Aiag SPC

CONTROL ESTADSTICO DE LOS PROCESOS
(SPC)
Manual de Referencia
Copia para:
Publicado en 1992, Segunda Impresin Marzo 1995 (nueva portada solamente)

Derechos Reservados 1992, 1995
Chrysler Corporation, Ford Motor Company y General Motors Corporation
Este documento consiste slo de una interpretacin al espaol de LEYVA CONSULTORES, S.C. del Manual de Referencia de SPC1: 1992 publicado por AIAG, y slo debe considerarse como una consulta. El nico documento oficial es el publicado originalmente
en Ingles por AIAG mismo.
Procedimiento de Seleccin para el Uso y Aplicacin de Grficas de Control

descritas en este Manual
DETERMINA LA
CARACTERSTICA A SER
GRAFICADA
LOS DATOS SON DE

VARIABLES?
NO
ES DE INTERES
LAS UNIDADES NO
CONFORMES, EJ.,
PORCENTAJE DE
PARTES MALAS?
NO
ES DE INTERES LAS
NO CONFORMIDADES,
EJ., DISCREPANCIAS
DE PARTES?
SI
EL TAMAO
DE MUESTRA
ES
CONSTANTE?
SI
SI
NO
EL TAMAO
DE MUESTRA
ES
CONSTANTE?
USAR LA
GRAFICA
p
SI
SI
USAR LA
GRAFICA
p O np
LAS MUESTRAS DE
SUBGRUPOS SON
HOMOGNEAS POR
NATURALEZA O NO
CONDUCIVAS, EJ.,
BAO DE PINTURA,
LOTE DE PINTURA,
ETC.?
SI
USAR LA GRAFICA DE
LECTURAS INDIVIDUALES
X-MR
NO
USAR LA
GRAFICA
cOu
LOS PROMEDIOS DE
LOS SUBGRUPOS
PUEDEN CALCULARSE
DE MANERA
CONVENIENTE?
NO
USAR LA
GRAFICA DE
MEDIANAS
SI
EL TAMAO
DE CADA
SUBGRUPO
ES DE 9 O
MAYOR?
NO
USAR LA
GRAFICA
-R
SI
Nota: Esta grfica asume que los

sistemas de medicin han sido
evaluados y son apropiados
NO
EXISTE LA HABILIDAD
DE CALCULAR EN
FORMA CONVENIENTE
LA S DE CADA
SUBGRUPO?
SI
USAR LA
GRAFICA
-S
NO
USAR LA
GRAFICA
-R
USAR LA
GRAFICA
u
Prefacio
Este Manual de Referencia fue preparado por el staff de calidad y de evaluacin de proveedores de
Chrysler, Ford y General Motors, trabajando bajo los auspicios de la Divisin Automotriz del Grupo
de Trabajo de los Requerimientos de Calidad de Proveedores de la Sociedad Americana para el
Control de Calidad, en colaboracin con Grupo de Acciones de la Industria Automotriz.
El captulo del Grupo de Trabajo de ASQC/AIAG busca estandarizar los manuales de referencia,
formatos de reportes y nomenclatura tcnica usada por Chrysler, Ford y General Motors en sus
respectivos sistemas de evaluacin de proveedores: Aseguramiento de Calidad de Proveedores,
Excelencia Total de Calidad y Metas para la Excelencia. Al mismo tiempo, este Manual de
Referencia puede ser usado por cualquier proveedor para desarrollar informacin que responda a
los requerimientos de los sistemas de evaluacin de proveedores de Chrysler, Ford o General
Motors.
Hasta ahora, no ha habido un enfoque formal unificado en la industria automotriz para el control
estadstico de los procesos. Ciertos fabricantes ofrecen mtodos a sus proveedores, mientras que
otros no cuentan con requerimientos especficos. En un esfuerzo por simplificar y minimizar la
variacin en los requerimientos de calidad de los proveedores, Chrysler, Ford y General Motors han
acordado desarrollar y, a travs de AIAG, distribuir este manual. El equipo de trabajo responsable
por el contenido de este manual fue dirigido por Leonard A. Brown de General Motors.
Este manual debiera ser considerado como una introduccin al control estadstico de los procesos.
No se pretende que limite la evolucin de los mtodos estadsticos adecuados a mercanca o
procesos particulares ni se pretende que sea amplio y completo en todas las tcnicas de SPC. Las
preguntas en el uso de mtodos alternativos debieran ser referidas al rea de calidad de sus
clientes.
El Grupo de Trabajo agradece y da reconocimientos a: el liderazgo y compromiso de los
vicepresidentes Thomas T. Stallkamp de Chrysler, Clinton D. Lauer de Ford, y Donald A. Pais de
General Motors; La competencia tcnica y el trabajo intenso de sus equipos de calidad y evaluacin
de proveedores; y la contribucin invaluable del grupo de Acciones de la Industria Automotriz (bajo
el Director Ejecutivo de AIAG Joseph R. Phelan) en el desarrollo, produccin y distribucin de este
manual de referencia.
Deseamos tambin agradecer al equipo de redaccin de ASQC dirigido por Tripp Martn de
Peterson Spring, quien revis el manual y en el proceso hizo contribuciones valiosas en la intencin
y contenido.
Bruce W. Pince
Task Force Coordinator
Sandy Corporation
Troy, Michigan
December, 1991
Este manual cuenta con derechos de copia por A.I.A.G., y todos los derechos reservados, 1991.
Pueden ordenarse copias adicionales en A.I.A.G. y/o el permiso de copia de porciones de este
Manual para uso/aplicacin dentro de las organizaciones de los proveedores puede obtenerse de
A.I.A.G. en (313) 358-3570.
Reconocimiento
El consenso conjunto del contenido de este documento fue efectuado a travs de los Miembros del
Subcomit de Equipos de Trabajo representando a General Motors, Ford y Chrysler,
respectivamente, cuyas firmas de aprobacin aparecen abajo, y quienes agradecen y reconocen la
contribucin significativa de Jessup de Ford Motor Company, quien fue responsable del desarrollo
de la mayora del material encontrado en los Captulos I, II y III, y los apndices de este documento.
Harvey Goltzer de Chrysler Corporation contribuy a los conceptos relativos a habilidad del proceso
y estudios de habilidad, encontrados en la seccin de introduccin del captulo I. Jack Herman de
Du Pont contribuy a algunos de los conceptos relativos a ndices de habilidad y desempeo y a la
importancia de la variabilidad en las mediciones, encontrados en secciones de los captulos II y IV,
respectivamente.
La Divisin de Powertrain de General Motors contribuy a la discusin y ejemplos relativos a los
subgrupos y sobre ajuste del proceso. La seccin del captulo II que ofrece el entendimiento de
habilidad del proceso y aspectos clave relativos fue desarrollado por el Comit de Revisiones
Estadsticas del Corporativo de General Motors. Este comit contribuy tambin al desarrollo del
captulo IV, Anlisis de Sistemas de Medicin del Proceso, as como tambin a algunos puntos de
los apndices.
Finalmente, entradas valiosas a todas las secciones del manual fueron ofrecidas por los
representantes de ASQC Greg Gruska, Goug Ver, y Tripp Martn.
Leonard A. Brown, G.M.

Diciembre, 1991
Victor W. Lowe, Jr., Ford
David R. Benham, Chrysler
TABLA DE CONTENIDO
Capitulo I
Captulo II
Capitulo III
INTRODUCCIN AL MEJORAMIENTO CONTINUO Y CONTROL ESTADSTICO DE LOS

PROCESOS..........................................................................................................................................
Seccin 1 PREVENCIN VS DETECCIN........................................................................................
Seccin 2 SISTEMA DE CONTROL DE PROCESOS.......................................................................
Seccin 3 VARIACIN: CAUSAS COMUNES Y ESPECIALES.......................................................
Seccin 4 ACCIONES LOCALES Y ACCIONES SOBRE EL SISTEMA...........................................
Seccin 5 CONTROL DEL PROCESO Y HABILIDAD DEL PROCESO...........................................
Seccin 6 EL CICLO DE MEJORAMIENTO Y EL CONTROL DEL PROCESO...............................
Seccin 7 GRAFICAS DE CONTROL: HERRAMIENTAS PARA CONTROL DE
PROCESO.......................................................................................................................
Seccin 8 BENEFICIOS DE LAS GRAFICAS DE CONTROL...........................................................
1
4
6
9
12
14
19
22
GRAFICAS DE CONTROL POR VARIABLES.....................................................................................
25
28
Seccin 1 GRAFICAS DE PROMEDIOS Y RANGOS ( X Y R)........................................................

A. RECOLECCION DE DATOS.......................................................................................
B. CALCULO DE LOS LIMITES DE CONTROL..............................................................
C. INTERPRETACIN PARA CONTROL DE LOS PROCESOS....................................
D. INTERPRETACIN PARA HABILIDAD DE LOS PROCESOS...................................
30
33
40
43
64
Seccin 2 GRAFICAS DE PROMEDIOS Y DESVIACIN ESTANDAR ( X Y S)............................

~
Seccin 3 GRAFICAS DE MEDIANAS ( X Y R)...............................................................................
E. ENFOQUE ALTERNATIVO PARA LAS GRFICAS DE MEDIANAS.........................
Seccin 4 GRAFICAS DE LECTURAS INDIVIDUALES Y PROMEDIOS MOVILES (X MR)........
D. INTERPRETACIN PARA HABILIDAD DE LOS PROCESOS..................................
ENTENDIMIENTO DE HABILIDAD DE LOS PROCESOS Y DESEMPEO DE LOS
Seccin 5 PROCESOS PARA DATOS DE VARIABLES..................................................................
A. DEFINICIONES DE TERMINOS DE LOS PROCESOS.............................................
B. DEFINICIN DE MEDIDAS/INDICADORES DE LOS PROCESOS...........................
C. DESCRIPCIN DE CONDICIONES Y SUPUESTOS.................................................
D. USO SUGERIDO DE LAS MEDIDAS/INDICADORES DE LOS PROCESOS............
75
75
77
77
77
79
79
79
82
82
83
85
85
86
88
89
90
91
91
93
95
GRAFICAS DE CONTROL POR ATRIBUTOS.....................................................................................

Seccin 1 LA GRAFICA p PARA PROPORCIN NO CONFORME.................................................
Seccin 2 LA GRAFICA np PARA PROPORCIN NO CONFORME...............................................
Seccin 3 LA GRAFICA c PARA NO. DE NO CONFORMIDADES.................................................
100
103
106
109
113
121
125
125
125
125
125
127
127
127
128
128
TABLA DE CONTENIDO - Continuacin

Seccin 4 LA GRAFICA u PARA NO CONFORMIDADES POR UNIDAD.......................................
130
130
130
130
133
ANLISIS DE LOS SISTEMAS DE MEDICIN DE LOS PROCESOS...............................................

Seccin 1 INTRODUCCIN...............................................................................................................
Seccin 2 METODO DE PROMEDIOS Y RANGOS..........................................................................
A. CONDUCCIN DE UN ESTUDIO...............................................................................
B. CLCULOS..................................................................................................................
C. ANLISIS DE RESULTADOS.....................................................................................
D. EJEMPLO....................................................................................................................
134
134
135
135
136
137
142
APENDICES
A
ALGUNOS COMENTARIOS SOBRE SUBGRUPOS......................................................................................
145
SOBREAJUSTE...............................................................................................................................................
150
151
PROCEDIMIENTO DE SELECCIN PARA EL USO DE GRFICAS DE CONTROL DESCRITAS EN

ESTE MANUAL................................................................................................................................................
RELACION ENTRE Cpm Y OTROS INDICES CON (USL T) = (T LSL)...................................................
TABLA DE CONSTANTES Y FORMULAS PARA GRAFICAS DE CONTROL.............................................
153
DISTRIBUCION NORMAL ESTNDAR..........................................................................................................
156
GLOSARIO DE TERMINOS Y SMBOLOS.....................................................................................................
157
REFERENCIAS Y LECTURAS SUGERIDAS..................................................................................................
169
COPIAS REPRODUCIBLES DE FORMATOS DE GRAFICAS DE CONTROL..............................................
172
Captulo IV
152
LISTA DE FIGURAS/ILUSTRACIONES
Figura
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
26
27
28
29
30
31
32
33
33
34
35
36
37
38
39
40
41
42
43
Ttulo
Pagina
Sistema de Control de los Procesos...............................................................................

Variacin: Causas Comunes y Especiales.....................................................................
Control de los Procesos y Habilidad de los Procesos....................................................
Ciclo de Mejoramiento de los Procesos..........................................................................
Grficas de Control.........................................................................................................
Datos de Variables - Resultados de Medir Resultados del Proceso Intermedio o
Finales............................................................................................................................
Grficas X y R................................................................................................................
Grficas X y R Datos Ajustados..................................................................................
Grficas X y R - Estudios Iniciales..............................................................................
Grficas X y R - Con Lmites de Control........................................................................
Grficas R - Puntos fuera de los Lmites de Control.......................................................
Grficas R - Corridas (Rangos)......................................................................................
Grficas R - Patrones No Aleatorios...............................................................................
Grficas X y R - Reclculo de los Lmites de Control (Rangos)....................................
Grficas X - Puntos fuera de Lmites de Control...........................................................
Grficas X - Corridas.....................................................................................................
Grficas X - Patrones No Aleatorios..............................................................................
Grficas X y R - Reclculo de Lmites de Control.........................................................
Grficas X y R - Lmites Extendidos..............................................................................
Variacin del Proceso Relativa a Lmites de Especificacin..........................................
Clculo de la Habilidad de los Procesos........................................................................
Evaluacin de Habilidad de los Procesos.......................................................................
Recoleccin de Datos.....................................................................................................
Grficas X y s.................................................................................................................
Grficas de Control de Medianas...................................................................................
Grficas de Control de Medianas Interpretacin.........................................................
Grficas de Lecturas Individuales y Rangos Mviles.....................................................
Interpretacin de Grficas de Lecturas Individuales y Rangos Mviles.........................
Base Meta vs. Funcin de Prdida...............................................................................
Alineamiento del Proceso a Requerimientos..................................................................
Datos de Atributos..........................................................................................................
Grficas p para Proporcin No Conforme - Recoleccin de Datos................................
Grficas p para Proporcin No Conforme - Clculo de Lmites de Control, Hoja 1.......
Grficas p para Proporcin No Conforme - Clculo de Lmites de Control, Hoja 2.......
Grficas p para Proporcin No Conforme - Puntos fuera de los Lmites de Control......
Grficas p para Proporcin No Conforme Corridas.....................................................
Grficas p para Proporcin No Conforme - Patrones No Aleatorios..............................
Grficas p para Proporcin No Conforme Reclculo de los Lmites de Control..........
Grficas np para Nmero No Conforme.........................................................................
Grficas c para Nmero de No Conformidades..............................................................
Grfica u para No Conformidades por Unidad................................................................
Grfica u Reclculo de los Lmites de Control.............................................................
Hoja de Datos de Repetibilidad y Reproducibilidad de Gages.......................................
Reporte de Repetibilidad y Reproducibilidad de Gages.................................................
5
8
13
18
21
27
32
35
37
39
42
45
47
49
52
54
56
58
60
63
66
69
74
76
78
81
84
87
94
96
99
105
108
110
112
114
116
118
124
126
129
132
139
140
Figura
44
45
Ttulo
Pagina
Hoja de Datos para Repetibilidad y Reproducibilidad de Gages Ejemplo...................

Reportes de Repetibilidad y Reproducibilidad de Gages Ejemplo..............................
143
144
Capitulo I
INTRODUCCIN AL MEJORAMIENTO CONTINUO Y AL CONTROL
ESTADSTICO DE LOS PROCESOS
Para prosperar en el clima econmico de hoy, nosotros fabricantes y proveedores automotrices y
organizaciones vendedoras debemos estar dedicados al mejoramiento continuo. Debemos buscar
constantemente caminos ms eficientes para fabricar productos y servicios. Estos productos y
servicios deben continuar mejorndose en valor. Debemos orientarnos a nuestros clientes, tanto
internos como externos, y hacer de la satisfaccin de los clientes un objetivo primario del negocio.
Para lograr esto, todos en nuestras organizaciones debemos estar comprometidos al mejoramiento
y al uso de mtodos efectivos. Este manual aborda algunas de las necesidades de esta ltima rea.
Describe diferentes mtodos estadsticos bsicos que pueden usarse para hacer que nuestros
esfuerzos en el mejoramiento sean ms efectivos. Se necesitan diferentes niveles de entendimiento
para ejecutar diferentes tareas. Este manual esta orientado a practicantes y gerentes que
comiencen con la aplicacin de mtodos estadsticos. Sirve tambin como un actualizador de estos
mtodos bsicos para aquellos quienes ya estn usando ahora tcnicas ms avanzadas. No todos
los mtodos bsicos se incluyen aqu. La cobertura de otros mtodos bsicos (tales como, hojas de
chequeo, diagramas de flujo, grficas de Pareto y diagramas de causas y efectos) y algunos
mtodos avanzados (tales como, otras grficas de control , diseos de experimentos, Despliegue de
la Funcin de Calidad, etc.), est disponible en libros y folletos tales como los referenciados en el
apndice H.
Los mtodos estadsticos bsicos abordados en este libro incluyen aquellos relacionados con el
control estadstico de los procesos y el anlisis de habilidad de los procesos. El primero captulo de
este manual ofrece algunos fundamentos del control del proceso, explica diferentes conceptos
importantes tales como, causas comunes y especiales de variacin, e introduce a las grficas de
control las cuales pueden ser una herramienta muy efectiva para analizar y monitorear procesos. El
segundo captulo describe la construccin y uso de grficas de control para datos de variables
(datos cuantitativos o mediciones): graficas X barra R, grficas X barra s, grficas de medianas
y grficas X MR (lecturas individuales y rangos mviles). Se describe tambin el concepto de
habilidad del proceso y aborda los ndices y proporciones usados comnmente. El tercer captulo
describe diferentes grficas de control para datos de atributos (datos cualitativos o conteos): grfica
p, grfica np, grfica c y grfica u. El cuarto captulo aborda el tema de anlisis de sistemas de
medicin y presenta un ejemplo apropiado. Los apndices incluyen ejemplos de subgrupos y
sobreajuste, un diagrama de flujo del uso/aplicacin de grficas de control, una tabla de constantes
y frmulas, la distribucin estndar normal y copias reproducibles de los formatos de grficas en
blanco. El glosario ofrece breves explicaciones de los trminos y smbolos usados y la seccin de
referencias ofrece al lector fuentes para estudio adicional.
Debieran hacerse seis observaciones antes de que la discusin principal comience:
Primero, la recoleccin de datos y el uso de mtodos estadsticos para interpretarlos no son el final
en s mismos. El objetivo global debiera ser incrementar el entendimiento de los procesos del lector.
Es muy fcil llegar a ser expertos tcnicos sin la realizacin de algn mejoramiento. El incremento
en conocimientos debiera llegar a ser una base para acciones.
-1-
I.
INTRODUCCIN AL MEJORAMIENTO CONTINUO Y AL CONTROL ESTADSTICO DE LOS

PROCESOS
Segundo, el concepto bsico del estudio de las variaciones y el uso de seales estadsticas para
mejorar el desempeo puede aplicarse en cualquier rea. Tales reas pueden ser en el piso de
operacin o en la oficina. Algunos ejemplos son mquinas (caractersticas de desempeo),
contabilidad (proporciones de errores), ventas, anlisis de desperdicio (proporciones de
scrap/desperdicio), sistemas de computadoras (caractersticas de desempeo) y administracin de
materiales (tiempos en trnsito). Este manual se enfoca a aplicaciones en el piso de trabajo. Se
promueve que el elector consulte algunas de las referencias en el apndice H para aplicaciones
administrativas y de servicios.
Tercero, SPC significa control estadstico de los procesos. Es desafortunado que los mtodos
estadsticos en Norteamrica se apliquen rutinariamente partes ms que a procesos. La aplicacin
de tcnicas estadsticas para el control de resultados (tales como partes) debiera ser solo el primer
paso. Hasta que los procesos los cuales generen resultados y lleguen a ser el enfoque de nuestros
esfuerzos, no podr notarse la fuerza total de estos mtodos para mejorar la calidad, incrementar la
productividad y reducir los costos.
Cuarto, aunque cada punto en el texto es ilustrado con un ejemplo trabajado, el entendimiento real
del tema involucra un mayor contacto con situaciones de control de proceso. El estudio de casos
actuales desde la ubicacin de trabajo del propio lector o de actividades similares sera un
importante suplemento a este texto. No existe, sin embargo, un sustituto para la experiencia en
campo con informacin de procesos actuales.
Quinto, este manual debiera ser considerado como un primer paso hacia el uso de mtodos
estadsticos. Ofrece reglas empricas que trabajan en muchos casos. Sin embargo, existen
excepciones donde es inapropiado usar ciegamente estas reglas empricas. Este manual no
remplaza la necesidad de los practicantes de incrementar su conocimiento en teora y mtodos
estadsticos. Se promueve el que los lectores busquen una educacin estadstica formal. Cuando
los procesos del lector y la aplicacin de los mtodos estadsticos haya avanzado ms all del
material cubierto aqu, se promueve que el lector consulte con personas que cuenten con
conocimientos y practica apropiados en teora estadstica y en lo apropiado de otras tcnicas.
Sexto, los sistemas de medicin son crticos para el anlisis apropiado de datos y debieran ser bien
entendidos antes de recolectar datos de los procesos. Cuando tales sistemas carecen de control
estadstico o su variacin acumula una porcin substancial de la variacin total en los datos del
proceso, pueden tomarse decisiones inapropiadas. Para propsitos de este manual, se asume que
los sistemas estn bajo control y no son un contribuidor significativo en la variacin total de los
datos. El lector puede hacer referencia al Manual de Anlisis de Sistemas de Medicin (MSA)
publicado por AIAG para mayor informacin sobre este tpico.
-2-
NECESIDAD DEL CONTROL DE PROCESOS

Deteccin Tolera el Desperdicio
Prevencin Evita el Desperdicio
-3-
I.
INTRODUCCIN AL MEJORAMIENTO CONTINUO Y AL CONTROL ESTADSTICO DE
LOS PROCESOS
Seccin 1
PREVENCIN VS DETECCIN
En el pasado, la manufactura a menudo dependa de la produccin para fabricar el producto y del
control de calidad para inspeccionar el producto final y descubrir las unidades que no cumplan con
especificaciones. En situaciones administrativas, el trabajo es a menudo checado y rechecado en
los esfuerzos por capturar errores. En ambos casos se involucra una estrategia de deteccin, la cual
es un desperdicio, porque permite que se invierta tiempo y materiales en productos o servicios que
no siempre son usables.
Es mucho ms efectivo evitar desperdicios no produciendo resultados no usables a la primera una
estrategia de prevencin.
La estrategia de prevencin suena prctica y an obvia para la mayora de la gente. Es fcil de
capturar en slogans tales como, hacerlo bien a la primera. Sin embargo, los slogans no son
suficientes. Lo que se requiere es un entendimiento de los elementos de un sistema de control
estadstico de los procesos. Las siguientes siete subsecciones restantes de esta introduccin
cubren estos elementos, y pueden ser vistas como respuestas a las siguientes preguntas:
Qu significa sistema de control del proceso? (seccin 2)
Cmo afecta la variacin a los resultados de un proceso? (seccin 3)
Cmo pueden describir las tcnicas estadsticas si un problema es local por naturaleza o
involucra sistemas ms amplios? (seccin 4)
Qu significa el qu un proceso est en control estadstico? Qu significa el qu un

proceso sea capaz? (seccin 5)
Qu es el ciclo del mejoramiento continuo y qu parte del control del proceso puede
participar en ste? (seccin 6)
Qu son las grficas de control y cmo son usadas? (seccin 7)
Qu beneficios pueden esperarse del uso de las grficas de control? (seccin 8)
Conforme es estudiado este material, el lector puede desear referirse al Glosario en el apndice G
para definiciones breves de trminos y smbolos clave.
-4-
MODELO DE SISTEMA
RETROALIMENTACION
DE
CONTROL
DE
LOS
PROCESOS
CON
VOZ DEL PROCESO
MTODOS
ESTADSTICOS
GENTE
EQUIPO
MATERIALES
MTODOS
LA FORMA DE
TRABAJO / MEZCLA
DE RECURSOS
PRODUCTOS
O
SERVICIOS
CLIENTES
MEDIO AMBIENTE
IDENTIFICACION DE
NECESIDADES Y
EXPECTATIVAS
CAMBIANTES
ENTRADAS
SISTEMAS/PROCESOS
SALIDAS
VOZ DEL CLIENTE
Figura 1. Sistema de Control de los Procesos

-5-
I
LOS PROCESOS
Seccin 2
SISTEMA DE CONTROL DEL PROCESO
Un sistema de control de proceso puede describirse como un sistema de retroalimentacin. El
Control Estadstico de los Procesos (SPC) es un tipo de sistema de retroalimentacin. Tambin
existen tales sistemas de otro tipo, los cuales no son estadsticos. Cuatro elementos de un sistema
que son importantes y cuya discusin sigue se presentan a continuacin:
1.
El Proceso Por proceso, significa la combinacin total de proveedores, productores,

gente, equipo, materiales de entrada, mtodos y medio ambiente que trabajan juntos
para producir un resultado, y los clientes que usan dicho resultado (ver Figura 1). El
desempeo total de un proceso depende de la comunicacin entre el proveedor y el
cliente, de la forma en que el proceso es diseado e implementado, y de la forma en que
es operado y administrado. El resto del sistema de control del proceso es til solo si
contribuye al mantenimiento de un nivel de excelencia o al mejoramiento del desempeo
total del proceso mismo.
2.
Informacin sobre el Desempeo Mucha de la informacin acerca del desempeo

actual de un proceso puede aprenderse estudiando los resultados del proceso mismo. La
mayora de la informacin til acerca del desempeo de un proceso, viene, sin embargo,
del entendimiento del proceso mismo y de su variabilidad interna. Las caractersticas del
proceso (tales como, temperaturas, tiempos de ciclo, razones de alimentacin,
ausentismo, la rotacin, los factores tardos o el nmero de interrupciones) debieran ser
el ltimo enfoque de nuestros esfuerzos. Necesitamos determinar los valores meta para
estas caractersticas que den como resultado la ms productiva operacin del proceso
mismo, y entonces monitorear qu tan cerca o lejos de estos valores meta estamos. Si
esta informacin es recolectada e interpretada correctamente, se puede mostrar si el
proceso est actuando de una forma usual o inusual. Pueden entonces tomarse
acciones apropiadas, si es necesario, para corregir el proceso o los resultados
producidos. Cuando se requieran acciones estn deben ser oportunas y apropiadas, o
los esfuerzos de recolectar informacin son desperdiciados.
3.
Acciones sobre el Proceso Las acciones sobre el proceso son recientemente las ms
econmicas cuando se toman para prevenir las caractersticas importantes (del proceso
o resultados) de que varen muy lejos de sus valores meta. Esto mantiene la estabilidad
y la variacin de los resultados del proceso y dentro de lmites aceptables. Tales
acciones pueden consistir en cambios en las operaciones (ej.,entrenamiento de
operadores, cambios en los materiales de recibo, etc.) o en los elementos ms bsicos
del proceso mismo (ej., el equipo el cual puede requerir rehabilitacin, cmo la gente
se comunica y se relaciona, o el diseo del proceso como un todo el cual puede ser
vulnerable a cambios en temperaturas o humedad en el lugar de trabajo). El efecto de
las acciones debiera ser monitoreado, y debieran hacerse anlisis y tomarse acciones
posteriores si es necesario.
-6-

LOS PROCESOS
Seccin 2. Sistema de Control del Proceso (Cont.)

4.
Acciones en los Resultados Las acciones en los resultados son frecuentemente las
menos econmicas cuando se est restringido a detectar y corregir el producto fuera de
especificacin sin abordar el problema fundamental del proceso mismo.
Desafortunadamente, si el resultado actual no es consistente el cumplimiento de los
requerimientos de los clientes, puede ser necesario clasificar todos los productos y
desechar o retrabajar cualquier unidad no conforme. Esto debe continuar hasta que
acciones correctivas necesarias en el proceso se hayan tomado y verificado, o hasta que
las especificaciones del producto se hayan cambiado.
Es obvio que la inspeccin seguida de acciones solo en los resultados es un sustituto pobre para la
administracin efectiva de un proceso. Las acciones solo en los resultados debieran ser usadas
estrictamente como una medida interina para procesos no estables o inhbiles (ver seccin 5). Por
tanto, las discusiones que siguen se enfocan a recoleccin de informacin del proceso y su anlisis
de manera que puedan tomarse acciones para corregir el proceso mismo.
-7-
LAS PIEZAS VARIAN DE UNA A OTRA
AUNQUE INTEGREN
UNA FORMA DE COMPORTAMIENTO,
SI ES ESTABLE PUEDA DESCRIBIRSE
COMO UNA DISTRIBUCIN
TAMAO
TAMAO
TAMAO
TAMAO
LAS DISTRIBUCIONES PUEDEN DIFERIR EN:
TAMAO
TAMAO
TAMAO
TAMAO
TAMAO
... O UNA COMBINACIN DE ESTAS

SI SOLAMENTE ESTAN PRESENTES CAUSAS COMUNES DE
VARIACIN, EL RESULTADO DEL PROCESO INTEGRA UNA
DISTRIBUCIN QUE ES ESTABLE EN EL TIEMPO Y PREDECIBLE:
SI ESTN PRESENTES CAUSAS ESPECIALES DE VARIACIN, EL

RESULTADO DEL PROCESO NO ES ESTABLE EN EL TIEMPO.
Figura 2. Variacin: Causas Comunes y Especiales

-8-

LOS PROCESOS
Seccin 3
VARIACIN: CAUSAS COMUNES Y ESPECIALES
A fin de usar en forma efectiva datos de mediciones para control del proceso, es importante
entender el concepto de variacin, como se ilustra en la Figura 2.
Dos productos o caractersticas no pueden ser exactamente iguales, porque cualquier proceso
contiene muchas fuentes de variabilidad. Las diferencias entre productos pueden ser grandes, o
pueden ser inmediblemente pequeas, aunque siempre estn presentes. El dimetro de un eje
maquinado, por ejemplo, sera susceptible a variaciones potenciales de la mquina (claros,
desgastes), del herramental (esfuerzos, proporcin de montaje), de los materiales (dimetro,
dureza), del operador (alimentacin de las partes, exactitud del centrado), del mantenimiento
(lubricacin, reemplazo de partes daadas), y del medio ambiente (temperatura, constancia del
suministro elctrico). Para otro ejemplo, el tiempo requerido para procesar una factura pudiera variar
de acuerdo a si a la gente ejecuta varios pasos, la confiabilidad del equipo que usen, la exactitud y
legibilidad de la factura misma, los procedimientos seguidos, y el volumen de otro trabajo en oficina.
Algunas fuentes de variacin en el proceso generan tiempos cortos, diferencias pieza a pieza ej.,
reacciones y claros dentro de la mquina y sus dispositivos, o la exactitud del trabajo del contador.
Otras fuentes de variacin tienden a generar cambios en los resultados solo sobre un periodos de
tiempo largo, ya sea gradualmente con una herramienta o por desgaste de la mquina, paso a paso
con los cambios en procedimientos, o irregularidades, conforme cambios ambientales tales como
altibajos de poder. Por tanto, el periodo de tiempo y las condiciones en las cuales se hacen las
mediciones afectarn la cantidad de variacin total que est presente.
Desde el punto de vista de los requerimientos mnimos, el punto de variacin es a menudo
simplificado: partes dentro de tolerancias de especificaciones son aceptables, partes fuera de
tolerancias de especificaciones no son aceptables; reportes a tiempo son aceptables, reportes
tardos no son aceptados. Sin embargo, para administrar cualquier proceso y reducir su variacin, la
variacin misma debe ser rastreada hasta sus fuentes. El primer paso es hacer la diferencia entre
causas comunes y especiales de variacin.
Mientras que los valores individuales medidos pueden ser todos diferentes, como grupo pueden
tender a formar un patrn que puede ser descrito como una distribucin (ver Figura 2). Esta
distribucin puede caracterizarse por:
Una localizacin (valor tpico)
Una amplitud (extensin de los valores del mas pequeo al mas grande)
Una forma (patrn de variacin si es simtrico, con sesgo, etc.)
Las causas comunes se refieren a muchas de las fuentes de variacin dentro de un proceso que
tiene una distribucin estable y repetitible en el tiempo. A esto se le llama en estado de control
estadstico, el control estadstico, o algunas veces solo en control. Las causas comunes se
comportan como un sistema estable de causas aleatorias. Si solo estn presentes causas comunes
-9-

LOS PROCESOS
Seccin 3. Variacin: Causas Comunes y Especiales (Cont.)

de variacin y no cambian, los resultados de un proceso son predecibles. Las causas especiales (a
menudo llamadas asignables) se refieren a todos los factores que causan variacin y que no
siempre actan sobre el proceso. Esto es, cuando ocurren, hacen que la distribucin del proceso
(global) cambie. A menos que las todas las causas especiales de variacin se identifiquen y se
acte sobre ellas, stas continuarn afectando los resultados del proceso y en formas no
predecibles. Si estn presentes causas especiales de variacin, los resultados del proceso no son
estables en el tiempo.
Los cambios en la distribucin de un proceso debidos a causas especiales pueden ser perjudiciales
o benficas. Cuando son perjudiciales, necesitan ser identificadas y retiradas. Cuando son
benficas, debieran ser identificadas y hacerse como una parte permanente del proceso. Con
algunos procesos maduros (ej., procesos sobre los que se hayan aplicado varios ciclos de
mejoramiento continuo), el cliente puede ofrecer alguna tolerancia especial para corren un proceso
con causas especiales que ocurran en forma consistente. Tales tolerancias generalmente requerirn
que los planes de control del proceso puedan asegurar el cumplimiento con los requerimientos de
los clientes y protejan el proceso mismo de otras causas especiales (ver seccin 5).
- 10 -
ACCIONES LOCALES Y ACCIONES SOBRE EL SISTEMA

Acciones Locales
Generalmente son requeridas para eliminar causas especiales de variacin
Generalmente pueden ejecutarse por gente cercana a los procesos
Tpicamente pueden corregir alrededor del 15% de los problemas de los

procesos
Acciones sobre el Sistema
Generalmente son requeridas para reducir variaciones debidas a causas

comunes
Casi siempre requieren acciones de la administracin para correcciones
Tpicamente se requieren para corregir alrededor del 85% de los problemas

de los procesos
- 11 -
I
LOS PROCESOS
Seccin 4
ACCIONES LOCALES Y ACCIONES SOBRE EL SISTEMA
Existe una importante conexin entre los dos tipos de variaciones discutidas y los tipos de acciones
necesarias para reducir stas.*
Las tcnicas simples del control estadstico del proceso pueden detectar causas especiales de
variacin. El descubrir una causa especial de variacin y tomar acciones propias es usualmente
responsabilidad de alguien quien est directamente conectado con la operacin. Aunque la
administracin debe algunas veces estar involucrada en corregir las condiciones, la resolucin de
una causa especial de variacin generalmente requiere de acciones locales. Esto es
particularmente verdad durante los esfuerzos iniciales del mejoramiento del proceso. Conforme uno
tiene xito en tomar acciones apropiadas sobre causas especiales, aquellas que se mantengan a
menudo requieren acciones de la administracin, ms que acciones locales.
Estas mismas tcnicas estadsticas simples pueden tambin indicar el alcance de las causas
comunes de variacin, aunque las causas en s requieren de ms anlisis detallados para aislarse.
La correccin de estas causas comunes de variacin es usualmente responsabilidad de la
administracin. Algunas veces la gente directamente conectada con la operacin est en mejores
condiciones de identificarlas y pasarlas a la administracin para toma de acciones. En lo global, sin
embargo, la resolucin de causas comunes de variacin generalmente requiere de acciones sobre
el sistema.
Solo una proporcin relativamente pequea de la variacin excesiva del proceso la experiencia
industrial sugiere alrededor del 15% - es corregible localmente por gente directamente conectada
con la operacin. La mayora el otro 85% - es corregible solo por acciones de la administracin
sobre el sistema. La confusin acerca del tipo de acciones a tomar es muy costosa a la
organizacin, en trminos de esfuerzos desperdiciados, resolucin tardada de problemas y
problemas agrabados. Puede ser equivocado, por ejemplo, tomara acciones locales (ej., ajuste de
una mquina) cuando se requieren acciones de la administracin sobre el sistema (ej., seleccin de
proveedores que ofrezcan en forma consistente materiales de entrada).** Sin embargo, trabajo en
equipo entre la administracin y aquellas personas directamente conectadas con la operacin es un
debe para mejorar la reduccin de las causas comunes de variacin de un proceso.
*
**
Dr. W. E. Deming ha tratado este aspecto crtico en Qu Pas en Japn?, Industrial Quality Control, Vol. 24,
No.3, Agosto, 1967, pags. 89 93, y en otros artculos.
Estas observaciones fueron hechas primero por Dr. J. M. Juran, y han vuelto a renacer en la experiencia del Dr.
Deming.
- 12 -
CONTROL DEL PROCESO
CONTROL EN
(ELIMINACIN DE CAUSAS
ESPECIALES)
FUERA DE CONTROL
(PRESENTE CAUSAS ESPECIALES)
HABILIDAD DEL PROCESO
LIMITE DE ESPECIICACIN INFERIOR
LIMITE DE ESPECIFICACIN SUPERIOR

EN CONTROL Y CAPAZ DE CUMPLIR
CON ESPECIFICACIONES (LAS
VARIACIONES DE CAUSAS COMUNES
SE HAN ELIMINADO).
EN CONTROL PERO NO CAPAZ DE

CUMPLIR CON LAS
ESPECIFICACIONES (VARIACIN
EXCESIVA DE CAUSAS COMUNES).
Figura 3. Control del Proceso y Habilidad de los Procesos

- 13 -

LOS PROCESOS
Seccin 5
CONTROL DEL PROCESO Y HABILIDAD DEL PROCESO
El objetivo de un sistema del control del proceso es tomar decisiones econmicamente razonables
acerca de acciones que afecten el proceso mismo. Esto significa el balancear las consecuencias de
tomar acciones cuando stas no son necesarias (sobre control o manipulacin) vs fallar en tomar
acciones cuando stas son necesarias (control mnimo). Estos riesgos deben ser manejados, sin
embargo, en el contexto de las dos fuentes de variacin previamente mencionadas causas
especiales y comunes. (ver Figura 3).
Se dice que un proceso est operando en control estadstico cuando las nicas fuentes de variacin
son de causas comunes. Una funcin de un sistema de control del proceso es, entonces, ofrecer
seales estadsticas cuando causas especiales de variacin estn presentes, y evitar ofrecer
seales falsas cuando dichas causas no estn presentes. Esto permite acciones apropiadas a tomar
sobre dichas causas especiales (ya sea retirndolas o, si son benficas, hacerlas permanentes).
Cuando se aborda la habilidad del proceso, dos conceptos un tanto contrastantes necesitan ser
considerados:
La habilidad del proceso es determinada por la variacin que proviene de causas comunes.
Generalmente representa el mejor desempeo (ej., mnima amplitud) del proceso mismo,
como es demostrado cuando el proceso est siendo operado en un estado de control
estadstico mientras que los datos estn siendo recolectados, independientemente de dnde
estn las especificaciones con respecto a la localizacin y/o amplitud del proceso mismo.
Los clientes, sin embargo, internos o externos, tpicamente estn ms preocupados con el
resultado global del proceso y en cmo se relaciona con sus requerimientos (definidos como
especificaciones), independientemente de la variacin del proceso mismo.
En general dado que un proceso en control estadstico puede ser descrito por una distribucin
predecible, la proporcin de partes dentro de especificaciones puede estimarse a partir de dicha
distribucin. Siempre y cuando el proceso se mantenga en control estadstico y no se genere un
cambio en localizacin, amplitud o forma, continuar produciendo la misma distribucin de las
partes dentro de especificaciones. Las primeras acciones sobre el proceso debieran ser localizar el
proceso mismo sobre la meta. Si la amplitud del proceso es inaceptable, esta estrategia permite un
nmero mnimo de partes fuera de especificaciones a ser fabricadas. Generalmente se requieren
acciones sobre el sistema para reducir la variacin a partir de causas comunes y mejorar la
habilidad del proceso (y sus resultados) para cumplir con especificaciones en forma consistente.
Para un entendimiento ms especfico del tema de habilidad de los procesos, desempeo de los
procesos y los supuestos asociados con ello, hacer referencia al Captulo II, Seccin 5.
En breve: el proceso debe primero llegar a estar en control estadstico detectando las causas
especiales de variacin y actuando sobre stas. Por tanto su desempeo es predecible, y su
habilidad para cumplir con las expectativas del cliente puede ser evaluada. Esta es la base para el
mejoramiento continuo.
- 14 -

LOS PROCESOS
Seccin 5. Control del Proceso y Habilidad del Proceso (Cont.)

