UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN
FACULTAD DE INGENIERÍA
MECÁNICA Y ELÉCTRICA
PORTAFOLIO DE EVIDENCIAS
CONTROL ESTADÍSTICO DE LA CALIDAD
Nombre: Ana Cecilia Adriano Morales
Matrícula: 2001344 Carrera: IMF
Semestre: 4to
Docente: Brenda Lizeth Mata Barrios
Periodo: Enero- Junio 2023
Grupo: 004 Hora: M6
A 11/06/2023, San Nicolas de los Garza, Nuevo León.
1
UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN
FACULTAD DE INGENIERÍA
MECÁNICA Y ELÉCTRICA
EXAMEN MEDIO CURSO
CONTROL ESTADÍSTICO DE LA CALIDAD
Nombre: Ana Cecilia Adriano Morales
Matrícula: 2001344 Carrera: IMF
Semestre: 4to
Docente: Brenda Lizeth Mata Barrios
Periodo: Enero- Junio 2023
Grupo: 004 Hora: M6
A 11/06/2023, San Nicolas de los Garza, Nuevo León.
2
3
4
5
UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN
FACULTAD DE INGENIERÍA
MECÁNICA Y ELÉCTRICA
EXAMEN ORDINARIO
CONTROL ESTADÍSTICO DE LA CALIDAD
Nombre: Ana Cecilia Adriano Morales
Matrícula: 2001344 Carrera: IMF
Semestre: 4to
Docente: Brenda Lizeth Mata Barrios
Periodo: Enero- Junio 2023
Grupo: 004 Hora: M6
A 11/06/2023, San Nicolas de los Garza, Nuevo León.
6
UNIVERSIDAD AUTÓNOMA DE NUEVO
LEÓN
FACULTAD DE INGENIERÍA MECÁNICAY
ELÉCTRICA
Unidad De Aprendizaje:
Control Estadístico de
la Calidad
Grupo: 004 Hora: M6
Día: L, M y V
Docente: BRENDA LIZETH MATA BARRIOS
Proyecto Integrador de Aprendizaje
Nombre Matricula Carrera
Edgar Julián Huerta López 1916239 IMA
Ana Cecilia Adriano Morales 2001344 IMF
Sharon Alejandra Peréz Antúnez 1932253 IMA
Fecha: 09-Junio-2023
Graficas de Control para Variables de Promedios y Rangos
Las gráficas de control son diagramas que sirven para examinar si un proceso se
encuentra en una condición estable, o para asegurar que se mantenga en esa
condición.
En estadística, se dice que un proceso es estable (o está en control) cuando las
únicas causas de variación presentes son las de tipo aleatorio.
En esta condición se pueden hacer inferencias con respecto a la salida del
proceso, esto es, la característica de calidad que se esté midiendo. En cambio, la
presencia de causas especiales o asignables hace que el proceso se
desestabilice, impidiendo la predicción de su comportamiento futuro.
Con base en la información obtenida en intervalos determinados de tiempo, las
gráficas de control definen un intervalo de confianza: Si un proceso es
estadísticamente estable, el 99.73% de las veces el resultado se mantendrá
dentro de ese intervalo.
La estructura de las gráficas de control contiene una “línea central” (LC), una línea
superior que marca el “límite superior de control” (LSC), y una línea inferior que
marca el “límite inferior de control” (LIC). Los puntos contienen información sobre
las lecturas hechas; pueden ser promedios de grupos de lecturas, o sus rangos, o
bien las lecturas individuales mismas. Los límites de control marcan el intervalo de
confianza en el cual se espera que caigan los puntos.
Gráfica X: Qué tanto se están alejando las mediciones de la tendencia central,
que en este caso es la media o promedio. Por ejemplo, un nuevo trabajador o
nuevos instrumentos de trabajo harán que las mediciones se alejen más de línea
central.
