UNIVERSIDAD DEL SINÚ, MONTERÍA, CÓRDOBA 2019

1
 UNIVERSIDAD DEL SINÚ, MONTERÍA, CÓRDOBA 2019

RESUMEN
En este documento primero que todo
tenemos que saber un poco sobre el ABSTRACT
control de proceso y este tiene como In this document first of all we have to
concepto que es una herramienta la cual know a little about process control and
nos ayuda en la toma de decisiones y this has as a concept that it is a tool that
facilita el proceso de mejora constante de helps us in making decisions and
un producto en una empresa. Después de facilitates the process of constant
esto aparecieron las cartas de control improvement of a product in a enterprise.
estadístico que tienen como objetivo After this appeared statistical control
observar y analizar el comportamiento de charts that aim to observe and analyze
un proceso a través del tiempo. Así, es the behavior of a process over time. Thus,
posible distinguir entre variaciones por it is possible to distinguish between
causas comunes y especiales variations due to common and special
(atribuibles), lo que ayudará a causes (attributable), which will help to
caracterizar el funcionamiento del characterize the functioning of the
proceso y decidir las mejores acciones de process and to decide the best control
control y de mejora. En este artículo le and improvement actions.
hablaremos un poco sobre la In this article we will talk a little about
construcción en forma ilustrativa de tres the construction in illustrative form of
de dichas propuestas, una dada por Alwan three such proposals, one given by Alwan
& Roberts (1988) basada en los gráficos & Roberts (1988) based on the ARMA
de control ARMA, otra dada por control graphics, another given by
Montgomery & Mastrangelo (1991) Montgomery & Mastrangelo (1991)
basada sobre la estadística EWMA, y la based on the EWMA statistics, and the
otra dada por Page (1954) basada en los one given by Page (1954) based on the
gráficos de control CUSUM, lo cual nos CUSUM control charts, which will help
ayudara a adquirir conocimiento sobre us to acquire knowledge about these
estas cartas, ya que, los paquetes charts, since, the packages specialized in
especializados en control estadístico de la statistical quality control have not
calidad no tienen implementadas estas implemented these charts.
cartas.

PALABRAS CLAVES
Calidad, Control. KEY WORDS
Quality, Control.

2
 UNIVERSIDAD DEL SINÚ, MONTERÍA, CÓRDOBA 2019

a ir explicando cada una de ellas en este

breve artículo, la característica, la
importancia de estas, entre otras cosas.
INTRODUCCION
METODO
Teniendo en cuenta que sabemos
que calidad es una herramienta básica e Para adquirir conocimiento información
importante para una propiedad inherente acerca este tema se tuvo en cuenta
de cualquier cosa que permite que la primero de donde provienen estas cartas,
misma sea comparada con cualquier otra después, construir por qué estas son
de su misma especie. La palabra calidad importante, la característica de cada una
tiene múltiples significados. De forma de ellas, entre otras cosas.
básica, se refiere al conjunto de Encontramos que los datos de control de
propiedades inherentes a un objeto que le calidad, resaltando el control estadístico
confieren capacidad para satisfacer de la calidad, es ilimitado y desde en
necesidades implícitas o explícitas. principio hasta ahora han ido creando
[ CITATION WIK10 \l 9226 ]. diferentes artículos, páginas web, libros,
Hace parte de ella el control estadístico de revistas, entre otras cosas.
la calidad. Interiorizando un poco más Nosotros nos enfocamos en un poco más
encontramos que: una de las herramientas en la búsqueda de la actualidad y en la
de monitoreo estadístico más importantes importancia de estas en la toma de
son las cartas de control, con las cuales se decisiones de cualquier organización.
busca identificar variaciones inusuales en Para hallar esta información nos basamos
los parámetros del proceso. Existen dos en revistas científicas actuales (presentes
tipos de cartas de control, las que poseen de forma virtual). Esto lo encontramos en
memoria y las que no [ CITATION bases de datos como: ScienceDirect,
Nor09 \l 9226 ]. Las cartas de control de Scopus, Proquest, SpringerLink, Google
Shewart utilizan sólo información acerca Académico, ResearchGate, entre otras.
del proceso con los últimos datos del
subgrupo, e ignoran la información de la DESARROLLO DE TEMA
secuencia completa de puntos, esto hace
que estas cartas de control sean De acuerdo a la investigación propuesta,
insensibles a pequeños corrimientos de la se presenta la información recopilada de
media del proceso, de 1.5 o menos. Los manera objetiva de las siguientes cartas
límites preventivos y criterios múltiples de control:
de prueba de corridas o tendencias toman
en cuenta otros puntos de la carta, sin
embargo esto reduce la simplicidad de
interpretación de la carta así como reducir
el ARL en control lo cual es indeseable.
[CITATION PRe08 \l 9226 ].
Se relacionan diferentes tipos de cartas de
acuerdo a la de particularidad de calidad a
controlar, con enfocamos en las de cartas
especiales algunas de ellas son CUSUM,
EWMA, ARIMA (por sus siglas) y vamos

