Gráfico de control para la

media
Gráfico de control para las
medias
Gráficos de control para la
dispersión
Gráfico de control de la desviación típica

Cuando σ es desconocido, se utilizará el estimador insesgado

Gráfico de control para la
desviación típica
 GRÁFICAS DE CONTROL DE RANGO MÓVIL
¿QUÉ ES RANGO MÓVIL?

Es un artificio matemático en el cual se toman 2 mediciones seguidas para formar los

subgrupos y estimar la variación entre los subgrupos. De este modo podemos obtener

una representación del comportamiento del proceso, o sea una gráfica de control que se

basa en el análisis de muestras individuales y en el rango móvil obtenido.

¿PARA QUÉ SIRVE EL RANGO MÓVIL?

Es útil para controlar el proceso cuando la tecnología de la medición no permite una

inspección en línea de varias unidades al ser producidas o cuando las mediciones son

caras o bien el producto en cualquier momento es relativamente homogéneo (por

ejemplo: pH, concentración de productos químicos, etc.)

METODOLOGÍA

Para elaborar las gráficas de Rangos Móviles, es necesario:

a) Llenar el encabezado de la gráfica.

b) Recolectar los datos.

y realizar los siguientes pasos:

1. Calcular el rango móvil.

Es la diferencia entre
Rango Móvil  n   ABS  X n  Xn  1 2 valores continuos

Donde n: número de muestra, n es diferente a 1.

x: valor de la característica que se mide.

 Nota: siempre habrá un número de rangos móviles menor en una unidad con

respecto a las mediciones individuales.

2. Graficar los valores del rango móvil y las lecturas individuales (UNO A UNO).

3. Calcular el promedio de las mediciones individuales y graficar con línea continua.

X
X  promedio de las mediciones individuales
n
4. Calcular el promedio de los rangos móviles y graficar con línea continua.

R
 R móvil  promedio del rango móvil
n 1
5. Calcular los límites de control para la gráfica de lecturas individuales y graficarlos

con línea discontinuas.

Límite superior LSC X  X  2.66 R

 Línea Central LC X  X lecturas individuales

Límite inferior LIC X  X  2.66 R

6. Calcular los límites de control para la gráfica de rangos móviles y graficarlos con

líneas discontinuas.

Límite superior LSCR  D4 R

Línea Central LCR  R Rangos Móviles

Límite inferior LICR  D3 R

Donde D4 y D3 :son constantes de tablas con n2

R :es el rango promedio

 2.66 : constante de tablas obtenidas de 3 d 2 con n  2

d 2  1.128

X : es el promedio de las observaciones.

7. Análisis del comportamiento de las gráficas.

NOTA:

El número de datos para calcular los límites de control son 250 ó

mínimo 150 mediciones individuales

En General
Ejemplo:

En un proceso de galvanoplastia (línea G-1 maquina 2), se controla la densidad de ácido

crómico en el baño de cromo. Se utiliza el densímetro Baume no.2 para medir el peso
específico y verificar si se está añadiendo la cantidad apropiada de aditivo químico para
mantener constante el peso específico. Nuestras especificaciones correspondientes a la
pieza GL V-O1S (Observe el periodo de tiempo en la tabla). Se tomo una muestra cada
hora durante dos días de operación. Será la gráfica No.1 y nuestra especificación va de
22.0 a 23.9. Se empleará el valor medido con el densímetro para crear un gráfico de
control X-RM.

Completar los datos del encabezado de la gráfica y elaborarla.