Cada proceso est sujeto a clasificacin en base a su habilidad y control. Un proceso puede ser
clasificado entre los casos 1 a 4, como se ilustra en la grfica siguiente:
CONTROL
CUMPLIMIENTO DE
REQUERIMIENTOS
ACEPTABLE
NO ACEPTABLE
EN CONTROL
NO EN CONTROL
CASO 1
CASO 2
CASO 3
CASO 4
Para ser aceptable el proceso debe estar en estado de control estadstico y la variacin inherente
(habilidad) debe ser menor que su tolerancia especificada. La situacin ideal es contar con un
proceso Caso 1 donde el proceso mismo est en control estadstico y su habilidad para cumplir con
requerimientos es aceptable. Un proceso Caso 2 est en control pero tiene excesivas causas
comunes de variacin las cuales deben reducirse. Un proceso Caso 3 cumple con requerimientos
en forma aceptable, pero no est en control; causas especiales de variacin deben ser identificadas
y actuar sobre stas. En el Caso 4, el proceso no est en control ni es aceptable; ambas causas
comunes y especiales de variacin deben reducirse.
Bajo ciertas circunstancias, el cliente debiera permitir al fabricante correr un proceso an y cuando
se un proceso Caso 3. Estas circunstancias pueden incluir:
El cliente es insensible a la variacin dentro de especificaciones (ver discusin sobre

funcin de prdida en el Captulo II, Seccin 5).
Los factores econmicos involucrados en acciones sobre causas especiales exceden el

beneficio a cualquiera y todos los clientes. Causas especiales y econmicamente
permisibles pueden incluir desgaste de herramientas, reafinado de herramientas,
variaciones cclicas (estacionales), etc.
Las causas especiales han sido identificadas y documentadas en forma consisten y

predecible.
En esta situaciones, lo siguiente puede requerirse por el cliente:
El proceso es maduro; ej., el proceso ha estado en varios ciclos de mejoramiento continuo.
Las causas especiales a ser permitidas se han mostrado para actuar de una forma
consistente sobre un periodo de tiempo conocido.
Un plan de control del proceso est en efecto el cual asegura cumplimiento con
especificaciones de todos los resultados del proceso y proteccin de otras causas especiales
o inconsistencias en las causas especiales permitidas mismas.
- 15 -

LOS PROCESOS

La prctica aceptada en la industria automotriz es calcular la habilidad solo despus de que el
proceso haya demostrado estar en estado de control estadstico. La habilidad es usada como una
base de prediccin de cmo el proceso se desempear usando los datos estadsticos recolectados
del proceso mismo. Es de un valor muy pequeo el hacer predicciones en base a datos
recolectados de un proceso que no es estable ni repetitible en el tiempo. Las causas especiales son
las responsables de cambios en la forma, amplitud o localizacin de la distribucin de un proceso, y
por tanto pueden invalidar rpidamente la prediccin de una habilidad. Los diferentes ndices de
habilidad y proporciones son basadas, entre otras cosas, en el requerimiento de que los datos
usados para calcularlos sean recolectados de procesos que estn en estado de control estadstico.
Los ndices de habilidad pueden dividirse en dos categoras: de corto y largo plazo. Los estudios de
habilidad de corto plazo se basan en mediciones recolectadas de una corrida de operacin. Los
datos son analizados con una grfica de control para evidencia de que el proceso est operando en
estado de control estadstico. Si no se encuentran causas especiales, puede calcularse un ndice de
habilidad de corto plazo. Si el proceso no est en control, se requerirn acciones relativas a las
causas especiales de variacin. Este tipo de estudio es a menudo usado para validar las partes
iniciales fabricadas de un proceso para emisin al cliente. Otro uso, algunas veces llamado estudio
de habilidad de mquina, es validar que un proceso nuevo o modificado opere actualmente dentro
de parmetros de ingeniera.
Cuando un proceso se ha encontrado estar estable y capaz de cumplir con requerimientos en el
corto plazo, un diferente tipo de estudio es ejecutado en forma subsecuente. Los estudios de
habilidades de largo plazo consisten de mediciones que son recolectadas sobre periodos de tiempo
largos. Los datos debieran ser recolectados por periodos suficientemente largos, y, de tal manera
que, incluyan todas las fuentes de variacin esperadas. Muchas de estas fuentes de variacin
pueden no ser observadas en un estudio de corto plazo. Cuando se han recolectado datos
suficientes, stos son graficados en una grfica de control, y si no se encuentran causas especiales,
pueden calcularse los ndices de habilidad y desempeo de largo plazo. Un uso de este estudio es
para describir la habilidad de un proceso para satisfacer los requerimientos de los clientes sobre
periodos largos de tiempo y con muchas posibles causas de variacin incluidas ej., para
cuantificar el desempeo del proceso.
Diferentes ndices se han desarrollado debido a que 1) no puede aplicarse un solo ndice en forma
universal a todos los procesos, y 2) ningn proceso dado puede describirse completamente por un
solo ndice. Por ejemplo, se recomienda que ambos Cp y Cpk sean usados (ver Captulo II, Seccin
5), y adems que sean combinados con tcnicas grficas para entender mejor la relacin entre la
distribucin estimada y los lmites de especificacin. En un sentido, esto sumariza el comparar (y
tratar de alinear) la voz del proceso con la voz del consumidor (ver tambin Referencia 22).
Todos los ndices tienen debilidades y pueden ser engaosos. Cualquier inferencia derivada de
ndices calculados debiera ser dirigida por interpretaciones apropiadas de datos de los cuales
fueron calculados los ndices.
- 16 -

LOS PROCESOS

Las compaas automotrices han establecido requerimientos para habilidad de los procesos. Es
responsabilidad del lector el comunicarse con sus clientes y determinar los ndices a usar. En
algunos casos, puede ser mejor no usar un ndice. Es importante recordar que la mayora de los
ndices de habilidad incluyen las especificaciones del producto en la formula. Si las especificaciones
son inapropiadas o no basadas en los requerimientos de los clientes, mucho del tiempo y esfuerzo
puede desperdiciarse tratando de forzar al proceso que cumpla. La Seccin 5 del Captulo II trata de
ndices de habilidad y desempeo seleccionados y contiene consejos en la aplicacin de estos
ndices.
- 17 -
ETAPAS DEL CICLO DE MEJORAMIENTO CONTINUO DE LOS PROCESOS
1.
ANALIZAR EL PROCESO
Qu debiera hacer el
proceso?
Qu puede estar mal?
Qu est haciendo el
proceso?
Lograr un estado de
control estadstico.
Determinar la habilidad.
PLANEAR
ACTUAR
2.
HACER
MANTENER EL PROCESO
Monitorear el
desempeo del proceso.
Detectar variaciones por
causas especiales y
actuar sobre estas.
PLANEAR
ESTUDIAR
HACER
ACTUAR
PLANEAR
ESTUDIAR
HACER
3.
ACTUAR
ESTUDIAR
MEJORAR EL PROCESO
Cambiar el proceso a un mejor
entendimiento de las
variaciones por causas
comunes.
Reducir las variaciones por
causas comunes.
Figura 4. Ciclo de Mejoramiento de los Procesos

- 18 -
I
LOS PROCESOS
Seccin 6
EL CICLO DE MEJORAMIENTO DEL PROCESO Y CONTROL DEL PROCESO
En la aplicacin del mejoramiento continuo a los procesos, existe un ciclo en tres etapas el cual
puede ser til (ver Figura 4). Cada proceso sujeto a mejoramiento puede ubicarse de alguna
manera en este ciclo.
1.
Analiza el Proceso
El entendimiento bsico del proceso es un debe cuando se considere el mejoramiento del proceso
mismo. Entre las preguntas a ser resueltas, a fin de lograr un mejor entendimiento del proceso,
estn:
Qu debiera estar haciendo el proceso?
Qu puede estar mal?

Qu puede variar en este proceso?
Qu sabemos ya acerca de la variabilidad de este proceso?
Qu parmetros son ms sensibles a variaciones?
Qu est haciendo el proceso?

El proceso est produciendo scrap/desperdicio o resultados que requieran retrabajo?
Este proceso produce resultados que estn en estado de control estadstico?
El proceso es hbil/capaz?
El proceso es confiable?
Muchas tcnicas pueden aplicarse para lograr un mejor entendimiento del proceso tales como,
juntas de grupo, consulta con la gente que desarrolla u opera el proceso (expertos del tema en
cuestin), revisin de la historia del proceso o construccin de Anlisis de Modos y Efectos de
Fallas (AMEFs). Las grficas de control explicadas en este manual son herramientas poderosas
que debieran usarse. Estos mtodos estadsticos simples ayudan a diferenciar entre causas
comunes y especiales de variacin. Las causas especiales de variacin deben abordarse. Cuando
se ha alcanzado un estado de control estadstico, puede calcularse un ndice de habilidad para
ayudar a estimar el nivel de habilidad actual de largo plazo del proceso mismo.
2.
Mantn (Control del) el Proceso
Una vez que se ha logrado un mejor entendimiento del proceso, ste debe mantenerse en un nivel
apropiado de habilidad/capacidad. Los procesos son dinmicos y cambian. El desempeo del
proceso debe ser monitoreado de manera que puedan tomarse medidas efectivas para prevenir
cambios no deseables. Los cambios deseables deben tambin ser entendidos e institucionalizados.
Otra vez, los mtodos estadsticos simples explicados en este manual pueden ayudarle. La
construccin y uso de grficas de control y otras herramientas permitirn el monitoreo eficiente del
proceso. Cuando la herramienta usada ofrezca seales de que el proceso ha cambiado, pueden
tomarse medidas rpidas y eficientes para aislar las causas y actuar sobre stas.
- 19 -

LOS PROCESOS
Seccin 6. Ciclo de Mejoramiento Continuo y Control del Proceso (Cont.)

Es muy fcil parar en la etapa 2 del Ciclo. Es importante hacer notar que existe un lmite en los
recursos de cualquier compaa. Algunos, quizs muchos, procesos debieran estar es esta etapa.
Sin embargo, el fallar en proceder a una siguiente etapa en este ciclo puede generar desventajas
competitivas y significativas. El logro de clase mundial requiere un esfuerzo estable y planeado
para moverse a una siguiente etapa del Ciclo de Mejoramiento de un Proceso.
3.
Mejora el Proceso
Hasta este punto, los esfuerzos han sido para estabilizar los procesos y mantenerlos. Sin embargo,
para algunos procesos, el cliente es aun sensible a la variacin dentro de especificaciones de
ingeniera. En estos casos, el valor del mejoramiento continuo no ser notado hasta que la variacin
se reduzca. En este punto, herramientas adicionales para anlisis de procesos, incluyendo mtodos
estadsticos ms avanzados tales como, diseos de experimentos y grficas de control avanzadas
pueden ser tiles. El apndice H lista algunas de las referencias tiles para estudio adicional.
El mejoramiento de los procesos a travs de la reduccin de la variacin tpicamente involucra el
introducir cambios a propsito dentro del proceso y medir los efectos. El objetivo es un mejor
entendimiento del proceso mismo, de manera que las causas comunes de variacin puedan ser
adems reducidas. La intencin de esta reduccin es mejorar la calidad a un costo ms bajo.
Cuando se han determinado nuevos parmetros de proceso, el Ciclo cambia y regresa a Analiza el
Proceso. Dado que se han hecho cambios, es necesario reconfirmar la estabilidad del proceso
mismo. El proceso continua entonces para moverse alrededor del Ciclo del Mejoramiento del
Proceso mismo.
- 20 -
GRAFICAS DE CONTROL
Limite de Control Superior

Lnea Central
Limite de Control Inferior
1.
Recoleccin:
2.
3.
Recolectar datos y graficarlos en una grfica.
Control:
Calcular los lmites de control prueba de los datos de proceso.
Identificar causas especiales de variacin y actuar sobre la mismas.
Anlisis y Mejoramiento:
Cuantificar la variacin por causas comunes; tomar acciones para reducirla.
Estas tres etapas se repiten para mejoramiento continuo del proceso.
Figura 5. Grficas de Control

- 21 -
I
LOS PROCESOS
Seccin 7
GRAFICAS DE CONTROL: HERRAMIENTAS PARA CONTROL DEL PROCESO
El Dr. Walter Shewhart de Laboratorios Bell, mientras estudiaban datos de procesos en los 1920s,
hicieron primero la distincin entre variacin controlada y no controlada, debido a lo que llamamos
causas comunes y especiales. l desarroll una herramienta simple pero poderosa para separar las
dos la grfica de control. Desde aquel tiempo, las grficas de control han sido usadas
exitosamente en una amplia variedad de situaciones de control del proceso, tanto en los Estados
Unidos como en otros pases, y notablemente en Japn. La experiencia ha mostrado que las
grficas de control dirigen atencin en forma efectiva hacia causas especiales de variacin cuando
stas aparecen y reflejan el alcance de la variacin de las causas comunes que deben ser
reducidas por mejoramiento del sistema o el proceso mismo.
El mejoramiento del proceso con el uso de grficas de control es un procedimiento iterativo,
repitiendo las etapas fundamentales de recoleccin, control y anlisis (ver Figura 5). Primero, se
recolectan datos de acuerdo a un plan (el apndice A ofrece entradas para tal plan de recoleccin
de datos); luego, estos datos son usados para calcular lmites de control, los cuales son la base de
interpretacin de los datos para control estadstico; cuando el proceso est en control estadstico,
puede interpretarse para habilidad del proceso mismo. Para efectuar mejoramientos en el control y
habilidad, las causas comunes y especiales de variacin deben ser identificadas y el proceso ser
modificado; entonces el ciclo comienza otra vez, conforme ms datos son recolectados,
interpretados y usados como una base para acciones.
1.
Recoleccin: Los datos de caractersticas (del proceso o resultados) a ser estudiados

son recolectados y convertidos a una forma que puedan ser graficados en una grfica de
control. Estos datos pueden ser valores medidos de una dimensin de un pieza
maquinada, el nmero de defectos en un tornillo de vinil, los tiempos de trnsito de un
tren, el nmero de errores de un contador, etc.
2.
Control: Los lmites de control prueba son calculados en base a los datos. Estos son
dibujados en la grfica como una gua para anlisis. Los lmites de control no son lmites
de especificacin u objetivos, aunque se basan en la variabilidad natural del proceso
mismo y en planes de muestreo.
Los datos son comparados entonces con los lmites de control para ver si la variacin es
estable y parece derivarse solo de causas comunes. Si causas especiales de variacin
son evidentes, el proceso es estudiado para determinar adems lo que est afectndolo.
Despus de que se hayan tomado acciones (generalmente locales) se recolectan datos
adicionales, se recalculan lmites de control si es necesario, y se acta sobre causas
especiales adicionales.
3.
Anlisis y Mejoramiento: Despus de que se han abordado todas las causas especiales
y el proceso est operando bajo control estadstico, la grfica de control continua como
una herramienta de monitores. Puede tambin calcularse la habilidad del proceso. Si la
variacin de las causas comunes es excesiva, el proceso no puede producir resultados
que cumplan en forma consistente con los requerimientos del cliente.
- 22 -

LOS PROCESOS
Seccin 7. Grficas de Control: Herramientas para Control del Proceso (Cont.)

El proceso mismo debe ser investigado y, tpicamente, deben tomarse acciones por la
administracin para mejorar el sistema mismo.
Con frecuencia, se encuentra que aunque el proceso fue dirigido al valor meta durante el
ajuste inicial, la localizacin actual del proceso ( X ) puede no ser igual a este valor . Para
aquellos procesos donde la localizacin actual se desva de la meta y la habilidad para
reubicar el proceso es econmica, debiera darse consideracin al ajuste del proceso de
manera que sea mejor alinearlo con la meta misma. Esto asume que este ajuste no afecta
la variacin del proceso mismo. Esto no siempre puede mantenerse en verdad, aunque
las causas para cualquier incremento posible en la variacin de un proceso, despus de
restablecer una meta del proceso mismo, debieran ser entendidas y evaluadas contra la
satisfaccin de los clientes y los factores econmicos.
El desempeo de largo plazo del proceso debe continuar siendo analizado. Esto puede
lograrse ms fcilmente con una revisin peridica y sistemtica de las grficas de control
en proceso. Generalmente se revelan nuevas evidencias de causas especiales. Algunas,
cuando se entienden, sern benficas en la reduccin de la variabilidad global de un
proceso. Otras, en perjuicio del proceso mismo, necesitarn ser entendidas y corregidas o
retiradas.
Para un proceso que est en control, los esfuerzos de mejoramiento a menudo se
enfocan en la reduccin de variaciones del proceso por causas comunes. La reduccin de
esta variacin tendr un efecto de encogimiento de los lmites de control en la grfica de
control ej., los lmites, despus de su recalculo, estarn ms cerca uno del otro. Mucha
gente no familiar con las grficas de control, siente que esto est penalizando al proceso
para mejoramiento. No hacen notar que si el proceso es estable y los lmites de control
son calculados correctamente, la probabilidad de que el proceso produzca errneamente
un punto fuera de control es la misma independientemente de la distancia entre los lmites
de control (ver tambin Seccin 5).
Un rea que merece ser mencionada es la pregunta del recalculo de los lmites de control.
Una vez que se calculan apropiadamente, y si no ocurren cambios a la variacin del
proceso por causas comunes, entonces los lmites de control se mantienen legtimos. Las
seales de causas especiales de variacin no requieren el clculo de los lmites de
control. Para anlisis de largo plazo de grficas de control, es mejor recalcular los lmites
de control lo menos frecuente posible, aunque dictados por el proceso mismo.
Para el mejoramiento continuo de un proceso, repita estas tres etapas, recolecte ms datos
conforme sea apropiado; trabaje en reducir la variacin del proceso operando el proceso mismo en
control estadstico; y contine en analizar la variabilidad del proceso mismo.
- 23 -
BENEFICIOS DE LAS GRAFICAS DE CONTROL

Las Grficas de Control, usadas apropiadamente, pueden;
Ser usadas por los Operadores para control en lnea de los procesos
Ayudar a los procesos a que trabajen en forma consistente, predecible, con

calidad y en costo
Permitir a los Procesos que Logren

-
Calidad Superior
Menor Costo Unitario
Mejor Capacidad Efectiva
Ofrecer un lenguaje comn para discutir el desempeo de los procesos
Distinguir causas de variacin comunes de las especiales, como una gua

para acciones locales o acciones sobre el sistema
- 24 -
I
LOS PROCESOS
Seccin 8
BENEFICIOS DE LAS GRAFICAS DE CONTROL
La siguiente lista resume algunos de los beneficios importantes que pueden derivarse del uso de
grficas de control:
Las grficas de control son herramientas efectivas para entender la variacin de un proceso
y ayudan a lograr el control estadstico. Estas herramientas permiten a menudo ser
mantenidas en las estaciones de trabajo por los operadores. Ofrecen a la gente informacin
muy cercana y confiable de operacin sobre cuando debieran tomarse acciones y cuando
no debieran tomarse acciones (ej., sobreajustes ver Apndice B).
Cuando un proceso est en control estadstico, su desempeo es predecible. Luego tanto el

productor como el cliente pueden confiar en niveles de calidad consistentes, y ambos pueden
confiar en costos estables para el logro del nivel de calidad.
Un proceso en control estadstico puede mejorarse adems a travs de la reduccin de la

variacin por causas comunes y mejorarse el centrado del proceso (establecimiento de
metas). Los efectos esperados de los mejoramientos propuestos en el sistema pueden
anticiparse, y los efectos actuales aun de los cambios relativamente sutiles pueden ser
identificados a travs de datos de las grficas de control. La cantidad de datos requerida
vara con el proceso bajo examen. Tales mejoramientos del proceso pueden reducir los
costos y mejorar la productividad decreciendo la variacin alrededor del valor meta.
Las grficas de control ofrecen un lenguaje comn para la comunicacin de informacin

acerca del desempeo de un proceso entre dos o tres turnos en que opere un proceso;
entre la produccin de la lnea (operadores, supervisores) y las actividades de soporte
(mantenimiento, control de materiales, ingeniera de proceso, control de calidad); entre las
diferentes estaciones del proceso; entre el proveedor y el usuario; entre la planta de
manufactura/ensamble y el rea de ingeniera de diseo.
Las grficas de control, distinguiendo causas especiales de las comunes de variacin,

ofrecen una buena indicacin de si los problemas es probable sean corregidos localmente o
requerirn acciones de la administracin. Esto minimiza la confusin, frustracin y costo
excesivo de mal dirigir esfuerzos en la solucin de problemas.
El resto de este manual describe tcnicas involucradas en la construccin e interpretacin de

grficas de control. Mientras se lean estas instrucciones y recomendaciones tcnicas, es bueno
tener en mente los beneficios reales que pueden derivarse si el enfoque de grficas de control es
dominado y usado en forma efectiva. Para asistencia adicional relativa a cual grfica de control
debiera usarse para cada situacin, se ofrece un diagrama de seleccin de grficas de control en el
apndice C.
NOTA:
Dos formatos blancos y muestra de grficas de control y del proceso son mostrados en
el apndice I. Si se usan otras grficas diferentes a stas, la siguiente informacin
mnima debiera estar en estas: nombre de la caracterstica del proceso; nmero de la
parte; descripcin de la caracterstica; unidad de medicin;
- 25 -

LOS PROCESOS
Seccin 8. Beneficios de las Grficas de Control (Cont.)

cero = ____ (para datos codificados); frecuencia de la muestra; tamao de la muestra;
descripcin de la escala (X barra, mediana, etc.); valores de la escala; datos de cada
subgrupo/muestra, tiempo, iniciales o identificacin del operador; gage o mtodo de
medicin usado; un lugar para alimentar notas del proceso.
Puede ser tambin una buena idea incluir informacin de la repetibilidad y
reproducibilidad de gages (RG&R%) en cada grfica para consideracin adicional en la
interpretacin de la grfica y para reforzar el hecho de que el anlisis de un sistema de
medicin ha sido ejecutado.
- 26 -
Gente
Equipo
Ambiental
Resultado es Medido
1
Materiales
Unidades de Medida (mm,

Kgs., etc.)
Origen (o mm, 32 F, etc.)
Mtodos
Proceso
Ejemplos de Resultados
Dimetro Exterior de Flecha (pulgadas)
Distancia de agujero de superficie de
referencia (mm)
Resistencia de un circuito (ohms)
Tiempo de trnsito de tranva (horas)
Tiempo de Procesamiento de Cambios
de Ingeniera (horas)
Ejemplos de Grficas de Control

X para Promedios de las Mediciones
Grfica R para Rangos de las Mediciones
El mtodo de las mediciones debe producir resultados exactos y precisos en el tiempo
No Preciso
Preciso
No Exacto
Exacto*
* Nota: La literatura actual de metrologa define exactitud como la falta de sesgo.

Figura 6. Datos de Variables Resultados de Medir Resultados del Proceso Intermedios o Finales
- 27 -
Captulo II
GRAFICAS DE CONTROL POR VARIABLES
Las graficas de control para variables son herramientas poderosas que pueden ser usadas cuando
las mediciones de un proceso estn disponibles. Ejemplos seran el dimetro de un balero, el
esfuerzo para cerrar una puerta o el tiempo para revisar un voucher. Las grficas de variables y
especialmente en su forma ms comn, las grficas X (X barra) y R representan la aplicacin
tpica de grficas de control para control del proceso mismo. (Ver Figura 6).
Las grficas de control para variables son particularmente tiles por varias razones:
1. La mayora de los procesos y sus resultados cuentan con caractersticas que son medibles,
de manera que es amplia la aplicacin potencial.
2. Un valor cuantitativo (ej., el dimetro es 16.45 mm) contiene ms informacin que una
simple declaracin si no (ej., el dimetro est dentro de especificaciones).
3. Aunque al obtener una pieza de datos de medicin es generalmente ms costos que obtener
una pieza de datos pasa/no pasa, menos piezas necesitan checarse para obtener ms
informacin acerca del proceso, de manera que el algunos casos los costos totales de
medicin pueden ser inferiores.
4. Debido a que menos piezas necesitan ser checadas antes de tomar decisiones confiables, la
brecha de tiempo entre la produccin de las partes y las acciones correctivas a menudo
puede acortarse.
5. Con datos de variables, el desempeo de un proceso puede analizarse, y el mejoramiento
puede ser cuantificado, an si todos los valores individuales estn dentro de lmites de
especificacin; esto es importante en la bsqueda del mejoramiento continuo y permanente.
Las grficas de variables pueden explicar los datos del proceso en trminos de su dispersin
(variabilidad pieza a pieza) y localizacin (promedio del procesos). Debido a esto, las grficas de
control para variables debieran siempre ser analizadas y preparadas en pares una grfica para
localizacin y otra para dispersin. El mas comnmente usado es el par de las grficas X y R. X
es el promedio de los valores de los subgrupos una medida de localizacin; R es el rango de los
valores dentro de cada subgrupo (el mas grande menos el mas pequeo) una medida de
dispersin.
Las grficas X y R son discutidas con amplitud en la Seccin 1 de ste Captulo. La Seccin 2 de
este Captulo trata de las Grficas X y s (una alternativa para la grfica R), la Seccin 3 trata de las
grficas de medianas (un sustituto mas simple para las grficas de promedios y rangos) y la
Seccin 4 de este Captulo trata de grficas para lecturas individuales (donde las decisiones deben
basarse en lecturas solas y no subgrupos/muestras).
- 28 -
PREPARACIN PARA USO DE GRAFICAS DE CONTROL
Establece un ambiente adecuado para acciones
Define el proceso
Determina las caractersticas a ser administradas

Consideraciones:
Las Necesidades de los Clientes
reas de Problemas Actuales y Potenciales
Correlacin entre Caractersticas
Define el Sistema de Medicin
Minimiza las Variaciones Innecesarias
- 29 -
II.
Seccin 1
GRAFICAS DE PROMEDIOS Y RANGOS ( X y R)
Antes de que las grficas X y R puedan ser usadas, deben tomarse algunos pasos preparatorios:
Establece un ambiente adecuado para acciones. Cualquier mtodo estadstico falla a

menos que la administracin halla preparado un medio ambiente responsable. El temor
dentro de la organizacin que inhibe a la gente de ser cndido debe ser retirado. La
administracin debe ofrecer recursos para participar y dar apoyo en acciones de
mejoramiento.
Define el proceso. El proceso debe se entendido en trminos de su relacin con otras

operaciones y usuarios tanto flujo de arriba a bajo como de abajo a arriba, y en trminos de
los elementos del proceso mismo (gente, equipo, materiales, mtodos y medio ambiente) que
lo afecten en cada etapa. Tcnicas tales como diagramas de causas y efectos y diagramas
de flujo del proceso ayudan a hacer visibles estas relaciones y permiten el acumulamiento de
experiencia de gente que entiende diferentes aspectos del proceso.
Determina las caractersticas a graficar. Un ejemplo del proceso diseado para

determinar estas caractersticas es el Sistema de Designacin de Caractersticas Clave de
GM (ver apndice H, referencia 24). Los esfuerzos de anlisis debieran concentrarse en
aquellas caractersticas que sean ms importantes para el mejoramiento de un proceso (una
aplicacin del principio de Pareto). Son apropiadas las siguientes consideraciones:
Las necesidades de los clientes: esto incluye procesos subsecuentes que usen el
producto o servicio como una entrada, y el cliente final del producto. La comunicacin de
necesidades de ambos tipos de clientes al punto del proceso donde puedan ocurrir
mejoramientos requiere de entendimiento y trabajo en equipo.
reas de problemas actuales y potenciales: considere evidencias existentes de
desperdicio o desempeo pobre (ej., scrap, retrabajo, tiempo extra excesivo, metas n
logradas) y reas de riesgos (ej., cambios del diseo del producto o servicio que se
esperen o cualquier elemento del proceso). Estas son oportunidades de mejoramiento
que requieren de la aplicacin de todas las disciplinas involucradas en la operacin del
negocio.
La correlacin entre las caractersticas: para un anlisis efectivo y eficiente tome ventajas
de las relaciones entre las caractersticas. Por ejemplo, si la caracterstica en cuestin es
difcil de medir (ej., volumen), rastree una caracterstica correlacionada que sea ms fcil
medir (ej., peso). Tambin, si varias caractersticas individuales de un artculo tienden a
variar en conjunto, puede ser suficiente graficar solo una de ellas. Advertencia: la
correlacin estadstica no necesariamente implica una relacin de causas y efectos entre
variables. En la ausencia del conocimiento de los procesos existentes, puede ser
necesario un diseo de experimentos para verificar tales relaciones y su significancia.
- 30 -
II.
Seccin 1. Graficas X y R (Cont.)
Define el sistema de medicin. La caracterstica debe ser definida operacionalmente, de

tal forma que los hallazgos puedan ser comunicados a todos los involucrados y en una forma
que tenga el mismo significado hoy como ayer. Esto involucra el especificar qu informacin
es recolectada, dnde, cmo y bajo qu condiciones. El equipo de medicin mismo debe ser
predecible en su exactitud y precisin las calibraciones peridicas no son suficientes. Para
ms detalles en este tema ver Seccin IV. La definicin de la caracterstica afecta al tipo de
grfica de control a ser usada una grfica de datos de variables tal como, X y R, o una
grfica de datos de atributos, como las descritas en la Seccin III.
Minimiza las variaciones innecesarias. Las variaciones innecesarias de causas externas

debieran reducirse antes de que el estudio o anlisis comience. Esto pudiera significar
simplemente el vigilar que el proceso est siendo operado como se espera, o pudiera
significar el conducir un estudio controlado con materiales de entrada conocidos, ajustes de
controles constantes, etc. El propsito es evitar problemas obvios que pudieran y debieran
ser corregidos aun sin el uso de grficas de control; Esto incluye ajustes excesivos del
proceso o sobre controles. En todos los casos, las entradas del proceso debieran
mantenerse y todos los eventos relevantes notarse tales como, cambios de herramientas,
nuevos lotes de materias primas, etc. Esto ayudar en anlisis subsecuentes del proceso.
- 31 -
Figura 7. Grfica X y R
- 32 -
II.
Seccin 1. Graficas X y R (Cont.)
A.
RECOLECTA LOS DATOS
Una grfica X y R, como par, es desarrollada de mediciones de una caracterstica particular del
resultado del proceso. Estos datos son reportados en subgrupos o muestras de tamao constante,
incluyendo generalmente de dos a cinco piezas consecutivas, con subgrupos tomados
peridicamente, (ej., uno cada 15 minutos, dos por turno, etc.). Un plan de recoleccin de datos
debe desarrollarse y usarse como la base para la recoleccin, registro y graficado de los datos en
una grfica.
A.1. Selecciona el Tamao, Frecuencia y Nmero de Subgrupos (Ver Figura 7.)
a.
Tamao de Subgrupos El primer paso clave en el graficado de variables para control

es la determinacin de subgrupos racionales stos determinan la efectividad y
eficiencia de la grfica de control que los use.
Los subgrupos debieran ser seleccionados de manera que las oportunidades de
variacin entre las unidades dentro de un subgrupo sean pequeas. Si la variacin
dentro de un subgrupo representa la variabilidad pieza a pieza sobre un periodo muy
corto de tiempo, entonces una variacin inusual entre subgrupos reflejara cambios en
el proceso que debieran se investigados para acciones apropiadas.
Para un estudio inicial del proceso, los subgrupos pueden consistir tpicamente de 4 o 5
piezas producidas en forma consecutiva representando solo una herramienta, cabeza,
cavidad de un dado, etc. (ej., flujo de un solo proceso). La intencin es que las piezas
dentro de cada subgrupo sean todas producidas bajo condiciones de produccin muy
similares sobre un periodo de tiempo muy corto y sin alguna otra relacin sistemtica
de una pieza con otra. Por tanto la variacin dentro de cada subgrupo reflejara
principalmente causas comunes. Cuando estas condiciones no se cumplen, la grfica
de control resultante puede no discriminar en forma efectiva causas especiales de
variacin, o puede exhibir patrones inusuales notados en los prrafos C.1.a y C.4.c de
esta seccin. Los tamaos de muestra deben mantenerse constantes para todos los
subgrupos.
b.
Frecuencia de Subgrupos El objetivo es detectar cambios en el proceso en el tiempo.

Los subgrupos debieran ser recolectados en tiempos de frecuencia suficientes y
apropiados, de manera que puedan reflejar las oportunidades de cambios potenciales.
Tales causas de cambios potenciales pudieran ser debidas a diferencias entre turnos
de trabajo o relevos de operadores, tendencias en calentamientos, lotes de materiales,
etc.
- 33 -
II.
Seccin 1. Graficas X y R (Cont.) Recolecta los Datos

Durante el estudio inicial de un proceso, los subgrupos mismos son tomados en forma
consecutiva o en periodos de tiempo cortos, para detectar si el proceso puede cambiar
y mostrar alguna inestabilidad sobre periodos de tiempo breves. Conforme el proceso
demuestre estabilidad (o se hagan mejoramientos al proceso), el periodo de tiempo
entre subgrupos puede incrementarse. Las frecuencias de subgrupos para el monitoreo
de la produccin continua pueden ser dos veces por turno, cada hora o alguna otra
frecuencia factible.
c.
Nmero de Subgrupos El nmero de subgrupos debiera satisfacer dos criterios.