3
 UNIVERSIDAD DEL SINÚ, MONTERÍA, CÓRDOBA 2019

información representando las sumas

acumuladas de las desviaciones de los
valores muestrales respecto de un valor
objetivo. Por ejemplo, supongamos que se
toman muestras de tamaño igual o mayor
que 1, siendo X−−i la media muestral de
la muestra i.

Si suponemos que μo es el objetivo para la

media del proceso, el gráfico de sumas
acumuladas se formará representando la
Figura 1. Cartas especiales. Gutiérrez Pulido, cantidad Sm=∑(X−−i−μ0) respecto al
Humberto. De la Vara, Román. (2004). “Control número de orden (m) de la muestra.
Estadístico de Calidad y Seis Sigma”. McGraww-
Hill/Interamericana Editores, S.A. de C.V. Por combinar la información de varias
México D.F., México.
muestras, los gráficos de sumas
acumuladas son más efectivos que los

 CUSUM
La carta CUSUM incorpora directamente
toda la información contenida en las gráficos de Shewhart para detectar
muestras tomadas del proceso, al graficar pequeños cambios. Son particularmente
las sumas acumuladas de las desviaciones eficaces cuando el tamaño de muestra es
de éstas con respecto al parámetro de n = 1 y, por consiguiente, adecuados para
medición.[ CITATION Fra06 \l 9226 ]. su utilización cuando la tecnología
El término CUSUM procede del inglés permite inspeccionar y medir cada unidad
cumulative-sum, que significa suma producida usando a la vez un
acumulada. Los gráficos CUSUM se microordenador en el puesto de trabajo.
basan en la representación de la
acumulación de las desviaciones de cada Si el proceso se mantiene bajo control en
observación respecto a un valor de el objetivo μo, la suma acumulable Sm=∑
referencia. La principal cualidad de este (X−−i−μ0) variará aleatoriamente
tipo de gráficos es que detectan pequeñas respecto del valor cero. Sin embargo, si la
desviaciones del estado de control más media asciende a μ1 > μo se apreciará una
rápidamente. [ CITATION GRA \l 9226 ]. tendencia ascendente en la suma
Dicho de otra manera, la carta CUSUM acumulada Sm. Por el contrario, si la
incorpora directamente toda la media se desplaza a μ2 < μo se apreciara
información contenida en las muestras una tendencia decreciente en Sm. Por
tomadas del proceso, al graficar las sumas consiguiente, una tendencia determinada
acumuladas de las desviaciones de éstas (positiva o negativa) se considerará como
con respecto al parámetro de medición. una evidencia de que la media del proceso
[ CITATION Ste17 \l 9226 ]. se ha desplazado debido a la presencia de
El gráfico de sumas acumuladas alguna causa asignable que hay que
(CUSUM) se presenta como una investigar y eliminar.
alternativa al grafico de Shewhart.
Incorpora directamente toda la Existen dos criterios para establecer
formalmente que el proceso está fuera de

4
 UNIVERSIDAD DEL SINÚ, MONTERÍA, CÓRDOBA 2019

control. Uno de ellos es un procedimiento gráfico, h y f (y del tamaño de la muestra,

gráfico: La máscara V propuesta por que está implícito en el desplazamiento)
Barnhard en 1959 y otro es un utilizando cadenas de Markov.
procedimiento numérico muy adecuado [ CITATION Jos \l 9226 ]
para establecer en conjunción con un
microordenador. Aquí veremos este Gráfico de CUSUM algorítmico o tabular
segundo procedimiento.