Lectura Día Hora Peso específico Rango
móvil
1 02/08/00 08:00 22.3
2 02/08/00 09:00 23.1
Lectura
Lectura Día
Día Hora
Hora Peso
Peso Rango
Rango móvil
móvil
específico
específico
33 02/08/00
02/08/00 08:00
08:00 22.9
22.9
44 02/08/00
02/08/00 09:00
09:00 22.8
22.8
55 02/08/00
02/08/00 10:00
10:00 23.2
23.2
66 02/08/00
02/08/00 11:00
11:00 23.7
23.7
77 02/08/00
02/08/00 12:00
12:00 23.5
23.5
88 02/08/00
02/08/00 13:00
13:00 23.0
23.0
99 02/08/00
02/08/00 14:00
14:00 22.7
22.7
10
10 02/08/00
02/08/00 15:00
15:00 22.9
22.9
11
11 02/08/00
02/08/00 16:00
16:00 22.9
22.9
12
12 02/08/00
02/08/00 17:00
17:00 23.4
23.4
13
13 03/08/00
03/08/00 18:00
18:00 22.8
22.8
14
14 03/08/00
03/08/00 19:00
19:00 22.6
22.6
Lectura Día Hora Peso Rango móvil
específico
15 03/08/00 10:00 22.3
16 03/08/00 11:00 23.1
17 03/08/00 12:00 22.7
18 03/08/00 13:00 23.0
19 03/08/00 14:00 23.3
20 03/08/00 15:00 23.2
21 03/08/00 16:00 23.6
22 03/08/00 17:00 22.7
23 03/08/00 
X 18:00 22.6
24 03/08/00 19:00 22.7
1. Calculemos el rango móvil para cada dato.

Es la diferencia entre
Rango Móvil  n   ABS  X n  X n 1  2 valores continuos

2. Grafiquemos los valores del rango móvil y las lecturas individuales (UNO A UNO).

3. Obtengamos el promedio de las mediciones individuales y grafiquemos con línea

continua.

X
X  _______ = ______
n
4. Calculemos el promedio de los rangos móviles y grafiquemos con la línea continua.

R
 R móvil  ______ = _______
n 1
5. Calcular los límites de control para la gráfica de lecturas individuales y graficarlos con
líneas discontinuas.

LSC X  X  2.66 R  _____________ + 2.66 (_________) = ____________

LC X  X  _______

LIC X  X  2.66 R  _____________  2.66 (__________) = __________

6. Cálculo de los límites de control para la gráfica de rangos móviles y graficarlos con líneas
discontinuas.

LSCR  D4 R = (3.267) (____________) = ____________

LCR  R =_________________

LICR  D3 R   0  ( ____________) = __________

7. Análisis del comportamiento de las gráficas.

Tamaño de la muestra y
frecuencia de muestreo
 Es necesario, determinar dicho tamaño muestral así como la
frecuencia con que se computará.
 Sea p la probabilidad de que un punto del gráfico esté fuera de
los límites de control. El cálculo de esta probabilidad es sencillo
y dependerá del tamaño muestral seleccionado y del estado del
proceso
 Número medio de muestras hasta la detección=1 / p .
 Al número medio de muestras hasta la detección del desajuste
se le llama también ARL, que proviene de las siglas en inglés
Average Run Length, (longitud media de la racha)
Interpretación de los gráficos de control
 Si el proceso está en estado de control, los gráficos
deben mostrar un comportamiento aleatorio dentro de
los límites de control.
 Se suele interpretar en primer lugar los gráficos de la
variabilidad (rango o desviación típica), pues un
aumento de la variabilidad puede provocar un
aumento de la media muestral, mientras que el
fenómeno inverso no ocurre. Los aspectos a analizar
son: puntos fuera de los límites, tendencias o rachas,
patrones no aleatorios.
Puntos fuera de los límites de
control
Un punto fuera de los límites puede ser debido a alguno
de los siguientes motivos:
 El punto ha sido mal calculado.
 Los límites han sido mal calculados o el gráfico mal
dibujado.
 Hay variaciones en el sistema de medición del dato
(nuevos calibres, distinto aparato de medida).
 Una variación de la media pero no en la variabilidad
puede venir provocada por un desajuste en la
maquinaria o desgaste de alguno de sus elementos.
 Un aumento de la variabilidad pero no de la media
puede venir provocada por envejecimiento de alguno
de los componentes del proceso o por variaciones en la
calidad de la materia prima.
 Una disminución de la variabilidad (puntos por debajo
del límite inferior) implica una mejora del sistema, por
lo que debe investigarse la causa.
Tendencias o rachas
 Cuando un conjunto de 7 puntos sucesivos se
encuentran consistentemente a un lado de la línea
central del gráfico (racha) es indicio de anomalía
incluso si se encuentran dentro de las líneas de
control.
 Un desajuste paulatino de una herramienta provocará
un desajuste paulatino en la media del proceso
Patrones no aleatorios
 Periodicidades en forma de ciclos, con sucesiones
regulares de picos y valles.
 Inestabilidad: grandes fluctuaciones de la media,
producidos, posiblemente por sobreajustes del
proceso, falta de entrenamiento de los operarios o
heterogeneidad en la materia prima.
 Sobrestabilidad: Ocurre este fenómeno cuando la
variabilidad observada es consistentemente menor que
la esperada. Esto puede ser debido tanto a un cálculo
erróneo de los límites como a causas asignables que
afecten positivamente al proceso.
Tests de inestabilidad
Existen un total de ocho
patrones
 Patrón 1: Un punto fuera de las líneas de control (fuera
de la zona A).
 Patrón 2: 2 puntos de 3 consecutivos dentro de la zona
A o exteriores a ella.
 Patrón 3: 4 de 5 puntos consecutivos en la zona B o A.
 Patrón 4: 8 puntos consecutivos en la misma mitad
del gráfico.
 Patrón 5: 15 puntos consecutivos en las zonas C.
 Patrón 6: 8 puntos seguidos sin caer en la zona C,
aunque estén a ambos lados del gráfico.
 Patrón 7: 14 puntos seguidos alternativos (cada uno en
una mitad diferente al anterior)
 Patrón 8: 7 puntos seguidos creciendo o decreciendo
Anexo C: Tablas para gráficos de control
 Xbar/R Chart for Supp2

