ESTADSTICA APLICADA

Ing. Eder Vicua Galindo

GRFICOS DE CONTROL
Todos los procesos estn sujetos a ciertos grados de
variabilidad.
Causas Naturales: Variaciones aleatorias, no asignables.
Causas Asignables: Problemas corregibles. (Maquinaria de
desgaste, trabajadores no calificados, material de baja
calidad).
Son herramientas efectivas para entender la variacin del
proceso y ayudan a lograr el control estadstico.
Si un proceso est en control estadstico su desempeo es
predecible y tanto el fabricante como el cliente pueden
confiar en niveles consistentes de calidad y en costos
estables para lograr la calidad.

GRFICOS DE CONTROL

Un proceso bajo control estadstico se puede mejorar a

travs de la reduccin de variacin y el centrado en un valor
objetivo; esto reduce costos y mejora la productividad.
Las grficas de control proporcionan un lenguaje comn
para comunicar informacin sobre el desempeo de un
proceso entre muy diversas personas dentro y fuera de la
empresa.
Las grficas de control indican dnde est o quin podra
ser la causa de un problema.

GRFICOS DE CONTROL
Escuche la Voz del Proceso

M
E
D
I
D
A
S

de
C
A
L
I
D
A
D

LCS

Regin de control,
captura la variacin
natural del proceso
original

LCI
Tendencia del proceso
Causa Especial
identificada

El proceso ha cambiado
Tiempo

GRFICOS DE CONTROL
Tipos de Grficos de Control
Tipos de
datos
Datos de atributoconteo
Faltas de
cumplimiento

Oportunidad
fija

Grfica
c

Oportunidad
variable

Grfica
u

Datos de variablesmediciones
Subgrupo
racionales de
tamao variable

Unidades de
faltas de
cumplimiento
Tamao
fijo de
muestra

Tamao
variable de
muestra

Grfica
np

Grfica
p

Mediciones
individuales

Grfico
MR

Subgrupo
racionales de
tamao fijo

Grficos
xyR

Grficos
xyS

Grficos de Control de Mediciones

Grficos de Control x-R

Grficos de Control x-S

o Constan de dos grficos

De tendencia central
Control de variabilidad
o Se usa cuando se desconoce
(se usa R como una
aproximacin) y (se usa x ).
o Utilizan el recorrido (R) de
los datos como medida de la
variabilidad del proceso.
o Sencillo de calcular.
o Vlido
para
muestras
pequeas (n < 8) .

o Constan de dos grficos

De tendencia central
Control de variabilidad
o Se usa cuando se desconoce
(se utiliza s, la desviacin
tpica, como medida de la
variabilidad del proceso) y
(se usa x ).
o Mayor
dificultad
de
calcular.
o Mejor indicador estadstico de
variabilidad.

Grficos de Control de Mediciones

El criterio se basa en considerar una dispersin a la
derecha de 3 e izquierda de 3 (6); pues se tendran
alrededor del 99,7% de los datos. Por lo tanto, si se
conocen y , la siguiente ecuacin se podra utilizar
como lmites de control superior e inferior en un grfico
de control para medias de las muestras:

LCS x Z / 2

VC x
LCI x Z / 2

Lmite de Control Superior

Valor Central

Lmite de Control Inferior

Grficos de Control de Mediciones

Pero usualmente se desconoce , por lo que se tiene que
estimar este valor. Existen dos modos para ello, uno, ya
estudiado, el de usar la desviacin estndar muestral s y
el otro el rango (R). Es ltimo por la simplicidad de su
clculo. La variable aleatoria W = R/ se llama rango
relativo. Los parmetros de la distribucin de W estn en
funcin del tamao de la muestra n. La media de W es d2.
En consecuencia, un estimador de es
= R/d2.
2 como un
Si usamos como un estimador de y /d
estimador de , a continuacin, los parmetros del
grfico son mostrados en la diapositiva siguiente.

Grficos de Control de Mediciones

LCS x

3
d2 n

VC x
LCI x

LCS x A2 R
Si 2 =

3
d2 n

3
2

VC x
LCI x A2 R

De igual modo para determinar los lmites de control de

R, necesitamos una estimacin de . Presumiendo que la
caracterstica de calidad se distribuye normalmente, se
encuentra a partir de la distribucin del rango relativo W
= R/.