Gráfica R: Qué tanta ganancia o pérdida de uniformidad hay en la dispersión de
un proceso dentro de una muestra. En otras palabras, el rango es la resta del valor
más grande con el valor más pequeño de una muestra, lo que nos permite
determinar la variabilidad. El valor resultante es plasmado en un gráfico de control
para ser comparado con el rango de otra serie de muestras. Con esto logramos
ver si hay presencia de uniformidad en los puntos ubicados o si no, para intervenir.
Gráfica X̄-R: Utilizamos ambos tipos de gráficas cuando se miden la relación de
las especificaciones de calidad con la tendencia central y la dispersión. En este
sentido, ubicamos una gráfica ligeramente encima de la otra y analizamos el
comportamiento de cada punto.
¿Cómo analizar el control estadístico de procesos?
Para realizar el análisis de control estadístico de procesos utilizando gráficas de
control para variables de promedios y rangos, se pueden seguir los siguientes
pasos:
1) Definir la característica de interés: Identifica la variable que deseas monitorear
y mejorar en el proceso. Puede ser un tiempo de ciclo, una dimensión, un peso,
una temperatura, entre otros.
2) Determinar el tamaño de la muestra: Decide el número de observaciones o
mediciones que se tomarán en cada muestra. Esto puede variar dependiendo
de la naturaleza del proceso y los requisitos estadísticos.
3) Recolectar datos: Realiza mediciones o recopila datos de la característica de
interés en muestras periódicas a lo largo del tiempo. Asegúrate de registrar las
mediciones de manera precisa y consistente.
4) Calcular los estadísticos necesarios: Calcula el promedio y el rango de cada
muestra. Estos cálculos se utilizan para construir las gráficas de control.
5) Establecer límites de control: Calcula los límites de control estadísticos para
las gráficas de control de promedios y rangos. Esto implica utilizar fórmulas y
factores estadísticos basados en la distribución de los datos y el tamaño de la
muestra.
6) Construir las gráficas de control: Utilizando los promedios y rangos
calculados, traza las gráficas de control. La gráfica de control para promedios
mostrará la línea central, los límites de control superior e inferior, y los valores
de promedio de cada muestra. La gráfica de control para rangos mostrará la
línea central, los límites de control superior e inferior, y los valores de rango de
cada muestra.
7) Interpretar las gráficas de control: Examina las gráficas de control y busca
patrones, tendencias o señales especiales. Identifica puntos fuera de los límites
de control, tendencias ascendentes o descendentes, o cualquier otro patrón no
aleatorio. Estos patrones pueden indicar la presencia de variación especial en el
proceso.
8) Tomar acciones correctivas: Si se detecta variación especial en las gráficas
de control, investiga las causas subyacentes y toma acciones correctivas
adecuadas. Esto puede implicar ajustes en el proceso, entrenamiento adicional,
revisión de equipos o cualquier otra medida necesaria para eliminar las causas
de la variación.
9) Monitoreo continuo: Continúa recolectando datos y actualizando las gráficas
de control a medida que avanza el tiempo. Realiza revisiones periódicas de las
gráficas de control para asegurarte de que el proceso se mantenga bajo control
y tomar medidas preventivas cuando sea necesario.
10) Mejora continua: Utiliza la información recopilada de las gráficas de control
para identificar oportunidades de mejora en el proceso. Implementa cambios y
evaluaciones adicionales para lograr una mayor estabilidad y eficiencia en el
proceso.
Fórmulas y tablas que se utilizan:
Funciones de las gráficas de
control:
• Determinar el estado de
control de un proceso y
diagnostica el comportamiento de
este.
• Indica si un proceso ha
mejorado o ha empeorado y
permite identificar las dos fuentes
de variación de un proceso
• Sirve como una herramienta
de detección de problemas.
