos por muestra. Dado que cada unidad a
controlar puede presentar hasta 200 defectos diferentes, se va a tomar un
tamao de muestra pequeo. As pues, se utilizarn 25 muestras de 6
unidades cada una.
Los datos procedentes de la inspeccin aparecen en la parte superior de la
figura siguiente. Puede observarse que, en este caso, los distintos defectos
se han clasificado en tres grupos. A, B y C, por orden de importancia y a
efectos de tener una mayor informacin.
Suponiendo probabilidad constante de aparicin de un defecto cualquiera,
se desea obtener el grfico c para el control futuro del proceso.

RESOLUCIN:
A partir de los datos registrados pueden obtenerse el valor central y los limites
de control de acuerdo con las expresiones anteriores, tenemos:
n Total de defectos detectados

585

VC = = ------------------------------------------- = ----- = 23,4 defectos/muestra

N De muestras inspeccionadas

LCS

c 3 c

LCI c 3 c

25

23,4 3 23,4 37,4

23,4 3 23,4

8,9

Con estos valores se construye el grfico c que aparece en la figura 18.7,

sobre el que se han representado los valores correspondientes a las distintas
muestras, las cuales quedan todos bajo control. Debido a ello puede ser
aceptado para el control futuro del proceso, aunque, pasado algn tiempo
pueda ser aconsejable calcular unos nuevos valores para VC y LC de acuerdo
con la evolucin real de la calidad.

4.4. GRFICO "u".

Este grfico controla en cada punto correspondiente a una extraccin
muestral, el nmero de defectos por unidad de producto en esa muestra.
As, si denotamos por ui al nmero de defectos unitario:
ui

n defectos

en muestra
ni

" i" (c i )

las expresiones del valor central y de los lmites de control para este grfico
sern:
N

VC u n mediodefectospor unidad

n defectosen muestra"i"

i 1
N

ni

i 1

LCi

u 3

u
ni

En este caso, hemos de hacer las mismas consideraciones de clculo de los

lmites simplificados que en el grfico "p".

EJEMPLO DE APLICACIN DE GRFICOS U

Se desea establecer el control de un proceso mediante un grfico u, con idea de vigilar
el nmero de defectos que presentan los artculos considerados no aceptables. Para
ello, se han tomado 25 muestras, cuyos tamaos y nmero de defectos encontrados se
indican en la parte superior de la figura siguiente. Como en el problema anterior, el
elevado nmero de defectos distintos que puede aparecer en un artculo hace posible la
utilizacin de pequeos tamaos de muestra.
RESOLUCIN:
De acuerdo con los datos registrados estimamos, el valor central y los limites de control.
El primero de ellos, , lo haremos igual al nmero medio de defectos por unidad. Los
LC sern calculados de acuerdo con las expresiones correspondientes a estos grficos,
pero utilizando un tamao de muestra medio, , igual al total de artculos
inspeccionados (= 148) dividido por el nmero d muestras (= 25).
N

VC u n medio defectos por unidad

n defectos en muestra "i"

i 1
N

ni

834
5,64
148

i 1

LCS

u 3

u
ni

5,64 3

5,64
148 / 25

8,57

LCS

u 3

u
ni

5,64 3

5,64
148 / 25

2,71

Esto ltimo es factible debido a que las variaciones de n no son demasiado importantes.
De la representacin del grfico u (Fig. 18.8), se deduce que todas las muestras
inspeccionadas estn bajo control, por lo que los LC y VC pueden ser adoptados como
definitivos en tanto la evolucin real de la calidad no aconseje otra cosa.