Grficos de Control de Mediciones

La desviacin estndar de W, por decir d3, es una funcin
conocida de n. Por lo tanto, como C = W, la desviacin
estndar de R es R = d3. Como es desconocida,
3
consecuentemente:
estimaremos R mediante = ;
2

d3
LCS R 3 R R 3 R
d2
VC R

3
Si 3 = 1 + 3
2

4 = 1 3 3
2

d3
LCI R 3 R R 3 R
d2

LCS D3 R
VC R
LCI D4 R

Grficos de Control de Mediciones

Pasos metodolgicos para construir un Grfico de
Control para variables medidas:
Paso 1: Establecer los objetivos del control estadstico
del proceso.
Paso 2: Identificar la variable o variables a controlar,
Paso 3: Determinar el tipo de Grfico de Control que
es conveniente utilizar.
Tipo de informacin requerida.
Caractersticas del proceso.
Recursos Humanos y Materiales.

Grficos de Control x-R

Paso 4: Elaborar el Plan de Muestreo (Tamao de
muestra, frecuencia de muestreo y nmero de
muestras).

El tamao de muestra "n pequeo (n = 4 5, siendo 5 el

tamao ms usual),
La frecuencia de muestreo ser tal que recoja los cambios en
el proceso debidos a causas internas y, al mismo tiempo,
detectar las causas externas.
Las muestras deben recogerse segn un programa y en los
tiempos oportunos para detectar oportunidades de cambio:
frecuencias horarias, diarias, por turno, por lote de material,
etc.

Grficos de Control x-R

Paso 4: Elaborar el Plan de Muestreo (Tamao de
muestra, frecuencia de muestreo y nmero de
muestras)
El

nmero de muestras "n" debe satisfacer dos

criterios:

Se recogern muestras suficientemente grandes para

cerciorar que las causas internas de variacin tienen
oportunidad de manifestarse.
Proporcionar prueba satisfactoria de la estabilidad del
proceso, A partir de un mnimo de 100 (25 muestras con n
= 4 20 muestras con n = 5).

Grficos de Control x-R

Paso 5:

Recoger los datos segn el plan establecido:

Hojas de Control.

Paso 6: Calcular la media ( x ) y el recorrido (R) para

cada muestra:
Clculo de la media: x = (x1 + x2 +,,,,,,+ xn)/n
Clculo del recorrido: R = (xmx - xmn)

Paso 7:

Calcular los Lmites de Control para cada uno

de los grficos:

Para el grfico x
a) Calcular la media ( x ) de los valores medios de las
muestras ( x i), x = ( x1 +, , ,+ x N)/N

Grficos de Control x-R

b) Calcular el recorrido medio (R )
R = (R1 +, , , +RN)/N
c) Calcular el Lmite de Control Superior (LCSx) y el Lmite
de Control Inferior (LCIx)
LCSx = x + A2R
LCIx = x A2 R
El valor de A2 se obtiene de las tablas correspondientes.

Para el grfico R
a) Calcular el Lmite de Control Superior (LCS ) y el Lmite
de Control Inferior (LCI )
LCSR = D4 R
LCIR = D3 R

Grficos de Control x-R

Paso 8:
Paso 9:

Definir las escalas de los grficos.

Representar en el grfico la Lnea Central y
los Lmites de Control.
Paso 10: Incluir los datos pertenecientes a las muestras
en el grfico.
Paso 11: Comprobacin que los datos se encuentren
dentro de los lmites del Grfico x-R.

Si hay datos que salen del grfico, se desecharn y se

volver a construir el grfico x-R, Se deber averiguar
la causa de los datos irregulares (Causa Efecto y
Pareto).

Grficos de Control x-R

Paso 12: Anlisis y resultados aplicados al proceso.
a) Un punto exterior a los lmites de control:
Estudiar la causa de desviacin fuerte del comportamiento.
b)Dos puntos consecutivos muy prximos al lmite de control:
La situacin es anmala para estudiar las causas de variacin.
c) Cinco puntos consecutivos por encima o por debajo de la
lnea central:
Investigar las causas variacin pues la media de los 5 puntos
indica una desviacin del nivel de funcionamiento del proceso.
d)Fuerte tendencia ascendente o descendente marcada por 5
puntos consecutivos:
Investigar las causas de estos cambios progresivos.

