CONTROL DE VARIABLES

 La fase de control pretende asegurar

que las condiciones del nuevo proceso
se vigilan a través de métodos
estadísticos de control de procesos.
 Mantener estabilizadas las variables
vitales garantiza que los productos
estarán dentro de su especificación.

...
 CONTROL DE VARIABLES
• El control de procesos es una
técnica que consiste en asegurar las
características de los productos
mediante el control de las variables
vitales del proceso productivo.
 Establecer tolerancias en las variables x ´ s
 Determinar la capacidad del proceso para las
x’ s.
 Mantener las x’ s dentro de su tolerancia
mediante la implantación de un sistema de
control adecuado.
 Utilizar gráficas de control para vigilar y
controlar la variación de las x’ s.
 MÉTODOS CONDUCTUALES
Suponen cambios en los métodos personales
de trabajo. Son necesarios pero no
suficientes: las personas olvidan, modifican
procesos, saltan procedimientos... (FALTA DE
CAPACITACION)
 MÉTODOS A PRUEBA DE ERROR
Suponen modificaciones tales en los
procesos que es imposible cometer
errores. Son los métodos que hacen
perdurar la mejora.( PROCEDIMIENTOS
ESTABLECIDOS )
es bueno hacer las cosas bien a la
“
primera, pero aun es mejor hacer
que sea imposible hacerlo mal la
primera vez”
Principios para evitar errores:

 Eliminar tareas repetitivas que dependan

de la memoria o de estar
constantemente alerta
 liberar tiempo de las personas,
dedicándolo a tareas más creativas y de
mayor valor añadido
 no es aceptable cometer un pequeño
número de errores
 el objetivo es cero defectos.
Son cosas diferentes:

 Los errores son la causa de los

defectos(mala lectura de la temperatura,
porque el termómetro no sirve)

 Los defectos son el resultado de los

errores(ladrillo mal cocido por causa de la
mala lectura de temperatura)
¿Por qué se producen errores?

 procedimientos incorrectos
 excesiva variación en el proceso
 excesiva variación en los
materiales
 sistemas de medida inadecuados
 errores humanos
¿Son inevitables los errores?

La visión tradicional

 las personas cometemos errores

 todo tiene variación
 la inspección es necesaria

...
 ¿Son inevitables los errores?
La visión 6-

• la mayoría de los errores se pueden eliminar, y

el resto reducir
• cuanto más errores se eliminen mejor será la
calidad de nuestros productos
• la inspección se puede reducir o incluso
eliminar
¿Es la inspección el mejor método?
 la inspección tradicional (por
muestreo o al 100%) no es 100%
efectiva.
 se limita a detectar los defectos una
vez producidos
 la realimentación al proceso es lenta
 el cliente es el mejor inspector.
 Eliminación de defectos
BUENO
el error ha ocurrido

MEJOR
el error ha ocurrido
OPTIMO

el error está a punto

de ocurrir
Señales de aviso
PREDICCIÓN: MUCHOS COCHES
DISPONEN DE SISTEMAS QUE
ADVIERTEN QUE ALGÚN
CINTURÓN DE SEGURIDAD NO
ESTÁ ABROCHADO

DETECCIÓN: LOS DETECTORES DE

HUMO INDICAN LA POSIBILIDAD DE
LA EXISTENCIA DE UN FUEGO EN
UNA CASA.
Gráficas de control

Son gráficas de los datos del

proceso representados en función
del tiempo, que permiten detectar
la aparición de factores especiales
o no aleatorios
 Los gráficos de control son una
herramienta fundamental de control
estadístico de la calidad. Ellos son un
método de comparar información
basada en muestras representativas del
estado actual de un proceso, frente a
limites establecidos después de
considerar la variabilidad inherente del
servicio.
 Su utilización principal es servir como
medio para evaluar si un proceso de
fabricación o un proceso
administrativo se encuentra o no en un
“estado de control estadistico”
 Los gráficos de control son un indicador del
“estado de control estadístico” para el operador,
el ingeniero, el administrador y el gerente de
produccion o de servicio. Sin embargo el grafico
de control sirve unicamente como parte del
procedimiento completo de analisis.
 El grafico puede sugerir cuando en el proceso ha
entrado una causa asignable, pero se requiere un
estudio independiente para determinar la
naturaleza esa causa asignable y la accion
correctiva que se necesita.
 Un grafico de control Shewhart requiere
datos obtenidos mediante el muestreo del
proceso a intervalos aproximadamente
regulares. A partir de cada subgrupo se
deducen una o mas características del
subgrupo, tal como el promedio del
subgrupo X, y el rango del subgrupo R, o la
desviación estándar.
 El grafico consta de una línea central (LC)
localizada en un valor de referencia de la
característica representada.
 El grafico de control tiene dos limites de control
determinados estadísticamente, uno a cada lado de
la línea central, los cuales se denominan limite superior
de control LSC y limite inferior de control LIC.
 Los limites de control en los gráficos Shewhart están a
una distancia de 3σ a cada lado de la línea central,
donde σ es la desviación estándar de la población
dentro del subgrupo.