Desde el punto de vista del proceso, debieran recolectarse suficientes subgrupos para
asegurar que las fuentes principales de variacin hayan tenido la oportunidad de
aparecer. Generalmente, 25 o ms subgrupos conteniendo alrededor de 100 o ms
lecturas individuales ofrecen una buena prueba para estabilidad y, si es estable, buenos
estimativos de la localizacin y dispersin del proceso.
El algunos caso, datos existentes pueden estar disponibles los cuales pudieran acelerar
esta primera etapa del estudio. Sin embargo, estos datos debieran ser usados solo si
son recientes y si las bases para el establecimientos de subgrupos son claramente
entendidas.
NOTA:
Para interpretacin adicional del impacto de los subgrupos sobre la interpretacin de las
grficas de control, ver Apndice A.
- 34 -
Figura 8. Grfica X y R Datos Ajustados

- 35 -
II.
Seccin 1. Grficas X y R (Cont.) Recolecta los Datos

A.2.
Establece las Grficas de Control y Registra los Datos Iniciales (Ver Figura 8).
Las grficas X y R son normalmente graficadas con la grfica X arriba de la grfica R, y
un bloque con los datos. Los valores de X y R sern las escalas verticales, mientras que
la secuencia de los subgrupos a travs del tiempo ser la escala horizontal. Los valores
de los datos y los puntos de la grfica para el rango y el promedio debieran ser alineados
verticalmente.
El bloque de datos debiera incluir espacios para cada una de las lecturas individuales.
Debiera tambin incluir espacios para la suma de las lecturas, el promedio ( X ), el rango
(R) y la fecha/hora u otra identificacin del subgrupo.
Registra los valores individuales y la identificacin para cada subgrupo.
A.3.
Calcula el Promedio ( X ) y el Rango (R) de Cada Subgrupo (Ver Figura 8).

Las caractersticas a ser graficadas son en promedio de cada muestra ( X ) y el rango
de cada muestra (R) para cada subgrupo; en forma agrupada, stos reflejan el promedio
global del proceso su variabilidad, respectivamente.
Para cada subgrupo, calcula:
X =
X 1 + X 2 + ... + X n
n
R = Xmximo - Xmnimo
Donde X1, X2, ... son los valores individuales dentro de los subgrupos y n es el tamao
de muestra de los subgrupos.
- 36 -
Figura 9. Grfica X y R - Estudios Iniciales

- 37 -
II.
Seccin 1. Grficas X y R (Cont.) Recolecta los Datos

A.4.
Selecciona Escalas para las Grficas de Control (Ver Figura 9).

Las escalas verticales para las dos grficas son los valores medidos de X y R
respectivamente. Algunos lineamientos generales para determinar las escalas pueden
ser tiles, aunque stos pueden ser modificados en circunstancias particulares. Para la
grfica X , la diferencia entre los valores ms grande y ms pequeo en la escala
debiera ser al menos 2 veces la diferencia entre el valor ms grande y el ms pequeo
de los promedios de los subgrupos ( X ). Para la grfica R, los valores debieran
extenderse desde un valor mnimo de cero a un valor superior alrededor de 2 veces el
rango (R) ms grande encontrado durante el periodo inicial.
NOTA:
A.5.
Una gua til es establecer el espacio de la escala para la grfica de rangos

al doble que la grfica de promedios (ej., si una unidad de la escala es igual,
la unidad de la escala sera igual a 0.02 in en la grfica de rangos). Para
tamaos de subgrupos tpicos, los lmites de control para promedios y rangos
son aproximadamente del mismo ancho, una ayuda visual para anlisis.
Grafica los Promedios y Rangos en las Grficas de Control (Ver Figura 9).
Grafica los promedios y rangos en sus respectivas grficas. Esto debiera hacerse lo ms
pronto posible y despus de que se hayan decidido las escalas . Conecta los puntos con
lneas para ayudar a visualizar los patrones y tendencias.
Visualice brevemente los puntos graficados para ver si stos se observan razonables; si
alguno de los puntos est sustancialmente ms arriba o ms abajo que los otros,
confirme que los clculos y puntos estn correctos. Asegrese de que los puntos
graficados para el correspondiente X y R estn verticalmente en lnea.
NOTA:
A fin de reforzar la prctica de todas las grficas en el piso de produccin y

teniendo los limites de control en stas, las grficas de corridas iniciales las
cuales no cuenten con lmites de control calculados (debido a cantidades de
datos insuficientes) debieran ser identificadas claramente como Estudios
Iniciales. Por tanto, estas grficas de Estudios Iniciales, ya sea que se usen
para habilidades a la primera vez o para estudios despus de
mejoramientos/cambios al proceso mismo, debieran ser las nicas grficas
de control del proceso permitidas en el piso de produccin y las cuales no
cuenten con los lmites de control puestos en ellas.
- 38 -
Figura 10. Grfica X y R con Lmites de Control

- 39 -
II.
Seccin 1. Grficas X y R (Cont.)

B.
CALCULA LOS LIMITES DE CONTROL
Los lmites de control para la grfica de rangos son desarrollados primero, luego aquellos para la
grfica de promedios. Los clculos para los lmites de control para las grficas de variables utilizan
constantes que aparecen como letras en las formulas siguientes. Estos factores, los cuales difieren
de acuerdo al tamao del subgrupo (n), se encuentran en tablas pequeas que acompaan las
formulas respectivas; las tablas ms completas se muestran en el apndice E.
B.1.
Calcula el Promedio de Rangos ( R ) y el Promedio del Proceso ( X ) (Ver Fig. 10)

Para el perodo del estudio, calcula:
R1 + R2 + ... + Rk
k
X 1 + X 2 + ... + X k
X =
k
R=
donde k es el nmero de subgrupos/muestras, R1 y X 1 son el rango y el promedio del

primer subgrupo, R2 y X 2 son del segundo subgrupo, etc.
B.2.
Calcula los Lmites de Control (Ver Fig. 10)

Los lmites de control son calculados para mostrar el alcance en el cual los promedios y
rangos de los subgrupos variaran si solo estuvieran presentes causas comunes de
variacin. Dichos lmites se basan en los tamaos de muestra de los subgrupos y la
cantidad de variacin dentro de cada subgrupo reflejada en los rangos. Calcula los
lmites de control superior e inferior para los rangos y promedios:
UCL R = D 4 R
LCLR = D3 R
UCLX = X + A2 R
LCLX = X A2 R
Donde D4, D3 y A2 son constantes que varan segn el tamao de la muestra, con
valores para tamaos de muestra de 2 a 10 como se muestra en la siguiente tabla
parcial, tomada del Apndice E:
n
D4
D3
A2
2
3.27
*
1.88
3
2.57
*
1.02
4
2.28
*
.73
5
2.11
*
.58
6
2.00
*
.48
- 40 -
7
1.92
.08
.42
8
1.86
.14
.37
9
1.82
.18
.34
10
1.78
.22
.31
II.
Seccin 1. Grficas X y R (Cont.) Calcula los Lmites de Control

* (Para tamaos de muestra inferiores a 7, el LCLR sera tcnicamente un nmero
negativo; en estos casos no existe un lmite inferior de control; esto significa que para
un tamao de subgrupo de 6, seis mediciones idnticas sera razonable).
B.3.
Grafica las Lneas para Promedios y Lmites de Control en las Grficas (Ver Fig.
10)
Dibuja el rango promedio ( R ) y el promedio del proceso ( X ) como lneas horizontales
slidas, los lmites de control (UCLR, LCLR, UCLX , LCLX ) como lneas horizontales
interrumpidas, etiqueta las lneas. Durante la etapa del estudio inicial, stos son
considerados como lmites de control prueba.
- 41 -
PROCESO EN CONTROL PARA

RANGOS
PROCESO NO EN CONTROL PARA RANGOS

(PUNTOS FUERA DE LMITES DE CONTROL
Figura 11. Grfica R Puntos Fuera de Lmites de Control

- 42 -
II.
Seccin 1. Grficas X y R (Cont.)

C.
INTERPRETACIN PARA CONTROL DEL PROCESO
Los lmites de control pueden ser interpretados como sigue: si la variabilidad del proceso pieza a
pieza y el promedio del proceso se mantuvieran constantes en sus niveles presentes (y estimados
por R y X respectivamente), los rangos individuales de cada subgrupo (R) y los promedios ( X )
variaran solo por aleatoriedad, aunque difcilmente iran fuera de los lmites de control. Igualmente,
no habra tendencias o patrones obvios en los datos, ms all de lo que ocurrira por aleatoriedad.
El objetivo del anlisis de grficas de control es identificar cualquier evidencia de que la variabilidad
del proceso o el promedio del proceso no estn operando en un nivel constante uno o ambos
estn fuera de control estadstico y se tomen acciones apropiadas. Las grficas R y X son
analizadas por separado, aunque la comparacin de patrones entre las dos grficas puede ofrecer
pistas adicionales sobre causas especiales que estn afectando al proceso mismo.
C.1.
Analiza los Puntos de los Datos en la Grfica de Rangos

Dado que la habilidad para interpretar los rangos o promedios de los subgrupos depende
de el estimativo de la variabilidad pieza a pieza, la grfica R es analizada primero. Los
puntos de los datos son comparados con los lmites de control, para puntos fuera de
control o para patrones o tendencias no usuales.
a.
Puntos Fuera de Lmites de Control (Ver Figura 11) La presencia de uno o ms

puntos fuera de algn lmite de control es evidencia principal de no control en dicho
punto. Dado que los puntos fuera de los lmites de control seran muy raros y solo
variaciones de causas comunes seran presentes, asumimos que una causa
especial ha sido tomada en cuenta para el valor extremo. Por tanto, cualquier punto
fuera de un lmite de control es seal para anlisis intermedio de la operacin para
causas especiales. Marque cualquier punto de algn dato que est fuera de los
lmites de control para investigacin adicional y acciones correctivas cuando las
causas especiales se inicien realmente. (Ver prrafo C.2. de esta Seccin).
Un punto arriba del lmite superior de control para los rangos es generalmente signo
de uno o ms de los siguientes puntos:
El lmite de control o el punto en la grfica han sido calculados o graficados en

forma errnea.
La variabilidad pieza a pieza o dispersin de la distribucin se ha incrementado

(ej., empeorado), ya sea en dicho punto en el tiempo o como parte de una
tendencia.
El sistema de medicin ha cambiado (ej., un diferente inspector o gage).
El sistema de medicin carece de una discriminacin apropiada.
- 43 -
II.
Seccin 1. Grficas X y R (Cont.) Interpretacin para Control del Proceso

Un punto abajo del lmite inferior de control (para tamaos de muestra de 7 o ms)
es generalmente un signo de uno o ms de los siguientes puntos:
El lmite de control o el lmite graficado son errneos.
La dispersin de la distribucin ha decrecido (ej., llega a ser mejor).
El sistema de medicin ha cambiado (incluyendo edicin o alteracin de los

datos).
Patrones o Tendencias Dentro de Lmites de Control La presencia de patrones o

tendencias inusuales, aun y cuando todos los rangos estn dentro de lmites de
control, pueden ser evidencia de no control o cambios en la dispersin del proceso
durante el periodo del patrn o tendencia. Esto podra ofrecer la primera advertencia
de condiciones no favorables y las cuales debieran corregirse. Contrariamente,
ciertos patrones o tendencias podran ser favorables y debieran ser estudiados para
posibles mejoramientos permanentes del proceso en cuestin. La comparacin de
patrones entre las grficas de rangos y promedios pueden ofrecer pistas
adicionales.
- 44 -
PROCESO NO EN CONTROL PARA

RANGOS (CORRIDA LARGA ARRIBA)

RANGOS (CORRIDAS LARGAS ARRIBA
Y ABAJO DEL RANGO DE PROMEDIOS
Figura 12. Grfica R - Corridas (Rangos)

- 45 -
II.
Seccin 1. Grficas X y R (Cont.) Interpretacin para Control

b.
Corridas (Ver Figura 12) Cada uno de los siguientes puntos son signos de que el
cambio o tendencia de un proceso ha iniciado:
Siete puntos en rengln en un lado del promedio.
Siete puntos en rengln que estn creciendo en forma consistente (igual o ms

que los puntos previos) o decreciendo en forma consistente.
Marque el punto que agiliza la decisin; puede ser til extender una lnea de
referencia hasta el principio de la corrida. El anlisis debiera considerar el tiempo
aproximado en el cual parezca que una tendencia o cambio han iniciado.
Una corrida arriba del promedio del rango, o una corrida hacia arriba significa uno o
ambos de los siguientes puntos:
Mayor dispersin en los valores de los resultados, los cuales pudieran ser de una
causa irregular (tal como, mal funcionamiento de un equipo o dispositivos flojos)
o de un cambio en uno de los elementos del proceso (ej., un lote de materias
primas nuevo pero menos uniforme); stos son generalmente los problemas que
necesitan correccin.
Un cambio en el sistema de medicin (ej., nuevo inspector o gage).
Una corrida abajo del promedio del rango, o una corrida hacia abajo significa uno o
Una dispersin ms pequea en los valores de los resultados, la cual es

usualmente una buena condicin que debiera ser estudiada para aplicaciones y
mejoramientos del proceso ms amplios.
Un cambio en el sistema de medicin, el cual pudiera enmascarar cambios

reales de desempeo.
NOTA:
Conforme el tamao del subgrupo (n) llega a ser ms pequeo (5 o

menor) la probabilidad de las corridas debajo de R se incrementa, de
manera que la longitud de una corrida de 8 o ms pudiera ser necesario
para dar seal de algn decrecimiento en la variabilidad del proceso.
- 46 -

RANGOS (PUNTOS MUY CERCA DEL
RANGO PROMEDIO)
PROCESO NO EN CONTROL (PUNTOS

MUY CERCA DE LOS LIMITES DE
CONTROL)
Figura 13. Grfica R Patrones No Aleatorios

- 47 -
II.
Seccin 1. Grficas X y R (Cont.) - Interpretacin para Control

c.
Patrones Obvios No Aleatorios (ver Figura 13) Adems de la presencia de puntos

fuera de lmites de control o corridas largas, pueden aparecer otros patrones
diferentes en los datos que ofrezcan pistas para causas especiales. Debiera tenerse
cuidado en no sobreinterpretar los datos, dado que aun los datos aleatorios (ej.,
causas comunes) pueden algunas veces ofrecer la ilusin de no aleatoriedades (ej.,
causas especiales presentes). Ejemplos de patrones no aleatorios pudieran ser
tendencias obvias (aunque stas no satisfagan las pruebas de las corridas), ciclos,
dispersin global de los puntos de los datos dentro de los lmites de control, o
inclusive relaciones entre valores dentro de los subgrupos (ej., la primer lectura
puede ser siempre el valor ms alto). Una prueba para la dispersin global de los
puntos de los datos de cada subgrupo es descrita a continuacin:
Distancia de los puntos de R : generalmente, alrededor de 2/3 de los puntos
graficados debieran extenderse dentro del tercio medio de la regin entre los lmites
de control; alrededor del 1/3 de los puntos debieran estar fuera y dentro de los dos
tercios de la regin.
Si en forma sustancial ms del 2/3 de los puntos graficados se extienden cerca de
R (para 25 subgrupos si arriba del 90% estn en el tercio medio de la regin de los
lmites de control, investigar uno o ms de los siguientes puntos:
Los lmites de control o puntos graficados han sido calculados o graficados en

forma errnea.
El proceso o mtodo de muestreo son estratificados; cada subgrupo contiene
sistemticamente mediciones de dos o ms flujos de un proceso que cuentan con
promedios del proceso muy diferentes (ej., una pieza de cada una de varias
partes) *.
Los datos han sido editados (subgrupos con rangos que se desvan con mucho
del promedio han sido alterados o retirados).
Si en forma sustancial menos del 2/3 de los puntos graficados se extienden cerca de
R (para 25 grupos si el 40% o menos estn en el tercio medio) investigar uno o
Los lmites de control o puntos graficados han sido calculados o graficados

errneamente.
El proceso o mtodo de muestreo genera subgrupos sucesivos que contienen
mediciones de dos o ms flujos del proceso y que cuentan con variabilidades
dramticamente diferentes (ej., lotes mezclados de materiales de entrada)*.
Si varios flujos del proceso estn presentes, stos debieran identificarse y rastrearse
por separado*.
* Ver Apndice A.
- 48 -
Figura 14. Grfica X y R Reclculo de Lmites de Control (Rangos)

- 49 -
II.

C.2.
Encuentra y Aborda las Causas Especiales (Grfica de Rangos) (Ver Figura 14)
Para cada indicacin de alguna causa especial en los datos de los rangos, realiza un
anlisis de la operacin del proceso para determinar las causas y mejorar el
entendimiento del proceso mismo; corrija dichas condiciones y prevenga al proceso de
su recurrencia. La grfica de control misma debiera ser una gua til en el anlisis del
problema, sugiriendo cuando comenzaron las condiciones y qu tanto tiempo
continuaron. Sin embargo, reconozca que no todas las causas especiales son negativas,
que algunas causas especiales pueden generar mejoramientos positivos del proceso en
trminos de un decremento de la variacin en el rango estas causas especiales
debieran ser abordadas para su posible institucionalizacin dentro del proceso y cuando
sea apropiado.
La oportunidad en tiempo es importante en el anlisis de los problemas, tanto en
trminos de minimizar la produccin de resultados no conformes como de tener
evidencias frescas para diagnstico. Por ejemplo, la apariencia de un solo punto fuera de
lmites de control es la razn para iniciar un anlisis inmediato del proceso. Una bitcora
del proceso puede tambin ser una fuente til de informacin en trminos de identificar
las causas especiales de variacin.
Debiera enfatizarse el que la solucin de un problema es a menudo el paso ms difcil y
el de consumo de tiempo. Las entradas estadsticas de las grficas de control pueden
ser un punto inicial apropiado, aunque otros mtodos tales como, grficas de Pareto,
diagramas de causas y efectos u otros anlisis grficos pueden ser de ayuda (ver
Apndice H Referencia 11). Finalmente, sin embargo, la explicacin de algn
comportamiento se sustenta con el proceso mismo y la gente que est involucrada con
el mismo. Detalle y exhaustividad, paciencia, y entendimiento sern requeridos para
desarrollar acciones que mejoren el desempeo en forma medible.
C.3.
Recalcula los Lmites de Control (Grfica de Rangos) (Ver Figura 14)

Cuando se realice un estudio inicial de algn proceso o la reevaluacin de la habilidad
de algn proceso, los lmites de control debieran ser recalculados para excluir los efectos
de periodos fuera de control y para los cuales las causas del proceso hayan sido
claramente identificadas y retiradas o institucionalizadas. Excluya todos los subgrupos
afectados por causas especiales que se hayan identificado y retirado o institucionalizado,
luego recalcule y grafique el rango promedio ( R ) y lmites de control nuevos. Confirme
que todos los puntos de los rangos se muestren en control cuando se comparen con los
nuevos lmites, repitiendo si es necesario la secuencia de identificacin / correccin /
recalculo.
- 50 -
II.

Si algunos subgrupos cayeran fuera en la grfica R debido a las causas especiales
identificadas, stos tambin debieran ser excluidos de la grfica X El R y X revisados
debieran usarse para recalcular los lmites de control prueba para los promedios,
X A2 R .
NOTA:
La exclusin de los subgrupos representando condiciones inestables no es

solo lanzar fuera datos malos. Ms bien, excluyendo los puntos afectados
por causas especiales conocidas, tenemos un mejor estimativo del nivel base
de variacin debido a las causas comunes. Esto, a su vez, ofrece una mejor
base y ms apropiada para los lmites de control usados para detectar
ocurrencias futuras de causas especiales de variacin. Tomar en cuenta, sin
embargo, que el proceso debe ser cambiado de manera que las causas
especiales no sean recurrentes (si son indeseables) como parte del proceso.
- 51 -

PROMEDIOS (UN PUNTO FUERA DE
LIMITES DE CONTROL)

PROMEDIOS
Figura 15. Grfica X - Puntos Fuera de Lmites de Control

- 52 -
II.
Seccin 1. Grfica X y R (Cont.) Interpretacin para Control

C.4.
Analiza los Puntos de los Datos sobre la Grfica de Promedios

Cuando los rangos estn en control estadstico, la dispersin del proceso la variacin
dentro de los subgrupos es considerada estable. Los promedios pueden entonces ser
analizados para ver si la localizacin del proceso est cambiando en el tiempo. Dado
que los lmites de control para X barra se basan en la cantidad de variacin en los
rangos, entonces si los promedios estn en control estadstico, su variacin se relaciona
con la cantidad de variacin vista en los rangos variacin por causas comunes del
sistema. Si los promedios no estn en control, algunas causas especiales de variacin
estn haciendo que la localizacin del proceso sea inestable.
a.
Puntos Fuera de Lmites de Control (Ver Figura 15) La presencia de uno o mas
puntos fuera de uno u otro lmite de control son evidencia primaria de la presencia
de causas especiales en ese punto. Es la seal para anlisis inmediato de la
operacin. Marque dichos puntos de los datos en la grfica (ver pgina 43).
Un punto fuera de uno u otro lmite de control es generalmente un signo de uno o
mas de lo siguientes puntos:
El lmite de control o el punto de la grfica estn en error.
El proceso ha cambiado, ya sea a ese punto en el tiempo (posiblemente por un

incidente aislado) o como parte de una tendencia.
El sistema de medicin ha cambiado (ej., diferente gage o inspector).
- 53 -

PROMEDIOS (CORRIDAS LARGAS
ARRIBA Y DEBAJO DEL PROMEDIO

PROMEDIOS (CORRIDA LARGA Y
ARRIBA)
Figura 16. Grfica X - Corridas

- 54 -
II.

Los patrones o tendencias dentro de los lmites de control la presencia de patrones o
tendencias inusuales puede ser evidencia de no control durante el periodo del patrn o
tendencia misma. La comparacin de patrones entre las grficas de rangos y promedios
puede ser de ayuda.
b.
Corridas (Ver Figura 16) Cada uno de los siguientes puntos son signos de que un
cambio o tendencia del proceso ha iniciado:
7 puntos en rengln en un lado del promedio.
7 puntos en rengln que estn creciendo o decreciendo en forma consistente.
Marque el punto que agilice una decisin; puede ser de ayuda extender una lnea de
referencia hasta el punto en el cual la corrida comenz. El anlisis debiera
considerar el tiempo en el cual parece que la tendencia o cambio inici primero.
Una corrida relativa al promedio del proceso es generalmente un signo de uno o
El promedio del proceso ha cambiado y aun puede estar cambiando.
El sistema de medicin ha cambiado (cambio, sesgo, sensibilidad, etc.).
- 55 -

PROMEDIOS (PUNTOS MUY CERCA
DEL PROMEDIO DEL PROCESO)

PROMEDIOS (PUNTOS MUY CERCA DE
LOS LIMITES DE CONTROL)
Figura 17. Grfica X - Patrones No Aleatorios

- 56 -
II.

d.
Patrones Obvios No Aleatorios (Ver Figura 17) Otros patrones diferentes pueden
tambin indicar la presencia de causas especiales de variacin, aunque debe
tenerse cuidado en no sobreinterpretar los datos. Entre estos patrones existen
tendencias, ciclos, dispersiones de puntos inusuales dentro de los lmites de control,
y relaciones entre los valores dentro de los subgrupos. Una prueba para la
dispersin inusual se ofrece a continuacin:
Distancia de puntos del promedio del proceso: generalmente, alrededor del 2/3 de
los puntos graficados debieran extenderse dentro del tercio medio de la regin entre
los lmites de control; alrededor de 1/3 de los puntos estaran fuera de los dos
tercios de la regin; alrededor de 1/20 se extiende relativamente cerca de los lmites
de control (en el tercio externo de la regin). Tambin, existe la probabilidad de que
alrededor del 1/150 pudieran extenderse fuera de los lmites de control aunque sera
aun ilegtimamente parte de un sistema en control y estable ej., solo alrededor del
99.73% de los puntos estarn dentro de los lmites de control.
Si en forma importante ms del 2/3 de los puntos se extienden cerca del promedio
del proceso (para 25 subgrupos si arriba del 90% estn en el tercio medio de la
regin de los lmites de control), investigar uno o ms de los siguientes puntos:

errneamente, o recalculados incorrectamente.
El proceso o mtodo de muestreo son estratificados; cada subgrupo contiene

mediciones de dos o ms flujos del proceso que cuentan con diferentes
promedios.
Los datos han sido editados.
Si en forma importante menos del 2/3 de los puntos de los datos se extienden cerca
del promedio del proceso (para 25 grupos si el 40% o menos estn en el tercio
medio),investigar uno o ambos de los siguientes puntos:
Los lmites de control o puntos graficados han sido calculados o graficados en

forma errnea.
El proceso o mtodo de muestreo generan subgrupos sucesivos que contienen

mediciones de dos o ms flujos* de proceso muy diferentes (esto puede ser
resultado de sobrecontrol de un proceso ajustado, donde los cambios del
proceso mismo son hechos en respuesta a fluctuaciones aleatorias en los datos
del proceso**).
Si estn presentes varios flujos del proceso, estos debieran ser identificados y
rastreados por separado *.
*
**
Ver ejemplo en Apndice A.

Ver ejemplo en Apndice B.
- 57 -
Figura 18. Grfica X y R Reclculo de Lmites de Control

- 58 -
II.

C.5.
Encuentra y Aborda las Causas Especiales (Grfica de Promedios) (Ver Figura 18)
Para cada indicacin de una condicin fuera de control en los datos promedio, realice un
anlisis de la operacin del proceso para determinar las razones de causas especiales;
corrija dichas condiciones y prevenga al proceso de su recurrencia. Use los datos de la
grfica como una gua de cundo comenzaron tales condiciones y qu tanto tiempo
continuaron. La oportunidad en tiempo del anlisis es importante, tanto para diagnstico
como para minimizar resultados no conformes. Tambin, est alerta a que no todas las
causas especiales requieren ser indeseables (Ver pgina 50, Seccin C.2).
Tcnicas de solucin de problemas tales como, anlisis de Pareto y anlisis de causas y
efectos pueden ser de ayuda. (Ver apndice H, Referencia 11).
C.6.
Recalcula los Lmites de Control (Grfica de Promedios) (Ver Figura 18)

Cuando se realice un estudio inicial de un proceso o una reevaluacin de la habilidad de
un proceso, excluya cualquier punto fuera de control para el cual las causas especiales
se hayan encontrado y retirado; recalcule y grafique el promedio del proceso y los lmites
de control. Confirme que todos los datos de los puntos muestren control cuando se
comparen con los nuevos lmites, repitiendo si es necesario la secuencia identificacin /
correccin / recalculo.
Las discusiones previas tuvieron la intencin de ofrecer una introduccin funcional del anlisis de
las grficas de control. Existen, sin embargo, otras consideraciones que pueden ser tiles al
analista. Una de las ms importantes es el recordar que, an y cuando los procesos estn en
control estadstico, mientras ms datos se revisen, los cambios constantes de obtener una seal
falsa de una causa especial en algn subgrupo individual se traduce en un incremento en la
probabilidad de encontrar seales falsas en algn punto en las grficas.
An y cuando es inteligente investigar todos los eventos sealizados como posible evidencia de
causas especiales, debiera reconocerse que stas pueden ser generadas por el sistema y que
puede no haber algn problema local en el proceso. Si no se encuentra una clara evidencia de
alguna causa especial del proceso, cualquier accin correctiva sirve probablemente para
incrementar, ms que decrecer, la variabilidad total de los resultados de un proceso.
Para discusin adicional sobre interpretaciones, pruebas de aleatoriedad en los datos y solucin de
problemas, ver Apndice H, Referencias 7-13.
- 59 -
Figura 19. Grfica X y R Lmites Extendidos

- 60 -
II.

C.7.
Extiende los Lmites de Control para Control Continuo (Ver Figura 19)
Cuando datos iniciales (o histricos) estn contenidos en forma consistente dentro de
los lmites de control prueba, extienda los lmites para cubrir periodos futuros. Puede
aqu ser deseable tambin ajustar el proceso con la meta, si el centro del proceso est
fuera de la meta (ver pgina 23). Estos lmites seran usados para el monitoreo continuo
del proceso, con operadores y supervisin local respondiendo a seales de condiciones
fuera de control en la grfica X o R y con acciones rpidas.
Un cambio en el tamao de muestra del subgrupo afectara el rango promedio esperado
y los lmites de control, tanto para los rangos como para los promedios. Esta situacin
pudiera ocurrir, por ejemplo, si se decidiera tomar muestras ms pequeas y ms
frecuentemente, de manera que se detecten cambios largos en el proceso y ms
rpidamente sin incrementar el nmero total de piezas muestreadas por da. Para ajustar
las lneas centrales y los lmites de control para un nuevo tamao de muestra de
subgrupos, debieran tomarse los siguientes pasos:
a. Estime la desviacin estndar del proceso (el estimativo es mostrado como sigma gorro). Usando el tamao existente de los subgrupos calcule:
= R d 2
donde R es el promedio de los rangos de los subgrupos (para periodos con los
rangos en control) y d2 es una constante que vara segn el tamao de muestra,
como se muestra en la siguiente tabla parcial tomada del Apndice E:
n
10
d2
1.13
1.69
2.06
2.33
2.53
2.70
2.85
2.97
3.08
b. Usando los factores de las tablas para d2 D3, D4 y A2 basados en el nuevo tamao de
cada subgrupo, calcule el nuevo rango y lmites de control:
R nuevo = d 2
UCL R = D4 R nuevo
LCL R = D3 R nueva
UCL X = X + A2 R nuevo
LCL X = X A2 R nuevo
Grafique estos nuevos lmites de control en la grfica como una base para el control
continuo del proceso.
- 61 -
II.

Siempre y cuando el proceso se mantenga en control para los promedios y los rangos,
los lmites continuos pueden extenderse para periodos adicionales. Sin embargo, si
existe evidencia de que el promedio del proceso o los rangos han cambiado (en
cualquier direccin), debieran determinarse las causas y, si los cambios son justificables,
los lmites de control debieran recalcularse en base al desempeo actual.
C.8.
Conceptos Finales sobre Control Para Consideraciones Adicionales

Un estado perfecto de control nunca es alcanzable en un proceso de produccin. El
objetivo de las grficas para control del proceso no es perfeccin, si no un estado de
control razonable y econmico. Para propsitos prcticos, por tanto, un proceso
controlado no es aquel donde la grfica nunca sale fuera de control. Si una grfica nunca
estuviera fuera de control cuestionaramos seriamente si la operacin debiera estar
graficada. Para propsitos de trabajo en piso un proceso controlado se considera aquel
donde solo un pequeo porcentaje de los puntos se salen fuera de control y donde los
puntos fuera de control son seguidos de acciones propias. (Del Apndice H, Referencia
7, pginas 220 221).
- 62 -
PROCESOS CAPACES DE CUMPLIR CON ESPECIFICACIONES (VIRTUALMENTE TODOS LOS

RESULTADOS ESTN DENTRO DE ESPECIFICACIONES), CON DIFERENTES NIVELES DE VARIACIN:
PROCESOS NO CAPACES DE CUMPLIR CON ESPECIFICACIONES (RESULTADOS PRODUCIDOS FUERA

DE AMBAS ESPECIFICACIONES):
RANGO Y DESVIACIN ESTNDAR (PARA UN TAMAO DE MUESTRA DADO, A MAYOR RANGO

PROMEDIO -
, ES MAYOR LA DESVIACIN ESTANDAR -
):
DEL EJEMPLO (ESTIMACIN DE LA DESVIACIN ESTANDAR DEL PROCESO DEL RANGO PROMEDIO):
Figura 20. Variacin del Proceso Relativa a Lmites de Especificacin

- 63 -
II.
Seccin 1. Grfica X y R (Cont.)