Grficos de Control x-R

e) Cambios bruscos de puntos prximos a un lmite de
control hacia el otro lmite:
Examinar la conducta errtica.
f) Los dos tercios centrales contienen mucho ms del 68%
de los puntos:
Examinar esta conducta puesto es posible que existan
causas especiales no identificadas, actuando sobre el
proceso.
g) Los dos tercios centrales contienen bastante menos del
68% de los puntos:
Investigar las causas de este comportamiento anmalo.

Grficos de Control x-R

Otros:
Ocho pruebas para verificar que una grfica est bajo control
estadstico:
Prueba # 1: un dato fuera del
lmite de control

Prueba # 2: Ocho puntos en forma

consecutiva por arriba o por debajo
del promedio
LCS

LCS
A

C
VC
C

C
VC
C

A
LCI

LCI

tiempo

tiempo

Grficos de Control x-R

Prueba # 3: Cinco puntos
consecutivos
en
forma
ascendente o descendente

Prueba # 4: Catorce puntos

alternndose en forma consecutiva
arriba y abajo.

LCS

LCS

C
VC
C

C
VC
C

A
LCI

tiempo

LCI
tiempo

Grficos de Control x-R

Prueba # 5: Dos o tres puntos en
la zona A o ms all

Prueba # 6: Cuatro de cinco

puntos consecutivos en la zona B
o ms all

LCS

LCS

C
VC
C

C
VC
C

A
LCI

tiempo

LCI
tiempo

Grficos de Control x-R

Prueba # 7: Quince puntos

consecutivos en la zona C

Prueba # 8: Ocho puntos

consecutivos que no caigan en la
zona C

LCS

LCS

C
VC
C

C
C VC

A
LCI

tiempo

LCI
tiempo

Grficos de Control x-R

Ejemplo:

Una empresa productora de ladrillos de construccin

recibi fuertes quejas de su mayor cliente por la
inconstancia de la calidad de su producto. Una de las
caractersticas principales del ladrillo de construccin es el
porcentaje de absorcin de agua. Se decidi controlar el
proceso en base a esta caracterstica utilizando grficos de
control por variables x-R.
Durante una semana se recogieron en cada uno de los 5 das
laborables una muestra de cinco ladrillos cada 2 horas (4
muestras por jornada de trabajo).

Grficos de Control x-R

Muestra
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

Porcentaje de agua (%)

3,5
5,0
4,6
4,1
7,0
5,0
3,8
4,0
3,5
4,7
5,0
6,0
5,2
3,4
4,5
3,8
4,7
5,6
3,9
3,8

3,00
3,5
2,5
3,8
5,5
5,5
6,5
6,0
4,9
4,5
4,5
5,2
4,9
4,3
7,0
6,1
6,2
7,0
4,6
4,7

4,9
4,8
4,7
5,9
6,5
3,9
5,8
3,5
4,1
4,9
5,0
5,2
3,6
4,5
7,0
4,9
5,3
6,9
5,8
4,9

5,50
6,4
5,2
6,2
5,6
6,9
6,9
6,4
5,4
5,6
4,9
4,7
7,0
5,0
5,2
5,4
6,5
4,3
3,6
5,6

4,70
4,8
5,9
4,3
4,2
4,8
5,3
4,5
6,1
4,8
5,7
6,0
6,3
4,1
6,4
4,2
7,0
4,9
4,9
5,2

4,32
4,90
4,58
4,86
5,76
5,22
5,66
4,88
4,80
4,90
5,02
5,42
5,40
4,26
6,02
4,88
5,94
5,74
4,56
4,84

2,50
2,90
3,40
2,40
2,80
3,00
3,10
2,90
2,60
1,10
1,20
1,30
3,40
1,60
2,50
2,30
2,30
2,70
2,20
1,80

Grficos de Control x-R

Paso 1:

Paso 2:
Paso 3:
Paso 4:

Establecer los objetivos del control estadstico del

proceso: Analizar la inconstancia de la calidad del
ladrillo,
Identificar la variable o variables a controlar:
Porcentaje de absorcin del agua, %.
Determinar el tipo de Grfico de Control que es
conveniente utilizar: Grfico x-R.
Elaborar el Plan de Muestreo (Tamao de
muestra, frecuencia de muestreo y nmero de
muestras): Ya est definido en el enunciado del
problema.

Grficos de Control x-R

Paso 5: Recoger los datos segn el plan establecido: Ya
dado en la tabla.