Cálculos:
Formulas a utilizar:
N= Total de subgrupos analizados
n= Tamaño del subgrupo
∑ 𝐱̄ 𝑅
𝑋̿ = 𝑁 𝑅̅ = 𝑁
De tablas se determinan:
𝐴2 , 𝐷3 , 𝐷4
PROMEDIOS RANGOS DESVIACIÓN
10.667 3 1.582
13.667 9 4.726
14.667 4 2.082
15.000 10 5.292
12.000 3 1.732
13.667 7 3.512
17.000 2 1.000
13.000 5 2.646
15.667 8 4.041
14.667 6 3.055
13.667 7 3.512
17.333 10 5.132
15.000 3 1.732
13.333 9 4.509
18.333 9 4.509
14.000 6 3.000
17.667 9 4.509
18.333 8 4.041
11.000 2 1.000
16.333 3 1.528
295.000 123.000 63.140
Justificación: Realizando los cálculos anteriores, ya podemos comenzar a
sustituir en las fórmulas, conociendo µ y σ y con los datos proporcionados, se
obtienen los limites de control para las 3 gráficas.
∑𝑥 295
µ= µ= µ = 14.75
𝑁 20
∑(𝑥−µ)2
𝜎=√ 𝜎 = 2.173
𝑁
̅
Grafica 𝑿
𝐿𝐶 = µ
𝐿𝐶 = 14.75
𝐿𝐶𝑆 = µ + 𝐴σ
𝐿𝐶𝑆 = 14.75 + (1.73)(2.173)
𝐿𝐶𝑆 = 18.509
𝐿𝐶𝐼 = µ − 𝐴σ
𝐿𝐶𝐼 = 14.75 − (1.73)(2.173)
𝐿𝐶𝐼 = 10.990
̅
Grafica 𝑹
𝐿𝐶 = 𝑅𝑜 = 𝑑₂σ
𝐿𝐶 = (1.693)(2.173)
𝐿𝐶 = 3.680
𝐿𝐶𝑆 = 𝐷₂σ
𝐿𝐶𝑆 = (4.36)(2.173)
𝐿𝐶𝑆 = 9.477
𝐿𝐶 = 𝐷₁σ
𝐿𝐶 = (0)(2.173)
𝐿𝐶 = 0
Grafica ̅
𝑺
𝐿𝐶 = 𝐶₄σ
𝐿𝐶 = (0.886)(2.173)
𝐿𝐶 = 1.925
𝐿𝐶𝑆 = 𝐵₆σ
𝐿𝐶𝑆 = (2.28)(2.173)
𝐿𝐶𝑆 = 4.954
𝐿𝐶 = 𝐵₅σ
𝐿𝐶 = (0)(2.173)
𝐿𝐶 = 0
Subgrupos que se encuentran fuera de control:
Con respecto a promedios: 1
Con respecto a rangos: 4, 12
Con respecto a desviación estándar: 4, 12
Gráficas
Conclusión
Desde nuestro punto de vista, las gráficas de control para variables de promedios y
rangos son herramientas valiosas en el control estadístico de procesos.
Proporcionan información objetiva y visual sobre el desempeño del proceso, ayudan
a detectar y prevenir problemas, y respaldan la toma de decisiones basada en datos.
Al utilizar estas gráficas de manera adecuada, las organizaciones pueden mejorar
la calidad, eficiencia y consistencia de sus procesos, lo que a su vez puede tener
un impacto positivo en la satisfacción del cliente y el éxito general de la
organización.
Es importante destacar que el uso de gráficas de control para variables de
promedios y rangos permite a las organizaciones monitorear y evaluar de manera
objetiva el desempeño del proceso, Las gráficas de control proporcionan una
representación visual de los datos del proceso a lo largo del tiempo, lo que permite
identificar patrones, tendencias o desviaciones que podrían afectar la calidad del
producto o servicio.
Detectar y prevenir problemas en el proceso, al utilizar límites de control
establecidos estadísticamente, las gráficas de control ayudan a identificar de
manera temprana las desviaciones significativas en el proceso, lo que brinda la
oportunidad de investigar las causas subyacentes y tomar acciones correctivas
antes de que se produzcan problemas graves.
Mejorar la toma de decisiones basada en datos, las gráficas de control proporcionan
una base objetiva para la toma de decisiones en relación con el proceso,
permitiendo a los responsables identificar qué cambios o acciones son necesarios
para mantener el proceso bajo control y dentro de los límites establecidos.