Obviamente, existen diferentes niveles o grados de control estadstico. La definicin de
control usada puede ir desde meros indicadores (fuera de lmites de control), y hasta
corridas, tendencias y estratificacin, para un anlisis de zona completo. Conforme la
definicin de control usado se acerque a un anlisis de zona completo, la probabilidad de
encontrar falta de control se incrementa (por ejemplo, un proceso sin indicadores puede
demostrar falta de controla travs de una corrida obvia a un dentro de lmites de control).
Por esta razn, la definicin de control usada debiera ser consistente con la habilidad de
detectar esto en el punto de control y debiera mantenerse igual en un periodo de tiempo y
dentro del proceso. Algunos proveedores pueden no ser capaces de aplicar definiciones
ms completas de control en piso y sobre bases de tiempo real, debido a las etapas
inmaduras del entrenamiento de los operadores o la falta de sofisticacin en las habilidades
de los operadores. La habilidad para detectar la falta de control en un punto de control
mismo y sobre la base de tiempo real es una ventaja de las grficas de control. La
sobreinterpretacin de los datos puede ser un peligro en el mantenimiento de un verdadero
estado de control econmico.
D. INTERPRETACIN PARA HABILIDAD DEL PROCESO
Para continuar el ejemplo de la Figura 18, una interpretacin para habilidad del proceso es discutida
y bajo los siguientes supuestos:
El proceso es estable estadsticamente
Las mediciones individuales del proceso conforman una distribucin normal
La especificaciones de ingeniera y otras representan en forma exacta las necesidades de

los clientes
La meta de diseo est en el centro del rango de las especificaciones
La variacin de las mediciones es relativamente pequea
Una vez determinado que un proceso est en control estadstico, la pregunta se mantiene aun de si
el proceso es capaz de cumplir con las necesidades de los clientes. Para entender y mejorar la
habilidad de un proceso, debe ocurrir un importante cambio en el pensamiento: la habilidad refleja
variaciones de causas comunes, y casi siempre son requeridas acciones de la administracin sobre
el sistema para mejoramiento da la habilidad/capacidad. (Ver Figura 20).
La evaluacin de la habilidad de un proceso inicia despus de que los aspectos clave de control en
ambas grficas X y R se hayan resuelto (las causas especiales se hayan identificado, analizado,
corregido y prevenido de su recurrencia), y las grficas de control continuo reflejen que el proceso
est en control estadstico, preferentemente para 25 o ms subgrupos. En general, la distribucin de
los resultados del proceso se compara con las especificaciones de ingeniera, para ver si las
especificaciones pueden cumplirse en forma consistente.
- 64 -
II.
Seccin 1. Grfica X y R (Cont.) Interpretacin para Habilidad del Proceso

Existen muchas tcnicas para evaluar la habilidad de un proceso que est en control estadstico.
Algunas asumen que los resultados del proceso siguen una distribucin normal en forma de
campana. Si no se conoce si siguen una distribucin normal, debiera aplicarse una prueba de
normalidad tal como, la revisin de un histograma, el graficado en papel de probabilidad normal, o
usando mtodos ms precisos (ver Apndice H, Referencia 9, Captulo 27). Si se sospecha o
confirma alguna no normalidad, debieran usarse tcnicas ms flexibles tales como, la
transformacin de datos para normalizar la distribucin (ver Apndice H, Referencia 14, Parte 2),
El ajuste computarizado a una curva o anlisis grficos. Cuando la forma de la distribucin es
normal, puede usarse la tcnica descrita adelante. Involucra solo clculos simples y basados en
datos de la grfica de control. El promedio del proceso, X , es usado como la localizacin de la
distribucin. Como una medida de dispersin, se usa la desviacin estndar, estimada sta de una
frmula simple involucrando el rango promedio, R .
- 65 -
del ejemplo
X =.738
=.0725
USL
=.900
LSL
=.500
Dado que el proceso cuenta con tolerancias bilaterales:
USL X
Z
.900 .738
USL
.162
.0725
X LSL
Z LSL =
= 2.23
.0725
.738 .500
.238
= 0.28
.0725
.0725
Zmin=2.23
Las proporciones fuera de especificacin seran:
= .0129 (de la tabla Normal en Apndice F)
P
ZUSL
= .0005 (de la tabla Normal en Apndice F)
P
ZUSL
Ptotal = .0134 (cerca de 1.3%)
El Indice de Habilidad sera:
C pk =
Z min
2.23
=
.74 (=mnimo de CPU o CLP)
3
3
NOTA: Para propsitos de comparacin solamente, otros ndices son (ver pgina 80???)
Cp = .92, Pp = .88, CPU = .74, CPL = 1.06 y Ppk = .71, ...por computadora como sigue:
USL LSL
.9 .5
Cp =
=
6
R d2
USL LSL
=
6 .0759
USL X
=
)2
= .0759
n-1
= .74
( )
3 .0725
R d2
X LSL
CPL =
80 x i .738
i =1
79
.900 .738
CPU =
Ppk =
= .88 , donde
=
S
( )
6 S
.738 .500
=
.9 .5
Pp =
= .92
( )
6 .0725
= 1.09
( )
3 .0725
R d2
(.900 .738 ) S
.162 .0759
=
= .71
3
3
Las proporciones de habilidades son: CR = 1.09, PR = 1.14, calculadas como sigue:
6
CR = 1 Cp =
USL LSL
6
PR = 1 Pp =
6 .0725
R d2
= 1.09
.9 .5
( )
6 .0759
= 1.14
USL LSL
.9 .5
Si este proceso pudiera ajustarse hacia el centro de las especificaciones, la proporcin de partes fuera
de una o ambos lmites de especificacin pueden reducirse aun sin cambios en . Por ejemplo, si se
confirma n grficas de control con X nuevo = .700 (centrado) entonces
Z LSL =
LSL
USL X nueva
.900 .700
=
X nueva
.200
=
.0725
.900 .700
.200
= 2.76
.0725
= 2.76
.0725
.0725
Las proporciones fuera de especificaciones seran:
P
+ P
= .0029 + .0029 = .0058
ZUSL
Z LSL
El Indice de Habilidad sera:
Z
C
pk
min
3
2.76
=
= .92
Figura 21. Clculo de Habilidad de los Procesos
- 66 -
II.
Seccin 1. Grficas X y R (Cont.) Interpretacin para Habilidad del Proceso
NOTA:
D.1.
Cualquier tcnica de anlisis de habilidades, sin importar que tan precisa parezca, puede
ofrecer solo resultados aproximados. Esto sucede debido a que (1) siempre existe una
variacin muestral, (2) ningn proceso est totalmente en control estadstico, y (3)
ningn resultado actual sigue exactamente una distribucin normal, (o alguna otra
distribucin simple). Los resultados finales debieran siempre ser usados con precaucin
e interpretarse en forma conservadora.
Calcula la Desviacin Estndar del Proceso
Dado que la variabilidad del proceso dentro de cada subgrupo se refleja en los rangos de
los mismos subgrupos, es estimativo de la desviacin estndar del proceso (sigma
gorro) puede ser usado sobre el rango promedio ( R ). Calcula:
= R d 2 = R d
donde R es el promedio de los tangos de los subgrupos (para periodos con los rangos
en control) y d2 es una constante que vara por el tamao de la muestra, como se
muestra en la tabla parcial siguiente, tomada del apndice E:
n
d2
1.3
10
1.69
2.06
2.33
2.53
2.70
2.85
2.97
3.08
Este estimativo de la desviacin estndar del
proceso ( R d 2 ) puede usarse en la
evaluacin de la habilidad del proceso mismo, siempre y cuando ambos rangos y

promedio estn en control estadstico.
D.2.
Calcula la Habilidad del Proceso (Ver Figura 21)

La habilidad puede describirse en trminos de la distancia del promedio del proceso de
los lmites de especificacin en unidades de desviacin estndar, Z. Dibujando un
diagrama que muestre la curva de la distribucin, X , R d 2 , los lmites de especificacin
y los valores de Z son tiles.
Para tolerancias unilaterales, calcula: Z =
USL X
R d 2
Z=
X LSL
, la que sea
R d 2
apropiada. Donde SL = lmite de especificacin, X = promedio del proceso medido,

y R d 2 = la desviacin estndar estimada del proceso.
- 67 -
II.
Para tolerancias bilaterales, calcula:
Z USL =
USL X
R d
Z LSL =
X LSL
R d 2
Z min = Mnimo de ZUSL ZLSL

Donde USL, LSL = lmites de especificacin superior e inferior; un valor negativo de
Z indica que el promedio del proceso est fuera de especificacin.
Los valores de Z pueden ser usados con la tabla de distribucin normal estndar
(Apndice F) para estimar la proporcin de resultados que estn fuera de especificacin
(un valor aproximado, asumiendo que el proceso est en control estadstico y es
distribuido normalmente).
Para una tolerancia unilateral localice el valor de Z a lo largo de las orillas de la tabla
en el Apndice C. Las unidades y dgitos en dcimas estn a lo largo de la orilla
izquierda y los dgitos en centsimas estn a lo largo de la parte superior. El nmero
encontrado donde se intersecten este rengln y columna es pz, la proporcin fuera
de especificacin. Por ejemplo, para Z=1.56, la interseccin del rengln 1.5 y la
columna x.x6 ofrece pz=.0594, o alrededor del 6%.
- 68 -
Del ejemplo:
Si el requerimiento de habilidad, expresado en trminos de Zmin, Zmin era > 4, entonces la habilidad actual del proceso,
en trminos de Zmin, sera inaceptable dado que Zmin = 2.23 y alrededor del 1.3% de los resultados estaran fuera de
especificaciones; aun y cuando el proceso pudiera estar centrado, Zmin = 2.76. Deben tomarse acciones.
Para mejora la habilidad actual del proceso (objetivo de largo plazo), la variacin por causas comunes debe
reducirse; esto se medira con un mas pequeo.
El promedio actual del proceso X es usado para calcular la dispersin necesaria para Zmin = 4 y relativa a las
especificaciones existentes.
nueva =
USL X
Z nueva min
, o nueva =
LSL
X LSL
LSL
Z nueva min
X
dependiendo de cual lmite de especificacin est mas cerca al promedio del

proceso. Dado que aqu el USL es el lmite mas cercano:
nueva =
.900 .738
4
.162
4
NUEVA
NUEVA
.0405
= .0405
ZLSL
-5.88
.500
.738
ZUSL
4.00
.900
Esto significa que deben tomarse acciones para reducir la desviacin estndar del proceso de .0725 a .0405,
alrededor de un mejoramiento del 44%.
Si se confirma con grficas de control que el proceso se ha centrado, y X nueva = .700 , la dispersin del proceso
necesaria para Z min = 4 X 4 y en base a las especificaciones existentes sera:

LSL
nueva =
USL X
Z nueva min
LSL
.900 .700 .200

=
= .0500
4
4
NUEVA
.0500
Con ajustes al proceso hacia el centro de las especificaciones, sera necesario

Acciones para reducir la desviacin estndar del proceso de .0725 a .0500,
Alrededor del 31%.
Si todos los resultados se clasifican, alrededor del 1.3% (alrededor

del .6% si est centrado) debe desecharse o retrabajarse; esto es
caro e inconfiable.
ZLSL
-4.00
.500
.700
LSL NUEVA
.900
NUEVA
En algunos casos, una alternativa de corto plazo pudiera ser

incrementar las tolerancias de la especificacin.
LSL
Si el proceso no cambia, la nueva especificacin X 4 sera:
X 4 = .738 4 .0725 = .738 .290

= .448 a 1.028 (Redondeados: .45 a 1.03)
ZUSL
4.00
.0725
.448
ZLSL
-4.00
ZUSL
4.00
.738
1.028
Si el proceso ha sido ajustado y se ha confirmado por grficas de

control que X nueva = .700 , (centrada), la nueva especificacin
NUEVA
LSL
X 4 sera:
X
NUEVA
.0725
X nueva 4 = .700 4 .0725 = .700 .290

=.410 a .990 (redondeados: .40 a 1.00)
.410
ZLSL
-4.00
.700
LSL
Figura 22. Evaluacin de la Habilidad de los Procesos

- 69 -
ZUSL
4.00
.990
II.
Para tolerancias bilaterales, calcula por separado las proporciones fuera de lmites de
especificacin superior e inferior. Por ejemplo, si ZUSL = 2.21 y ZLSL = -2.85, el total
fuera de especificaciones es PzUSL + PzLSL =.0136 + .0022 = .0158, o alrededor del
1.6%.
El valor de Z
como:
min
puede ser tambin convertido a un ndice de Habilidad, CpK, definido
USL X
Z min
o CPL ej., X LSL
= Mnimo de CPU ej.,
3 R d 2
3 R d 2
3
Donde USL y LSL son las especificaciones de ingeniera superior e inferior, X es el

promedio del proceso, y es la desviacin estndar del proceso, calculada usando
R
.
d2
C pk =
Un proceso con Zmin = 3 tendra un ndice de Habilidad Cpk = 1.00. Si Zmin = 4, el

proceso tendra un Cpk = 1.33.
D.3.
Evala la Habilidad del Proceso (ver Figura 22.)

En este punto, el proceso se ha llevado a control estadstico y su ndice de habilidad se
ha descrito en trminos de Zmin o Cpk. El siguiente paso es evaluar la habilidad del
proceso en trminos de cumplimiento con requerimientos de los clientes.
El objetivo fundamental es el mejoramiento continuo y permanente del desempeo del
proceso mismo. En el corto plazo, sin embargo, deben establecerse prioridades en cmo
los procesos debieran recibir primero atencin. Esto es esencialmente una decisin
econmica. Las circunstancias varan de caso a caso, dependiendo de la naturaleza del
proceso particular en cuestin y al desempeo de otros procesos que tambin pudieran
ser candidatos para acciones de mejoramiento inmediatas.
Mientras que cada decisin pudiera ser resuelta en forma individual, a menudo es til
usar lineamientos ms amplios para establecer prioridades y promover consistencia en
los esfuerzos de mejoramiento. Por ejemplo, ciertos procedimientos hacen referencia a
los requerimientos de ndices de habilidad prximos de Zmin > 3, o Cpk > 1.00, y a los
requerimientos especificados adicionales de los ndices de habilidad de Zmin > 4, o Cpk >
1.33 para procesos nuevos que estn afectando caractersticas del
producto
seleccionadas y significativas. Se pretende que estos requerimientos aseguren un
mnimo nivel de desempeo que sea consistente entre las caractersticas, productos y
fuentes de manufactura. Sin embargo, se hace referencia a la Seccin 5 de este captulo
para mayor entendimiento en la interpretacin del Cpk y otras medidas del proceso
relativas al establecimiento de requerimientos de mediciones.
- 70 -
II.

En respuesta a los criterios de ndices de habilidad que no se hayan cumplido, o a la
necesidad del mejoramiento continuo en costos y desempeo en calidad y ms all de
los requerimientos mnimos de ndices de habilidad, se requieren las mismas acciones:
Mejorar el desempeo del proceso reduciendo la variacin que provenga de las

causas comunes, o cambiar el promedio del proceso ms cerca de la meta. Esto
generalmente significa tomar acciones de la administracin para mejorar el sistema.
En estos casos donde ms acciones inmediatas sean necesarias para cumplir con
necesidades de corto plazo, pueden ser disponibles dos brechas para paro:
Clasificar los resultados y desechar o retrabajar conforme sea necesario (y por tanto
agregando costos y tolerando desperdicio).
Alterar las especificaciones para consistencia con el desempeo del proceso (esto
no mejora ni el proceso ni la satisfaccin de los clientes).
Estas acciones son claramente inferiores al mejoramiento del proceso.
- 71 -
MEJORAMIENTO DE LA HABILIDAD DEL PROCESO

Para mejorar la habilidad (y por tanto el desempeo) de los
Procesos, enfcate a reducir las causas comunes. Estas
generalmente requieren de acciones de la administracin sobre el
sistema a corregir.
GRAFICA Y ANLISIS DEL PROCESO REVISADO

Confirma la efectividad de los cambios del sistema con el monitoreo
Continuo de la grfica de control
- 72 -
II.
Seccin 1. Grficas X y R (Cont.) - Interpretacin para Habilidad del Proceso

D.4.
Mejora la Habilidad de los Procesos

Para mejorar la habilidad del proceso, debe incrementarse la atencin en reducir causas
comunes. Deben dirigirse acciones hacia el sistema, por ejemplo, factores clave del
proceso que se tomen en cuenta para la variabilidad del proceso mismo tales como,
desempeo de las mquinas, consistencia de los materiales de entrada, mtodos
bsicos con los cuales opere el proceso, mtodos de entrenamiento o medio ambiente
de trabajo. Como regla general, estas causas relacionadas con el sistema para una
habilidad del proceso inaceptable pueden ir ms all de las habilidades de los
operadores o de su supervisin local para corregirse. En lugar de sto, pueden requerir
de la intervencin de la administracin para hacer cambios bsicos, asignar recursos y
ofrecer la coordinacin necesaria para mejorar el desempeo global del proceso. Los
intentos para corregir el sistema con acciones locales y de corto plazo no sern
exitosos.
Las discusiones de tcnicas para anlisis de la variabilidad de un sistema se incluyen en
varias de las referencias listadas en el apndice H. Tcnicas bsicas de solucin de
problemas, tales como, anlisis de Pareto y anlisis de causas y efectos pueden ser de
ayuda (Ver Apndice H, Referencia 11). Sin embargo, el uso de mtodos avanzados de
anlisis de procesos incluyendo tcnicas estadsticas tales como, diseo de
experimentos, pueden ser necesarias para lograr reducciones significativas. Ver
Apndice H, Referencias 7-13 para introduccin de algunos de stos mtodos ms
avanzados.
D.5.
Grafica y Analiza el Proceso Revisado

Cuando se hayan tomado acciones sistemticas hacia el proceso, sus efectos debieran
ser evidentes en las grficas de control. Las grficas llegan a ser una forma de verificar
la efectividad de las acciones.
Conforme se implementen cambios en el proceso, la grfica de control debiera ser
monitoreada cuidadosamente. Este periodo de cambios puede perturbar a las
operaciones, causando potencialmente nuevos problemas de control que pudieran
oscurecer los efectos de los cambios en el sistema. Despus de que se hayan resuelto
las inestabilidades en el periodo de cambios, debiera evaluarse la habilidad del nuevo
proceso y usarse como una base los nuevos lmites de control para operaciones futuras.
Frecuentemente, 25 subgrupos de datos despus de los cambios son suficientes para
establecer nuevos lmites de control.
- 73 -
RECOLECCIN DE DATOS
ESPESOR PRIMER (MILS)
TAMAO DE MUESTRA - 10 PIEZAS CONSECUTIVAS Y DOS VECES AL DIA

1-11
1
1-12
1
1-13
1
1-14
1
1-15
1
1-18
1
1-19
1
1.30
1.01
1.22
1.08
0.98
1.12
0.92
1.04
1.08
1.20
1.25
1.24
1.13
1.08
1.10
1.10
1.05
1.12
1.30
1.30
1.10
1.14
0.92
1.13
0.91
1.34
1.16
1.31
1.20
1.15
0.93
1.11
1.31
1.01
1.13
1.18
1.14
1.19
0.96
1.40
1.12
1.12
1.25
0.97
1.08
1.28
1.12
1.20
1.02
1.12
1.20
1.16
1.04
1.26
1.22
1.18
1.05
1.25
1.15
1.00
1.08
1.11
0.93
1.00
1.02
1.03
0.93
1.13
1.12
1.15
0.95
1.12
1.27
0.95
1.10
0.93
1.17
1.02
1.04
1.25
1.08
1.15
1.07
1.17
1.10
1.10
0.95
1.15
1.15
1.02
1.24
1.05
0.94
1.20
1.29
1.08
1.04
0.98
1.16
0.90
1.11
1.14
1.35
1.25
0.98
1.34
1.05
1.24
1.42
1.02
1.28
1.05
1.37
1.04
1.12
1.28
1.12
1.05
1.34
1.12
1.12
1.10
1.10
1.05
1.12
1.00
10
0.98
1.08
1.10
1.31
1.26
1.10
1.12
1.05
1.06
1.03
1.00
1.18
1.10
1.26
1.15
1.07
1.10
1.14
1.18
1.11
1.10
1.11
1.06
1.15
1.10
1.19
1.14
1.13
0.136
0.098
0.106
0.120
0.121
0.115
0.136
0.101
0.086
0.079
0.170
0.125
0.070
0.107
1-20
1-21
1-22
1.08
1.14
1.06
1.14
1.07
1.13
1.26
1.02
1.12
1.22
1.05
0.90
1.13
1.14
0.98
1.18
0.97
1.12
0.94
0.94
1.12
1.27
1.05
1.04
1.30
1.30
1.20
1.17
1.16
1.40
1.15
1.08
1.02
1.26
1.02
1.12
1.07
0.94
1.19
1.15
1.02
1.15
1.02
1.12
1.03
1.07
1.14
1.01
1.22
1.15
1.02
1.02
1.07
1.30
10
1.18
1.36
1.09
1.36
1.00
1.14
1.14
1.12
1.08
1.18
1.06
1.13
0.111
0.137
0.074
0.099
0.059
0.141
Figura 23 Recoleccin de Datos

- 74 -
II.
Seccin 2
GRAFICAS DE PROMEDIOS Y DESVIACIONES ESTANDAR ( X y s)
Las grficas X y s, al igual que las grficas X y R, son desarrolladas de datos de resultados
medidos del proceso, y siempre se usan como un par. Las grficas de rangos fueron desarrolladas
como medidas de la variacin del proceso debido a que el rango es fcil de calcular y es
relativamente eficiente para tamaos de muestras o subgrupos pequeos (particularmente menor
de 9). La desviacin estndar de la muestra, s, es un indicador mas eficiente de la variabilidad del
proceso, particularmente en tamaos de muestra ms largos. Sin embargo, es ms complejo
calcularla, y es menos sensible en la deteccin de causas especiales de variacin que generen un
solo valor en un subgrupo o muestra a ser no comn. Tpicamente, las grficas s se usan en lugar
de las grficas R cuando uno o ms de los siguientes puntos existen:
Los datos son registrados y/o graficados por computadora y sobre una base de tiempo real, de
manera que las rutinas de clculo para s son integradas fcilmente.
La disponibilidad rpida de una calculadora de bolsillo hace el clculo de s simple sobre una
base rutinaria.
Se usan tamaos de subgrupos o muestras largos, y es apropiado una medida de variacin
ms eficiente.
Los detalles de instrucciones para grficas X y s son muy similares a las de las grficas X y R; a
continuacin se describen las excepciones:
A. RECOLECCION DE DATOS
(Ver Seccin 1, Parte A de este Captulo, las excepciones se describen a continuacin).
Si los datos base son voluminosos, a menudo se registran en hojas de datos por separado
(ver Figura 23), y solo con la X y s de cada subgrupo apareciendo en la grfica misma.
Calcula la desviacin estndar de la muestra de cada subgrupo usando una de las

siguientes formulas equivalentes:
s=
(X
X)
n 1
s=
nX
X 1 + X 2 + ... + X n n X
=
n 1
n 1
donde Xi, X , y n representan los valores individuales y el promedio de cada subgrupo, y el
tamao de la muestra.
NOTA:
No redondear los valores de X si los clculos son a mano.
El espaciado de la escala para la grfica s debiera ser el mismo que para el de la grfica de
X.
- 75 -
Figura 24. Grficas X y s

- 76 -
II.
Seccin 2. Grficas X y s (Cont.)

B. CALCULA LOS LIMITES DE CONTROL (Ver Figura 24)
(Ver Seccin 1, Parte B de este Captulo, y las excepciones se muestra a continuacin)
Calcula los lmites de control superior e inferior para la desviacin estndar y el promedio
(UCLs, LCLs, UCL X , LCL X ):
UCLs = B4 s
LCLs = B3 s
UCLX = X + A3 s
LCL x = X + A3 s
Donde s es el promedio de las desviaciones estndar de las muestras o subgrupos
individuales, y B4, B3 y A3 son constantes que varan por el tamao de la muestra, con valores
para tamaos de muestra de 2 a 10 mostrados en la tabla parcial siguiente, tomada del
Apndice E.
n
B4
B3
A3
2
3.27
*
2.66
3
2.57
*
1.95
4
2.27
*
1.63
5
2.09
*
1.43
6
1.97
.03
1.29
7
1.88
.12
1.18
8
1.82
.19
1.10
9
1.76
.24
1.03
10
1.72
.28
.98
* No existe lmite de control inferior para desviaciones estndar con tamaos de muestra menores a 6.
C. INTERPRETACIN PARA EL CONTROL DEL PROCESO

(Ver Seccin 1, Parte C de este Captulo).
(Ver Seccin 1, Parte D de este Captulo; las excepciones se muestran a continuacin)
Estima la desviacin estndar del proceso:
= s c 4 = s c 4
Donde s es el promedio de las desviaciones estndar de las muestras (para periodos con
desviacin estndar bajo control) y c4 es una constante que vara por el tamao de muestra,
con valores para tamaos de muestra de 2 a 10 mostrados en la siguiente tabla parcial,
tomada del Apndice E:
n
c4
2
.798
3
.886
4
.921
5
.940
6
.952
7
.959
8
.965
9
.969
10
.973
Si el proceso cuenta con una distribucin normal, este estimativo de puede ser usado
directamente para evaluar la habilidad del proceso, siempre y cuando los promedio y las
desviaciones estndar estn en control estadstico.
- 77 -
Figura 25. Grfica de Control de Medianas

- 78 -
II.
Seccin 3
Grficas de Medianas ( X~ y R)
Las grficas de medianas (Ver Figura 25) son alternativas a las grficas X y R para control de los
procesos con datos medidos; a pesar del hecho de que las medianas pueden no ser
estadsticamente deseables como promedios, las grficas de medianas producen conclusiones
similares y tienen algunas ventajas:
Las grficas de medianas son fciles de usar y no requieren muchos clculos. Esto puede
incrementar la aceptacin del enfoque de las grficas de control en el piso de produccin.
Dado que los valores individuales (as como las medianas) son graficados, la grfica de
medianas muestra la dispersin de los resultados del proceso y ofrece una grfica continua
de la variacin del proceso mismo.
Dado que una misma grfica muestra ambos la mediana y dispersin, puede usarse para
comparar los resultados de varios procesos, o del mismo proceso en etapas sucesivas.
Las instrucciones para grficas de medianas son similares a las de la grficas X y R; a

continuacin se muestra las excepciones:
A. RECOLECCIN DE DATOS
(Ver Seccin 1, Parte A de este Captulo; las excepciones se muestran a continuacin)
Tpicamente, las grficas de medianas son usadas en tamaos de muestras de subgrupos

de 10 o menos; son ms convenientes tamaos de muestra impares. Si se usan subgrupos
con tamaos de muestra pares, la mediana es el promedio de los dos valores intermedios.
Puede graficarse solo una grfica en s; establezca una escala para incluir el valor ms
grande de (a) las tolerancias de la especificacin del producto ms una tolerancia para
lecturas fuera de especificacin, o (b) 1 a 2 veces la diferencia entre la ms grande y la
ms pequea de las lecturas individuales. La escala de la grfica debiera estar en acuerdo
con el gage .
Graficar las mediciones individuales para cada subgrupo en una lnea vertical. Circular la
mediana de cada subgrupo (el valor medio; si el tamao de la muestra es un nmero par, la
mediana ser el valor medio entre los puntos intermedios). Como ayuda para interpretar
tendencias, conecte las medianas de cada subgrupo con una lnea.
Registre la mediana de cada subgrupo ( X~ ) y el rango (R) en la tabla de datos. Se
recomienda graficar tambin la grfica de rangos para observar tendencias o corridas en el

rango mismo.
B. CALCULA LOS LIMITES DE CONTROL
(Ver Seccin 1, Parte B de este Captulo; las excepciones se muestran a continuacin)
- 79 -
II.
Seccin 3. Grficas de Medianas (Cont.) Calcula los Lmites de Control
Encuentre el promedio de las medianas de los subgrupos y grafique sta como la lnea
central sobre la grfica; registre esto como X~ .
Encuentre el promedio de los rangos; registre sto como R
Calcule los lmites de control superior e inferior para los rangos y las medianas (UCLR,
LCLR, UCL X~ , LCL X~ ):
UCLR = D4 R
LCL R = D3 R
~ R
UCLX~ = X~ + A
2
~
~
LCL X~ = X + A 2 R
- 80 -
Figura 26. Grfica de Control de Medianas - Interpretacin

- 81 -
II.
Seccin 3. Grficas de Medianas (Cont.)
~
Donde D4, D3 y A 2 son constantes que varan por el tamao de la muestra, con valores
para tamaos de muestra de 2 a 10 mostrados en la siguiente tabla, tomada del Apndice
E.
n
2
3
4
5
6
7
8
9
10
D4
3.27
2.57
2.28
2.11
2.00
1.92
1.86
1.82
1.78
D3
*
*
*
*
*
.08
.14
.18
.22
~
1.88
1.19
.80
.69
.55
.51
.43
.41
.36
A2
* No existe lmite inferior de control para rangos de tamaos de muestras inferiores de 7
Grafique los lmites de control para medianas en la grfica.
C. INTERPRETACIN PARA CONTROL DEL PROCESO

(Ver Seccin 1, Parte C de este Captulo; las excepciones se muestran a continuacin)
Compara el UCLR y LCLR con cada rango calculado. En forma alternativa, marca la orilla de
una tarjeta ndice con los puntos correspondientes a los lmites de control para los rangos, y
compara estas marcas con la distancia entre los valores ms grande y ms pequeo en
cada subgrupo. Grafica una caja estrecha y vertical para cerrar cada subgrupo con un rango
excesivo.
Marca cualquier mediana de cada subgrupo que est fuera de los lmites de control de la
mediana, y haz notar la dispersin de la mediana dentro de los lmites de control (2/3 de los
puntos dentro del tercio medio de los lmites) o la existencia de patrones o tendencias (ver
Figura 26).
Toma acciones del proceso apropiadas para causas especiales que afecten los rangos o
medianas.

(Ver Seccin 1, Parte D de este captulo; las excepciones se muestran a continuacin)
Estima la desviacin estndar del proceso:
= R d 2
donde R es el promedio de los rangos de las muestras (para perodos con rangos bajo
control) y d2 es una constante que varia por el tamao de muestra, con valores de tamaos
de muestra de 2 a 10 mostrados en la siguiente tabla, tomada del Apndice E.
n
d2
2
1.13
3
1.69
4
2.06
5
2.33
- 82 -
6
2.53
7
2.70
8
2.85
9
2.97
10
3.08
II.
Seccin 3. Grficas de Medianas (Cont.)
E.
Si el proceso cuenta con una distribucin normal, este estimativo de puede usarse
directamente en la evaluacin de la habilidad del proceso, siempre y cuando las medianas y
los rangos estn en control estadstico.
ENFOQUE ALTERNATIVO PARA LAS GRAFICAS DE MEDIANAS

Para control continuo del proceso y donde los lmites de control se basen en los datos previos,
el graficado del proceso puede simplificarse como sigue:
Una sola grfica es usada, con escalas establecidas en los mismos incrementos que el
gage a ser usado (al menos 20 incrementos entre las especificaciones del producto), y con
la lnea central y lmites de control para las medianas ya registrados.
Una tarjeta (posiblemente de plstico) se ofrece, marcada con los lmites de control para los
rangos. Esto asume que las causas especiales que afectan los rangos generan puntos fuera
de control y no tendencias.
Los operadores marcan la grfica con cada lectura individual, pero los valores numricos no
necesitan ser registrados.
Para cada subgrupo, los operadores comparan la tarjeta de rangos con las marcas ms
grande y ms pequea del subgrupo; cualquier subgrupo que cuente con un rango fuera de
lmites de la tarjeta se encierra en una caja vertical estrecha.
Los operadores cuentan la mediana de cada subgrupo y la circulan; cualquier mediana fuera
de lmites de control es marcada.
Para rangos o medianas fuera de lmites de control, los operadores toman acciones
apropiadas para ajustar o corregir el proceso, o para notificar a los supervisores o gente de
apoyo.
- 83 -
Figura 27. Grfica de Lecturas Individuales y Rangos Mviles

- 84 -
II.
Seccin 4
Grficas de Lecturas Individuales y Rangos Mviles (X - MR)
En algunos casos, para controlar el proceso es necesario basarse en lecturas individuales, ms que
subgrupos. En tales casos, la variacin dentro de los subgrupos es efectivamente cero. Tpicamente
esto ocurrira cuando las mediciones son caras (ej., una prueba destructiva), o cuando los
resultados de algn punto en el tiempo son relativamente homogneos (ej., el pH de una solucin
qumica). En estos casos, las grficas de control de lecturas individuales pueden ser construidas
como se describe a continuacin. Sin embargo, debieran notarse cuatro precauciones:
Las grficas de lecturas individuales no son tan sensibles al detectar cambios del proceso como
las grficas X y R.
Debe tenerse cuidado en la interpretacin de grficas de lecturas individuales si la distribucin

del proceso no es simtrica.
Las grficas de lecturas individuales no aslan la repetibilidad pieza a pieza del proceso. En
muchas aplicaciones, por tanto, puede ser mejor usar la grfica convencional X y R con
tamaos de muestra o subgrupo pequeos (2 a 4) an si sto requiere un periodo ms largo
entre subgrupos.
Dado que existe un solo item individual por subgrupo, los valores de X y pueden tener una
variabilidad sustancial (an y cuando el proceso sea estable) hasta que el nmero de
subgrupos sea igual a 100 o mayor.
Los detalles de instrucciones para grficas de lecturas individuales son un tanto similares a los de
las grficas X y R; las excepciones se muestran a continuacin:
A. RECOLECTA LOS DATOS (Ver Figura 27)
(Ver Seccin 1, Parte A de este Captulo; las excepciones se muestran a continuacin)
Las lecturas individuales (X) se registran de izquierda a derecha en la grfica de datos.

Calcula el rango mvil (MR) entre las lecturas individuales. Generalmente es mejor registrar
la diferencia entre cada par de lecturas sucesivas (ej., diferencia entre la primera y segunda
lecturas, entre la segunda y la tercera, etc.). Existe un rango mvil menor que el que existe
en las lecturas individuales (25 lecturas ofrecen 24 rangos mviles). En casos raros, el rango
mvil puede basarse en un grupo de movimiento ms grande (ej., cada tres o cuatro), o en
un subgrupo establecido (ej., todas las lecturas se toman de un solo turno). Hacer notar, sin
embargo, que an y cuando las mediciones son muestreadas individualmente, es el nmero
de lecturas agrupadas lo que forma el rango mvil (ej., 2, 3 o 4) y el cual determina el tamao
de muestra nominal n. Esto debe considerarse al consultar las tablas de factores.
Selecciona escalas para las grficas de lecturas individuales (X) igual al valor ms grande de
(a) la tolerancia de las especificaciones del producto ms una tolerancia para lecturas fuera
de especificacin, o (b) 1 a dos veces la diferencia entre el valor ms grande y ms
pequeo de las lecturas individuales. El espaciado de la escala para la grfica de rangos
mviles (MR) debiera ser el mismo que el de la grfica X.
- 85 -
II.
Seccin 4. Grficas de Lecturas Individuales y Rangos Mviles (X-MR) (Cont.) Calcula los
Lmites de Control
B. CALCULA LOS LIMITES DE CONTROL (Ver Figura 28)
(Ver Prrafo B Seccin1 de este Captulo, las excepciones se muestran a continuacin)
Calcula y grafica el promedio del proceso (la suma de las lecturas individuales, dividido por el
nmero de lecturas; en forma convencional, etiquetada como X ; ver el Glosario en Apndice
G), y calcular el rango de los promedios ( R ); hacer notar que para un rango mvil de un
tamao de muestra de dos es el de menor valor para el rango mvil (MR) para el nmero de
lecturas individuales (X).
- 86 -
Figura 28. Interpretacin de Grfica de Lecturas Individuales y Rangos Mviles

- 87 -
II.
Seccin 4. Grficas de Lecturas Individuales y Rangos Mviles (X MR) (Cont.) Calcula los
Lmites de Control
Calcula los lmites de control:
UCLMR = D4 R
LCLMR = D3 R
UCL X = X + E 2 R
LCL X = X + E 2 R
Donde R es el promedio de los rangos mviles, X es el promedio del proceso, y D4, D3 y E2

son constantes que varan de acuerdo al tamao de muestra, n, usado en el agrupamiento
de los rangos mviles, como se muestra en la siguiente tabla parcial, tomada del Apndice
E.
n
2
3
4
5
6
7
8
9
10
D4
3.27
2.57
2.28
2.11
2.00
1.92
1.86
1.82
1.78
D3
*
*
*
*
*
.08
.14
.18
.22
E2
2.66
1.77
1.46
1.29
1.18
1.11
1.05
1.01
.98
* No existe lmite inferior de control para rangos con tamaos de muestras inferiores de 7
NOTA:
Un enfoque alternativo para calcular los lmites de control cuando R es mayor que
~ (como es generalmente el caso), utiliza el rango mediano
el rango mediano, R
para rangos mviles de 2 piezas y se calculan los lmites de control como sigue
(ver Apndice H, Referencia 23):
~;
UCLMR = 3.865 R
~;
UCL X = X + 3.14 R
LCLMR = 0
~
LCL X = X 3.14 R
C. INTERPRETACIN PARA CONTROL DEL PROCESO (Ver Figura 28)

(Ver Seccin 1, Parte C de este Captulo; las excepciones se muestran a continuacin)
Revisa la grfica de rangos mviles para puntos fuera de lmites de control como seales de
la existencia de causas especiales. Hacer notar que los rangos mviles sucesivos estn
correlacionados, dado que tienen al menos un punto en comn; debido a sto, debe tenerse
cuidado al interpretar las tendencias. Puede requerirse el consejo de un estadstico para la
interpretacin de tendencias.
La grfica de lecturas individuales puede analizarse para puntos fuera de lmites de control,
la dispersin de puntos dentro de los lmites de control, y las tendencias o patrones. Hacer
notar aqu, sin embargo, que si la distribucin del proceso no es simtrica, las reglas
mostradas previamente para grficas X pueden ofrecer seales de causas especiales
cuando stas no existan.
- 88 -
II.
Seccin 4. Grficas de Lecturas Individuales (Cont.) Interpretacin para Habilidad del

Proceso
D. INTERPRETACIN PARA HABILIDAD DEL PROCESO (Ver Figura 28)
(Ver Seccin 1, Parte D de este Captulo; las excepciones se muestran a continuacin)
Como en el caso de las grficas X y R, la desviacin estndar del proceso puede estimarse
por:
= R d 2 = R d 2
Donde R es el promedio de los rangos mviles y d2 es una constante que vara por el
tamao de muestra, n, usado en el agrupamiento de los rangos mviles como se muestra
en la siguiente tabla parcial, tomada del Apndice E.
n
d2
2
1.13
3
1.69
4
2.06
5
2.33
6
2.53
7
2.70
8
2.85
9
2.97
10
3.08
Si el proceso cuenta con una distribucin normal, este estimativo de puede ser usado
directamente para evaluar la habilidad del proceso, siempre y cuando el proceso mismo
est en control estadstico.
- 89 -
II.
Seccin 5
ENTENDIMIENTO DE LA HABILIDAD Y DESEMPEO DEL PROCESO PARA
DATOS DE VARIABLES
Los resultados de un proceso de manufactura estadsticamente estable (en control) pueden ser
descritos por su distribucin. Las caractersticas de la distribucin son usadas para evaluar el
proceso. Por ejemplo, una caracterstica de inters frecuente es el centro de la distribucin. Si la
distribucin no est localizada apropiadamente, el proceso de manufactura puede fabricar partes
que no estn lo suficientemente cerca al valor deseado de una meta. En tales casos, algunas partes
pueden an estar fuera de especificaciones. Un proceso con tal distribucin puede entonces ser
evaluado como inhbil en el cumplimiento de las necesidades de los clientes. Problemas similares
pueden ocurrir si la distribucin cuenta con una dispersin muy grande, independientemente de
donde est localizada la distribucin. Debido a que las caractersticas de la distribucin no son
conocidas en forma exacta, deben recolectarse datos para estimar dichas caractersticas.
Esta seccin aborda algunas de las tcnicas usadas para estimar como ciertas caractersticas de la
distribucin se relacionan con las especificaciones. Las precondiciones base del proceso y de las
cuales los datos provienen y exhiben estabilidad estadstica debieran aqu reenfatizarse. La
discusin de la variacin del proceso y los ndices de habilidad relacionados son de un valor muy
pequeo para procesos impredecibles. Hacer notar, sin embargo, que enfoques razonables para
evaluar habilidad de los procesos han sido desarrollados para procesos mismos que exhiben
causas especiales sistemticas de la variacin de un proceso tales como, desgaste de herramientas
(ver Apndice H, Referencia 17). Adems, generalmente se asume que las lecturas individuales de
los procesos en cuestin cuentan con una distribucin que es aproximadamente normal. Despus
de definir la habilidad del proceso y los trminos relacionados, esta seccin define y aborda
continuacin solo los ndices y proporciones ms populares:
ndices de variacin del proceso solamente, relativos a las especificaciones Cp ,y Pp
ndices de la variacin del proceso y el centrado combinados, relativos a las especificaciones:
CPU, CPL, Cpk, Ppk.
Proporciones de la variacin del proceso solamente, relativas a las especificaciones: CR y PR.
NOTA: Aunque otros ndices no son abordados en este manual, el Apndice D y el Apndice
H, Referencia 16 ofrecen informacin en uno de estos ndices, Cpm, un ndice
relativamente nuevo el cual ha logrado reciente atencin.
Finalmente, esta seccin describe las condiciones y supuestos relacionados con estas medidas
del proceso y concluye con algunas sugerencias en cmo estas medidas pudieran ser
aplicadas hacia el mejoramiento del entendimiento de un proceso dentro de la infraestructura
del mejoramiento continuo de los procesos mismos.
- 90 -
II.
Seccin 5. Entendimiento de la Habilidad (Cont.)