Paso 6: Calcular la media ( x ) y el recorrido (R) para

cada muestra: Ya dado en la tabla.
Paso 7: Calcular los Lmites de Control para cada uno
de los grficos:
Clculo de los valores medios
x x ... x N
x 1 2
N
4,32 4,90 ... 4,84
x
5,098
20

Clculo del recorrido medio

R1 R2 ... RN
R
N
2,5 2,9 ... 1,8
R
2,40
20

Grficos de Control x-R

Lmites de control para x

Lmites de control para R

LCS x x A2 R 5,098 0,577 2,40

LCS R D4 R 2,114 2,40

LCS x 6,48

LCS R 5,64

VC x 5,10

VC R R 2,40

LCI x x A2 R 5,098 0,577 2,40

LCI R D3 R 0 2,40

LCI x 3,70

LCI R 0

n = 5, A2= 0,577, D4 = 2,114, D3 = 0

Grficos de Control x-R

Paso 8: Definir las escalas de los grficos.
Paso 9: Representar en el grfico la Lnea Central
y los Lmites de Control.
Paso 10: Incluir los datos pertenecientes a las
muestras en el grfico.

Ver diapositiva siguiente.

Grficos de Control x-R

LCS = 6,48

VC = 5,10

LCI = 3,70

LCS = 5,07

VC = 2,40

LCI = 0

Grficos de Control x-R

Paso 12: Anlisis y resultados aplicados al
proceso.
No hay datos que salen de control.
No hay tendencias o patrones anmalos
en los datos.

La alta variabilidad del porcentaje de absorcin de

agua no era espordica y no es debida a causas
especiales y puntuales sino que es constante e
inherente al propio proceso de produccin.

Grficos de Control x-s

Subgrupo
1
Los siguientes
2
datos muestran
3
las cantidades
4
en los que los
5
dimetros de
6
7
los alambres
8
medidos en
9
unidades de
0,001 pulgadas 10
11
sobrepasan un
12
determinado
13
valor.
14
15

2,5
0,2
1,5
0,2
-0,2
1,1
1,1
0,2
-2,0
-0,5
0,1
0,0
-1,0
0,5
1,1

Valores de datos
0,5
2,0
-1,2
0,3
0,5
1,1
1,3
1,2
-1,0
0,5
2,0
0,0
0,1
0,3
-0,6
-0,5
0,6
0,5
-1,0
-1,2
1,3
-1,5
-0,5
1,5
-1,5
1,6
1,4
3,2
-0,1
-1,0
1,5
-0,2
0,3
-2,0
-0,5
0,6
-0,5
-0,5
-1,0
1,3
-1,2
-0,5
0,8
1,5
-1,5

1,4
1,5
0,7
-1,3
0,5
0,2
0,1
0,3
0,1
-1,5
2,1
-0,5
0,2
-2,7
1,2

Grficos de Control x-s...

Clculo de los valores medios
x x ... x N
x 1 2
N
1,4 0,72 ... 0,62
x
0,2
15

Lmites de control para x

Clculo de la desviacin
estndar
5

s1

( x 1,4)
i 1

5,29

5 1
s1 s2 ....s N
s
1,09
N

Lmites de control para s

LCS x x A3 s 0,2 1,44 1,08

LCS s B3 s 2,10 1,09

LCS x 1,759

LCS s 2,282

LCI x x A3 s 0,2 1,44 2,40

LCI s B4 s 0 1,09

LCI x 1,359

LCI s 0

n = 5, A3 = 1,44, B4 = 0, B3 = -2,10

Grficos de Control x-s...

Todos los
resultados
se
encuentran
dentro de
los lmites
de control

Grficos de Control por Atributos

Los diagramas de control por atributos constituyen
la herramienta esencial utilizada para controlar
caractersticas de calidad cualitativas, esto es,
caractersticas no cuantificables numricamente.
Ejemplos de tales caractersticas no medibles son la
fraccin o porcentaje de unidades defectuosas en la
produccin (p), el nmero de unidades defectuosas
en la produccin (np), el nmero de defectos por
unidad de inspeccin producida (u), y el nmero de
defectos de todas las unidades producidas (c).

Grficos de Control por Atributos

Establecer los objetivos del control
estadstico del proceso
Paso 1
Paso 2
Paso 3

Identificar la caracterstica a controlar

Determinar el tipo de grfico a utilizar

Tipo unidad
conforme

No
Grfico p

Tamao
muestra
constante?