LSC

LC

LIC

1 2 3 4 5 6 7 8
N° de subgrupo
 Los limites de 3σ indican que dentro de los limites
de control se incluirá aproximadamente el 99.7%
de los valores del subgrupo, siempre que el
proceso este bajo control estadístico.

 Cuando se aplican los gráficos de control son

posibles dos tipos de error.

 El primero se denomina error tipo 1, que ocurre

cuando el proceso correspondiente permanece
bajo control, pero un punto cae por fuera de los
limites de control debido al azar concluyéndose
que el proceso esta fuera de control.
 El segundo error se denomina tipo 2. Esto ocurre cuando
el proceso correspondiente esta fuera de control pero el
punto generado cae dentro de los limites de control
debido al azar, concluyéndose incorrectamente que el
proceso esta bajo control estadístico.

 El sistema Shewhart tiene en cuenta únicamente el error

tipo 1 y el tamaño de este error es 0,3% con limites de
3σ.
Texto Texto
Texto Texto
Texto Texto
Texto Texto
Texto Texto

Título F
 Gráficas de control

GRÁFICOS DE CONTROL GRÁFICOS DE CONTROL

DE VARIABLES DE ATRIBUTOS

Gráfico del promedio y Grafico de la fracción

del Rango no conforme p

Gráfico de Promedio y Gráficos de numero de

la Desviación Estand. unidades no conformes np

Gráfico de Promedio y Gráfico del numero de no

Rango móviles conformidades c

Gráfico de no conformidades
por unidad u

GRÁFICOS DE CONTROL GRÁFICOS DE CONTROL

CUANDO NO SE DAN CUANDO SE DAN VALORES
VALORES ESTÁNDAR ESTÁNDAR
 TIPOS DE GRAFICOS

a. CUANDO NO SE DAN VALORES ESTÁNDAR

 El proceso genera sus propios

parámetros de control .(
X , R, 
) para establecer , S limites
los , X , M e de
control.

• El propósito aquí es descubrir si los

valores observados de las características
representadas tales como X R, o
cualquier otro estadístico varían entre
ellos en una cantidad mayor que la que
se puede atribuir al solo azar.
b. CUANDO SE DAN VALORES ESTÁNDAR

 Al proceso se le establecen valores

preestablecidos para la elaboración de los
limites de control limites de control.

 El Propósito aquí es identificar si los valores

observados de X, etc., para varios
subgrupos de n observaciones cada uno,
difieren respecto de los valores estándar
respectivos X0 (ó μ0), etc.
a. Gráficos de control de variables:
1. Gráfico de promedios
X
2. Grafico de rango R
3. Gráfico de observaciones individuales X y de rango
móvil R.
4. Gráfico de observaciones individuales X y desviacion
estandar
RANGO
1,4
1,3
1,2
1,1 LSC
1 (1,14)
0,9
0,8
0,7
0,6 LCC
0,5 (0,54)
0,4
0,3
0,2
0,1
0
0 5 10 15 20 25 30
 Los datos variables representan
observaciones obtenidas midiendo y
registrando la magnitud numérica de
una característica para cada una de
las unidades del subgrupo considerado.
 Los gráficos de control de variables son
especialmente útiles por varias razones:
 La mayoría de los procesos y su producción tienen
características que son medibles.
 Un valor de medición contiene mas información
que una simple afirmación de si o no.
 El desempeño de un proceso se puede analizar sin
tener en cuenta la especificación.
 Aunque obtener una porción de datos medidos
suele ser mas costoso que obtener una porción de
datos pasa/no pasa, los tamaños de los subgrupos
para variables son mas eficientes.