Además, aprender a interpretar y utilizar correctamente las gráficas de control nos
brinda una ventaja competitiva en el mundo laboral. Cada vez más empresas
valoran la capacidad de analizar y gestionar datos de manera efectiva, y las gráficas
de control son una herramienta clave en ese proceso. Al comprender cómo se
construyen y se interpretan estas gráficas, podemos tomar decisiones más
informadas y contribuir a la mejora continua de los procesos en cualquier
organización.
Si bien es cierto que el tema puede resultar un poco técnico y requiere un
entendimiento sólido de estadística, considero que es una habilidad valiosa y
relevante para mi formación académica y futura carrera profesional. Además,
dominar las gráficas de control me brinda la confianza de poder aportar soluciones
basadas en datos y contribuir de manera significativa en la gestión de la calidad y
la mejora de procesos en cualquier contexto laboral en el que me encuentre.
Bibliografías:
• Spc Group. (2020). “GRÁFICAS DE CONTROL”.
https://spcgroup.com.mx/grafica-de-control/
• Gladys. (2019). “¿Qué son gráficos X-R? ¿Cómo interpretarlos?”.
https://measurecontrol.com/que-es-un-grafico-x-r-como-interpretarlo/
• Grant, E. L., & Leavenworth, R. S. (1996). Statistical Quality Control (7th
ed.). McGraw-Hill.
UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN
FACULTAD DE INGENIERÍA
MECÁNICA Y ELÉCTRICA
Control Estadístico de la Calidad
Actividad Fundamental #1: Las siete herramientas de la calidad
Nombre: Ana Cecilia Adriano Morales
Matricula: 2001344 Carrera: IMF
Semestre: 4to
Docente: Brenda Lizeth Mata Barrios
Semestre: Enero- Junio 2023
Hora: M6 Salón: 004
A 02/02/2023, San Nicolás de los Garza, Nuevo León
.
1
2
3
UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN
FACULTAD DE INGENIERÍA
MECÁNICA Y ELÉCTRICA
ACTIVIDAD #2
GRÁFICAS DE CONTROL PARA VARIABLES
Nombre: Ana Cecilia Adriano Morales
Matrícula: 2001344 Carrera: IMF
Semestre: 4to
Docente: Brenda Lizeth Mata Barrios
Periodo: Enero- Junio 2023
Grupo: 004 Hora: M6
A 11/06/2023, San Nicolas de los Garza, Nuevo León.
UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN
FACULTAD DE INGENIERÍA
MECÁNICA Y ELÉCTRICA
CONTROL ESTADÍSTICO DE LA CALIDAD
Actividad 3: Habilidad del Proceso
Nombre: Ana Cecilia Adriano Morales
Matrícula: 2001344 Carrera: IMF
Semestre: 4to
Docente: Brenda Lizeth Mata Barrios
Semestre: Enero- Junio 2023
Hora: M6 Salón: 004
A 25/02/2023, San Nicolás de los Garza, Nuevo León.
1
2
3
UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN
FACULTAD DE INGENIERÍA
MECÁNICA Y ELÉCTRICA
ACTIVIDAD #4
GRÁFICAS DE CONTROL PARA ATRIBUTOS
Nombre: Ana Cecilia Adriano Morales
Matrícula: 2001344 Carrera: IMF
Semestre: 4to
Docente: Brenda Lizeth Mata Barrios
Periodo: Enero- Junio 2023
Grupo: 004 Hora: M6
A 11/06/2023, San Nicolas de los Garza, Nuevo León.
7
8
9
UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN
FACULTAD DE INGENIERÍA
MECÁNICA Y ELÉCTRICA
ACTIVIDAD #5
PLANES DE MUESTREO
Nombre: Ana Cecilia Adriano Morales
Matrícula: 2001344 Carrera: IMF
Semestre: 4to
Docente: Brenda Lizeth Mata Barrios
Periodo: Enero- Junio 2023
Grupo: 004 Hora: M6
A 11/06/2023, San Nicolas de los Garza, Nuevo León.
10
11