En cada toma de muestra hay que calcular

los 2 valores siguientes:

Donde:

es la media muestral en la toma i- El procedimiento para construir esta

ésima. mascarilla “V” fue desarrollado por
μo es el valor objetivo (media Johnson y Leone (1978), y para una
centrada)
F es un parámetro de la carta de
control que normalmente vale δo/2
siendo δo el cambio que queremos
detectar con prontitud.
F=f⋅σX−=(f/n√)⋅σ, siendo normalmente
f=0,5 ya que queremos detectar
normalmente cambios del orden de σ  (n
es el tamaño muestral).Como veremos
más adelante, F se puede seleccionar explicación detallada sobre su
también en algún juego de cartas ARL. construcción véase: “Control de Calidad y
Estadística Industrial. Duncan Cap. 22
Cuando algún valor Si ó Ti cumple que (1990)”.
Si > H ó Ti < -H (H elegido de acuerdo a
la curva ARL que nos
interese  siendo h CUSUM EN FORMA TABULAR
normalmente 5) el proceso se considera
fuera de control. Si Si se hace negativo o La carta tabular Cusum trabaja con
se pone a 0, de igual forma si T i se hace derivaciones acumuladas de 0 sobre el
positivo o se pone a 0. objetivo con un estadístico C+ o debajo de
este con un estadistico C-, también
Una vez corregido el proceso los llamados Cusums de lado superior o
contadores Si y Ti se pondrían a 0. inferior respectivamente. Se calculan
como sigue:
Las curvas ARL de los gráficos CUSUM,
se calculan a partir de los parámetros del

5
 UNIVERSIDAD DEL SINÚ, MONTERÍA, CÓRDOBA 2019

−
C+i =max [ 0 , xi −( μ 0 + K )+C +i−1 ] C1 =max [ 0,9 .5−7 . 99+0 .05 ] =1. 56

i =max [ 0 ,( μ 0−K )−x i +C i−1 ]

C− − Si N+ y N- indican los periodos en
que las sumas no han sido cero, se obtiene
donde los valores iniciales para C+ y C- la tabla de la página siguiente:
son cero.
De la tabla de Cusum Tabular se observa
En las ecuaciones anteriores K es el valor que en el periodo 29 su C29+ fue de 5.28,
de referencia y se selecciona como un lo que sugiere una situación fuera de
valor intermedio entre la 0 objetivo y la control, usando el contador N+ cuyo valor
es 7, indica que el último punto en control
1 fuera de control en la que estamos
fue el 29 – 7 = 22, de tal forma que el
interesados en detectar.
corrimiento ocurrió entre el periodo 22 y
23.
Así, si el corrimiento se expresa en
unidades de desviación estándar 1 = 0
También se puede obtener una
+ , entonces K es la mitad de la presentación gráfica de esta carta,
magnitud del corrimiento: denominada Carta de Estatus de
Cusum, graficando Ci+ y Ci- contra el
K =  / 2 = Valor absoluto de (1 - 0) / número de muestra. Esto da una idea
2 gráfica al operador del desempeño del
proceso.
Cuando cualquier estadístico C+ y C-
excede el intervalo de decisión H, se En forma similar a las cartas Cusum, se
considera al proceso fuera de control. Un debe detener el proceso, identificar la
valor razonable para H es cinco veces el causa asignable o especial, tomar acción
valor de . correctiva e iniciar de nuevo la Cusum
Tabular.
Por ejemplo si 0 = 10, n=1,  = 1, y
asumiendo que se quiere detectar un Cuando el proceso se corre, la nueva
corrimiento de 1 = 1, se tiene: media  puede estimarse de:
1 = 10 + 1 = 11
K = ½ = 1/2 Ci
+
H = 5 = 5 μ= μ 0 + K +
C+i =max [ 0 , xi −10 .5+ C+i−1 ] N+
+
i =max [ 0,9 . 5−x i +C i−1 ]
C− , si Ci > H
−