603 1 1
UCL=602.4

Sample Mean
602
601
Carta X media – Rango en Minitab: 600 Mean=600.2
0. File > Open Worksheet Cartas_variables 599
1. Stat > Control Charts > X bar R LCL=598.1
598
2. Single column Supp2 Subgroup size 5
3. Test Seleccionar Perform all eight tests Subgroup 0 10 20

4. OK
¿esta el proceso en control estadístico? 9
8 UCL=7.866

Sample Range
7
6
5
4 R=3.72
3
2
1
0 LCL=0

Carta de control de medias rangos–fuera de

control
 5. Eliminar los puntos fuera de control (66 - 70) y (6 -
10) asumiendo identificación de causas y toma de
acciones preventivas
 6. Control-E
Xbar/R Chart for Supp2
 7. OK 602.5
UCL=602.1

Sample Mean
601.5

600.5
Mean=599.9
599.5

598.5
LCL=597.7
Carta de control de medias rangos en 597.5
Subgroup 0 10 20
control
9
8 UCL=8.106

Sample Range
7
6
5
4 R=3.833
3
2
1
0 LCL=0
 Correr las opciones siguientes:

Xbar/R Chart for Supp2 by Grupo

1 2
603.5
1 UCL=603.1
602.5
601.5

Sample Mean
600.5 Mean=600.7

8. Stamp Hora 599.5

9. Estimate parameters by 598.5

597.5
LCL=598.2

groups in Variable Grupo Subgroup 0 10 20

Hora [Link] [Link]
1 2
10
UCL=9.008

Sample Range
5
R=4.26

0 LCL=0

Carta de control de medias rangos por

grupo
Ejercicio
Calcular la media y los límites de control de la siguiente lista de datos
(considerar que la población total es 10).

Punto Valor X x-μ (x-μ)²

1 10.80
2 10.20
3 10.50
4 10.40
5 8.00
6 11.00
7 9.50
8 11.20
9 9.80
10 11.30
 GRÁFICAS DE CONTROL PARA ATRIBUTOS
Cuando la característica de calidad no se puede medir o comparar con un patrón de
medición, como sucede con los datos para gráficas por variables, se cuenta con otro tipo
de gráficas de control conocidas como gráficas por atributos.

Muchas de las características de calidad caen dentro de la categoría de las que no

pueden ser representadas en forma conveniente por números, en tales casos, cada
artículo o producto inspeccionado suele clasificarse como conforme o no conforme de
acuerdo a las especificaciones (criterio) para tal característica de calidad.

 Conforme * No conforme

 Pasa * No Pasa

 Aprobado * Rechazado
TIPOS DE GRAFICAS DE CONTROL PARA ATRIBUTOS
Gráficas p: Se utilizan para porcentaje (fracción) de unidades defectuosas y el
tamaño de muestra no es necesariamente constante.

Gráficas np: Se usan para número de unidades defectuosas (para tamaño de muestra
constante)

Gráficas c: Su aplicación es para número de defectos por unidad (para tamaño

de muestra igual a 1 ).