A.
DEFINICIN DE TERMINOS DE PROCESOS
Variacin Inherente al Proceso Porcin de la variacin del proceso debida solo a causas
comunes. Esta variacin puede estimarse de las grficas de control por R d 2 , entre otras
formas (ej., s c4 ).
Variacin Total del Proceso Esta es la variacin debida a causas comunes y causas
especiales. Esta variacin puede estimarse por s, la desviacin estndar de la muestra,
usando todas las lecturas individuales obtenidas de la grfica de control en detalle o de
X)
= s , donde Xi son las lecturas individuales, X
n 1
i =1
es el promedio de las lecturas individuales y n = el total del nmero de todas las lecturas
individuales.
algn estudio del proceso: s =
B.
(X
Habilidad/Capacidad del Proceso Rango de 6 de la variacin inherente de un proceso,

para procesos estadsticamente estables, y donde es generalmente estimada por R d 2
( R d 2 ).
Desempeo del Proceso Rango de 6 de la variacin total de un proceso, donde es

usualmente estimado por s, la desviacin estndar de la muestra ( s ).
DEFINICIN DE MEDIDORES/INDICADORES DE PROCESOS

B.1.
ndices
Cp:
Este es el ndice de habilidad el cual es definido como el ancho de la tolerancia

dividido por la habilidad del proceso, independientemente del centrado del
USL LSL
proceso mismo. Tpicamente, ste es expresado como C p =
,
6 R d 2
Pp:
Este es el ndice de desempeo el cual es definido como el ancho de la tolerancia

dividido por el desempeo del proceso, independientemente del centrado del
USL LSL
proceso mismo. Tpicamente, ste es expresado como Pp =
(debiera
6 s
ser usado solo para comparar con Cp y Cpk y medir y priorizar mejoramientos en
el tiempo).
CPU: Es el ndice superior de habilidad y est definido como la dispersin superior de la

tolerancia dividida por la dispersin actual y superior del proceso. Tpicamente,
USL X
ste es expresado como CPU =
.
3 R d 2
- 91 -
II.
Seccin 5. Entendimiento de la Habilidad (Cont.) Definicin de las Medidas/Indicadores del

Proceso
CPL: Este es el ndice inferior de habilidad y est definido como la dispersin inferior de
la tolerancia dividida por la dispersin actual e inferior del proceso. Tpicamente
X LSL
.
ste es expresado como CPL =
3 R d 2
Cpk:
Ppk:
B.2.
Este es el ndice de habilidad el cual toma en cuenta el centrado del proceso y es

definido como el mnimo de CPU o CPL. Se relaciona con la distancia en escala
entre el promedio del proceso y el lmite de especificacin ms cercano entre la
mitad de la dispersin total del proceso.
Este es el ndice de desempeo el cual toma en cuenta el centrado del proceso y
USL X
X LSL
est definido como el mnimo de
o
debiera ser usado solo
3 S
3 s
para comparar con Cp y Cpk y medir y priorizar mejoramientos en el tiempo).
Proporciones / Razones
CR:
Esta es la razn de la habilidad y es simplemente el recproco de Cp;

6 R d 2
1
CR =
=
C p USL LSL
PR: Esta es la razn de desempeo y es simplemente el recproco de Pp;
6 s
1
PR =
=
Pp USL LSL
NOTA: Clculos de ejemplo para todos estos indicadores se muestran en la pgina 66.
B.3.
Clarificacin de la Desviacin Estndar de las Muestras s vs. s

Ambos s (usado en partes A y B de esta seccin) y s (usado en las grficas X y s,
pgina 75) son calculados usando exactamente la misma frmula para la desviacin
X)
estndar de la muestra: ej., s y s =
. Sin embargo, el n en la formula
n 1
i =1
simboliza dos tipos diferentes de tamaos de muestra, como sigue:
n
(X
Para s (pgina 90), n se refiere al nmero total de todos los valores individuales
muestreados por ejemplo, el nmero de estos valores individuales puede
provenir del total del nmero de todos los valores individuales de los subgrupos de
una grfica de control (todos en conjunto totalizados), o de un muestreo amplio de
una poblacin global.
Para s (pgina 75), n se refiere solo al nmero de valores individuales dentro de

cada subgrupo dado generalmente, n es una constante e igual al nmero de
cada subgrupo/muestra.
- 92 -
II.
Seccin 5. Entendimiento de la Habilidad (Cont.) Definicin de las Medidas/Indicadores del

Proceso
s es un estimativo de la desviacin estndar del proceso (poblacin) total

usando s, mientras que s es un estimativo de la desviacin estndar de cada
subgrupo dado de un tamao fijo, usando s (ver pginas 75 77)
C. DESCRIPCIN DE CONDICIONES Y SUPUESTOS.

Es apropiado hacer notar que la variacin del proceso y el centrado del proceso son dos
caractersticas del proceso mismo y por separado. Cada una necesita ser entendida por
separado una de otra. Sin embargo, a fin de minimizar el anlisis por separado de cada una, ha
llegado a ser conveniente combinar las dos caractersticas en un ndice, tal como, Cpk o Ppk.
Estos ndices pueden ser tiles para:
Medicin del mejoramiento continuo usando tendencias en el tiempo.
Priorizacin del orden en el cual los procesos sern mejorados.
El ndice de habilidad (ej., Cpk) es adems til para determinar si un proceso es o no hbil en el
cumplimiento de los requerimientos del cliente (la intencin original del ndice de habilidad).
Debiera hacerse notar que este uso adicional no debiera aplicarse para ndices de desempeo
(ver pginas 91 y 92 para un uso sugerido de los indicadores de desempeo).
Para que estos ndices (as como todos los otros indicadores de proceso descritos en la parte B
de esta seccin) sean usado efectivamente, las CONDICIONES y SUPUESTOS que estn
alrededor de stos deben ser entendidos. Si estas condiciones y supuestos no se cumplen, los
indicadores tendrn muy poco o ningn significado y por tanto no agregan valor al
entendimiento de los procesos de los cuales stos fueron generados. A continuacin se
muestran las cuatro condiciones mnimas las cuales deben ser satisfechas para todos los
indicadores de habilidad que estn descritos en la parte B de esta seccin:
El proceso del cual los datos provienen es estadsticamente estable.

Las mediciones/lecturas individuales de los datos del proceso forman aproximadamente una
distribucin normal.
Las especificaciones se basan en los requerimientos de los clientes.
Existe un deseo por aceptar los valores de los ndices (o proporciones) calculados como
verdaderos ej., para descontar la influencia de la variacin por muestreo en los nmeros
calculados (ej., un Cpk calculado de 1.05 puede ser de un proceso cuyo Cpk verdadero es de
1.40, o viceversa, debido simplemente a la variacin por muestreo). Ver Apndice H,
Referencias 19, 20 y 21 para mas detalles de este tema.
- 93 -
LSL
USL
MALO
LAS PARTES EN LA
UBICACIN A SON TAN
BUENAS COMO EN
UBICACIONES B Y C
BUENO
MENTALIDAD DE BASE METAS
VALOR META / INTENCIN DE DISEO /

REQUERIMIENTO DE LOS CLIENTES
USL
LSL
CURVA DE FUNCION
DE PERDIDA
PERDIDA
(b)
PARTES EN UBICACIN A:
SIN PERDIDA
PARTES EN UBICACIN B:
ALGO DE PERDIDA
PARTES EN UBICACIN C:
MAYOR PERDIDA
CANTIDAD DE PERDIDA EN C
CANTIDAD DE PERDIDA EN B
MENTALIDAD DE FUNCIN DE PERDIDA

(PERDIDA DEL CLIENTE Y/O SOCIEDAD)
Figura 29. Base Metas vs. Funcin de Prdida

- 94 -
II.
Seccin 5. Entendimiento de la Habilidad (Cont.)

D. USO SUGERIDO DE LAS MEDIDAS/INDICADORES DEL PROCESO
La clave para un uso efectivo de cualquier medida del proceso continua siendo el nivel de
entendimiento de lo que la medida represente verdaderamente. Aquellos de la comunidad
estadstica quienes generalmente se oponen en como los nmeros de Cpk, por ejemplo, han
sido usados son rpidos para hacer notar que pocos procesos del mundo real satisfacen
completamente todas las condiciones, supuestos y parmetros dentro de los cuales el Cpk ha
sido desarrollado (ver Apndice H, Referencias 14 y 18). Adems, es postura de este manual
que, an y cuando todas las condiciones se cumplan, es difcil evaluar o entender
verdaderamente un proceso sobre la base de un nmero de ndice o proporcin nico, por las
razones discutidas en los siguientes prrafos.
D.1.
Concepto de Funcin de Prdida

El principio fundamental detrs de cmo los ndices de habilidad (y otras medidas del
proceso) han sido usados ha sido el deseo entendible de producir todas las partes
dentro de especificaciones de ingeniera. El concepto bsico que sirve como motivacin
para este deseo es la mentalidad de que todas las partes dentro de especificaciones,
independientemente de donde estn localizadas o posicionadas dentro del rango de
especificaciones, son buenas (o aceptables), y todas las partes fuera de
especificaciones, independientemente de que tan lejos puedan estar fuera de las
especificaciones, son malas (o inaceptables). Los profesionales en calidad hacen
algunas veces referencia a este concepto como mentalidad de Base Meta (ver Figura
29 (a)).
Aunque este modelo mental (bueno/malo) ha sido usado extensivamente en el pasado,
se sugiere que un modelo ms til, ej., uno que sea mucho ms cercano al
comportamiento del mundo real, es el graficado en la Figura 29 (b). Este modelo, en
general toma la forma de una parbola y utiliza el principio de que una prdida
cuadrtica e incremental (en oposicin a la lineal) es incurrida por el cliente y/o sociedad
mientras ms lejos est una caracterstica particular de la meta de la especificacin.
Implcito en este concepto, y referido como concepto de la funcin de prdida, est el
presupuesto de que la intencin del diseo (meta de la especificacin) est
razonablemente y bien alineada con los requerimientos del cliente.
- 95 -
II.
Seccin 5. Entendimiento de la Habilidad (Cont.) uso Sugerido de las Medidas de Proceso

CENTRO DEL
PROCESO
LSL
a)
USL
META (REQUERIMIENTO
DEL CLIENTE)
PORCENTAJE DE PARTES FUERA DE LIMITES DE ESPECIFICACIN
(MENTALIDAD DE BASE META)
VARIACIN DEL
PROCESO
DISTRIBUCIN DEL PROCESO

LSL
b)
USL
META (REQUERIMIENTO DEL

CLIENTE)
TA
PERDIDA
PERDIDA
DISTRIBUCIN DE LA FUNCIN DE PERDIDA DEL CLIENTE

c)
LSL
CENTRO DEL
PROCESO
USL
META (REQUERIMIENTO
DEL CLIENTE)
= PERDIDA DEL CLIENTE GENERADA POR EL

PROCESO (NO PONDERADA)
CURVA DE LA FUNCIN DE
PERDIDA
DISTRIBUCIN
DEL PROCESO
PERDIDA
CANTIDAD DE DESALINEAMIENTO DEL PROCESO CON LA META DEL CLIENTE.
DISTRIBUCIN DEL PROCESO QUE EST DESALINEADA CON LA META DEL CLIENTE
LSL
USL
= PERDIDA DE VIDA APARTES FUERA DE ESPECIFICACIN

(APROX. 45% DE LA PERDIDA TOTAL)
d)
PERDIDA
= PERDIDA DE VIDA APARTES DENTRO DE ESPECIFICACIONES

(APROX 55% DE LA PRDIDA TOTAL)
NOTA: REA BAJO LA CURVA = PRDIDA TOTAL DEL CLIENTE
GENERADA POR EL PROCESO
PRDIDA ESTIMADA Y TRADUCIDA (PROCESO PONDERADO)

LSL
USL
e)
PERDID
A
= PRDIDA DEL CLIENTEGENRADA POR

ESTE PROCESO (NO PONDERADA)
PROCESO ALINEADO CON LA META Y CON MENOR

VARAICIN
Figura 30. Alineamiento del Proceso a Requerimientos

- 96 -
II.
Seccin 5. Entendimiento de la Habilidad (Cont.) Uso Sugerido de las Medidas/Indicadores

del Proceso
D.2.
Alineamiento del Proceso a los Requerimientos de los Clientes

En la Seccin 2 del Captulo I, un proceso fue dibujado grficamente (ver Figura 1,
pgina 5). Una caracterstica resultante de tal proceso puede tambin ser expresada
grficamente en trminos de una distribucin de su variacin. Esta distribucin puede ser
referida como la distribucin del proceso (ver Figura 30 (a)).
Una funcin de prdida tal como la lustrada en la Figura 30 (b) puede establecerse para
la caracterstica del proceso cuya distribucin se indica en la Figura 30 (a). Adems,
asumiendo una pequea o no variacin en los requerimientos del cliente (meta de la
especificacin), sobreimponiendo la distribucin del proceso sobre la curva de la funcin
de prdida de los requerimientos del cliente (Figura 30 (c)), dos observaciones pueden
hacerse:
A fin de minimizar las perdidas del cliente, es deseable alinear el proceso (centro del
proceso) con los requerimientos del cliente (meta de la especificacin).
Es adems benfico al cliente si la variacin alrededor del valor meta es reducida

continuamente (ver Figura 30 (e)).
Este anlisis es algunas veces llamado alineamiento de la Voz del Proceso con la Voz
del Cliente (ver Apndice H, Referencia 22, para ms detalles). Debiera notarse que
aunque no se asume variacin en la Voz del Cliente para este ejemplo, la Voz del
Cliente (meta de la especificacin) vara en el mundo real y esto complica adems el
logro de la satisfaccin verdear del cliente para un proceso dado.
Finalmente, cuando una prdida estimada y traducida es generada considerando la
distribucin actual de las partes a ser producidas por dicho proceso, en conjunto con la
prdida a ser generada por este proceso, puede mostrarse que, en este caso,
aproximadamente solo el 45% de la prdida total del cliente es tomada en cuenta para
las partes fuera de especificacin, mientras que la prdida restante proviene de las
partes dentro de especificaciones pero no en la meta (Figura 30 (d)). Esto sugiere
fuertemente que la mentalidad Base Meta, o el porcentaje calculado de las partes
Malas (partes fuera de especificaciones), por s misma, no ofrece una apreciacin
apropiada del entendimiento del efecto que el proceso mismo est teniendo realmente
en el cliente.
D.3.
Aplicaciones de las Medidas de Procesos

Por razones discutidas en los prrafos anteriores, y asumiendo que las condiciones
listadas en la parte C de esta seccin se hayan cumplido, se sugiere lo siguiente en
relacin a usar medidas del proceso para mejorar el entendimiento y el mejoramiento
continuo de los procesos:
- 97 -
II.
Seccin 5. Entendimiento de la Habilidad (Cont.) Uso Sugerido de las Medidas de Proceso
No debiera usarse un solo ndice o proporcin para describir un proceso; adems,
Dos o ms ndices o proporciones debieran ser vistos colectivamente - en un mnimo,

la combinacin de Cp y Cpk, Pp y Ppk, o PR y Ppk, por ejemplo, debieran ser usados; y
Se recomienda fuertemente que sean usados anlisis grficos en conjunto con las
medidas del proceso. Ejemplos de tales anlisis incluyen grficas de control, grficas
de distribuciones estimadas del proceso, grficas de anlisis de la funcin de prdida
tales como las mostradas en la Figura 30, etc. Adems, y particularmente para
procesos inestables, puede ser til graficar tambin la variacin inherente del proceso
vs la variacin total del proceso y/o R d 2 vs s para lograr una apreciacin de una
percepcin breve de la brecha entre la habilidad/capacidad y el desempeo del
proceso mismo y rastreo de mejoramientos. Generalmente, el tamao de esta brecha
es una medida del grado en el cual el proceso est fuera de control, aunque para
procesos inestables, y dependiendo del grado de inestabilidad, existe
respectivamente mayor variabilidad e incertidumbre en los estimativos del proceso.
( R d 2 y s ) que para procesos estables. Estos tipos de anlisis grficos debieran
hacerse para un mejor entendimiento del proceso an y cuando las medidas del
proceso mismo (ej., Cp/Cpk, etc.) no sean calculadas y/o usadas.
Para mejoramiento continuo de los procesos, las medidas de los procesos mismos
debieran ser usadas teniendo en mente la intencin continua de igualar la Voz del
Proceso con la Voz del Cliente, y con una prdida mnima del cliente.
Una precaucin final es que todas las evaluaciones de habilidad debieran confinarse
sobre una caracterstica del proceso nica. Nunca es apropiado combinar o promediar
los resultados de habilidades para varios procesos en un ndice.
Optimistamente, la aplicacin de las medidas del proceso dentro de esta infraestructura
total ofrecen informacin necesaria para el logro del verdadero mejoramiento del proceso
y en una proporcin competitiva.
- 98 -
Resultados de la Comparacin de los Resultados del Proceso con la Especificacin de

Aceptacin y la Decisin de si Cumple o No
Gente
Equipo
Los Resultados son Clasificados
Ambiental
Cumple:
ACEPTADO
Materiales
No Cumple:
RECHAZADO
Mtodos
Ejemplos de Resultados
Grficas de Control
El vehculo no tiene fugas / s tiene fugas

Luces de la Lampara / no prenden
Dimetro de Agujero bajo o sobre medida
(gage pasa/no pasa)
Envo del vendedor/distribuidor correcto o
incorrecto
Burbujas en Limpiavidrios
Defectos de Pintura sobre la puerta
Errores en una factura
Grfica p para Proporcin de

Unidades No Conformes
Grfica np para Nmero de
Grfica c para Nmero de No

Conformidades por Unidad
Inspeccionada
Grfica u para Nmero de No
Conformidades por Unidad
Inspeccionada
Los criterios de cumplimiento deben ser claramente definidos y los procedimientos para decidir si
estos criterios se cumplen deben producir resultados consistentes en el tiempo.
Ejemplos de Especificaciones de Aceptacin

Superficie debiera estar libre de defectos
La superficie debiera cumplir con un patrn

master en textura de color, brillantez e
imperfecciones
Cualquier material aplicado en parte posterior
del espejo para prevenir dispersin no debe
causar manchado visible en posterior de
espejo
Comentarios
Qu tipo de defecto?
- Los Inspectores estn de
acuerdo?
- Cmo se mide?
Cumple en qu grado?
Cmo se mide?
Visible a quin?
Bajo qu condiciones?
Figura 31. Datos de Atributos

- 99 -
Capitulo III
GRAFICAS DE CONTROL POR ATRIBUTOS
Aunque las grficas de control son muy a menudo pensadas en trminos de variables (como se
muestra en el Capitulo II), se han desarrollado tambin versiones para atributos. (Ver Figura 31).
Los datos de atributos tienen solo dos valores (conforme/no conforme), aprobado/falla, pasa/no
pasa, presente/ausente) aunque pueden ser contados para registro y anlisis*. Ejemplos incluyen la
presencia de una etiqueta requerida, la continuidad de un circuito elctrico, o errores en un
documento impreso. Otros ejemplos son de caractersticas que son medibles, aunque los resultados
sean registrados en un modo simple si/no tales como, cumplimiento del dimetro de una flecha
cuando se mide con un gage pasa/no pasa, la aceptabilidad de mrgenes de una puerta con un
chequeo visual o por gage, o desempeo en envos a tiempo. Las grficas de control por atributos
son importantes por varias razones:
Situaciones de datos de atributos existen en cualquier proceso tcnico o administrativo, de

manera que las tcnicas de anlisis de atributos son tiles en muchas aplicaciones. La
dificultad ms importante es desarrollar definiciones operacionales y precisas de lo que es no
conforme.
Los datos de atributos estn ya disponibles en muchas situaciones cuando hay inspecciones
existentes, crticas para reparaciones, clasificaciones de material rechazado, etc. En estos
casos, ningn gasto adicional de recoleccin de datos es involucrado, solo el esfuerzo de
convertir los datos a una forma de grfica de control.
Cuando nuevos datos deben ser recolectados, la informacin de atributos es generalmente

rpida y no cara de obtener, y con un gage simple (ej., un gage pasa/no pasa), y a menudo no
se requieren habilidades de recoleccin especializadas.
Mucho de los datos recolectados para reportes de resmenes a la administracin estn en

forma de atributos y pueden beneficiarse de anlisis de grficas de control. Ejemplos incluyen
desempeos por departamento de OK a la primera corrida, proporciones de desperdicio,
auditorias de calidad y rechazos de material. Debido a la habilidad de distinguir variaciones de
causas comunes y especiales, el anlisis de grficas de control puede ser valioso en la
interpretacin de estos reportes de la administracin.
En la introduccin de grficas de control a una organizacin, es importante priorizar reas de

problemas y usar graficas donde ms se requieran. Seales de problemas pueden provenir de
sistemas de control costosos, quejas de usuarios, cuellos de botella internos, etc. El uso de
grficas de control por atributos sobre medidas de calidad claves y globales pueden a menudo
hacer notar la forma en que las reas especficas del proceso necesitaran mayor examen
detallado incluyendo el uso posible de grficas de control por variables.
* Este manual utiliza discusiones de atributos conforme/no conforme alrededor del mismo,
simplemente porque (1) stas son las tradicionalmente usadas, (2) las organizaciones que justo
estn iniciando en el camino por el mejoramiento continuo generalmente inician con estas
categoras y (3) muchos de los ejemplos disponibles en la literatura usan estas categoras. No
debiera pensarse que estas son las nicas categoras aceptables o que las grficas de atributos
pueden no ser usadas con procesos (ver Apndice H) del caso 1 (ver pgina 13).
- 100 -
III.
Las siguientes cuatro secciones cubren los fundamentos de los cuatro tipos principales de grficas
de control por atributos:
Seccin 1 La Grfica p para la Proporcin de Unidades No Conformes (de muestras no
necesariamente iguales en tamao)
Seccin 2 La Grfica np para el Nmero de Unidades No Conformes (de muestras de igual
tamao)
Seccin 3 La Grfica c para el Nmero de No Conformidades (de muestras de igual tamao)
Seccin 4 La Grfica u para el Nmero de No Conformidades por Unidad (de muestras no
necesariamente iguales en tamao)
La primera discusin, de la grfica p, es la ms extensiva de las otras, conforme presenta los
conceptos principales. Las otras tres secciones se concentran en distinguir las propiedades de estos
tipos de grficas.
- 101 -
PREPARACIN PARA EL USO DE GRAFICAS DE CONTROL
Establece un Ambiente Adecuado para Acciones
Define el Proceso
Determina las Caractersticas a Administrar

Consideraciones:
Necesidades de los Clientes
reas Problema Actuales y Potenciales
Correlacin entre Caractersticas
Define Operacionalmente el Sistema de Medicin
Minimiza las Variaciones Innecesarias
- 102 -
III.
Seccin 1
GRAFICA p PARA PROPORCIN NO CONFORME
La grfica p mide la proporcin de unidades no conformes (discrepantes o llamadas defectivas) de
un grupo de unidades que ha sido inspeccionado. Esto pudiera referirse a una muestra de 75
piezas, tomadas dos al da, algn porcentaje de produccin agrupado sobre una base de cada hora
o diario, la proporcin de envos a tiempo, etc. Esto puede basarse en la evaluacin de una
caracterstica (Fue una parte especfica instalada?) o muchas caractersticas (Se encontr algo
equivocado en a estacin de chequeo del sistema elctrico?). Es importante que:
Cada componente, parte o unidad a ser checada sea registrada como conforme o no conforme
(an y cuando una unidad cuente con varias no conformidades especficas, es solamente
contada una sola vez como unidad no conforme).
Los resultados de estas inspecciones son agrupados sobre una base razonable, y las unidades
no conformes son expresadas como una fraccin decimal del tamao del subgrupo.
Antes de usar una grfica p, varios pasos preparatorios deben realizarse:
Establece un ambiente adecuado para acciones. Cualquier mtodo estadstico falla a menos que
la administracin halla preparado un ambiente sensible.
Define el proceso. El proceso debe ser entendido en trminos de su relacin con otras
operaciones/usuarios, y en trminos de los elementos del proceso mismo (gente, equipo,
materiales, mtodos y medio ambiente) que lo afecten en cada etapa. Tcnicas tales como los
diagramas de causas y efectos ayudan a hacer estas relaciones visibles.
Determina las caractersticas a ser administradas. Concntrate en aquellas caractersticas que

sean las ms atractivas para mejoramiento del proceso (una aplicacin del principio de Pareto).
Varias consideraciones son apropiadas:
Necesidades de los clientes. Esto incluye a los procesos subsecuentes que usen el producto
o servicio como una entrada, y el cliente del producto final.
reas de problemas actuales y potenciales. Considera evidencias existentes de desperdicio y
desempeo pobre (ej., scrap/desperdicio, retrabajo, tiempo extra excesivo, metas no
logradas y reas de riesgo) ej., cambios prximos al diseo del producto o servicio o a
cualquiera de los elementos del proceso.
Correlacin entre caractersticas. Para un estudio eficiente y efectivo, toma ventajas de las
relaciones entre caractersticas. Si varias caractersticas individuales de una unidad tienden a
variar juntas, puede ser suficiente graficar solo una de ellas (ver Advertencia de la pgina
30).
- 103 -
III.
Seccin 1. Grficas p (Cont.)
Define el sistema de medicin. La caracterstica debes ser definida operacionalmente, de

manera que los hallazgos puedan comunicarse a todos los involucrados y en formas que tengan
el mismo significado hoy que ayer. Esto involucra especificar qu informacin recolectar, dnde,
cmo y bajo qu condiciones. El establecimiento de definiciones operacionales puede ser
particularmente difcil aunque especialmente importante cuando el juicio del personal es
involucrado. La definicin de caracterstica afecta el tipo de grfica de control a ser usada una
grfica de datos de atributos, como la grfica p, o una grfica de datos de variables, es descrita
en la seccin II.
Minimiza las variaciones innecesarias. Las variaciones innecesarias por causas externas
debieran reducirse antes de que el estudio comience. El propsito es evitar problemas obvios
que pudieran y debieran ser corregidos an sin el uso de grficas de control. En todos los casos,
una bitcora del proceso debiera mantenerse anotando todos los eventos relevantes tales como
cambios en los procedimientos, lotes nuevos de materias primas, etc. esto ayuda en el anlisis
de problemas subsecuentes.
- 104 -
Figura 32. Grficas p para Proporcin No Conforme Recoleccin de Datos

- 105 -
III.

A. RECOLECTA LOS DATOS
A.1.
Selecciona el Tamao, Frecuencia y Nmero de Subgrupos (Ver Figura 32)

a. Tamao del Subgrupo Las grficas para atributos generalmente requieren tamaos
de subgrupos un tanto grandes (ej., de 50 a 200 o ms) para ser capaces de detectar
cambios moderados en el desempeo. Para que la grafica muestre patrones
analizables, el tamao del subgrupo debiera ser lo suficientemente grande como para
tener varias unidades no conformes por subgrupo (ej., n p > 5 ). Hacer notar, sin
embargo, que tamaos de subgrupo grandes pueden ser una desventaja si cada
subgrupo representa un periodo largo de operacin del proceso. Es ms conveniente
si los tamaos de subgrupo son constantes y si varan por no ms del 25% , aunque
esto no requiere que sea el caso. Es tambin til que el tamao de subgrupos sea lo
suficientemente grande relativo a p para generar un lmite inferior de control y de
manera que causas asignables debidas a mejoramiento puedan tambin notarse.
b. Frecuencia de Subgrupos La frecuencia de los subgrupos debiera hacer sentido en
trminos de los periodos de produccin, para ayuda en el anlisis y correccin de
problemas encontrados. Los periodos de tiempo cortos permiten retroalimentacin
ms rpida, aunque puede crear conflictos con requerimientos para tamaos de
subgrupo grandes.
c. Nmero de Subgrupos El periodo de recoleccin de datos debiera ser lo
suficientemente grande como para capturar todas las probables fuentes de variacin
que afecten el proceso. Generalmente, se debieran tambin incluir 25 o ms
subgrupos para ofrecer una buena prueba de estabilidad y, si es estable, un estimativo
confiable del desempeo del proceso mismo.
A.2.
Calcula la Proporcin No Conforme de cada Subgrupo (p) (Ver Figura 32)

Los siguientes datos debieran registrarse para cada subgrupo:
El nmero de unidades inspeccionadas n
El nmero de unidades no conformes encontradas np
De estos datos, calcula la proporcin no conforme:
np
p=
n
Estos datos debieran registrarse en forma de datos como una base de anlisis inicial.
Cuando los datos histricos mas recientes estn disponibles, estos deben ser usados
para acelerar sta etapa del estudio.
- 106 -
III.

A.3.
Selecciona la Escala para la Grfica de Control (Ver Figura 32)

La grfica en la cual los datos son graficados debieran extenderse con la proporcin (o
porcentaje) no conforme como la escala vertical, y la identificacin del subgrupo (hora,
da, etc.) como la escala horizontal. La escala vertical debiera extenderse desde cero a
alrededor de 1 a dos veces la proporcin ms grande notada en las lecturas de datos
iniciales.
A.4.
Grafica la Proporcin No Conforme en la Grfica de Control (Ver Figura 32)

Grafica los valores de p para cada subgrupo. Es usualmente til conectar los puntos con
lneas para ayudar a visualizar patrones y tendencias.
Conforme los puntos son graficados, revsalos brevemente para ver si son razonables. Si
algunos puntos son sustancialmente ms altos o ms bajos que otros, confirma que os
clculos sean correctos.
Registra los cambios del proceso, u ocurrencias no comunes que pudieran afectar el
proceso mismo, conforme stos sean observados, en la seccin de comentarios de la
grfica.
- 107 -
Figura 33. Grfica p para Proporcin No Conforme Clculo de Lmites de Control, Hoja 1
- 108 -
III.

B.

B.1. Calcula la Proporcin Promedio No Conforme del Proceso ( p ) (Ver Figura 33)
Para el periodo de estudio de K subgrupos, calcula la proporcin no conforme promedio:
p=
n1 p1 + n2 p 2 + ... + nk p k
n1 + n2 + ... + nk
Donde n1p1, n2p2... y n1, n2... son el nmero de unidades no conformes y el nmero de
unidades inspeccionadas en cada subgrupo. Debiera tenerse cuidado en no confundir
porcentajes (p x 100) con proporciones defectivas (p).
B.2. Calcula los Lmites Superior e Inferior de Control (UCL, LCL) (Ver Figura 33, Hoja 1)
Los lmites de control son el promedio el proceso ms o menos una tolerancia para la
variacin que pudiera esperarse si el proceso estuviera en control estadstico, dado el
tamao de muestra de los subgrupos. Para el periodo de estudio de k subgrupos, calcula los
lmites de control superior e inferior:
UCL p = p + 3 p (1 p )
LCL p = p 3 p (1 p )
Donde n es el tamao de muestra constante.

Nota: Cuando p es mnima y/o n es pequea, el LCL puede algunas veces calcularse como
un nmero negativo. En estos casos no hay lmite de control inferior, dado que an con un
valor de p = 0 para un periodo particular ste est dentro de lmites de variacin aleatoria.
B.3. Grafica y Etiqueta las Lneas (Ver Figura 33, Hoja 1)
Promedio del Proceso ( p ) lnea horizontal slida
Lmites de Control (UCL, LCL) lneas horizontales interrumpidas
Durante la etapa de un estudio inicial, estos son considerados como los lmites de control de
prueba.
- 109 -
Figura 33. Grfica p para Proporcin No Conforme Clculo de Lmites de Control, Hoja 2
- 110 -
III.

NOTA:
Los clculos de los lmites de control ofrecidos anteriormente son apropiados

cuando los tamaos de los subgrupos son todos iguales (conforme estuvieran en
una situacin de muestreo controlado). Tericamente, cuando el tamao de
muestra cambia (an para un subgrupo, los lmites de control cambian, y los
lmites nicos sern calculados para cada subgrupo teniendo un tamao de
muestra nico. Sin embargo, para propsitos prcticos, los lmites de control
calculados con el tamao de muestra promedio ( n ) son aceptables cuando los
tamaos de los subgrupos individuales varan del promedio por no ms o menos
del 25% (tpico de volmenes de produccin actuales y bajo condiciones
relativamente estables). Para estas situaciones, UCL p , LCL p = p 3 p(1 p ) n .
Cuando los tamaos de los subgrupos varan por ms de esta cantidad, se
requieren lmites de control por separado para los periodos con muestras
particularmente pequeas o grandes. Un procedimiento razonable (el cual debiera
documentarse en la seccin de comentarios del formato) es:
Determina el rango de los tamaos de las muestras que variara del promedio por ms y
menos del 25%; identifica todos los subgrupos con tamaos de muestra que se extiendan
fuera de este rango.
Recalcula los lmites precisos para esos puntos como sigue:
UCLp , LCL p = p 3 p(1 p )
n = p 3 p(1 p ) n
Donde n es el tamao de muestra del subgrupo particular. Solo el trmino n cambia de

punto a punto.
Grafica los nuevos lmites superior e inferior sobre la grfica (ver Figura 33, Hoja 2) para los
subgrupos afectados y salos como bases para identificar causas especiales.
Hacer notar que cualquier procedimiento para el manejo de lmites de control de variables ser
engorroso y puede conducir a una confusin potencial entre la gente tratando de interpretar las
grficas mismas. Es mucho mejor, cuando sea posible, estructurar un plan de recoleccin de
datos de manera que puedan usarse tamaos de muestra constantes.
- 111 -
PROCESO EN CONTROL
UCL
p
LCL
ACCINES
sobre causas Especiales
PROCESO NO EN CONTROL
(PUNTOS FUERA DE LOS LIMITES DE CONTROL)
UCL
Cualquier punto fuera de los lmites de

control
Una corrida de 7 puntos todos arriba o

debajo de la lnea central
Una corrida de 7 puntos hacia arriba o

hacia abajo.
Cualquier otro patrn no aleatorio y obvio
LCL
Paso C.1.a. Un punto est fuera de Lmites de Control
Figura 34. Grfica p para Proporcin No Conforme Puntos fuera de Lmites de Control
- 112 -
III.

C.
INTERPRETACIN DE GRAFICAS PARA CONTROL DE LOS PROCESOS
Objetivo: Identificar cualquier evidencia de que el proceso no est operando ya en el mismo nivel
que est fuera de control y para tomar acciones apropiadas. Los puntos fuera de lmites de
control, o tendencias o patrones obvios en los datos que pudieran ocurrir ms all de ser aleatorios,
sugieren la presencia de causas especiales de variacin.
C.1. Analiza los Puntos de los Datos para Evidencia de Inestabilidad
a.
Puntos Fuera de Lmites de Control (ver Figura 34) la presencia de uno o ms

puntos fuera de cualquier lmite de control es evidencia de inestabilidad en dicho
punto. Dado que los puntos fuera de lmites de control seran muy raros si el
proceso fuera estable y solo estuvieran presentes variaciones por causas comunes,
asumimos que una causa especial se ha tomado en cuenta para un valor extremo.
La causa especial puede ser desfavorable o favorable; cualquier situacin lleva a
una investigacin inmediata. Esta es la regla de decisin primaria para acciones
sobre cualquier grfica de control. Cualquier punto fuera de lmites de control
debiera marcarse.
Un punto arriba del lmite superior de control (ms alta proporcin no conforme) es
generalmente seal de uno o ms de los siguientes puntos:
El lmite de control o punto graficado son errneos.

El desempeo del proceso ha empeorado, ya sea en dicho punto en el tiempo o
como parte de una tendencia,
El sistema de evaluacin ha cambiado (ej., inspector, gage).
Un punto abajo del lmite inferior de control (ms baja proporcin no conforme) es
generalmente seal de uno o ms de los siguientes puntos:
El lmite de control o punto graficado son errneos.

El desempeo del proceso ha mejorado (esto debiera ser estudiado para
mejoramientos que pudieran incorporarse sobre una base permanente).
El sistema de medicin ha cambiado.
Patrones o Tendencias dentro de Lmites de Control La presencia de patrones o

tendencias no comunes, an y cuando todos los puntos estn dentro de lmites de
control, pueden ser evidencia de no control o cambios en el nivel de desempeo
durante el periodo del patrn o tendencia mismo. Esto puede ofrecer una
advertencia anticipada de condiciones las cuales, si se dejan sin corregir, pudieran
generar puntos fuera de lmites de control.
NOTA:
Cuando el nmero promedio de productos no conformes por subgrupo ( n p ) es

moderadamente grande (9 o mas), la distribucin de las ps de cada subgrupo es
muy prximo a ser normal y puede realizarse un anlisis de tendencias similar al
realizado para grficas X . Cuando n p llega a ser pequeo (5 o menor), las
siguientes reglas no aplican directamente.
- 113 -
PROCESO NO EN CONTROL (CORRIDA LARGA ARRIBA DEL PROMEDIO;

TAMBIEN PODRIA ESTAR ABAJO DEL PROMEDIO)
UCL
p
ACCINES
LCL
(CORRIDA LARGA HACIA ABAJO; TAMBIEN PODRIA ESTAR UNA CORRIDA LARGA HACIA ARRIBA)
UCL

control


hacia abajo.
LCL
Texto C.1.b. Sin corridas largas
Figura 35. Grfica p para Proporcin No Conforme Corridas

- 114 -
III.
Seccin 1. Grficas p (Cont.) Interpretacin para Control

b.
Corridas (Ver Figura 35) En un proceso bajo control, con n p moderadamente

grande, aproximadamente un nmero igual de puntos debiera caer en ambos lados
del promedio. Cualquiera de los siguientes puntos pudiera ser una seal de que ha
iniciado un cambio o tendencia del proceso:
Siete puntos en rengln en un lado del promedio.