Si

Por
unidad no
conforme

No

Si

No

Grfico np

Grfico u

Tipo
disconformidades

Tamao
muestra
constante?

Si
Grfico c

Grficos de Control por Atributos...

Paso 4
Paso 5

Paso 6

Calcular la
fraccin de
unidades no
conformes p

Establecer el plan de muestreo

Recoger los datos segn el plan

Registrar el
nmero de
unidades no
conformes np

Calcular el nmero
de
disconformidades
por unidad u

Registrar el
nmero de
disconformidades
c

Grficos de Control por Atributos...

Paso
7

Calcular los lmites de control

Paso
8

Definir las escalas del grfico

Paso
9

Recalcular

Representar en el grfico la lnea central y los

lmites de control

Paso
10

Incluir los datos de las muestras en el grfico

Paso
11

Comprobacin de los datos de construccin

Eliminar las
muestras fuera de
los lmites

No

Proceso
bajo
control?

Si
Paso
12

Anlisis de resultados

Fin

Grfico

Grficos de Control por Atributos...

Grfica de control p
Los datos de atributos no pueden ser medidos en escala
continua, solo calificados como bueno/malo, etc.
Defecto: caracterstica de calidad no aceptable para un
producto.
Defectuoso: artculo con ms de un defecto.
P: probabilidad de que se produzca un artculo defectuoso.
La probabilidad de que haya artculos defectuosos en una
muestra est dado por:
n d
P( x d ) p (1 p ) n d ; x 0,1,..., n
d

Grfico de control p

La media y varianza y el estimador de una fraccin

defectuosa de la poblacin:
E ( x) np

Var ( x) np(1 p)
d
p
n
d: nmero de artculos defectuosos de un total de n.
Valor estimado y varianza en funcin del estimador
np
d 1

E ( p) E E (d )
p
n
n n
d Var (d ) np(1 p) p(1 p)

Var ( p) Var

2
2
n
n
n
n

Grfico de control p

Suponiendo que tenemos m muestras de tamao n, los

estimadores de la fraccin defectuosa y la fraccin
defectuosa de las m muestras se podrn calcular del modo:
m

di
p i ;
n

p d
i 1

Lmites de control para

la fraccin defectuosa

i 1

m n

; para i 1,2,...m

p (1 p )
LCS p 3
n
VC p
p (1 p )
LCI p 3
n

Grfico de control p

Ejemplo:
Treinta y cinco muestras sucesivas de 100 vaciados
que se extraen de una lnea de produccin
contuvieron respectivamente, 3, 3, 5, 3, 5, 0, 3, 2,
3, 5, 6, 5, 9, 1, 2, 4, 5, 2, 0, 10, 3, 6, 3, 2, 5, 6, 3, 3,
2, 5, 1, 0, 7, 4, y 3 unidades defectuosas.

Grfico de control p

Se calcula:
3
3
5
3

p
(

...
)

i
di
100 0,037
p i ; p i 1 100 100 100
n
m
35
Lmites de control para la fraccin defectuosa

p (1 p )
0,037(1 0,037)
LCS p 3
0,037 3
n
100
LCS 0,093
LC p 0,037
p (1 p )
0,037(1 0,037)
LCI p 3
0,037 3
n
100
LCI 0,019
Si LCI es negativo se reemplaza por 0

Grfico de control p

proporcin

0,1

LCS = 0,093

0,08
0,06
0,04

VC = 0,037

0,02

LCI = 0

0
0

10

15

20

25

nmero de muestra

30

35

Grfico de control p

El proceso no est bajo control:

Rehacer el grfico desechando el dato anmalo

(outlier).
Averiguar la causa de la anomala.

Se presenta muchos datos que configuran

tendencias y/o patrones de alarma.

Iniciar plan de diagnstico severo del proceso de

produccin usando las herramientas estadsticas
estudiadas.

Grfico de control np

Se usa para controlar el nmero de defectuosos

en una muestra.
Lmites de control

LCS np 3 np (1 p )
VC np

LCI np 3 np (1 p )

Grfico de control np
Supongamos un proceso que fabrica tornillos. Una
manera de ensayar cada tornillo sera probarlo con
una rosca calibrada.
Si el tornillo no entra en la rosca, se le considera
defectuoso o disconforme.
Para controlar este proceso, se pueden tomar
muestras de 50 tornillos y contar el nmero de
defectuosos presentes en cada muestra.