 Para todas las aplicaciones de gráficos de control

de variables considerados se supone una
distribución normal (de Gauss) para la variabilidad
dentro de la muestra.
 Los gráficos de variables pueden describir los
datos de procesos en términos de dispersión
(variabilidad de la muestra) y localización
(promedio del proceso). Debido a estos los
gráficos de control para variables casi
siempre se preparan y se analizan en pares,
un gráfico para la localización y otro para la
dispersión. El par utilizado mas comúnmente
es el de gráfico media de medias y el de
rango promedio X-R.
 En algunas situaciones de
control es imposible poco
práctico tomar subgrupos
racionales. El tiempo o el
costo requeridos para  A partir de los rangos
medir una observación
individual son tan grandes
que no es factible pensar
en observaciones
repetidas.
 Puesto que no hay
subgrupos racionales
para suministrar una
estimación de la
 Un rango móvil es la
diferencia absoluta entre
pares sucesivos de
mediciones en una serie.
móviles se calcula el
rango promedio R y este
se utiliza para la
construcción de gráficos
de control.
GRÁFICO

variabilidad dentro de la X1 X2 X3 X4 X5

carga, los limites de

DEPTO. 1

control se basan en una

DEPTO. 2

medida de la variación
DEPTO. 3

que se obtiene a partir de

DEPTO. 4

DEPTO. 5

rangos móviles de, a DEPTO. 6

menudo, dos
observaciones.
a. No son tan sensibles a los
cambios en el proceso
como lo son los gráficos de
X y de R.
b. Si la distribución del
proceso es normal, estos se
deben interpretar con
cuidado.
c. No aíslan la repetibilidad
de porción del proceso y,
por tanto, en algunas
aplicaciones puede ser
mejor utilizar un gráfico
convencional de X y R con
tamaños pequeños de
muestras del subgrupo.
 Los gráficos para 1. Utilizando la mediana de los
medianas son alternativas subgrupos de las medianas
respecto de los gráficos X y la mediana de los rangos.
y R para el control de un 2. O usando el promedio de
proceso con datos las medianas del subgrupo y
medidos: estos gráficos el promedio de los rangos.
dan conclusiones
semejantes y tienen varias
ventajas especificas, son
fáciles de utilizar y no
requieren tantos cálculos,
muestra la dispersión del
proceso de producción y
da una imagen
progresiva de la variación
del proceso.
 Los limites de control para
gráficos de la mediana se
calculan de dos formas:
 En los gráficos siguientes
se presenta un conjunto
de ocho ensayos
suplementarios utilizados  Los limites de control
para interpretar patrones
en los gráficos de
Shewhart.
 Aunque esto se puede
considerar como un
conjunto básico de
ensayos, los analistas
deben estar alerta ante
cualquier patrón
desusado de puntos que
pudieran indicar la
influencia de causas
especiales en sus
procesos.  Estos ensayos se aplican a
 Una indicación de
cualquiera de las
condiciones estipuladas
en estos ensayos señala la
presencia de
causas
 asignables de variación
que es necesario
diagnosticar y corregir.
superior e inferior se fijan a
una distancia de 3σ por
encima y por debajo de
la línea central. Para
propósitos de aplicar los
ensayos, el gráfico de
control se divide en seis
zonas de 1σ cada una.
Estas zonas se rotulan
como A, B, C, C, B, A, con
las zonas C colocadas
simétricamente respecto
de la línea central.
gráficos del promedio y a
los gráficos de
observaciones
individuales, se supone
que hay una distribución
normal.
 LSC LSC
A A
B B
C C
X C
X C
B B
A A
LIC LIC
Ensayo 1: Un punto mas allá de la zona A. Ensayo 2: Nueve puntos en una fila en la
Zona C o más allá en un lado de la línea
Central.
LSC LSC
A A
B B
C C
X C
X C
B B
A A
LIC LIC
Ensayo 3: Seis puntos en una fila que Ensayo 4: Catorce puntos en una fila
aumenta o disminuye en forma alternante hacia arriba y hacia abajo.
constante.
 LSC LSC
A A
B B
C C
X C
X C
B B
A A
LIC LIC
Ensayo 5: Dos de tres puntos en una Ensayo 6: Cuatro de cinco puntos en
fila en la zona a o más allá. una fila en la zona B.

LSC LSC
A A
B B
C C
X X C
C
B B
A A
LIC LIC
Ensayo 7: Seis puntos en una fila que Ensayo 8: Ocho puntos en una fila en
aumenta o disminuye en forma ambos lados de la línea central con
constante. ninguno en la zona C.
Gráficas de control
La idea es calcular unos límites estadísticos
para la variable objeto del control tales que
resulte muy improbable que sean excedidos
con la única explicación del azar.