Siete puntos en rengln que estn creciendo de manera consistente (igual o ms
que los puntos previos) o decreciendo de manera consistente.
En estos casos, el punto que ofrece de inmediato la decisin debiera marcarse (ej.,
el sptimo punto arriba del promedio; puede ser til extender una lnea de referencia
hasta el inicio de la corrida. El anlisis debiera considerar el tiempo aproximado en
el cual sea evidente que la tendencia o cambio inici primero.
Las corridas arriba del promedio del proceso, o corridas hacia arriba, generalmente
significan uno o ambos de los siguientes puntos:
El desempeo del proceso ha empeorado y pudiera an seguir empeorando.

El sistema de evaluacin ha cambiado.
Las corridas abajo del promedio del proceso, o corridas hacia abajo, generalmente
significan uno o ambos de los siguientes puntos:
El desempeo del proceso ha mejorado (las causas debieran ser estudiadas

para incorporacin permanente).
El sistema de evaluacin ha cambiado.
NOTA: Cuando n p es pequeo (debajo de 5), la probabilidad de las corridas abajo

de p se incrementa, de manera que una longitud de corrida de 8 o ms
pudiera ser necesario para indicar un decremento en la proporcin de no
conforme.
- 115 -
(PUNTOS MUY CERCA DEL PROMEDIO)
UCL
p
ACCINES
LCL
PROCESO
NO EN CONTROL
TEXTO...
(PUNTOS MUY CERCA DE LOS LIMITES DE CONTROL)
UCL

control


hacia abajo.
LCL
Paso C.1.c. Aprox. 2/3 de los puntos estn dentro del medio tercio de los
lmites de control (17 de 25 entre .0245 y .0403)
Figura 36. Grfica p para Proporcin No Conforme Patrones No Aleatorios

- 116 -
III.

c.
Patrones Obvios No Aleatorios (Ver Figura 36) Otros patrones diferentes pueden
indicar la presencia de causas especiales de variacin. Aunque debe tenerse
cuidado en no sobreinterpretar los datos. Entre stos patrones estn tendencias,
ciclos, dispersin no comn de los puntos dentro de lmites de control, y relaciones
entre valores dentro de los subgrupos (ej., si todos las unidades no conformes
ocurren dentro de las primeras lecturas tomadas para el subgrupo). Una prueba
para una dispersin no comn es ofrecida a continuacin:
Distancia de puntos del promedio del proceso: Generalmente, en un proceso bajo
control estadstico, con solo variaciones por causas comunes presentes y n p
moderadamente grande, alrededor del 2/3 de los puntos de los datos estarn dentro
medio tercio de la regin entre los lmites de control; alrededor del 1/3 de los puntos
estarn en los dos tercios externos de la regin; alrededor del 1/20 se extienden
relativamente cerca de los lmites de control (en el tercio externo de la regin).
Si en forma sustancial ms de las 2/3 de los puntos se extienden cerca del promedio
del proceso (para 25 subgrupos si arriba del 90% estn dentro del tercio medio de la
regin de los lmites de control), esto pudiera significar uno o ms de los siguientes
puntos:

errneamente.
El proceso o mtodo de muestreo estn estratificados; cada grupo contiene

sistemticamente mediciones de dos o ms flujos del proceso que tienen un muy
diferente promedio de desempeo (ej., el resultado mezclado de dos lneas de
produccin paralelas).
Los datos han sido editados (valores que se hayan desviado mucho del
promedio han sido alterados o retirados).
Si en forma sustancial menos de las 2/3 de los puntos se extienden cerca del
promedio del proceso (para 25 subgrupos si el 40% o menos estn en el tercio
medio), esto pudiera significar uno o ambos de los siguientes puntos:
Han ocurrido errores de clculo o graficado.
El proceso o mtodo de muestreo genera subgrupos sucesivos que contienen

mediciones de dos o ms flujos del proceso y con muy diferentes promedio de
desempeo (ej., diferencias de desempeo entre turnos).
Si varios flujos del proceso estn presentes, estos debieran identificarse y rastrearse
por separado.
- 117 -
Figura 37. Grficas p para Proporcin No Conforme Reclculo de los Lmites de Control
- 118 -
III.

C.2. Encuentra y Corrige las Causas Especiales (Ver Figura 37)
Cuando una condicin fuera de control se ha identificado en os datos, la operacin del
proceso debe ser estudiada para determinar las causas. Estas causas deben entonces ser
corregidas y, en un alcance posible, prevenir su recurrencia. Dado que una causa especial
se indicara por la grfica de control, las operaciones se analizan para, y a menudo se
esperara encontrar causas de variacin dentro de la habilidad de los operadores o
supervisin local a corregir. Tcnicas de solucin de problemas tales como anlisis de
Pareto y anlisis de causas y efectos pueden ser tiles (ver Apndice H, Referencia 11).
Para estudios continuos que se hayan hecho con datos de tiempo real, anlisis de
condiciones fuera de control involucran la investigacin oportuna de la operacin del
proceso, con nfasis en encontrar cules, si hay algunos, cambios ocurrieron que pudieran
explicar el desempeo anormal. Cuando este anlisis genere acciones correctivas, la
efectividad de las acciones debiera llegar a ser evidente en la grfica de control.
Para estudios preliminares con datos histricos, el pasaje del tiempo puede hacer ms difcil
el anlisis de cambios en el proceso en operacin, especialmente para sntomas que vienen
y van. Debe hacerse el anlisis as como y las circunstancias del proceso mismo, para
identificar las condiciones y prevenir su recurrencia. La seccin de comentarios bien
documentados pudiera ser muy til en este aspecto.
C.3. Recalcula los Lmites de Control (Ver Figura 37)
Cuando se conduzca un estudio inicial de un proceso o reevaluacin de la habilidad de un
proceso, puede requerirse que los lmites de control sean recalculados para excluir los
efectos de periodos cuyo estado de control haya sido afectado por causas especiales las
cuales hayan sido corregidas. Los lmites de control debieran ser recalculados excluyendo
los puntos relacionados con causas especiales y graficados en la grfica misma con base
en el prrafo B de esta seccin. Este paso previene que periodos de produccin anormales
sean incluidos en el estimativo de la variabilidad tpica. Los datos histricos debieran ser
otra vez checados contra los lmites revisados para confirmar que ningn punto adicional
sugiera la presencia de causas asignables.
Una vez que los datos histricos muestren un desempeo consistente dentro de los lmites
de control prueba, los lmites pueden ser extendidos hacia delante para cubrir periodos
futuros. Estos llegan a ser los lmites de control operativos contra los cuales los datos
futuros sern evaluados conforme son recolectados y registrados.
Los lmites para control continuo pueden ser alterados de aquellos desarrollados durante el
periodo de anlisis cambiando el tamao de muestra. En tales casos, las frmulas bsicas
de los prrafos B.1. y B2 son usados, aunque con una tamao de muestra deseable de
nnueva en lugar de n .
Nota: Para discusiones mas extensas de interpretacin, pruebas de aleatoriedad en los datos y
solucin de problemas, ver Apndice H, Referencias 6 a 12.
- 119 -
CALCULO DE HABILIDAD DEL PROCESO

Del ejemplo:
p = .0312
Habilidad actual del proceso es 3.12% de fallas del chequeo de funcionalidad

(96.88% OK)
EVALUACIN DE LA HABILIDAD DEL PROCESO

Si el chequeo de funcionalidad es ejecutado al 100% y el producto no
conforme es dispuesto aparte, el cliente es protegido de que reciba producto
no conforme, pero se desperdicia un porcentaje promedio del 3% de fallas
(que requieren retrabajo o se desechan). Debieran desarrollarse acciones para
mejorar el nivel de desempeo crnico.
- 120 -
III.

D.
INTERPRETACIN PARA HABILIDAD DEL PROCESO
Cuando los aspectos clave de control hayan sido resueltos, (las causas especiales hayan sido
identificadas, analizadas y, cuando sea apropiado, corregidas/prevenir su recurrencia) la grfica de
control refleja la habilidad del proceso mismo. Para la grfica p (y todas las dems grficas de
atributos), la habilidad del proceso difiere de las grficas de datos de variables en el sentido de que
cada punto en una grfica de atributos se indica directamente el porcentaje o proporcin de
producto no conforme (fuera de especificaciones) con los requerimientos de los clientes, mientras
que los puntos en una grfica de variables indican lo que el proceso est produciendo
independientemente de las especificaciones de ingeniera. Por tanto, para las grficas de atributos,
la habilidad es definida simplemente como la proporcin o razn promedio de producto no
conforme, mientras que la habilidad para grficas de variables se refiere a la variacin (6 R d 2 ) total
(inherente) para el proceso (estable), con y/o sin ajustes para centrado del proceso con metas de
especificaciones.
D.1. Calcula la Habilidad del Proceso
Para una grfica p, la habilidad del proceso es reflejada por el promedio no conforme
del proceso mismo, p , calculado cuando todos los puntos estn en control. Si se
desea, esto puede ser expresado como la proporcin conforme a especificaciones (1p ).
Para un estimativo preliminar de la habilidad del proceso, usa los datos histricos, pero
excluye los puntos de los datos asociados con causas especiales.
Para un estudio formal de habilidad del proceso, nuevos datos debieran correrse,
preferentemente para 25 o ms periodos, con todos los puntos reflejando control
estadstico. La p para estos periodos consecutivos en control es un mejor estimativo de
la habilidad actual del proceso mismo.
D.2. Evala la Habilidad del Proceso
La habilidad del proceso, como se ha calculado refleja el nivel continuo de desempeo

que el proceso est generando y puede esperarse que genere, siempre y cuando el
proceso se mantenga en control y no experimente algn cambio bsico en el
desempeo. Sobre las bases de periodo a periodo, la proporcin no conforme
medida variar entre los lmites de control, exceptuando cambios en el proceso mismo,
o periodos permitidos a estar fuera de control, el promedio de la proporcin no
conforme tender a ser estable.
Esta habilidad promedio, y no los valores individuales fluctuantes, debe ser evaluada
contra las expectativas de la administracin para la caracterstica particular. Por tanto,
si este nivel promedio es inaceptable, anlisis y acciones adicionales deben ser
dirigidos hacia el proceso mismo (responsabilidad de la administracin).
- 121 -
MEJORA LA HABILIDAD DEL PROCESO

Para mejorar el desempeo crnico del proceso, concntrate en las causas
comunes que afecten todos los perodos. Estas generalmente requieren de
acciones de la administracin
GRAFICA Y ANALIZA EL PROCESO REVISADO

Confirma la efectividad de los cambios del sistema monitoreando en forma
continua con la grfica de control
- 122 -
III.
Seccin 1. Grficas p (Cont.) Interpretacin para Habilidad del Proceso

D.3. Mejora la Habilidad del Proceso
Una vez que el proceso est demostrando control estadstico, el nivel promedio de no
conformidades restante reflejar causas de variacin sistemticas en el proceso en
cuestin la habilidad del proceso. Los tipos de anlisis ejecutados en el diagnstico
de aspectos clave de (control) causas especiales, y el cual se haya orientado a las
operaciones, no ser ya apropiado en el diagnstico de causas comunes que afecten el
sistema. A menos que acciones de la administracin sean dirigidas hacia el sistema
mismo, no puede esperarse ningn mejoramiento en la habilidad del proceso.
Soluciones de largo plazo son necesarias para corregir fuentes de no conformidades
crnicas.
Tcnicas de solucin de problemas tales como anlisis de Pareto y anlisis de causas y
efectos pueden ser tiles (ver Apndice H, Referencia 11). Sin embargo, el
entendimiento del problema puede ser difcil cuando se usen solo datos de atributos. En
general, la solucin del problema es apoyada yendo flujo arriba en el proceso lo ms
posible hacia fuentes de causas de variacin sospechosas, y usando datos de variables
para anlisis (ej., con grficas X y R).
D.4. Grafica y Analiza el Proceso Revisado
Cuando se hayan tomado acciones sistemticas hacia el proceso, sus efectos debieran
llegar a ser evidentes en la grfica de control; la grfica llega a ser una forma de
verificar la efectividad de las acciones.
Conforme se implementen cambios en el proceso, la grfica de control debiera ser

monitoreada cuidadosamente. Este periodo de cambios pudiera ser transtornante a las
operaciones, generando potencialmente nuevos problemas de control que pudieran
oscurecer el efecto verdadero de los cambios en el sistema.
Despus de que las causas especiales de variacin que aparecieron durante el periodo
de cambios hayan sido identificadas y corregidas, el proceso estar en control
estadstico y con un nuevo promedio del proceso. Este nuevo promedio, reflejando un
desempeo en control, puede ser usado como la base del control continuo del proceso.
Sin embargo, debiera continuar investigacin y mejoramiento del sistema mismo.
- 123 -
Figura 38. Grfica np para Nmero No Conforme

- 124 -
III.
Seccin 2
GRAFICA np PARA PROPORCIN NO CONFORME
La grfica np (ver Figura 38) mide el nmero de unidades no conformes (discrepantes o llamadas
defectivas) en un lote de inspeccin, es idntica a la grfica p excepto que el nmero actual de
unidades no conformes, ms que la proporcin de la muestra, es registrado. Ambas grfica p y np
son apropiadas para las mismas situaciones bsicas, con la opcin de ir a la grfica np si (a) el
nmero actual de no conformidades es de ms significado o ms simple reportar que la proporcin,
y (b) el tamao de muestra se mantienen constante de periodo a periodo. Los detalles de
instrucciones para la grfica np son virtualmente idnticos a aquellos para la grfica p; las
excepciones se muestran a continuacin.
A.
RECOLECTA LOS DATOS

(Ver Seccin 1, Parte A de este captulo; las excepciones se muestran a continuacin)
B.
Los tamaos de muestra para inspeccin deben ser iguales. El periodo de los subgrupos
debiera hacer sentido en trminos de los intervalos de produccin y sistemas de
retroalimentacin, y las muestras debieran ser lo suficientemente grandes como para
permitir varias unidades no conformes que aparezcan en cada subgrupo. Registra el
tamao de muestra en el formato.
Registra y grafica el nmero no conforme en cada subgrupo (np).
CALCULA LOS LMITES DE CONTROL

(Ver Seccin 1, Parte B de este captulo; las excepciones se muestran a continuacin)
Calcula el Promedio del Proceso del Nmero No Conforme ( n p ).

np =
np1 + np2 + ... + np k

k
Donde np1, np2... son el nmero no conforme en cada uno de los k subgrupos.
Calcula los Lmites de Control Superior e Inferior (UCL, LCL).
np
= n p + 3 n p(1 p )
UCLnp = n p + 3 n p1
n
np
= n p 3 n p(1 p )
LCLnp = n p 3 n p1
n
Donde n = el tamao de muestra de los subgrupos.

C.
INTERPRETACIN PARA EL CONTROL DEL PROCESO

(Ver Seccin 1, Parte C de ste captulo).
D.

(Ver Seccin 1, Parte D de ste captulo). Hacer notar que la habilidad del proceso para una
grfica np es todava p , justo la misma para la grfica p.
- 125 -
Figura 39. Grfica c para Nmero de No Conformidades

- 126 -
III.
Seccin 3
GRAFICA c PARA NUMERO No. DE NO CONFORMIDADES
La grfica c (ver Figura 39) mide el nmero de no conformidades (discrepancias o llamados
defectos) en un lote de inspeccin (en oposicin al nmero de unidades que se encontraron no
conformes, como graficado en una grfica np). La grfica c requiere de un tamao de muestra o
cantidad de material inspeccionado constante. Se aplica en dos tipos principales de situaciones de
inspeccin:
Cuando las no conformidades estn dispersadas a travs del flujo continuo del producto (ej.,
defectos en un tornillo de vynil, burbujas en vidrio, manchas de aislamiento delgado sobre
cable), y donde la razn promedio de no conformidades pueda ser expresada (ej., defectos por
100 metros cuadrados de vynil).
Cuando las no conformidades de muchas fuentes potenciales diferentes puedan encontrarse en

una sola unidad de inspeccin (ej., las crticas en una estacin de reparacin departamental,
donde cada vehculo o componente individual pudiera tener uno o ms de una amplia variedad
de no conformidades potenciales).
A continuacin se muestran los pasos en la construccin y aplicacin de una grfica c, los cuales
son similares al enfoque bsico descrito previamente para grficas p; las excepciones se muestran
a continuacin:
A.
RECOLECTA LOS DATOS

Los tamaos de muestra para inspeccin (nmero de unidades, rea de lo fabricado, longitud
de cable, etc.) necesitan ser iguales de manera que los valores graficados de c reflejen
cambios en el desempeo en calidad (razn de la ocurrencia de no conformidades, c) ms que
cambios en exposicin (el mismo tamao, n). Registra el tamao de muestra en el formato.
Registra y grafica el nmero de no conformidades en cada subgrupo (c).
B.

(Ver Seccin 1, Parte B de este captulo; las excepciones se muestran a continuacin)
Calcula el Promedio del Proceso del Nmero de No Conformidades ( c ):

c=
c1 + c2 + ... + ck
k
donde c1, c2... son los nmeros de las no conformidades en cada uno de los k subgrupos.
- 127 -
III.
Seccin 3. Grficas c (Cont.)
Calcula los Lmites de Control (UCLc y LCLc)

UCLc = c + 3 c
LCLc = c 3 c
C.

(Ver Seccin 1, Parte C de este captulo)
D.

(Ver Seccin 1, Parte D de ste captulo; las excepciones se muestran a continuacin).
La habilidad del proceso es c , el nmero promedio de no conformidades por muestra con
tamao fijo n.
- 128 -
Figura 40. Grfica u para No Conformidades por Unidad

- 129 -
III.
Seccin 4
GRAFICA u PARA NO CONFORMIDADES POR UNIDAD
La grfica u (ver Figura 40) mide el nmero de no conformidades (discrepancias o llamados
defectos) por unidad de inspeccin reportada en subgrupos, los cuales pueden tener tamaos (o
cantidades de material inspeccionado) de muestra variables. Es similar a la grfica c excepto que el
nmero de no conformidades es expresado por unidad. Ambas grficas u y c son apropiadas para
las mismas situaciones de datos bsicos; sin embargo, la grfica puede ser usada si la muestra
incluye ms de una unidad (para hacer el reporte ms significativo), y debe ser usada si el tamao
de muestra puede variar de periodo a periodo. Los detalles de instrucciones para la grfica u son
similares a aquellos para la grfica p; las excepciones se muestran a continuacin:
A.
RECOLECTA LOS DATOS

Los tamaos de muestra no necesitan ser constantes de subgrupo a subgrupo, aunque

mantenindolos dentro del 25% arriba o abajo del promedio simplifica los clculos de los
lmites de control.
Registra y grafica las no conformidades por unidad en cada subgrupo (u):
u=
c
n
donde c es el nmero de no conformidades encontradas, y n es el tamao de la muestra

(nmero de unidades de inspeccin reportadas) del subgrupo; c y n debieran tambin ser
reportados en el formato.
NOTA: El tamao de muestra para cada subgrupo, n, es expresado en trminos de unidades
de inspeccin reportadas. Algunas veces la unidad reportada es una unidad de
produccin, ej., un motor. Sin embargo, con frecuencia la unidad de inspeccin
reportada es diferente a una unidad de produccin. Por ejemplo, en reportes que
muestren no conformidades por 100 unidades, la unidad reportada es 100 unidades de
produccin, y n muestra cuntos cientos fueron inspeccionados.
B.

(Ver Seccin 1, Parte B de ste captulo; las excepciones se muestran a continuacin).
Calcula el Promedio de las No conformidades del Proceso ( u )

c + c + ... + ck
u= 1 2
n1 + n2 + ... + nk
donde c1, c2... y n1, n2... son el nmero de no conformidades y el tamao de muestra de
cada uno de los subgrupos k.
Calcula los Lmites de Control (UCL y LCL)
- 130 -
III.
Seccin 4. Grficas u (Cont.)
UCLu = u + 3 u
n =u+3
u
n
LCLu = u 3 u
n =u 3
u
n
donde n es el tamao promedio de las muestras.
- 131 -
Figura 41. Grfica u Reclculo de los Lmites de Control

- 132 -
III.
Seccin 4. Grficas u (Cont.) Calcula los Lmites de Control

NOTA: (Ver Figura 41). Si alguno de los tamaos de muestra de cada subgrupo individual es
ms del 25% arriba o abajo del tamao promedio de las muestras, recalcula los lmites
de control precisos como sigue:
UCLu , LCLu = u 3 u
n =u3
u
n
Donde u es el promedio de proceso y n es el tamao (nmero de unidades de

inspeccin reportadas) de la muestra del subgrupo particular. Cambia los lmites en la
grfica y salos como una base para identificar causas especiales.
Hacer notar que cualquier uso de los lmites de control para variables es engorroso y
potencialmente confuso. Es mucho mejor y cuando sea posible evitar esta situacin
usando tamaos de muestra de cada subgrupo constantes.
C.

(Ver Seccin 1, Parte C de ste captulo).
D.

(Ver Seccin 1, Parte D de ste captulo).
La habilidad del proceso es u , el nmero promedio de no conformidades por unidad
reportada.
- 133 -
Capitulo IV
ANLISIS DE SISTEMAS DE MEDICIN DE LOS PROCESOS
Seccin 1
INTRODUCCIN
Una vez que las caractersticas a ser medidas se han determinado para un proceso dado, debiera
realizarse una evaluacin de los sistemas de medicin para dichas caractersticas, para asegurar un
anlisis efectivo de los datos subsecuentes del SPC generados para dichas caractersticas. Hacer
notar el hallazgo fundamental compartido por estadsticos y profesionales de la calidad a lo largo del
mundo de que un valor observado est compuesto de un valor master de la caracterstica a ser
medida ms un error en la medicin, o
valor observado = valor master + error de medicin
El error de medicin es un trmino estadstico que significa el efecto neto de todas las fuentes de
variabilidad en las mediciones que causan que un valor observado se desve del valor master.
Desafortunadamente, esta relacin significa que se enfrenta el tomar decisiones a cerca de un
producto usando informacin (ej., nmeros) que contiene variabilidad adicional. Tomando en cuenta
esto un paso adelante, la variabilidad total en un conjunto de datos consiste al menos de dos
mediciones por lote (o subgrupo) y en muchos lotes (subgrupos) en el tiempo, y es compuesto
correspondientemente de dos parte componentes, ej.,
variabilidad total = variabilidad del producto + variabilidad de medicin *
La importancia de minimizar el efecto de la variabilidad en las mediciones sobre evaluaciones de la
variabilidad en el proceso no pueden ser exageradas. Para un ms completo entendimiento de los
diferentes aspectos del tema de anlisis de sistemas de medicin, favor de referirse al manual de
Anlisis de Sistemas de Medicin (MSA) de la industria automotriz (Apndice H, Referencia 15)
publicado en Diciembre, 1990, por el Grupo de Acciones de la Industria Automotriz (AIAG). Uno de
los mtodos ms sencillos y tambin altamente aplicados de anlisis de sistemas de medicin
presentado en la Divisin Automotriz de ASQC/Manual MSA de AIAG se presenta aqu en esta
seccin como un enfoque razonablemente bien aceptado, para evaluar un sistema de medicin
previo a la aplicacin en el control estadstico de los procesos. De ninguna manera significa sugerir
que sta sea la nica tcnica MSA aceptable. Adems, la tcnica presentada aqu asume que los
dems atributos clave de un sistema de medicin, ej., exactitud, linealidad y estabilidad, como se
describen en el manual MSA, han sido evaluados y considerados como aceptables.
* Favor de ver Apndice H, Referencia 18.
- 134 -
IV.
ANLISIS DE SISTEMAS DE MEDICION
Seccin 2
METODO DE PROMEDIOS Y RANGOS
El mtodo de Promedios y Rangos ( X y R, algunas veces referido como el Mtodo Largo) es un
mtodo matemtico que determina la repetibilidad y reproducibilidad para un sistema de medicin.
Este mtodo permite que el sistema de medicin se seccione en dos componentes por separado,
repetibilidad y reproducibilidad.
Si la repetibilidad es grande comparada con la reproducibilidad, las razones pueden ser:
El instrumento o gage requiere mantenimiento.
El gage debiera ser rediseado para ser ms rgido.
La sujecin o localizado para los gages necesita ser mejorada.
Existe una variacin excesiva dentro de las partes.
Si la reproducibilidad es grande comparada con la repetibilidad, entonces las causas posibles

pudieran ser:
A.
Los operadores necesitan ser mejor entrenados en cmo usar y leer los instrumentos y
gages.
Las calibraciones de los gages no son claras.
Puede ser necesario algn dispositivo de algn tipo para ayudar a que los operadores usen
los gages ms consistentemente.
CONDUCCIN DEL ESTUDIO
Aunque el nmero de operadores, intentos y partes puede variar, la siguiente discusin representa
las condiciones ptimas para conducir el estudio. Hacer referencia a la hoja de datos R&R de gages
en la figura 42 de la pgina 139. El procedimiento detallado es como sigue:
1. Referirse a los operadores como A, B y C y al nmero de partes 1 a 10 de manera que los
nmeros no sean visibles a los operadores.
NOTA: Las diez partes debieran ser seleccionadas a lo largo del rango completo del
proceso es importante que las partes, en lo mas posible, sean representativas (de
la variacin) del proceso total.
2. Calibra el gage.
3. Hacer que el operador A mida las diez partes en un orden aleatorio y que otro observador
registre los resultados en el rengln uno. Hacer que los operadores B y C midan las mismas
10 partes sin ver las lecturas de uno con otro, luego registrar los resultados en los renglones
6 y 11, respectivamente.
- 135 -
IV.
Seccin 2. Mtodo de Promedios y Rangos (Cont.) Conduccin del Estudio

4. Repite el ciclo usando un orden aleatorio diferente de las mediciones. Registra los datos en
los renglones 2, 7 y 12. Registra los datos en las columnas apropiadas. Por ejemplo si la
primer pieza medida es la parte 7 entonces registra el resultado en la comuna etiquetada
como parte 7. Si son necesarios tres intentos, repite el ciclo y registra los datos en los
renglones 3, 8 y 13.
5. Los pasos 3 y 4 pueden cambiar a los siguiente cuando un tamao grande de partes o
indisponibilidad simultnea de partes lo hace necesario:
a.
Hacer que el operador A mida la primera parte y registre la lectura en el rengln 1.

Hacer que el operador B mida la primera parte y registre la lectura en el rengln 6.
Hacer que el operador C mida la primera parte y registre la lectura en el rengln 11.
b.
Hacer que el operador repita la lectura de la primera parte y la registre en el rengln 2,

hacer que el operador registre la lectura repetida en el rengln 7, y que el operador C
registre la lectura repetida en el rengln 12. Repetir este ciclo y registrar los resultados
en los renglones 3, 8 y 13, si son usados tres intentos.
6. Un mtodo alternativo puede usarse si los operadores estn en diferentes turnos. Hacer que
el operador A mida todas las 10 partes y registrar las lecturas en el rengln 1. Luego hacer
que el operador A repita las lecturas en un orden diferente y registre los resultados en los
renglones 2 y 3. Hacer lo mismo con operadores B y C en los otros turnos.
B) CALCULOS
Los clculos de la Repetibilidad y Reproducibilidad de Gages son mostrados en las Figuras 42 y 43.
La Figura 42 muestra la hoja de datos en la cual todos los resultados del estudio se registran. La
Figura 43 despliega una hoja reporte en la cual toda la informacin identificada se registra y todos
los clculos se hacen de acuerdo a las frmulas prescritas. El procedimiento para hacer los clculos
despus de que los datos han sido recolectados es como sigue:
1. Resta la lectura ms pequea de la lectura ms grande en los renglones 1, 2 y 3; registra el
resultado en el rengln 5. Haz lo mismo par los renglones 6, 7 y 8; y 11, 12 y 13, y registra
los resultados en los renglones 10 y 15, respectivamente. (Figura 42).
2. Las entradas en los renglones 5, 10 y 15 son de valores positivos. (Figura 42).
3. Totaliza el rengln 5 y divide el total mismo por el nmero de partes muestreadas para
obtener el rango promedio para los intentos del primer operador R a . Haz lo mismo para los
renglones 10 y 15 para obtener R b y R C . (Figura 42).
4. Transfiere el promedio de los renglones 5, 10 y 15 ( R a , R b , R C ) al rengln 17. Smalos y
divide por el nmero de operadores y registra el resultado como R (rango promedio global).
(Figura 42).
- 136 -
IV.
Seccin 2. Mtodo de Promedios y Rangos (Cont.) Clculos

5. Registra el R (valor promedio) en los renglones 19 y 20 y multiplcalo por D4 y D3,
respectivamente para obtener los lmites superior o inferior de control. Notar que D3 es cero y
D4 es 3.27 si se usan dos intentos. El valor del Lmite Superior de Control (UCLR) de los
rangos individuales se registra en el rengln 19. El valor del Lmite Inferior de Control (LCLR)
para menos de 7 intentos es igual a cero. (Figura 42).
6. Repite las lecturas que produzcan un rango mayor que el UCLR calculado usando
originalmente el mismo operador y parte usados, o descarte estos valores y recalcule el
promedio y R y el valor lmite de UCLR basado en el tamao de muestra revisado. Corrige las
causas especiales que produjeron la condicin fuera de control.
7. Suma los renglones (renglones 1, 2, 3, 6, 7, 8, 11, 12 y 13). Divide la suma en cada rengln
por el nmero de partes muestreadas y registra estos valores en la columna de la derecha
etiquetada como Promedio. (Figura 42).
8. Suma los promedios en los renglones 1, 2 y 3 y divide el total por el nmero de intentos, y
registra el valor en el rengln 4 en el campo X a . Repite sto para los renglones 6, 7 y 8; y
11, 12 y 13, y registra los resultados en los campos X b y X C en los renglones 9 y 14,
respectivamente. (Figura 42).
9. Registra los promedios mximo y mnimo de los renglones 4, 9 y 14 en el espacio apropiado
en el rengln 18 y determina las diferencias. Registra esta diferencia en el espacio etiquetado
como X DIFF en el rengln 18. (Figura 42).
10. Suma las mediciones para cada intento, para cada parte, y divide el total por el nmero de
mediciones (nmero de intentos por nmero de operadores). Registra los resultados en el
rengln 16 en los espacios provistos para el promedio de las partes. (Figura 42).
11. Resta el promedio de las partes ms pequeo del promedio de las artes ms grande y
registra el resultado en el espacio etiquetado como Rp en el rengln 16. Rp es el rango de los
promedios de las partes. (Figura 42).
12. Transfiere los valores calculados de R , X DIFF y Rp a los espacios provistos del formato del
reporte adicional. (Figura 43).
13. Realiza los clculos bajo la columna titulada Anlisis de Unidades de Medicin en el lado
izquierdo del formato. (Figura 43).
14. Realiza los clculos bajo la columna titulada % de Variacin del Proceso en el lado derecho
del formato. (Figura 43).
15. Checa los resultados para estar seguro de que no hayan errores de clculo.
C. ANALISIS DE RESULTADOS
La Hoja de Datos y el Formato del Reporte de Repetibilidad y Reproducibilidad de Gages, Figuras
42 y 43, ofrecen el mtodo para anlisis de datos del estudio de un gage. El anlisis estima la
variacin y % de la variacin del proceso para el sistema de medicin total y sus componentes de
repetibilidad, reproducibilidad y variacin parte a parte. En el lado izquierdo del formato (Figura
43) bajo el ttulo Anlisis de Unidades de Medicin, la dispersin de 5.15 de la desviacin estndar
la cual cubre el 99% del rea bajo la curva normal se calcula para cada componente de variacin.
- 137 -
IV.
Seccin 2. Mtodo de Promedios y Rangos (Cont.) Anlisis de Resultados

La repetibilidad o variacin del equipo (EV o e) es determinado multiplicando el rango promedio
global ( R ) por una constante (K1). K1 depende del nmero de intentos usado en el estudio del
gage.
La reproducibilidad o variacin de los evaluadores (AV o 0) es determinado multiplicando el
promedio mximo de las diferencias entre los operadores ( X DIFF ) por una constante (K2). K2
depende del nmero de operadores usados en el estudio del gage. Dado que la variacin de los
operadores es contaminada por la variacin de los equipos, sta debe ajustarse restando una
fraccin de la variacin del quipo. Por tanto, la variacin de los evaluadores (AV) es calculada por:
AV =
[X
K2 ]
DIFF
(EV )2
(nr )
donde n = nmero de partes y r = nmero de intentos/pruebas. Si se calcula un valor negativo bajo

el signo de la raz cuadrada, la variacin de los evaluadores (AV) es por defaul cero (0).
- 138 -
Hoja de Datos para Repetibilidad y Reproducibilidad de Gages

OPERADOR
INTENTO #
1
2
3
4
PARTE
5
6
1
2
3
Promedio
10
PROMEDIO
Xa =
Ra =
Rango
6
7
8
9
1
2
3
Promedio
10
11
12
13
14
Xb =
Rb =
Rango
C
1
2
3
Promedio
15
Xc =
Rc =
Rango
16. Promedio
de Partes
(X )
R = ([(R
Rp =
17.
)] + [R
18. X DIFF = X Max =
] [X Min =
[
] [D
] [D
20. LCL = [R =
19. UCL R = R =
R
] + [R
]) [# deOperador es =
]=
R=
]=
]=
]=
* D 4 = 3.27 para 2 intentos y 2.58 para 3 intentos; D3=0 para 7 intentos. UCLR representa el lmite de las Rs
individuales. Circular aquellos datos que estn fuera de este lmite. Identificar las causas y corregirlas.
Repetir estas lecturas usando el mismo evaluador y unidad como se uso originalmente o descartar valores y
recalcular el promedio, la R y los valores lmite de los datos restantes.
*
Notas:
Figura 42 Hoja de Datos de Repetibilidad y Reproducibilidad de Gages

- 139 -
Reporte de Repetibilidad y Reproducibilidad de Gages

Nombre del Gage:
No. de Gage:
Tipo de Gage:
Nombre y No. de la Parte:

Caractersticas:
Especificaciones:
Fecha:
Hecho por:
_________________
Rp =
X DIFF =
=
Anlisis de Medicin Unitaria
Repetibilidad Variacin del Equipo (EV)
De la hoja de Datos : R
% de Variacin Total (TV)

%EV = 100[EV/TV]
EV = R K 1
=
Intentos
2
K1
4.56
3.05
= 100 [
=
Reproducibilidad Variacin de los Evaluadores (AV)
AV =
=
[(X
[(
K 2 ) EV 2 nr
2
DIFF
)2 (
)]
%AV =100 [AV/TV]
))]
= 100 [
Operadores
K2
3.65
2.70
Repetibilidad y Reproducibilidad (R&R)

R&R=
(EV
2
+ AV 2
2
%R&R = 100 [R&R/TV]
Partes
K3
3.65
2.70
Variacin de las Partes (PV)
2.30
PV = Rp K 3
2.08
= 100 [
1.93
Variacin Total (TV)
1.82
TV = R & R 2 + PV 2
1.74
1.67
10
1.62
=
=
= 100 [
=
%PV = 100 [PV/TV]
Todos los clculos se basan en la prediccin de 5.15 sigma (99.0% de rea bajo la curva de distribucin normal) K1 es 5.15/d2, don d2 depende del nmero de intentos (m)y el nmero
de partes por el numero usuarios (g) el cual se asume que es mayor que 15. Los valores d2 son de Apndice E.
*
AV- Si se calcula un valor negativo bajo el signo de la raz cuadrada la variacin entre usuarios (AV) es por defaull 0 (cero). K2 es 5.15/ d 2 , donde d 2 depende del nmero de
*
usuarios (m) y (g) es 1, dado que slo es el clculo de un rango. K3 es 5.15/ d 2 , donde d 2 depende del nmero de partes (m) y (g) es 1, dado que slo es el clculo de un rango.
*
d2
se obtiene de la tabla D3 Quality Control and Industrial Statistics, A.J. Duncan. (ver apndice H, Referencia).
Figura 43 Reporte de Repetibilidad y Reproducibilidad de Gages

- 140 -
IV.