Gráficas u: Se utilizan para número de defectos (para tamaño de muestra

variable).

GRÁFICA DE CONTROL P
Cuando la característica a controlar define si una pieza es aceptada o rechazada y lo
que puede controlarse es el porcentaje defectuoso, se puede usar una gráfica P.

Este tipo de gráfica permite una gran flexibilidad en el tamaño de la muestra, por lo que
es muy útil en aquellos procesos en los que el volumen de producción no siempre es
constante o cuando la inspección es difícil.
¿QUÉ ES?

Una gráfica de control que muestra el porcentaje de piezas buenas o defectuosas a la

salida de un proceso, en base a observaciones que permitan analizar su comportamiento
a través del tiempo.

¿PARA QUÉ SIRVE?

La utilizamos al igual que la gráfica de promedios y rangos, para vigilar los procesos a
través del tiempo y de esta manera identificar las posibles fuentes de variación con el
objeto de eliminarlas y/o reducirlas.

Además se utiliza cuando los tamaños de la muestra pueden ser variables. Esta es la
gráfica más versátil y comúnmente usada.

La fracción de unidades defectuosas (P) es el conjunto de los artículos que se

encontraron defectuosos (x) dentro de un total de artículos examinados (n).

Se expresa como fracción decimal para el cálculo de los límites. Se convierte en

porcentaje cuando se transcribe en la gráfica.
METODOLOGÍA
1. Recolectar la información.

2. Calcular los valores de p.

3. Trazar los valores de p.

4. Calcular los límites de control para cada subgrupo y línea central. Si el tamaño del
subgrueo varía, se calculan límites de control individuales.

Si la diferencia entre n y los valores mayor y menor de n es mayor de ± 25% los

límites de control se deben de calcular en forma individual. Si esta variación es menor
al ± 25%" se pueden calcular límites generales.

5. Trazar p y los límites de control.

6. Si existen puntos fuera de los límites de control se estima una nueva media que se
obtiene descartando los subgrupos que estuvieran fuera de control SIEMPRE y
CUANDO conozcamos cuáles son las causas de su variación.

7. Trazar p' y los límites de control.

8. Analizar la gráfica.

Fórmulas para el cálculo:

k: Número de subgrupos.

n: Número de artículos en cada subgrupo (partes inspeccionadas)

d: Número de puntos fuera de control

p: Cada punto de la gráfica es igual a:

Número de artículos defectuosos en el subgrupo

Número de artículos en el subgrupo

p: La línea central de gráfica es igual a:
El número total de artículos defectuosos
El total de artículos inspeccionados
LSCP :Límite Superior de Control
P3

p 1 p 
n
 LICP : Límite inferior de Control: P  3

p 1 p 
n
p ' : promedio de p eliminando los puntos fuera de control.

k d

X i
p'  i 1
k d

n
i 1
i

Ejemplo.
Se tomaron 5 lotes de cierre tipo B (parte LB-51) de tamaño variable en la fabrica de
pantalones Livi’s producidos en línea 5 en el proceso de fabricación de cierres. La
operación de pegado había sido modificada y el inspector de calidad del área de
acabado de la fabrica utilizó gráficas p para verificar si existía mejora en el proceso. Se
obtuvieron los siguientes valores.
Ahora calculamos los valores de p.

Día No. De Partes No. De partes

inspeccionadas defectuosas px n
1 48 1

2 46 2

3 52 2

4 50 1

5 54 2

  250  8
Obtenemos p

p
 x
 
n
A continuación se obtienen los límites de control individuales, porque el tamaño del
subgrupo es variable.

LSC p  P  3

p 1 p  Para el primer
n
subgrupo tomamos
n=48
LSCP 
Realizamos el mismo cálculo para cada subgrupo,

Día No. De partes No. De partes P  x n LSC p LICP

inspeccionadas defectuosas
1 48 1 0.021
2 46 2 0.043
3 52 2 0.038
4 50 1 0.020
5 54 2 0.037
  250  8   0.158
GRAFICAR:
.12
LSC
.10

.08

0.6

0.4

0.2
LIC
0
Si se hubieran registrado puntos fuera de control, sería necesario calcular p’ y los
límites de control se tendrían que recalcular con este valor.