Grfico de control np
Se cuenta en cada muestra el Nmero de artculos
defectuosos y se registra. Se obtendra una Tabla como la
siguiente:
n
Muestra
1
2
3
4
5
6
7
.
.
.
25

N Defectuosos
3
2
4
3
4
2
5
.
.
.
6

D
i 1

N n

Total defectos observados = 75

n = 50;
N = 25;
= 0,06

Grfico de control np
Entonces

LCS 50 0,06 3 50 0,06 (1 0,06)

LCS = 8,038 8
VC = 3

LCI 50 0,06 3 50 0,06 (1 0,06)

LCI = -2,038 0

Grfico de control c

Este tipo de grfico se utiliza cuando se est intentando

controlar el nmero de defectos por unidad, ya sea
porque el numero de posibles defectos es elevado o
porque se desee aislar un cierto tipo de ellos.

La unidad puede ser un solo artculo (juguete)

Un grupo de artculos (cuatro crayolas)

Se supone que el tamao de grupo es el mismo en cada

punto.
La grfica de control para el nmero de defectos se
basa en la distribucin de probabilidades de Poisson.
Se usa comnmente en industrias de proceso continuo.

Grfico de control c
La distribucin de Poisson se sostiene en la binomial,
cuando n es muy grande y p muy pequeo.
Binomial (n, p)

Poisson ( = np)
Demostracin:
Sea p = /n
n
P X n k 1
k n
k
n 1

nk

n(n 1)...(n k 1) 1

k!
n
n
k

1 1
k 1
n
n
n
n

1
n

k 1

k!

k
n n
k

1 e k

1
k!

Como n

Grfico de control c

La grfica c, para el nmero de defectos en una

unidad, tiene una lnea central a la altura de x .

Los lmites:

LCS x 3 x
LCI x 3 x

Si LCI es negativo se reemplazar por 0.

Grfico de control c

Ejemplo:

Una compaa fabrica paneles de metal los cuales son

horneados despus de ser recubiertos primero con una
lechada de cermica en polvo. A veces aparecen defectos
en el terminado de estos paneles y la compaa desea
establecer una grfica de control para el nmero de
defectos. A continuacin se muestran la cantidad de
defectos en cada uno de los 24 paneles muestreados en
intervalos de tiempo regulares.
7 10 9 12 13
13 9 21 10 6

6
8

13 7
3 12

5
7

11 8 10
11 14 10

Grfico de control c

Sea n = 24

Para la media y los lmites:

24

x
i 1

7 10 9 ... 10 235

9,792
24
24

LCS x 3 x 9,792 3 9,792 19,18

LCI x 3 x 9,792 3 9,792 0,40

La grfica se muestra a continuacin:

Grfico de control c
La muestra 15
se encuentra
fuera del
LCS. Al
investigar se
encontr que
la lechada
empleada en
ese panel
tena una
viscosidad
muy baja
(causa
asignable).

Grfico de control c

Si se elimina esta observacin del conjunto de datos, se

obtiene:

El error se corrige y el proceso ahora est bajo control.

Grfico de control u
Se usa cuando el nmero de unidades inspeccionadas
vara de muestra a muestra y cuando se evala las no
conformidades por unidad. Se emplea cuando aparecen
varios defectos en una misma unidad de producto o
servicio.
Sea X o mejor c el nmero defectos en n unidades de
inspeccin y u = c/n el nmero de defectos por unidad
de inspeccin.
Este grfico controla si la u media permanece constante.
Si denotamos por ci al nmero de defectos totales en la
ni
muestra i-sima, es claro que

ci uij
j 1

Grfico de control u
Por otro lado, si denotamos por ui al valor esperado de
ni
defectos en la muestra i-sima, tendremos que
1

1
Note que ui ci, por tanto ci = niui
ni

ui

Entonces X Poisson (c)

E(X) = c

E(u) = c/n
Var(u) = c/n2
y los lmites de control son:

DS[u] = /n
E[u] 3 DS[u]

n
i j 1

ij

Var(X) = c

c
c
u
3 2 u3
n
n
n

Grfico de control u
Si no se conoce u, se le estima a partir de m (> 25)
muestras previas
m
m
m
ui ui
ni

u im1 i 1
n i 1
nm
m
n
i
i 1

Si el tamao de las muestras no difieren mucho.