La variacin del sistema de medicin para repetibilidad y reproducibilidad (R&R o m ) es calculada
sumando el cuadrado de la variacin del equipo y el cuadrado de la variacin de los operadores, y
obteniendo la raz cuadrada como sigue:
R&R =
[(EV ) + ( AV ) ]
2
La variacin parte a parte (PV o p) es determinada multiplicando el rango de los promedios de

las partes (Rp) por una constante (K3). K3 depende del nmero de partes usadas en el estudio del
gage.
La variacin total (TV o t) del estudio es calculada sumando el cuadrado de la variacin de la
repetibilidad y reproducibilidad (R&R) y la variacin parte a parte (PV) y obteniendo la raz
cuadrada como sigue:
TV =
[(R & R ) + (PV ) ]

2
Si la variacin del proceso es conocida y su valor se basa en 6, entonces puede usarse por la
variacin total del estudio (TV) calculada de los datos del estudio del gage. Esto se logra realizando
los siguientes dos clculos:
var iacindeproceso
1. TV = 5.15
6.00
2. PV =
[(TV )
(R & R )
Ambos de estos valores (TV y PV) reemplazaran los calculados previamente.

Una vez que la variabilidad para cada factor en el estudio del gage es determinada, pueden
compararse con la variacin total (TV). Esto se logra realizando los clculos del lado derecho del
formato de reporte de gages (Figura 43) bajo el ttulo % de Variacin del Proceso.
El % de la variacin del equipo (% de EV) que consume de la variacin total (TV) es calculado por
EV
100
. El % que los otros factores consumen de la variacin total pueden ser calculados
TV
igualmente como sigue:
AV
% AV = 100
TV
R & R
% R & R = 100
TV
PV
% PV = 100
TV
- 141 -
IV.

LA SUMA DEL PORCENTAJE CONSUMIDO POR CADA FACTOR NO SER IGUAL A 100%.
Los resultados de ste porcentaje de variacin del proceso debieran ser evaluados para determinar
si el sistema de medicin es aceptable para su aplicacin esperada.
Si se prefiere el anlisis basado en el porcentaje de las tolerancias en lugar del porcentaje de la
variacin del proceso, entonces el formato del reporte de repetibilidad y reproducibilidad de gages
(Figura 43) puede modificarse de manera que el lado derecho del formato represente el % de la
tolerancia en lugar del % de la variacin del proceso. En tal caso, los % de EV, % de AV, % de R&R
y % de PV son calculados sustituyendo el valor de la tolerancia en el denominador de los clculos
en lugar de la variacin total (TV). Debieran tomarse ambos enfoques.
Los lineamientos para la aceptacin de la repetibilidad y reproducibilidad de un gage (% de R&R)
usando ambos enfoques descritos anteriormente son:
D.
Abajo del 10% de Error
Sistema del Gage O.K.
Entre el 10% y el 30% de Error
Puede ser aceptable en base a la importancia de la

aplicacin, el costo del gage, el costo de las
reparaciones, etc.
Arriba del 30% de Error
El sistema del gage requiere mejoramientos. Aplicar

esfuerzos en identificar los problemas y corregirlos.
EJEMPLO
La Corporacin XYZ est iniciando una evaluacin de los sistemas de medicin. El primer
dispositivo de medicin a ser evaluado es un gage de espesores de empaques. El Ingeniero de
Calidad decide usar 10 partes para representar la variabilidad del proceso, y 3 operadores
seleccionados aleatoriamente de la plantilla d inspectores. Dado que el tiempo era una restriccin,
solo se realizaran dos intentos. El mtodo de recoleccin de datos y anlisis sigue los
procedimientos discutidos previamente en esta seccin con los resultados mostrados en las Figuras
44 y 45.
El lmite superior de control (UCLR) y el lmite inferior de control (LCLR), para los rangos individuales
son calculados como se muestra en la Figura 44. Los datos pudieron ser graficados en una grfica
de control de rangos de repetibilidad aunque el anlisis de los rangos indica que todos los rangos
estn en control (ej., entre UCLR y LCLR). Esto significa que todos los operadores son consistentes y
estn usando el gage de la misma forma.
El anlisis de unidades de medicin y el % de variacin del proceso para cada componente de
variacin debe entonces calcularse (ver Figura 45). Los resultados debieran evaluarse para
determinar si el sistema de medicin es aceptable para su uso esperado. En este ejemplo, el % de
R&R es 25.2% y por tanto el sistema de medicin se considerara marginal para la medicin de la
variacin del proceso en cuestin.
- 142 -
Hoja de Datos para Repetibilidad y Reproducibilidad de Gages

2
1.00
1.00
3
0.85
0.80
4
0.85
0.95
PARTE
5
6
0.55 1.00
0.45 1.00
1.00
0.83
0.90
0.50
1.00
0.95
0.83
1.00
0.65
X a = 0.83
Rango 0.05
0.00
0.05
0.10
0.10
0.00
0.00
0.05
0.00
0.10
Ra = 0.05
1 0.55
2 0.55
3
Promedio 0.55
1.05
0.95
0.80
0.75
0.80
0.75
0.40
0.40
1.00
1.05
0.95
0.90
0.75
0.70
1.00
0.95
0.55
0.50
0.79
0.75
1.00
0.78
0.78
0.40
1.03
0.93
0.73
0.98
0.53
X b = 0.77
Rango 0.00
0.10
0.05
0.05
0.00
0.05
0.05
0.05
0.05
0.05
Rb = 0.05
1 0.50
2 0.55
3
Promedio 0.53
1.05
1.00
0.80
0.80
0.80
0.80
0.45
0.50
1.00
1.05
0.95
0.95
0.80
0.80
1.05
1.05
0.85
0.80
0.83
0.83
1.03
0.80
0.80
0.48
1.03
0.95
0.80
1.05
0.83
X c = 0.83
Rango 0.05
0.05
0.00
0.0
0.05
0.05
0.00
0.00
0.00
0.05
Rc = 0.03
1.01
0.80
0.83
0.46
1.02
0.94
0.78
1.01
0.67
OPERADOR
INTENTO #
1
2
3
4
1 0.65
2 0.60
3
Promedio 0.63
5
6
7
8
9
10
11
12
13
14
15
16 Promedio
0.57
( )
R = ([(R = 0.05)] + [R
de Parte X
17.
8
0.85
0.80
9
1.00
1.00
10
0.60
0.70
0.83
0.83
[
]
= [R = 0.04 ] [D
Rp = 0.56
= 0.05] + [Rc = 0.03]) [# deOperador es = 3] =
R = 0.04
] [
0.06
18. X DIFF = X Max = 0.83 X Min = 0.77
0.13
19. UCLR = R = 0.04 [D 4 = 0.13]
20. LCL R
7
0.95
0.95
= 0.00
0.00
D 4 = 3.27 para 2 intentos y 2.58 para 3 intentos; D3=0 para 7 intentos. UCLR representa el lmite de las Rs individuales. Circular aquellos datos
que estn fuera de este lmite. Identificar las causas y corregirlas. Repetir estas lecturas usando el mismo evaluador y unidad como se uso
originalmente o descartar valores y recalcular el promedio, la R y los valores lmite de los datos restantes.
*
Notas:
Figura 44 Hoja de Datos para Repetibilidad y Reproducibilidad de Gages - Ejemplo

- 143 -
Captulo IV, Seccin 2

Reporte de Repetibilidad y Reproducibilidad de Gages
Nombre y No. de Parte: Empaque
Caractersticas: Espesor
Especificaciones: 0.6 1.0 mm
Nombre del Gage: Gage p/Espesores

No. de Gage: X-2934
Tipo de Gage: 0.0 10.1 mm
X DIFF = 0.06
De la hoja de datos : R = 0.04
Anlisis de Unidades de Medicin
Repetibilidad Variacin del Equipo (EV)
Rp = 0.56
% de Variacin del Proceso
%EV = 100[EV/TV]
EV = R K 1
Intentos
= 0.04 x 4.56 .
2
= 0.18 .
3
Reproducibilidad Variacin de los Evaluadores (AV)
AV =
=
Fecha: 4/12/98
Hecho por:
______________________
K1
4.56
3.05
(X DIFF K 2 )2 (EV 2 nr )
.
0.93 ]
%AV =100 [AV/TV]
(0.06 2.70)2 (0.182 (10 2))
= 0.16
= 100 [ 0.18 /
=
18.7 %
= 100 [ 0.16 /
0.93 ]
Operadores
= 16.8 %
K2
3.65
2.70
n = nmero de partes
r = nmero de intentos
Rpetibilidad y Reproducibilidad (R&R)

%R&R = 100 [R&R/TV]
R & R = EV 2 + AV 2
=
(0.18
0.24 .
+ 0.16 2
Partes
K3
2
3
3.65
2.70
= 25.2 %
4
5
2.30
2.08
%PV = 100 [PV/TV]

= 100 [ 0.90 /
= 96.8 %
Variacin de las Partes (PV)

PV = Rp K 3
= 0.56 x 1.62
= 0.90 .
Variacin Total (TV)
1.93
1.82
TV =
1.74
1.67
10
1.62
(R & R + PV )
(0.24 + 0.90 )
2
= 0.93
= 100 [ 0.24 / 0.93 ]
0.93 ]
Todos los clculos se basan en la prediccin de 5.15 sigma (99.0% de rea bajo la curva de distribucin normal) K1 es 5.15/d2, don d2 depende del nmero de intentos (m)y el nmero
de partes por el numero usuarios (g) el cual se asume que es mayor que 15. Los valores d2 son de Apndice E.
*
AV- si se calcula un valor negativo bajo el signo de la raz cuadrada la variacin entre usuarios (AV) es por defaull 0 (cero). K2 es 5.15/ d 2 , donde d 2 depende del nmero de
*
usuarios (m) y (g) es 1, dado que slo es el clculo de un rango. K3 es 5.15/ d 2 donde d 2 depende del nmero de partes (m) y (g) es 1, dado que slo es el clculo de un rango.
*
d2
se obtiene de la tabla D3 Quality Control and Industrial Statistics, A.J. Duncan. (ver Apndice H, Referencia 9).
Figura 45 Reporte de Repetibilidad y Reproducibilidad de Gages - Ejemplo

- 144 -
APENDICE A
Algunos Comentarios sobre los Subgrupos
Las grficas de control son usadas para responder preguntas a cerca de un proceso. A fin de contar con
grficas de control que sean tiles, es importante que las grficas respondan preguntas correctas. A una
grfica X barra se le hace la pregunta, La variacin presente en os promedios de los subgrupos es ms
que la esperada en la variacin dentro de los subgrupos?. Por tanto, entendiendo las fuentes de variacin
dentro y entre subgrupos es muy importante en el entendimiento de las graficas de control y la variacin del
proceso. La mayora de las grficas de control por variables comparan la variacin dentro de los subgrupos
con la variacin entre subgrupos, de manera que es importante interpretar las grficas de control para formar
subgrupos con un entendimiento de las posibles fuentes de variacin que afecten los resultados del proceso.
Considera el siguiente ejemplo: Un proceso de produccin consiste de cuatro operaciones paralelas. Se
sugiere que la variacin en los resultados del proceso debieran ser estudiados con grficas de control, de
manera que debe decidirse en cmo recolectar los datos para las grficas. Existe una variedad de posibles
esquemas de muestreo que pudieran ser considerados. Las partes pudieran tomarse de cada flujo para
formar un subgrupo o partes de solo un flujo que pudieran incluirse en el mismo subgrupo o subgrupos que
pudieran formarse, tomando partes de los resultados de los flujos combinados sin considerar su fuente. El
ejemplo numrico siguiente ofrece un ejemplo de los posibles resultados obtenidos usando stos tres
mtodos.
Mtodos para recolectar datos de resultados de un proceso de produccin de flujo (eje) mltiple
S1
S2
Recibo de Partes
Recibo de Partes
S3
Mtodo 3: Una muestra

consiste de mediciones de
resultados combinados de
todos los flujos.
S4
Mtodo 2: datos
recolectados de cada flujo
por separado. Una muestra
consiste de mediciones
solo de un flujo.
Mtodo 1: Una muestra consiste en una

o ms mediciones de cada flujo; este
mtodo demuestra si es estratificado.
Cada hora una muestra de 16 partes es recolectada tomando las partes de cuatro ciclos consecutivos de
cada flujo. El siguiente es un ejemplo de los datos.
Ciclo de la Mquina
Muestra #
Flujo 1
Flujo 2
Flujo 3
Flujo 4
A
17
12
9
10
B
18
15
10
11
C
18
12
9
12
D
20
12
12
12
Existen tres fuentes de variacin capturadas en los datos. La variacin Ciclo a Ciclo es capturada por
diferentes columnas en el arreglo, la variacin flujo a flujo es capturada por los renglones del arreglo, y la
variacin hora-a-hora es capturada por diferentes muestras de 16 partes.
- 145 -
Apndice A Comentarios sobre Subgrupos (Cont.)

Un esquema de subgrupos sera graficar el promedio y rango de cada columna de cada arreglo de
datos. Usando este esquema de subgrupos, la variacin flujo a flujo se contaminara dentro de cada
subgrupo. La variacin hora a hora y variacin ciclo a ciclo contribuiran a las diferencias entre
subgrupos. Otro posible esquema de subgrupos sera graficar los promedios y rangos de cada
rengln de cada arreglo de datos. Con este esquema de subgrupos, la variacin ciclo a ciclo estara
contenida dentro de cada subgrupo y las variaciones hora a hora y flujo a flujo contribuiran a las
diferencias entre subgrupos.
Columna de Subgrupos
Fila de Subgrupos
Los datos de 20 horas consecutivas son usados para construir grficas de control con el mtodo en
cada subgrupo.
Mtodo 1: Subgrupos por Columna (Ciclo)
Este esquema de subgrupos produce 80 subgrupos o muestras de tamao n = 4. El rango promedio
es 7.85, y el lmite superior de control para la grfica de rangos es 17.91 unidades. La variacin
dentro de los subgrupos parece ser estable usando este mtodo.
Grfica de Rangos para Datos Subagrupados por Columna (Ciclo)
UCLR
- 146 -
Apndice A Comentarios sobre Subgrupos (Cont.)

Grfica X-Barra para Datos Subagrupados por Columna (Ciclo)
UCLX
X
LCLX
Mtodo 2: Subgrupos por Rengln

El segundo esquema de subgrupos produce 80 subgrupos o muestras de tamao n = 4. El gran
promedio es de 11.76 unidades y el rango promedio es de 2.84 unidades. Los lmites de control
para la grfica X barra son 13.83 y 9.70 unidades, y el lmite superior de control para la grfica de
rangos es de 6.46 unidades. Las grficas de control para este esquema de subgrupos se muestra a
continuacin:
Grfica de Rangos para Datos Subagrupados por Rengln (Eje)
UCLR
Grfica X-Barra para Datos Subagrupados por Rengln (Eje)
UCLX
X
LCLX
- 147 -
Apndice A - Comentarios sobre Subgrupos (Cont.)

Las grficas de control para diferentes esquemas de subgrupos son muy diferentes aun y cuando se
deriven de los mismos datos. La grfica X barra para datos subagrupados por rengln muestra un
patrn: Todos los puntos correspondientes al eje 3 son mas altos que los de otros flujos. La primera
grfica X barra no revela las diferencias entre flujos debido a que las lecturas de cada flujo son
promediadas para obtener el valor de cada X barra. Agrupando los datos en forma diferente, las
grficas abordan diferentes preguntas. Para el primer conjunto de grficas, la variacin flujo a flujo
es usada como una base de comparacin. La grfica R checa si la variacin flujo a flujo es estable
en el tiempo y la grfica X barra compara las variaciones ciclo a ciclo y hora a hora con la variacin
flujo a flujo. El segundo conjunto de grficas usa la variacin ciclo a ciclo como una base de
comparacin. La grfica R checa si la variacin ciclo a ciclo es estable en el tiempo y la grfica X
barra compara la variacin flujo a flujo y la variacin hora a hora con el nivel base de variacin
establecido para los rangos ej., variacin ciclo a ciclo. Dado que las diferencias de flujo a flujo son
grandes, los lmites de control en el primer conjunto de grficas son mucho ms amplios que el
segundo conjunto.
Con el segundo mtodo de subgrupos los datos pudieran ser usados para crear cuatro conjuntos
por separado de grficas de control de los datos, una para cada flujo.
Grficas R
Flujo 1
Flujo 2
Flujo 3
Flujo 4
Grficas X -Barra
Flujo 1
Flujo 2
Flujo 3
Flujo 4
Esta comparacin de grficas muestra que el promedio del tercer flujo es ms alto que los otros y
los proceso individuales estn fuera de control. El nivel base de variacin usado para el estudio de
los resultados de cada flujo es la variacin ciclo a ciclo como se refleja en los rangos. Para cada
flujo los efectos de la variacin hora a hora se muestran en las grficas X barra. Graficando las
grficas usando la misma escala, puede comprarse el nivel y variacin para cada flujo.
- 148 -
Apndice A - Comentarios sobre Subgrupos (Cont.)

Mtodo 3: Este tercer mtodo de muestreo sera muestrear las partes de los resultados
combinados de todos los cuatro flujos. Este mtodo ofrece detalles sobre la variacin que es
enviada al proceso siguiente aunque, no podra diferenciarse ms cul flujo produjo la parte. Dado
que las partes en el flujo combinado se mezclan, los rangos reflejan una mezcla de variacin flujo a
flujo y ciclo a ciclo. Los valores de X barra contienen, adems, la variacin hora a hora. Si la
contribucin de la variacin hora a hora es suficientemente grande, la contribucin ser vista como
puntos fuera de control en la grfica X barra.
Grfica R con Resultados Combinados
UCLR
Grfica X-Barra con Resultados Combinados

UCLX
X
LCLX
La grfica R checa si la variacin flujo a flujo y ciclo a ciclo es consistente en el tiempo. La grfica X
barra responde la pregunta, Es la variacin en los valores de X barra lo que se esperara si la
variacin ciclo a ciclo y flujo a flujo fueran los nicos tipos de variacin presentes en el proceso, o,
existe algn cambio adicional hora a hora?
Como regla general, la variacin representada dentro de los subgrupos debiera ser el tipo de
variacin que se estime la menos significativa o interesante como tema para el estudio actual. En
todos los casos, debiera ser usado un mtodo de subagrupado que permita preguntas acerca de los
efectos de fuentes potenciales de variacin a ser contestadas.
- 149 -
APENDICE B
Sobreajuste
Sobreajuste es la prctica de tratar cada desviacin de la meta como si fuera el resultado de
acciones de causas especiales de variacin del proceso. Si un proceso estable es ajustado en base
a como se tomaron las mediciones, entonces el ajuste llega a ser una fuente adicional de variacin.
Los siguientes ejemplos demuestran ste concepto. La primer grfica muestra la variacin en
resultados sin ajuste. La segunda grfica muestra la variacin en resultados cuando se hace un
ajuste al proceso para compensar cada desviacin de la meta. La tercer grfica muestra la variacin
en resultados cuando se hacen ajustes para compensar slo cuando el ltimo resultado fue mas de
una unidad de la meta. Este tercer caso es un ejemplo de compensacin para estar dentro de un
conjunto de especificaciones. Cada mtodo de ajuste incrementa la variacin en los resultados,
dado que la variacin sin ajuste es estable (ver Apndice H, Referencia 4, Captulo 11).
Resultados sin ajustes
Variaci
n Normal
Resultados con ajustes para compensar la ltima desviacin de la meta
Notar
Incremento
en la
Variacin
Resultados con ajustes para compensar la ltima desviacin de la meta, si la

desviacin fuera mayor de 1
Notar
Incremento
en la
Variacin
- 150 -
APENDICE C
Procedimiento de Seleccin para el Uso y Aplicacin de Grficas de Control
descritas en este Manual
DETERMINA LA
CARACTERSTICA A SER
GRAFICADA
LOS DATOS SON DE

VARIABLES?
NO
ES DE INTERES
LAS UNIDADES NO
CONFORMES, EJ.,
PORCENTAJE DE
PARTES MALAS?
NO
ES DE INTERES LAS
NO CONFORMIDADES,
EJ., DISCREPANCIAS
DE PARTES?
SI
SI
EL TAMAO
DE MUESTRA
ES
CONSTANTE?
SI
NO
EL TAMAO
DE MUESTRA
ES
CONSTANTE?
USAR LA
GRAFICA
p
SI
SI
USAR LA
GRAFICA
p O np
LAS MUESTRAS DE
SUBGRUPOS SON
HOMOGNEAS POR
NATURALEZA O NO
CONDUCIVAS, EJ.,
BAO DE PINTURA,
LOTE DE PINTURA,
ETC.?
NO
USAR LA
GRAFICA
cOu
LOS PROMEDIOS DE
LOS SUBGRUPOS
PUEDEN CALCULARSE
DE MANERA
CONVENIENTE?
SI
NO
USAR LA
GRAFICA DE
MEDIANAS
SI
USAR LA GRAFICA DE
LECTURAS INDIVIDUALES
X-MR
EL TAMAO
DE CADA
SUBGRUPO
ES DE 9 O
MAYOR?
NO
USAR LA
GRAFICA
-R
SI
Nota: Esta grfica asume que los

sistemas de medicin han sido
evaluados y son apropiados
NO
EXISTE LA HABILIDAD
DE CALCULAR EN
FORMA CONVENIENTE
LA S DE CADA
SUBGRUPO?
SI
USAR LA
GRAFICA
- 151 -
-S
NO
USAR LA
GRAFICA
-R
USAR LA
GRAFICA
u
APENDICE D
Relacin entre Cpm* y otros ndices con
(USL T) = (T LSL)**
LSL
LSL
USL
LSL
CPL CPU Cpk Cpm

1.5 2.5 1.5 1.11
14
Cp
2
CPL CPU Cpk Cpm

2.0 2.0 2.0 2.00
15
Cp
2
CPL CPU Cpk Cpm

2.5 1.5 1.5 1.11
16
Cp
2
CPL CPU Cpk Cpm

3.0 1.0 1.0 0.63
USL
LSL
Cp
2
USL
LSL
13
USL
USL
17
* C pm =
USL LSL
, donde C pm =
6 C pm
i =1
(xi T )2
n 1
Cp
2
CPL CPU Cpk Cpm

3.5 0.5 0.5 0.43
; T = la meta de la especificacin, xi es una lectura individual
de la muestra y n = nmero total de lecturas individuales de la muestra.

**L.J. Chan, S.W. Cheng y F.A. Spiring, Una Nueva Medida de la Habilidad del Proceso: Cpm, Journal of
Quality Technology, Vol. 20, No. 3, Julio, 1989, p.16. Reimpreso de Journal of Quality Technology, una
Publicacin de la Sociedad Americana para el Control de Calidad
- 152 -
APENDICE E
Tabla de Constantes y Formulas para Grficas de Control
Grficas -X R*
Grfica para
Promedios
(X )
Grficas X -s*
Grfica para
Promedio
(X )
Grfica para Rangos (R)
Grficas para Desviaciones estndar (s)
D3
D4
A3
Divisores para
Estimativo de
la Desviacin
Estandar
C4
1.128
1.693
2.059
2.326
-----
3.267
2.574
2.282
2.114
2.659
1.954
1.628
1.427
0.483
0.419
0.373
0.337
0.308
2.534
2.704
2.847
2.970
3.078
-0.076
0.136
0.184
0.223
2.004
1.924
1.864
1.816
1.777
11
12
13
14
15
0.285
0.266
0.249
0.235
0.223
3.173
3.258
3.336
3.407
3.472
0.256
0.283
0.307
0.328
0.347
16
17
18
19
20
0.212
0.203
0.194
0.187
0.180
3.532
3.588
3.640
3.689
3.735
21
22
23
24
25
0.173
0.167
0.162
0.157
0.153
3.778
3.819
3.858
3.895
3.931
Tamao de
Muestra
Factores para
los Lmites de
Control
A2
Divisores para
Estimativo de
la Desviacin
Estndar
d2
2
3
4
5
1.880
1.023
0.729
0.577
6
7
8
9
10
UCL
, LCL
Factores para Lmites de

Control
Factores para
Lmites de
Control

Control
B3
B4
0.7979
0.8862
0.9213
0.9400
-----
3.267
2.568
2.266
2.089
1.287
1.182
1.099
1.032
0.975
0.9515
0.9594
0.9650
0.9693
0.9727
0.030
0.118
0.185
0.239
0.284
1.970
1.882
1.815
1.761
1.716
1.744
1.717
1.693
1.672
1.653
0.927
0.886
0.850
0.817
0.789
0.9754
0.9776
0.9794
0.9810
0.9823
0.321
0.354
0.382
0.406
0.428
1.679
1.646
1.618
1.594
1.572
0.363
0.378
0.391
0.403
0.415
1.637
1.622
1.608
1.597
1.585
0.763
0.739
0.718
0.698
0.680
0.9835
0.9845
0.9854
0.9862
0.9869
0.448
0.466
0.482
0.497
0.510
1.552
1.534
1.518
1.503
1.490
0.425
0.434
0.443
0.451
0.459
1.575
1.566
1.557
1.548
1.541
0.663
0.647
0.633
0.619
0.606
0.9876
0.9882
0.9887
0.9892
0.9896
0.523
0.534
0.545
0.555
0.565
1.477
1.466
1.455
1.445
1.435
= X A2 R
UCL
, LCL
UCL R = D 4 R
UCLs = B4 s
LCL R = D 3 R
LCL s = B3 s
= R d 2
= s c 4
= X A3 s
__________
* De la publicacin de ASTM STP-15D, Manual de Presentacin de Datos y Anlisis de Grficas de Control,
1976; pags. 134-136. Derechos de copia ASTM, 1916 Race Street, Philadelphia, Pennsylvania 19103.
Reimpreso con permiso.
- 153 -
APENDICE E Tabla de Constantes y Formulas para Grficas de Control (Cont.)

Grficas de Medianas, **
Grficas para
Medianas
~)
(X
Factores para
los Lmites de
Control
Tamao
de Muestra
2
3
4
5
6
7
8
9
10
A~
Grficas para Lecturas Individuales *

Grficas para
Lecturas
Individuales X
Grficas para Rangos (R)

Divisores para
Estimativo de
la Desviacin
Estndar

Control
Grficos para Rango (R)
Factores para
Lmites de
Control
Divisores para
Estimativo de
la Desviacin
Estndar
Factores Para Lmites de

Control
d2
D3
D4
E2
d2
D3
D4
1.880
1.187
0.796
0.691
1.128
1.693
2.059
2.326
-----
3.267
2.574
2.282
2.114
2.660
1.772
1.457
1.290
1.128
1.693
2.059
2.326
-----
3.267
2.574
2.282
2.114
0.548
0.508
0.433
0.412
0.362
2.534
2.704
2.847
2.970
3.078
-0.076
0.136
0.184
0.223
2.004
1.924
1.864
1.816
1.777
1.184
1.109
1.054
1.010
0.975
2.534
2.704
2.847
2.970
3.078
-0.076
0.136
0.184
0.223
2.004
1.924
1.864
1.816
1.777
~ R
UCL ~ , LCL ~ = X~ A
2
X
X
UCL
UCL R = D 4 R
UCL R = D4 R
LCL R = D3 R
LCL R = D3 R
= R d 2
= R d 2
, LCL
= X E2 R
* De la publicacin de ASTM STP-15D, Manual de Presentacin de Datos y Anlisis de Grficas de Control,

1976; pags. 134-136. Derechos de copia ASTM, 1916 Race Street, Philadelphia, Pennsylvania 19103.
Reimpreso con permiso.
~
** Factores de A2 derivados de ASTM-STP-15D Tablas de Datos y Eficiencias Contenidas en W.J. Dixon y
F.J. Massey, Jr., Introduccin al Anlisis Estadstico, 3. Edicin, 1969; Pag. 488; McGraw-Hill Book
Company, New York.
- 154 -
APENDICE E - Tabla de Constantes y Formulas para Grficas de Control (Cont.)

Grficas de Atributos
Grficas p para la proporcin de unidades no conformes, de muestras no necesariamente de
tamao constante:
UCL p , LCL p = p 3 p (1 p ) n
o
= p 3 p (1 p ) n
Grficas np para nmero de unidades no conformes, de muestras de tamao constante:
UCLnp , LCLnp = n p 3 n p (1 p )
Grficas c para nmero de no conformidades, de muestras de tamao constante:
UCLc , LCLc = c 3 c
Grficas u para nmero de no conformidades por unidad, de muestras no necesariamente de
tamao constante:
UCLu , LCLu = u 3 u
o
= u3
u
n
Memo: Gua para la seleccin de grficas para atributos:

NUMERO
(Simple, aunque requiere
un tamao de muestra
np
constante)
PROPORCIN
(Mas compleja, aunque
se ajusta a una
proporcin entendible, y
puede cubrir tamaos de
muestras variables)
- 155 -
No Conformidades
c
APENDICE F
Distribucin Normal Estndar
Pz = la proporcin de los resultados de un proceso fuera de un valor particular de inters (tal como
un lmite de especificacin), la cual est a z unidades de desviacin estndar lejos del promedio del
proceso (para un proceso que est bajo control estadstico y con una distribucin normal). Por
ejemplo, si z = 2.17, Pz=.0150 1.5%. En cualquier situacin actual est proporcin es solo un
aproximado.
SL
SL
PZ
PZ
lzl
x.x0
x.x1
x.x2
x.x3
x.x4
x.x5
x.x6
x.x7
x.x8
x.x9
4.0
.00003
3.9
3.8
3.7
3.6
3.5
.00005
.00007
.00011
.00016
.00023
.00005
.00007
.00010
.00015
.00022
.00004
.00007
.00010
.00015
.00022
.00004
.00006
.00010
.00014
.00021
.00004
.00006
.00009
.00014
.00020
.00004
.00006
.00009
.00013
.00019
.00004
.00006
.00008
.00013
.00019
.00004
.00005
.00008
.00012
.00018
.00003
.00005
.00008
.00012
.00017
.00003
.00005
.00008
.00011
.00017
3.4
3.3
3.2
3.1
3.0
.00034
.00048
.00069
.00097
.00135
.00032
.00047
.00066
.00094
.00131
.00031
.00045
.00064
.00090
.00126
.00030
.00043
.00062
.00087
.00122
.00029
.00042
.00060
.00084
.00118
.00028
.00040
.00058
.00082
.00114
.00027
.00039
.00056
.00079
.00111
.00026
.00038
.00054
.00076
.00107
.00025
.00036
.00052
.00074
.00104
.00024
.00035
.00050
.00071
.00100
2.9
2.8
2.7
2.6
2.5
.0019
.0026
.0035
.0047
.0062
.0018
.0025
.0034
.0045
.0060
.0018
.0024
.0033
.0044
.0059
.0017
.0023
.0032
.0043
.0057
.0016
.0023
.0031
.0041
.0055
.0016
.0022
.0030
.0040
.0054
.0015
.0021
.0029
.0039
.0052
.0015
.0021
.0028
.0038
.0051
.0014
.0020
.0027
.0037
.0049
.0014
.0019
.0026
.0036
.0048
2.4
2.3
2.2
2.1
2.0
.0082
.0107
.0139
.0179
.0228
.0080
.0104
.0136
.0174
.0222
.0078
.0102
.0132
.0170
.0217
.0075
.0099
.0129
.0166
.0212
.0073
.0096
.0125
.0162
.0207
.0071
.0094
.0122
.0158
.0202
.0069
.0091
.0119
.0154
.0197
.0068
.0089
.0116
.0150
.0192
.0066
.0087
.0113
.0146
.0188
.0064
.0084
.0110
.0143
.0183
1.9
1.8
1.7
1.6
1.5
.0287
.0359
.0446
.0548
.0668
.0281
.0351
.0436
.0537
.0655
.0274
.0344
.0427
.0526
.0643
.0268
.0336
.0418
.0516
.0630
.0262
.0329
.0409
.0505
.0618
.0256
.0322
.0401
.0495
.0606
.0250
.0314
.0392
.0485
.0594
.0244
.0307
.0384
.0475
.0582
.0239
.0301
.0375
.0465
.0571
.0233
.0294
.0367
.0455
.0559
1.4
1.3
1.2
1.1
1.0
.0808
.0968
.1151
.1357
.1587
.0793
.0951
.1131
.1335
.1562
.0778
.0934
.1112
.1314
.1539
.0764
.0918
.1093
.1292
.1515
.0749
.0901
.1075
.1271
.1492
.0735
.0885
.1056
.1251
.1469
.0721
.0869
.1038
.1230
.1446
.0708
.0853
.1020
.1210
.1423
.0694
.0838
.1003
.1190
.1401
.0681
.0823
.0985
.1170
.1379
0.9
0.8
0.7
0.6
0.5
.1841
.2119
.2420
.2743
.3085
.1814
.2090
2389
.2709
.3050
.1788
.2061
.2358
.2676
.3015
.1762
.2033
.2327
.2643
.2981
.1736
.2005
.2297
.2611
.2946
.1711
.1977
.2266
.2578
.2912
.1685
.1949
.2236
.2546
.2877
.1660
.1922
.2206
.2514
.2843
.1635
.1894
.2177
.2483
.2810
.1611
.1867
.2148
.2451
.2776
0.4
0.3
0.2
0.1
0.0
.3446
.3821
.4207
.4602
.5000
.3409
.3783
.4168
.4562
.4960
.3372
.3745
.4129
.4522
.4920
.3336
.3707
.4090
.4483
.4880
.3300
.3669
.4052
.4443
.4840
.3264
.3632
.4013
.4404
.4801
.3228
.3594
.3974
.4364
.4761
.3192
.3557
.3936
.4325
.4721
.3156
.3520
.3897
.4286
.4681
.3121
.3483
.3859
.4247
.4641
- 156 -
APNDICE G
Glosario de Trminos y Smbolos
Estas son descripciones Intuitivas de trminos usados en este manual. Para definiciones
operacionales y matemticas ver referencias en Apndice H
Trminos Usados en este Manual
Aleatoriedad
Condicin en la cual los valores individuales no son

predecibles, aunque estos lleguen a ser de una distribucin
definida.
Amplitud del Proceso
El alcance en el cual la distribucin de los valores individuales

de la caracterstica de un proceso varan; con frecuencia
mostrado como el promedio de un proceso mas o menos algn
nmero de desviaciones estndar (ej., X + 3).
Anlisis de Zona
Este es un mtodo de anlisis detallado para las grficas de

control de Shewhart el cual divide la grfica X barra dentro de
los lmites de control en tres zonas equidistantes arriba del
promedio y tres zonas equidistantes abajo del promedio mismo.
Estas zonas son algunas veces referidas como zonas sigma
(sigma aqu la desviacin estndar es la distribucin de los
PROMEDIOS, no de las lecturas individuales). A cada zona se
le asigna una probabilidad para la proporcin de puntos que se
espere se encuentren ah, siempre y cuando los datos estn
distribuidos normalmente (ej., en control). Por ejemplo, a las
zonas adyacentes del promedio se les asignan probabilidades
del .3413, las zonas siguientes tienen una probabilidad del .136
y las zonas externas tienen una probabilidad del .02135. A las
reas fuera de los lmites de control Superior e Inferior se les
asigna una probabilidad del .00135. Los datos pueden entonces
ser probados para patrones no naturales y en base a donde los
datos se extiendan en relacin a estas zonas. Las
probabilidades para grficas de rangos dependen del tamao de
muestra, mientras que las probabilidades para grficas de
atributos se basan en las distribuciones de probabilidad binomial
o de poisson. Las reglas empricas derivadas de este sistema
pueden usarse como un sistema de advertencias iniciales para
cambios del proceso que no puedan reflejarse como puntos
fuera de los lmites de control. Se hace referencia al lector al
(manual de control estadstico de la calidad) de Western Electric,
pags. 25-31 y 180-183 para mayor informacin. (Apndice H,
Referencia 7).
Caracterstica
Una propiedad distintiva de un proceso o su resultado con el

cual datos de variables o atributos pueden recolectarse.
- 157 -
Apndice G Glosario (Cont.)