Para el caso de i=1, con x i = 9.5 se C−

i
μ=μ 0−K −
tiene: N− , si
C+1 =max [ 0,9. 45−10 .5+ 0 ] =0 −
Ci > H
C−
1 =max [ 0,9 .5−9 . 45+0 ] =0 .05
En el ejemplo, en el periodo 29
Para el caso de i=2, con x i = 7.99 +
se tiene: con C 29 = 5.28, la nueva media del
proceso es,
C+1 =max [ 0,7. 99−10 .5+ 0 ] =0

6
 UNIVERSIDAD DEL SINÚ, MONTERÍA, CÓRDOBA 2019

5 .28 ángulo θ se relaciona con los parámetros

μ=10+0. 5+ =11. 25 k y h mediante las fórmulas:
7

Esto es importante saberlo, por si

el proceso tiene alguna forma de ajuste.
donde el 2 sale del hecho de que la escala
Cuando se utiliza un tamaño de subgrupo horizontal está en unidades de 2 , y es
mayor a 1, en las fórmulas anteriores se necesario reescalar a unidades de para
xi realizar los cálculos. Los valores que
debe remplazar a xi por y  por la toman los parámetros de la máscara
σ determinan el desempeño de la
x = √n , aunque se recomienda usar herramienta en cuanto a su potencia para
un tamaño de muestra 1 con frecuencia de detectar cambios de nivel en el proceso.
muestreo mayor que para el equivalente
de Shewart. Los parámetros d y k se relacionan con
los riesgos tipo I (α) y tipo II (β) mediante
La carta Cusum tabular también se puede la fórmula:
utilizar para un solo lado con C+ o C-.
[CITATION PRe08 \l 9226 ]

CUSUM de dos lados (con máscara) Si se considera al error β pequeño (< 1%),
En este tipo de CUSUM se grafican las entonces d se simplifica a
sumas Si definidas antes, y para detectar
cambios se usa una especie de cono en
forma de la letra V, al cual se le denomina
máscara y se coloca de manera horizontal
De esta última relación se puede poner el
sobre los puntos graficados (véase figura
riesgo α en función de d y k.
9.2). Si algún punto anterior al punto de
colocación se sale de los brazos de la
máscara, el proceso se encuentra fuera de Ventajas del gráfico de control
control estadístico. Por ejemplo, en la CUSUM
figura 9.2, al colocar la máscara en el  Detecta los cambios de pequeña
punto 10 se detecta una señal de fuera de magnitud más rápido que otros
control porque el punto 8 se sale del gráficos.
brazo superior. Note que la señal también  Se detecta el momento a partir del cual
se detectaría al colocar la máscara en se presenta el cambio.
cualquier punto a partir del punto 10. Los
 Se puede estimar la magnitud del
parámetros fundamentales de la máscara
sesgo producido.
son el intervalo de decisión h y el valor de
 Se fija la probabilidad de que se
referencia k. Donde h es la distancia entre
produzcan falsas alarmas como el
el punto de colocación y los brazos de la
tiempo medio que tardamos en detectar
máscara, y k es la mitad del salto que
un cambio
interesa detectar. Ambos parámetros se
expresan en unidades del error estándar
Campos de aplicación
. La distancia guía d entre el punto de  Campo Médico: sirve para la
colocación, el vértice de la máscara y el detección de señales en neurología o

7
 UNIVERSIDAD DEL SINÚ, MONTERÍA, CÓRDOBA 2019

cardiología. Su estadístico se define como sigue:

 Campo Financiero: en análisis de
series financieras. z i=λx i +(1−λ )z i−1
 Campo de la informática: Sirve en la donde 0<<=1 es una constante y su
fabricación de semiconductores o valor inicial es el valor objetivo del
equipos técnicos; también, en el proceso, de tal forma que:
control de producción de software z 0=μ 0
 Campo de la industria. a veces igual a x
Si las observaciones xi son variables
aleatorias independientes con varianza
 CARTA EWWA 2 , entonces la varianza de zi es:
La carta EWMA (por sus siglas en inglés:
Exponentially Weighted Moving- λ
Average, “promedios móviles
σ 2zi =σ ( )
2− λ
[ 1−(1−λ )2i ]
exponencialmente ponderados” fue
propuesta por Roberts (1959). Esta carta Por tanto los límites de control de z i
tiene un desempeño muy parecido a la versus el número de muestra o tiempo i,
CUSUM en la detección de pequeños son:
cambios de nivel del proceso, con la
ventaja de que es más fácil de construir.
El desempeño de esta carta, es
equivalente al de sumas acumuladas, con
LSC=μ 0 +Lσ (√ 2−λ λ ) [ 1−(1−λ ) ]
2i

n=1.
Los gráficos EWMA o de medias móviles LC=μ 0
ponderadas exponencialmente (EWMA=
exponentially weighted moving-average)
se realizan usualmente sobre
LIC=μ0 −Lσ (√ 2−λλ )[ 1−(1− λ) ]
2i

observaciones individuales. En este Note que el término [1 – (1-)2i] se

gráfico también se acumula en cada aproxima a la unidad conforme i se
periodo los valores de observaciones incrementa, esto significa que cuando la
pasadas. La variable que se representa en carta EWMA ha corrido durante varios
cada periodo es un promedio de la periodos de tiempo, los límites de control
observación contemporánea y las se estabilizan en: [ CITATION PRe08 \l
observaciones anteriores, donde se da más 9226 ]
peso a las observaciones más recientes. λ
En general, a este tipo de promedios
donde en cada instante se incorpora nueva
LSC =μ 0 + Lσ
LC=μ 0
√ 2−λ
información y se le va restando peso a las
λ
informaciones históricas se le denomina
media móvil (en inglés moving average).
Los gráficos EWMA utilizan una forma
LSC =μ 0 + Lσ
√ 2−λ

muy concreta de hacer media móviles que

consiste en dar un peso a las Por consiguiente, se muestra una grafica
informaciones históricas que decae refernete a la presente carta, con sus
exponencialmente con el tiempo. limites de control.
[ CITATION GRA \l 9226 ]

8
 UNIVERSIDAD DEL SINÚ, MONTERÍA, CÓRDOBA 2019

la característica de calidad o variable

sometida a análisis se halla bajo un estado
de control. Por tanto, el modelo propuesto
por Montgomery (2004)
𝑋𝑋𝑡𝑡 = 𝜇𝜇 + 𝑒𝑒𝑡𝑡 con 𝑒𝑒𝑡𝑡~𝑁(0, 𝜎𝜎2)
Este representa adecuadamente tal
característica de calidad. Otra condición
de cumplimiento estricto para la
construcción de los gráficos tipo Shewart
es que los datos -ordenados
Figura 2. Grafico EWMA. Magazine
cronológicamente- que no estén
Engineering Statistics Handbook del NIST.
correlacionados entre sí. La transgresión
simultánea o individual de las
condiciones teóricas anteriormente
 CARTA ARIMA
señaladas deriva en un menoscabo de las
Esta carta crea gráficos de control para
propiedades estadísticas de la carta y, por
una sola variable numérica done los datos
consiguiente, de la disminución de la
fueron recolectados individualmente o en
potencia para detectar adecuadamente
subgrupos. A diferencia a otros gráficos
señales fuera de control, pues, los límites
control, los gráficos ARIMA no asumen
construidos suelen estrecharse y la
que las observaciones sucesivas son
longitud promedio de corrida (ARL) suele
independientes.[ CITATION Mar06 \l
9226 ] ser errónea.[ CITATION Bae13 \l 9226 ]
En este grafico se desglosa el
procedimiento de estimación del modelo
que describe el comportamiento dinámico
de la característica de calidad sometida a
estudio, asumiendo que tal, sigue un
proceso autor regresivo integrado de
media móvil. Los resultados
concernientes a la identificación del orden
del modelo, estimación y evaluación del
mismo se desglosan a la posteridad. Los [ CITATION Con \l 9226 ]
análisis se basan en un modelo explícito.
Los modelos con el nombre de ARIMA Bajo estas consideraciones, se hace
(Promedio Móvil Integrado Auto- perentorio especificar y construir
Regresivo), que deriva de sus tres herramientas de seguimiento de procesos
componentes AR (Auto regresivo), altamente eficaces e inmunes a estas
I(Integrado), y MA (Medias Móviles). situaciones que no son anómalas en
[ CITATION Box94 \l 9226 ] sistemas de manufactura de naturaleza
Algunas de las hipótesis que se asumen continua o en esquemas de producción
usualmente para la construcción de las por loteo, pues éstas no deben entenderse
gráficas de control estándar son las como el resultado de la emergencia de
siguientes: que los comportamientos de causas de variación asignable, en tanto
las observaciones recolectadas puedan ser que sobre cierto tipo de procesos,
modelizado por una distribución asiduamente operan elementos inerciales
gaussiana con parámetros 𝜇𝜇 y 𝜎𝜎 y que como reflujos, suele existir una alta
incidencia de condiciones ambientales en