Sino se utilizan todos los diferentes tamaos de
muestra.
Tambin se puede optar por tomar un n comn e igual
al mayor de los ni, con lo que se obtendra unos lmites
de control bastante sensibles.

Grfico de control u
En una planta textil se inspecciona el producto evaluando el
nmero de defectos por cada 50 m2 de tela (sta es la unidad de
inspeccin). En la tabla se muestran los datos de 10 rollos de
tela de distinto tamao.
# rollo Nmero de m2 # de inconformidades
Construya una grfica u
1
500
14
y determine si el proceso 2
400
12
3
650
20
est bajo control.
4

500

11

475

500

10

600

21

525

16

600

19

10

625

23

Grfico de control u
#
rollo

Nmero de
m2

#
inconformidades

# de unidades de
inspeccin, u

# inconformidades
por unidad de
inspeccin

500

14

10,0

1,40

400

12

8,0

1,50

650

20

13,0

1,54

500

11

10,0

1,10

475

9,5

0,74

500

10

10,0

1,00

600

21

12,0

1,75

525

16

10,5

1,52

600

19

12,0

1,58

10

625

23

12,5

1,84

153

107,5

ui

Grfico de control u
La lnea central de la grfica de control es igual al nmero
promedio de disconformidades por unidad de inspeccin
(50 m2 de tela),
153
=
= 1,423
107,5
es decir, en promedio, 1.423 defectos por cada 50 m2 de
tela. Este es el parmetro que deseamos controlar.

Los lmites de control resultan entonces

1,423
1,423 3
ni

los cuales varan segn el nmero de unidades de

inspeccin ni

Grfico de control u
Primera aproximacin:
10

= 10,75

metros

unidades

defectos

500

10,75

14

400

10,75

12

650

10,75

20

500

10,75

11

475

10,75

500

10,75

10

600

10,75

21

525

10,75

16

600

10,75

19

625

10,75

23

U Chart of Defectos
UCL=2,515

2,5

Sample Count Per Unit

En Minitab
Variable:
defectos
Subgroups size: 10,75

2,0

_
U=1,423

1,5

1,0

0,5
LCL=0,332
1

5
6
Sample

10

Grfico de control u
Segunda aproximacin:
= 13,0
unidades

defectos

500

13,0

14

400

13,0

12

650

13,0

20

500

13,0

11

475

13,0

500

13,0

10

600

13,0

21

525

13,0

16

600

13,0

19

625

13,0

23

U Chart of Defectos
UCL=2,080

2,0

Sample Count Per Unit

metros

En Minitab
Variable:
defectos
Subgroups size: 13,0

1,5
_
U=1,177
1,0

0,5
LCL=0,274
1

5
6
Sample

10

Grfico de control u
En Minitab
Variable:
defectos
Subgroups size: unidades

Tercera aproximacin:
n variable
metros

unidades

defectos

500

10

14

3,0

400

12

2,5

650

13

20

500

10

11

9,5

500

10

10

600

12

21

525

10,5

16

600

12

19

625

12,5

23

Sample Count Per Unit

475

U Chart of Defectos

UCL=2,436

2,0
_
U=1,423

1,5
1,0
0,5

LCL=0,411

0,0
1

5
6
Sample

Tests performed with unequal sample sizes

10

Esquema de los tipos de errores: Ejemplo

Se desea probar la afirmacin de un fabricante de pinturas
segn la cual el tiempo de secado de su nueva pintura es de 20
minutos. Una agencia de proteccin al consumidor instruye a
su equipo de investigacin para que realice pruebas con la
nueva pintura; estas pruebas consisten en el pintado de 36
tableros usando galones de pintura seleccionados siguiendo un
procedimiento de muestro. Se propone rechazar la afirmacin
si los tiempos de secado exceden los 20,75 minutos. Por
experiencia se sabe que la desviacin estndar de los tiempos
de secado es = 2,4 minutos.
Error tipo I: rechazar H0: = 20 min, cuando este es cierto.
Error tipo II: aceptar H0: = 20 min, cuando este no es cierto.

Esquema de los tipos de errores del ejemplo

= 20

= 21
20,75

Clculo de y

x 20,75 20
Z

1,875
n 2,4 / 36

= 1- P(z = 1,875) = 1 0,9696 = 0,0304

x 20,75 21

0,625
n 2,4 / 36

= P(z = -0,625) = 0,2660