Causa Comn
Una fuente de variacin que afecta todos los valores

individuales del resultados de un proceso a ser estudiado; en
el anlisis de las grficas de control aparece de la parte de
variacin aleatoria del proceso..
Causa Especial
Fuente de variacin intermitente con frecuencia impredecible y

no estable; algunas veces llamada como causa asignable. Es
sealizada por un punto fuera de los lmites de control o una
corrida u otro patrn no aleatorios de puntos dentro del lmites
de control.
Concientizacin
Entendimiento personal de la interrelacin entre la calidad y la

productividad, dirigiendo atencin al requerimiento del
compromiso de la direccin y el pensamiento estadstico para
lograr el mejoramiento continuo permanente.
Consecutivo
Unidades de resultados producidas en forma sucesiva; una base

para la seleccin de muestras de subgrupos.
Control
Ver Control Estadstico.
Control del Proceso
Ver Control Estadstico de los Procesos.
Control Estadstico
Condicin descrita por un proceso al cual se le han eliminado

todas las causas especiales de variacin y slo se mantienen
causas comunes ej., la variacin observada puede atribuirse a
un sistema constante de causas aleatorias; evidenciado en
grficas de control por la ausencia de puntos fuera de los lmites
de control y por la ausencia de patrones o tendencias no
aleatorias dentro de los lmites de control.
Control Estadstico del Proceso Uso de tcnicas estadsticas tales como grficas de control
para analizar un proceso o sus resultados y tomar acciones
apropiadas para lograra y mantener un estado de control
estadstico y mejorar la habilidad del proceso mismo.
Corrida
Nmero consecutivos de puntos que en forma consecutiva

crecen o decrecen y arriba o debajo de la lnea central. Puede
ser evidencia de la existencia de causas especiales de
variacin.
Cuadrtico
Que es de una relacin matemtica de segundo orden; un buen

ejemplo comn de algo que es cuadrtico es la parbola.
- 158 -

Cusum
Mtodo estadstico avanzado que utiliza datos del proceso

pasados y actuales para detectar cambio, de pequeos a
moderados en la variabilidad o promedio del proceso mismo.
Cusum significa suma acumulada de las desviaciones de la
meta que ponen un peso igual a los datos pasados y actuales.
Datos de Atributos
Datos cualitativos que pueden ser contados para registro y

anlisis. Ejemplos incluyen caractersticas tales como, la
presencia de un nivel requerido, la instalacin de todos los
puntos de sujecin requeridos, la ausencia de errores en un
reporte de gastos. Otros ejemplos son caractersticas que
inherentemente son medibles (ej., que pueden ser tratadas
como datos de variables), pero dnde los resultados sea
registrados de una forma simple si/no tal como la aceptabilidad
del dimetro de una flecha cuando se cheque con un gage
pasa/no pasa o la presencia de cambios de ingeniera en plano.
Los datos de atributos son generalmente recolectados en forma
de unidades no conformes o de no conformidades; estas son
analizadas con grficas de control p, np c y u. (ver tambin
datos de variables).
Datos Cuantitativos
Datos cuantitativos donde mediciones son usadas para anlisis.

Ejemplos incluye el dimetro en milmetros, el esfuerzo de cerrar
una puerta en Newtons, la concentracin de electroltos en
porcentajes o el torque de un dispositivo en Newton/metros. Las
grficas X y R X y s de medianas y de lecturas individuales
y de rangos mviles son usadas para datos de variables. (ver
tambin datos de atributos).
Definicin Operacional
Un medio para comunicar claramente las expectativas y

desempeo y expectativas en calidad; consiste de (1) un criterio
a ser aplicado a un objeto o grupo, (2) una prueba de un objeto
o del grupo, (3) una decisin: si/no El objeto o grupo cumpli o
no con el criterio.
Desempeo del Proceso
Rango total de la variacin total de un proceso ( 6 s )
Desviacin Estndar
Medida de extensin de los resultados de un proceso o de

extensin de las estadsticas de una muestra del proceso (ej.,
de los promedios de subgrupos); denotada por la letra griega
(sigma) o la letra s. (para desviacin estndar de una
muestra).
Deteccin
Una estrategia del pasado que intenta identificar resultados no

aceptables despus de que se hayan producido y entonces
- 159 -

separarse de los resultados buenos. (ver tambin Prevencin).
Distribucin Normal
Distribucin de frecuencia continua, simtrica y en forma de

campana para datos de variables que son la base para las
grficas de control por variables. Cuando las mediciones
tienen una distribucin normal alrededor del 68.26% de todas las
lecturas individuales se extienden dentro de mas o menos una
unidad de desviacin estndar del promedio, Alrededor del
95.44% se extiende mas omedos dos unidades de desviacin
estndar del promedio, mientras que alrededor del 99.73% se
extiende mas o menos tres unidades de desviacin estndar del
promedio. Estos porcentajes son la base para los lmites de
control y el anlisis de las grficas de control (dado que los
promedios de subgrupos tienden a ser distribuidos
normalmente an y cuando el resultado total no) y para muchas
decisiones de habilidades (dado que los resultados de muchos
procesos industriales siguen la distribucin normal).
Diagramas de Causas y Efectos Una herramienta simple para la solucin de problemas

individual o de grupo que utiliza una descripcin grfica de los
diferentes elementos del proceso para analizar las fuentes
potenciales de variacin del proceso mismo. Tambin llamada
diagrama de espinas de pescado (por su apariencia) o diagrama
de Ishikawa (por quien lo desarrollo).
Distribucin
Una forma de describir los resultados de un sistema de

variacin estable, en el cual los valores individuales no son
predecibles pero los resultados como grupos integran un patrn
que pueden ser descritos en trminos de su localizacin,
amplitud y forma. La localizacin se expresa comnmente con
el promedio o la mediana; la amplitud se expresa como
desviacin estndar o rango de la muestra; la forma involucra
muchas caractersticas tales como simetra y existencia de algn
pico y aunque estas estn resumidas usando los nombres de
alguna distribucin comn tal como, la normal, binomial, o de
Poisson.
Distribucin Binomial
Distribucin de probabilidad discreta datos de atributos que

aplican a unidades conformes y no conformes y que sustenta
las grficas p y np.
Distribucin de Poisson
Distribucin de probabilidad discreta para datos de atributos

que se aplica a no conformidades y sustenta las grficas de
control c y u.
Especificacin
Requerimiento de ingeniera para juzgar la aceptabilidad de una

caracterstica particular. Una especificacin nunca debe
- 160 -

confundirse con un lmite de control. Idealmente, una
especificacin se ajusta directamente o es compatible con los
requerimientos o expectativas de los clientes (internos y/o
externos).
Error Tipo I
Rechazar el supuesto de que sea verdad; ej., tomar acciones

apropiadas para una causa especial cuando de hecho el
proceso no ha cambiado; sobre control.
Error Tipo II
Fallar en el rechazar un supuesto que es falso; ej., no tomar

acciones apropiadas cuando de hecho el proceso es afectado
por causas especiales; bajo control.
Estabilidad
Ausencia de causas especiales de variacin; La propiedad de

estar en control estadstico.
Estadstica
Valor calculado de o en base a datos de una muestra (ej.,

promedio o rango de una muestra), usado para hacer
inferencias a cerca del proceso que produjo los resultados de
los cuales de la muestra vino.
Extensin
Extensin de valores desde el ms pequeos hasta el mas

grande en la distribucin. (ver tambin en extensin del
proceso).
Forma
Concepto general para el patrn global formado por una

distribucin de valores.
Grfica de Control
Representacin grfica de la caractersticas del proceso,

mostrando los valores estadsticos graficados, de algunas
caractersticas recolectadas de dicha caracterstica, una lnea
central y uno o dos lmites de control. Minimiza la prdida neta
econmica de los errores Tipo I y II. Tiene dos usos bsicos:
como juicio para determinar si un proceso ha estado operando
en control estadstico y para ayudar a mantenerlo en control
estadstico
Grfica de Corridas
Simple representacin grfica de la caracterstica de un

proceso, mostrando valores graficados de alguna estadstica y
recolectados del proceso (con frecuencia valores individuales)
y una lnea central (con frecuencia la mediana de los valores)
la cual puede ser analizada para corridas. (ver tambin grfica
de control).
Grfica de Pareto
Una herramienta simple para solucin de problemas que

involucra el clasificar todas las reas problema o fuentes de
- 161 -

variacin potenciales y de acuerdo con su contribucin de costo
o variacin total. Tpicamente algunas pocas causas reflejan la
mayora del costo (o variacin) de manera que los esfuerzos
para resolver los problemas se priorizan mejor para resolver las
causas de los poco vitales e ignorar temporalmente los
muchos triviales.
Habilidad del Proceso
- Caso de Datos de
Variables
- Caso de Datos de Atributos
El Rango total de la variacin inherente de un proceso estable

( 6 R d 2 ).
b)
La habilidad inherente de un proceso es definida como

( 6 R d2 ).
c)
La habilidad de un proceso de cumplir con especificaciones

(ej., % de resultados dentro de especificaciones) puede
estimarse con indices que consideren el centrado y
amplitud de los procesos mismos (ej., Cpk) y con algunos
supuestos. Sin embargo, existen mtodos mas precisos
para esta estimacin.
La habilidad de un proceso es generalmente definida como la

proporcin o razn promedio de defectos o partes defectuosas.
De las grficas de control por ejemplo, la habilidad es definida
como p , c o u , donde la habilidad se refiere directamente a la
proporcin o razn promedio de resultados que no cumplen con
especificaciones (o 1- p como el porcentaje de resultados dentro
de especificaciones).
Individual
Una unidad o medicin de una caracterstica, a menudo

denotada por el smbolo X.
Lmites de Control
Una lnea(o lneas) sobre una grfica de control usada en una

base para juzgar un proceso. Variaciones fuera de un lmite de
Control son evidencia de que causas especiales estn
afectando el proceso. Los Lmites de control son calculados del
dato del proceso y no confundirse que especificaciones de
ingeniera.
Lnea Central
La lnea sobre una grfica de control que representa el valor

promedio de los puntos a ser graficados.
Localizacin
Concepto general para los valores tpicos de tendencia central

de una distribucin.
Media
Promedio de valores de un grupo de mediciones.

- 162 -

Mediana
Valor medio en un grupo de mediciones, cuando estas se

arreglen de menor a mayor; si el nmero de valores es par,
convencionalmente el promedio de los valores medios es usado
como mediana. Las medinas de los subgrupos forman las bases
para una simple grfica de control para localizacin del
proceso. Las medianas son designadas por una tilde (~)sobre el
smbolo de los valores individuales X~ es la mediana de un
subgrupo.
Mejoramiento Continuo en la
Calidad y Productividad
Filosofa operacional que hace el mejor uso de los talentos

dentro de una compaa para fabricar productos de calidad a
sus clientes de una forma eficiente en que se proteja el retorno
de inversin de los accionistas. Este es una estrategia dinmica
diseada para mejorar la fuerza de la compaa misma al
enfrentar las condiciones de mercado presentes y futuras. Se
contrasta con cualquier estrategia esttica que acepta (en forma
explcita e implcita ) un cierto nivel particular de defectos en los
resultados como inevitable.
Mtodos Estadsticos
Avanzados
Tcnicas Estadsticas mas sofisticadas para el anlisis y control

del proceso que las incluidas en los Mtodos Estadsticos
Bsicos; esto puede incluir tcnicas ms avanzadas de grfico
de control, anlisis de regresin, diseos de experimentos,
tcnicas avanzadas para solucin de problemas, etc.
Mtodos Estadsticos Bsicos
Aplicacin de la teora de la variacin a travs del uso de

tcnicas bsicas de solucin de problemas y control
estadstico del los procesos; incluye elaboracin e
interpretacin de grficas de control (por datos de variables y
atributos) y anlisis de habilidades.
Muestra
En aplicaciones para control de los procesos es un sinnimo

de subgrupo; este uso es totalmente diferente del propsito de
ofrecer el estimativo de un grupo de gente o artculos grande.
Muestreo Aleatorio
Proceso de seleccionar unidades para una muestra de tamao

n, de una forma tal que todas las combinaciones de las n
unidades bajo consideracin tengan estas igual probabilidad de
ser seleccionadas como la muestra.
No Conformidad
La ocurrencia especfica de una condicin que no cumple con

alguna especificacin o algn otro estndar de inspeccin;
algunas veces llamada discrepancia o defecto. Una unidad no
conforme puede tener potencial de ms de una no
conformidades (ej., una puerta puede contar con varios
- 163 -

abolladuras y manchas; el chequeo funcional de un carburador
puede revelar una de un nmero de discrepancias potenciales).
Las grficas de control c y u son usadas para analizar
sistemas que producen no conformidades.
Proceso
La combinacin de gente, equipo, materiales, mtodos y medio

ambiente para producir un resultado un cierto producto o
servicio. Un procesos puede involucrar cualquier aspoecto del
negocio. Una herramienta clave para administrar los procesos
es el control estadstico de los procesos.
Promedio
La suma de valores dividida por el nmero (tamao de muestra)

de valores mismos designada por una barra sobre el smbolo
para los valores promediados: ej., X (X barra) es el promedio
de los valores X dentro de un subgrupo; X (X doble barra) es el
promedio de los promedios de los subgrupos, X~ (tilde barra) es
el promedio de las medianas de los subgrupos; R es el
promedio de los rangos de los subgrupos.
Promedio del Proceso
Localizacin de la distribucin de los valores medidos de una

caracterstica del proceso en particular, designada
generalmente como promedio global, X .
Proceso Estable
Proceso que esta en control estadstico.
Prevencin
Estrategia futura para mejorar la calidad y productividad

dirigiendo anlisis y acciones a corregir el proceso mismo. La
prevencin es consistente con la filosofa del mejoramiento
continuo y permanente (ver tambin Deteccin).
Rango
La diferencia entre los valores ms grande y ms pequeo en un

subgrupo, muestra o poblacin.
Rango Mvil
La diferencia entre el valor mas grande y mas pequeo entre

dos o mas muestras sucesivas de tal forma que cada punto de
dato adicional es obtenido y el rango asociado con dicho punto
es calculado agregando un nuevo punto y eliminando el punto
cronolgicamente (mas antiguo) de forma que cada calculo de
rangos tenga al menos un punto compartido del calculo de los
rangos previos. Tpicamente el rango mvil es utilizado en
grficas de control de lecturas individuales y la mayora del
tiempo usa rangos mviles de dos puntos (consecutivos).
Sigma ()
Letra griega usada para designar una desviacin estndar.

- 164 -

Solucin de Problemas
Proceso para moverse de sntomas a causas (especiales o

comunes) y a acciones que mejoren el desempeo. Entre las
tcnicas bsicas que pueden ser usadas las grficas de Pareto,
los diagramas de causas y efectos y las tcnicas para el control
estadstico de los procesos.
Subgrupo
Uno o ms eventos o mediciones usados para analizar el

desempeo de un proceso. Usualmente se seleccionan
subgrupos racionales de forma tal que la variacin
representada dentro de cada subgrupo es lo ms pequea
posible para el proceso mismo (representando la variacin de
causas comunes), y de forma tal que los cambios en el
desempeo del proceso (ej., causas especiales) a parezcan
como diferencias entre subgrupos. Tpicamente los subgrupos
racionales se hacen de piezas consecutivas, aunque algunas
veces se utilizan muestras aleatorias.
Subgrupo Racional
Subgrupo recolectado de una forma que ofrezca mxima

probabilidad de que las mediciones en cada subgrupo sean
similares y mxima probabilidad de los subgrupos de diferir uno
de otro. Este esquema de subgrupos asume el deseo de
determinar si la variacin de un proceso parece venir de un
sistema constante de causas de probabilidad.
Unidades que no cumplen con una especificacin o algn otro

estndar de especificacin; algunas veces llamadas como
unidades discrepantes o defectivas. Las grficas de control p y
np son usadas para analizar sistemas que producen unidades
no conformes.
Variacin
Diferencias inevitables entre resultados individuales en un

proceso; las fuentes de variacin pueden agruparse en dos
secciones principales: causas comunes y causas especiales.
- Variacin Inherente
Variacin del proceso debida a causas comunes solamente y

estimada con R d 2 .
- Variacin Total
Variacin del proceso debida a causas comunes y especiales y

estimada con s .
- 165 -

Smbolos como son Usados en este Manual
A2
Multiplicador de R usado para calcular los lmites de control para promedios;
tabla en Apndice E.
~
Multiplicador de R usado para calcular los lmites de control para medianas;
A2
tabla en Apndice E.
A3
Multiplicador de s usado para calcular los lmites de control para promedios;
tabla en Apndice E.
B3, B4
Multiplicadores de s usados para calcular los lmites de control inferior y
superior, respectivamente, para desviaciones estndar de muestras; tabla en
Apndice E.
c
Nmero de no conformidades en una muestra; la grfica c es descrita en el
Captulo III, Seccin 3.
Nmero promedio de no conformidades en muestras de tamao n constante.
c
c4
Divisor de s usado para estimar la desviacin estndar del proceso; tabla en
Apndice E.
Cp
Indice de habilidad para un proceso estable, tpicamente definido como
USL LSL
.
6 R d 2
Cpk
Indice de habilidad para un proceso estable, tpicamente definido como el
mnimo de CPU o CPL.
CPL
(X LSL ) .
Indice de habilidad inferior, tpicamente definido como
3 R d 2
CPU
(USL X ) .
Indice de habilidad superior, tpicamente definido como
3 R d 2
CR
Proporcin de habilidad para un proceso estable, tpicamente definida como
6 R d 2
.
(USL LSL )
d2
Divisor de R usado para estimar la desviacin estndar del proceso; tabla en
Apndice E.
D3, D4
Multiplicadores de R usados para calcular los lmites de control inferior y
superior, respectivamente, para rangos; tabla en Apndice E.
E2
Multiplicador de R usado para calcular los lmites de control para lecturas
individuales; tabla en Apndice E.
k
Nmero de subgrupos a ser usados para calcular los lmites de control.
LCL
Lmite inferior de control; LCL X , LCLR, LCLp, etc., son, respectivamente, los
lmites de control inferiores para promedios, rangos y proporcin no conforme.
LSL
Lmite inferior de especificacin de ingeniera.
MR
Rango mvil de una serie de puntos de datos, usados principalmente en
grficas de lecturas individuales.
n
Nmero de lecturas individuales en un subgrupo; tamao del subgrupo o
muestra.
Promedio del tamao del subgrupo o muestra.
n
np
Nmero de unidades no conformes en una muestra de tamao n; la grfica np
- 166 -

es descrita en el Captulo III, Seccin 2.
Nmero promedio de unidades no conformes en muestras de tamao
np
constante n.
p
Proporcin de unidades no conformes en una muestra; la grfica p es
abordada en el Captulo III, Seccin 1.
Proporcin promedio de unidades no conformes en una serie de muestras.
p
Pp
(USL LSL ) .
Indice de desempeo, tpicamente definido como
6 s
PR
6 s
Proporcin de desempeo, tpicamente definida como
.
(USL LSL )
Ppk
Indice de desempeo, tpicamente definido como el valor mnimo de
USL X
X LSL
.
O
3 s
3 s
pZ
Proporcin de resultados fuera de un punto de inters tal como, un lmite de
especificacin particular, z unidades de desviacin estndar del promedio del
proceso.
R
Rango de cada subgrupo (mximo valor menos mnimo valor); la grfica R es
abordada en el Captulo II.
Rango promedio de una serie de subgrupos de tamao constante.
R
Promedio de una serie de promedios de rangos de subgrupos de tamao
R
constante.
~
Rango de medianas de una serie de rangos de subgrupos de tamao
R
constante.
s
Desviacin estndar mustreal para subgrupos; la grfica s es abordada en el
Captulo II, Seccin 5.
s
Desviacin estndar mustreal para el proceso; s es abordada en el Captulo II,
Seccin 5.
Promedio
de la desviacin estndar mustreal de una serie de subgrupos,
s
ponderado si es necesario por el tamao de la muestra.
SL
Lmite unilateral de una especificacin de ingeniera.
u
Nmero de no conformidades por unidad en una muestra, la cual puede
contener mas de una unidad; la grfica u es abordada en el Captulo III,
Seccin 4.
Nmero promedio de no conformidades por unidad en muestras no
u
necesariamente del mismo tamao.
UCL
Lmite superior de control; UCL X , UCLR, UCLP, etc., son, respectivamente, los
lmites superiores de control para los promedios, los rangos, la proporcin de
unidades no conformes, etc.
USL
Lmite superior de especificacin de ingeniera.
X
Valor individual, con el cual se basan las estadsticas de cada subgrupo; la
grfica para lecturas individuales es abordada en el Captulo II, Seccin 4.
Promedio de valores en un subgrupo; la grfica X es abordada en el Captulo
X
II, Seccin 1.
- 167 -
~
X
~
X
Z
(sigma)
X , R , P , etc.
s
R d
Promedio de promedios de cada subgrupo (ponderados si es necesario por el

tamao de la muestra); promedio del proceso medido. Nota: en este manual, X
es usada para el promedio del proceso de una grfica de lecturas individuales
(Captulo II, Seccin 4) aunque representa slo un nivel de promedio (puntos
de datos individuales), para evitar confusin con X el cual siempre se refiere
en otros casos al promedio de cada subgrupo.
La mediana de los valores en un subgrupo; la grfica de medianas es
abordada en el Captulo II, Seccin 3 (X tilde).
Promedio de las medianas de cada subgrupo; mediana estimada del proceso
(X barra y tilde).
Nmero de unidades de desviacin estndar a partir del promedio del proceso
y hasta un valor de inters tal como, una especificacin de ingeniera. Cuando
se use en la evaluacin de habilidades, ZUSL es la distancia hasta el lmite
superior de especificacin, ZLSL es la distancia hasta el lmite inferior de
especificacin y Zmin es la distancia hasta el lmite de especificacin mas
cercano.
Desviacin estndar de la distribucin de valores individuales de una
caracterstica de proceso.
Estimativo de la desviacin estndar de una caracterstica de proceso.
Desviacin estndar de una estadstico y basada en los resultados de una
muestra del proceso tales como, la desviacin estndar de la distribucin de
los promedios de los subgrupos (la cual es n ), la desviacin estndar de la
distribucin de los rangos de los subgrupos, la desviacin estndar de la
distribucin de la proporcin de unidades no conformes, etc.
Estimativo de la desviacin estndar de un proceso, usando la desviacin
estndar de la muestra de un conjunto de lecturas individuales alrededor del
promedio del conjunto mismo.
Estimativo de la desviacin estndar de un proceso estable, usando el rango
promedio de las muestras de los subgrupos, tomadas del proceso mismo,
generalmente dentro del contexto de las grficas de control, donde el factor d2
es de tablas de Apndice E.
- 168 -
APENDICE H
Referencias y Lecturas Sugeridas
1.
Walter A. Shewhart, Economic Control of Quality of Manufactured Product, Van Nostrand,

1931; republished ASQC, 1980. Available from the American Society for Quality Control, 611
East Wisconsin Ave., Milwaukee, WI 53202.
2.
Walter A. Shewhart, Statistical Method from the Viewpoint of Quality Control, Edited by W.
Edwars Deming, the Graduate School, Department of Agriculture, 1939.
3.
W. Edwards Deming, Quality, Productivity and Competitive Position, Massachusetts Institute

of Technology, Center for Advance Engineering Study, 1982.
4.
W. Edwards Deming, Out of the Crisis; Massachusetts Institute of Technology, Center for
Advance Engineering Study, 1989.
5.
American National Standard Institute, Guidance for Quality Control Chart Method of
Analyzing Data (ASQC Standards B1-1958 and B2-1958/ANSI Z1.1-1958 and Z1.2-1958,
revised 1975.
NOTA: Los dos folletos arriba indicados estn disponibles de la Sociedad Americana para la
Calidad
6.
American Society for Testing and Materials, Manual on Presentation of Data and Control
Chart Analysis (STP-15D), 1976. Available from the ASTM, 1976 Race Street, Philadelphia,
PA 19103.
7.
Western Electric Co., Inc., Statistical Quality Control Handbook, 1956. Available from: I.D.C.
Commercial Sales, Western Electric Company, P.O. Box 26205, Indianapolis, Indiana 46226.
8.
Harvey C. Charbonneau and Gordon L. Webster, Industrial Quality Control, Prentice Hall,
Inc, 1978
9.
Acheson J. Duncan, Quality Control and Industrial Statistics, Richard D. Irwin, Inc., Fourth
Edition, 1974.
10.
Eugene L. Grant and Richard S. Leavenworth, Statistical Quality Control, McGraw-Hill, Inc.,
Fifth Edition, 1980.
11.
Kaoru Ishikawa, Guidance to Quality Control, Asian Productivity Organization, Revised

Edition, 1976.
12.
J. M. Juran, Frank M. Gryna, Jr., and R.S. Bingham, Jr., Quality Control Handbook, McGrawHill, Inc., Fourth Edition, 1990.
13.
Ellis R. Ott, Process Quality Control, McGraw-Hill, Inc., 1975

- 169 -
14.
Bert Gunter, Use and Abuse of Cpk, Quality Progress, January 1989, March 1989, May,
1989 and July 1989.
15.
ASQC Automotive Division/AIAG, Measurement Systems Analysis Reference Manual, AIAG,

1990.
16.
L. J. Chan, S.W. Cheng, and F.A. Spiring, A New Measure of Process Capability: Cpm,
Journal of Quality Technology, Vol. 20, No. 3, pp. 162-175.
17.
Fred A. Spiring, Assessing Process Capability in the Presence of Systematic Assignable

Cause, Journal of Quality Technology, Vol. 23, No. 2, April 1991.
18.
John T. Herman, Capability Index-Enough for Process Industries? Proceedings, ASQC 43rd
AQC, 1989.
19.
Robert A. Dovich, Statistical Terrorist, Quality in Manufacturing Magazine, March-April,

1991.
20.
B.A.F. Bissell, How Reliable Is Your Capability Index?, Applied Statistics, Vol. 39, 1990, pp.
331.340..
21.
R.A. Boyles, The Taguchi Capability Index, Journal of Quality Technology, Vol. 23, 1991,
pp. 17-26.
22.
William W. Scherkenbach, Demings Roads to Continual Improvement, SPC Press, Inc.,

1991.
23.
Donald J. Wheeler, Davis S. Chambers, Understanding Statistical Process Control, Statistical

Process Controls, Inc., 1986.
24.
General Motors Corporation, Key Characteristics Designation System, GM-1805 QN, 1991.
25.
Douglas C. Montgomery, Introduction to Statistical Quality Control, ASQC Quality Press,

Second Edition, 1991.
26.
Leonard A. Doty, Statistical Process Control, ASQC Quality Press, 1991.
27.
Peter D. Mauch, Basic SPC: A Guidance For Service Industries, ASQC Quality Press, 1991.
28.
J. Bert Keats and Douglas. C. Montgomery, Statistical Process Control in Manufacturing,

ASQC Quality Press, 1991.
29.
Gary Fellers, PhD., SPC for Practitioners: Special Cases and Continuous Processes, AQSC
Quality Press, 1991.
- 170 -
30.
ASQC Statistics Division, Statistical How-To Techniques Series, ASQC Quality Press (15
Volumes), 1979-1991.
31.
Victor E. Kane, Defect Prevention-Use of Simple Statistical Tools, Marcel Dekker, Inc. and
ASQC Quality Press, 1989.
32.
ASQC, Definitions, Symbols, Formulas, and Tables for Control Chart, ANSI/ASQC A1-1987.
- 171 -
APENDICE I
Copias Reproducibles de Formatos de Grficas de Control
- 172 -
GRAFICA DE CONTROL
PLANTA
DEPTO.
OPERACION
MACH. NO.
FECHAS
CARACTERISTICA
X = Average X =
UCL = X + A2 R =
FECHA DE CALCULO DE LOS SIMITES DE

CONTROL
ESPECIFICACIONES DE INGENIERIA
NO. DE PARTE
TAMAO DE MUESTRA/FRECUENCIA
NUMERO DE PARTE
PROMEDIOS (GRAFICA X BARRA)
LCL = X A2 R =
ACCIONES
SOBRE CAUSAS ESPECIALES
CUALQUIER PUNTO FUERA DE LOS
LIMITES DE CONTROL
UNA CORRIDA DE 7 PUNTOS, TODOS
ARRIBA O ABAJO DE LA LINEA
CENTRAL
UNA CORRIDA DE 7 PUNTOS HACIA
ARRIBA O HACIA ABAJO
CUALQUIER OTRO PATRON OBVIO
CON UN COMPORTAMIENTO NO
ALEATORIO
INSTRUCCIONES DE
ACCIONES
1.
R = Average R =
UCL = D4 R =
LCL = D3 R =
RANGOS (GRAFICA R)
2.
3.
4.
5.
TAMAO DE
MUESTRA A2
2 1.88
3 1.02
4
.73
5
.58
6
.48
7
.42
8
.37
9
.34
10 .31
FECHA
HORA
L
E
C
T
U
R
A
S
1
2
3
4
5
SUM
D3
*
*
*
*
*
.08
.14
.18
.22
D4
3.27
2.57
2.28
2.11
2.00
1.92
1.86
1.82
1.78
EL PROCESO DEBE ESTAR EN CONTROL ANTES

DE QUE PUEDA DETERMINARSE LA HABILIDAD
X=
R=
* Para tamaos de muestra menores a 7, no existe lmite inferior de control para rangos.
G R FIC A D E C O N TR O L
HO JA DE INFO RM ACI N DEL PRO CESO
C U ALQ U IER C AM BIO EN G EN T E, M AT ER IALES, M ED IO AM BIEN T E, M T O D O S, M Q U IN AS O SIST EM AS D E M ED IC I N D EBIER A AN O T AR SE. EST AS
N O T AS LE AYU D AR N A T O M AR AC C IO N ES C O R R EC T IVAS C U AN D O SE SE ALEN /IN D IQ U EN PO R LA G R FIC A D E C O N T R O L.
FEC H A
HORA
C O M EN T AR IO S
FEC H A
HORA
C O M EN T AR IO S
GRAFICA DE CONTROL PARA DATOS DE ATRIBUTOS

PLANTA
p
np
DEPARTMENTO
c
u
NUMERO Y NOMBRE DE LA PARTE
NUMERO Y NOMBRE DE LA OPERACION
Prom edio =
UCL=
LCL=
FECHA DE CLCULO DE
LOS LIMITES DE
CONTROL:
Tamao Promedio de la Muestra:

Frequencia:
Muestra
(n)
D
i
s
c
r
e
p
a
n
c
i
a
s
Nm ero
(np,c)
Proporcin
(p,u)
Fecha
(Turno, Hora, etc.)
CUALQUIER CAMBIO EN GENTE, MATERIALES, MEDIO AMBIENTE, METODOS, MAQUINAS O SISTEMAS DE MEDICIN
DEBIERA ANOTARSE. ESTAS NOTAS LE AYUDARN A TOMAR ACCIONES CORRECTIVAS Y DE MEJORAMIENTO DEL
PROCESO, CUANDO SE SEALEN/INDIQUEN POR LA GRAFICA DE CONTROL
FECHA
HORA
COMENTARIOS
Nmero
FORMULAS PARA GRAFICAS DE CONTROL POR ATRIBUTOS

No Conformidades
grfica np
grfica c
(Los tamaos de los subgrupos/

muestras deben ser iguales)
Proporcin
UCLnp , LCLnp = n p 3 n p(1 p )
UCLc , LCLc = c 3 c
grfica p
grfica u
(Los tamaos de los subgrupos/

muestras no necesitan ser
UCL p , LCL p = p 3 p (1 p )
iguales)
FECHA
TIEMPO
COMENTARIOS
UCLu , LCLu = u 3 u
ACCIONES
Sobre Causas Especiales
Cualquier punto fuera de
los lmites de control
Una corrida de 7 puntos
todos arriba o abajo de la
lnea central
Una corrida de 7 puntos
hacia arriba o hacia abajo.
Cualquier otro patrn no

aleatorio y obvio
Acciones
1.
2.
3.
4.
5.
Proveedor/Usuario del Manual de SPC
Proceso de Retroalimentacin
Consistente con el proceso de mejoramiento continuo, este manual del control estadstico de los
procesos (SPC) de la industria automotriz est siendo sujeto a un proceso de revisiones peridicas
anuales y formales durante el mes de Octubre de cada ao calendario. De lnea con el concepto de
satisfaccin de los clientes, estas revisiones anuales no solo acarrean consideraciones sobre
cambios en requerimientos que apliquen de fabricantes de vehculos y de ao a ao, sino tambin
de retroalimentacin de usuarios del manual para propsitos de hacerlo de mas valor agregado y
efectivo a la industria automotriz y a las comunidades de usuarios. Al mismo tiempo, favor de
sentirse libre de ofrecer, por escrito, sus comentarios de retroalimentacin, pros y cons, relativos a
la facilidad de entendimiento del manual, facilidad hacia el usuario, etc., en las reas indicadas
abajo. Por favor indique los nmeros de pginas especficas del manual, cuando sea apropiado.
Enviar su retroalimentacin a la direccin indicada abajo:
Su Nombre
Representando
Nombre del Proveedor/Compaa/Divisin
Direccin
Telfono
)
Por favor liste sus tres clientes automotrices mas importantes y su localizacin.
Cliente
Localizacin
Cliente
Localizacin
Cliente
Localizacin
Comentarios de
Retroalimentacin
(anexar hojas
adicionales si es
necesario)
Enviar
Comentarios a:
Coordinador de Equipo de Proyectos C.Q.I.

Oficina Central de AIAG Suite 200
26200 Lahser Road
Southfield, Michigan 48034

Aiag SPC

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Aiag SPC

Uploaded by

Copyright:

Available Formats

CONTROL ESTADSTICO DE LOS PROCESOS

Publicado en 1992, Segunda Impresin Marzo 1995 (nueva portada solamente)

Procedimiento de Seleccin para el Uso y Aplicacin de Grficas de Control

LOS DATOS SON DE

Nota: Esta grfica asume que los

Leonard A. Brown, G.M.

Victor W. Lowe, Jr., Ford

David R. Benham, Chrysler

INTRODUCCIN AL MEJORAMIENTO CONTINUO Y CONTROL ESTADSTICO DE LOS

GRAFICAS DE CONTROL POR VARIABLES.....................................................................................

Seccin 1 GRAFICAS DE PROMEDIOS Y RANGOS ( X Y R)........................................................

Seccin 2 GRAFICAS DE PROMEDIOS Y DESVIACIN ESTANDAR ( X Y S)............................

GRAFICAS DE CONTROL POR ATRIBUTOS.....................................................................................

TABLA DE CONTENIDO - Continuacin

ANLISIS DE LOS SISTEMAS DE MEDICIN DE LOS PROCESOS...............................................

PROCEDIMIENTO DE SELECCIN PARA EL USO DE GRFICAS DE CONTROL DESCRITAS EN

TABLA DE CONSTANTES Y FORMULAS PARA GRAFICAS DE CONTROL.............................................

DISTRIBUCION NORMAL ESTNDAR..........................................................................................................

GLOSARIO DE TERMINOS Y SMBOLOS.....................................................................................................

REFERENCIAS Y LECTURAS SUGERIDAS..................................................................................................

COPIAS REPRODUCIBLES DE FORMATOS DE GRAFICAS DE CONTROL..............................................

Sistema de Control de los Procesos...............................................................................

Hoja de Datos para Repetibilidad y Reproducibilidad de Gages Ejemplo...................

INTRODUCCIN AL MEJORAMIENTO CONTINUO Y AL CONTROL ESTADSTICO DE LOS

NECESIDAD DEL CONTROL DE PROCESOS

Qu significa sistema de control del proceso? (seccin 2)

Cmo afecta la variacin a los resultados de un proceso? (seccin 3)

Qu significa el qu un proceso est en control estadstico? Qu significa el qu un

Qu son las grficas de control y cmo son usadas? (seccin 7)

Qu beneficios pueden esperarse del uso de las grficas de control? (seccin 8)

VOZ DEL PROCESO

VOZ DEL CLIENTE

Figura 1. Sistema de Control de los Procesos

El Proceso Por proceso, significa la combinacin total de proveedores, productores,

Informacin sobre el Desempeo Mucha de la informacin acerca del desempeo

INTRODUCCIN AL MEJORAMIENTO CONTINUO Y AL CONTROL ESTADSTICO DE

Seccin 2. Sistema de Control del Proceso (Cont.)

LAS PIEZAS VARIAN DE UNA A OTRA

LAS DISTRIBUCIONES PUEDEN DIFERIR EN:

... O UNA COMBINACIN DE ESTAS

SI ESTN PRESENTES CAUSAS ESPECIALES DE VARIACIN, EL

Figura 2. Variacin: Causas Comunes y Especiales

INTRODUCCIN AL MEJORAMIENTO CONTINUO Y AL CONTROL ESTADSTICO DE

Una localizacin (valor tpico)

Una forma (patrn de variacin si es simtrico, con sesgo, etc.)

INTRODUCCIN AL MEJORAMIENTO CONTINUO Y AL CONTROL ESTADSTICO DE

Seccin 3. Variacin: Causas Comunes y Especiales (Cont.)

ACCIONES LOCALES Y ACCIONES SOBRE EL SISTEMA

Generalmente son requeridas para eliminar causas especiales de variacin

Generalmente pueden ejecutarse por gente cercana a los procesos

Tpicamente pueden corregir alrededor del 15% de los problemas de los

Acciones sobre el Sistema

Generalmente son requeridas para reducir variaciones debidas a causas

Casi siempre requieren acciones de la administracin para correcciones

Tpicamente se requieren para corregir alrededor del 85% de los problemas

CONTROL DEL PROCESO

HABILIDAD DEL PROCESO

LIMITE DE ESPECIICACIN INFERIOR

LIMITE DE ESPECIFICACIN SUPERIOR

EN CONTROL PERO NO CAPAZ DE

Figura 3. Control del Proceso y Habilidad de los Procesos

INTRODUCCIN AL MEJORAMIENTO CONTINUO Y AL CONTROL ESTADSTICO DE

INTRODUCCIN AL MEJORAMIENTO CONTINUO Y AL CONTROL ESTADSTICO DE