9
 UNIVERSIDAD DEL SINÚ, MONTERÍA, CÓRDOBA 2019

el mismo, dinámicas superiores a la Bibliografía

frecuencia de muestreo [ CITATION Fer04
\l 9226 ] .

CONCLUSION
Para finalizar en el presente artículo
observamos que las cartas especiales
CUSUM, EWMA y ARIMA son
reconocidas por el comportamiento
instantáneo a un problema. La manera
habitual de control estadístico de proceso
deja mucha efectividad cuando se analiza
son correlacionados, situación común en
las industrias autorizadas e integradas.
Como se muestra en el breve artículo,
existen múltiples alternativas y enfoques
para afrontar este problema como lo son
las cartas anteriormente dichas.

1. Baena. (2013).
2. Conceptos basicos de calidad . (s.f.). Obtenido de
https://sites.google.com/site/conceptosbasicosdelacalidad/home/carta-arima
3. Ferrer. (2004).
4. Francisco Eljach, G. P.-B. (ENERO de 2006). Evaluación del uso de las cartas de control
X, EWMA y CUSUM en un sistema de control de calidad para procesos no
correlacionados. Obtenido de
https://www.researchgate.net/publication/28200140_Evaluacion_del_uso_de_las_cartas_de
_control_X_EWMA_y_CUSUM_en_un_sistema_de_control_de_calidad_para_procesos_n
o_correlacionados
5. GRAFICOS DE CONTROL. (s.f.). Obtenido de
http://halweb.uc3m.es/esp/personal/personas/kaiser/esp/calidad/capitulo6.pqdf
6. Hervás, J. A. (s.f.). GRAFICOS DE CONTROL POR VARIABLES. Obtenido de
http://www.matematicasypoesia.com.es/Estadist/ManualCPE07p7.htm
7. Jeinkins, B. &. (1994).
8. Martinez. (2006).
9. Montoya-Restrepo1, N. E. (2 de FEBRERO de 2009). Obtenido de
http://www.scielo.org.co/pdf/rsap/v11n1/v11n1a10.pdf
10. P.Reyes. (NOVIEMBRE de 2008). Obtenido de www.icicm.com › files ›
CONTROL_AVANZADO_PROCESOS2
11. Stefanny Escorcia Marchena, R. H. (21 de DICIEMBRE de 2017). APLICACIÓN DE LA
CARTA DE CONTROL CUSUM PARA EL. Obtenido de
file:///C:/Users/user/Downloads/1120-Texto%20del%20artículo-3172-3-10-
20190618%20(1).pdf
12. WIKIPEDIA . (27 de NOVIEMBRE de 2010). Obtenido de
https://es.wikipedia.org/wiki/Calidad
13. P.Reyes. (NOVIEMBRE de 2008).

10
 UNIVERSIDAD DEL SINÚ, MONTERÍA, CÓRDOBA 2019

Obtenido de www.icicm.com › files ›

CONTRO_AVANZADO_PROCES
OS2
14. Grafico EWMA. Magazine
Engineering Statistics Handbook del
NIST.
15. Estadística Industrial. Duncan
Cap. 22 (1990)”.

11