I Chart for Shaft_OD Ho: el proceso es aleatorio

0.07

3.0SL=0.06745
límite superior de control
Individual Value

(
0.06 X=0.05978

valor medio del proceso

-3.0SL=0.05211
0.05
0 10 20 30 límite inferior de control
Observation Number (
 Selección de gráficas de control
¿VARIABLE
O
ATRIBUTO?

ATRIBUTO VARIABLE

¿# DEFECTOS
¿MUESTRAS O
O
INSPECCIÓN 100%?
% DEFECTUOSOS?

% DEFECTUOSOS # DEFECTOS INSPECCIÓN 100% MUESTRAS

¿TAMAÑO DE LOTE
CONSTANTE?

NO SI

P U C I & MR X-Bar & R

Límites de especificación y Límites de control
• Los límites de especificación son los que permiten
distinguir entre un producto “bueno” y uno “malo”.
Condicionan la satisfacción del cliente. La mayor
parte de las especificaciones aplican a valores
individuales.

• Los límites de control son los que ponen en evidencia

las causas asignables y de variación no aleatoria en
los procesos. Determinan la satisfacción del proceso.
Los límites de control aplican a valores medios y no
individuales.
Límites de especificación y Límites de control
LSC
0.065

el proceso está fuera LSE

Shaft_OD
0.060

de especificación pero
0.055

bajo control Index 10 20

LIC
LIE
LSE
0.065

LSC
el proceso está
Shaft_OD

0.060
fuera de control
LIC pero dentro de
0.055

Index 10 20
especificación
LIE
Cálculo de Límites de control

Existen fórmulas para calcular los

límites superior e inferior de control
en base a las distribuciones de
probabilidad correspondientes a los
distintos tipos de variables.
 Procesos fuera de control

LSC

un punto fuera de los

límites de control

LIC

LSC
dos de tres puntos consecutivos
más allá de 2de la media

LIC
 GRÁFICA X-Bar & R

Ejemplo: La siguiente tabla

contiene los valores medidos del
diámetro de un eje producido en
serie. De las 1500 unidades
producidas en una semana han
tomado nueve muestras de tres
piezas cada una.
 GRÁFICA X-Bar & R
M1 M2 M3 M4 M5 M6 M7 M8 M9
#1 0.056 0.057 0.058 0.057 0.059 0.057 0.055 0.060 0.060
#2 0.060 0.063 0.060 0.065 0.063 0.059 0.059 0.062 0.066
#3 0.058 0.060 0.059 0.061 0.061 0.058 0.057 0.061 0.063
X 0.058 0.060 0.059 0.061 0.061 0.058 0.057 0.061 0.063
R 0.004 0.006 0.002 0.008 0.004 0.002 0.004 0.002 0.006

Se trata de un volumen de producción

medio/grande, de una operación continua y de
control a través de muestras de tamaño
pequeño. La gráfica de control adecuada es la
X-Bar & R.
 GRÁFICA X-Bar & R
Xbar/R Chart for Shaft_OD

0.065
3.0SL=0.06410
Means

0.060 X=0.05978

media de la
-3.0SL=0.05546
muestra 0.055
Subgroup 0 1 2 3 4 5 6 7 8 9

3.0SL=0.01087
0.010
Ranges

0.005
R=0.004222

0.000 -3.0SL=0.000

rango de la muestra
 GRÁFICA I & MR

Ejemplo: La siguiente tabla contiene los

valores medidos del diámetro de un eje
producido bajo pedido. Se han medido
todas las piezas producidas en un mes (un
total de 27).
 GRÁFICA I & MR
Diam. Diam. Diam. Diam. Diam. Diam. Diam. Diam. Diam.
0.056 0.057 0.058 0.057 0.059 0.057 0.055 0.060 0.060
0.060 0.063 0.060 0.065 0.063 0.059 0.059 0.062 0.066
0.058 0.060 0.059 0.061 0.061 0.058 0.057 0.061 0.063

Se trata de un volumen de
producción pequeño, de una
operación intermitente y de control
por inspección 100%.
 GRÁFICA DE VARIABLES INDIVIDUALES

I and MR Chart for Shaft_OD

0.07
3.0SL=0.06745
Individuals

0.06 X=0.05978

-3.0SL=0.05211
0.05
cada uno Observation0 10 20 30

de los 0.010
3.0SL=0.009425
Moving Range

valores
0.005
R=0.002885

0.000 -3.0SL=0.000

diferencia entre un valor y el siguiente