Control Estadístico de Procesos

Chase, Jacobs y Alquilano (ob.cit), señalan que el Control Estadístico de

Procesos involucra la toma de muestras al azar en la producción de un
proceso y someterla a una prueba que determine si la producción se ubica
dentro de un rango que se haya seleccionado anteriormente (p.339). En el
mismo orden de ideas, Cuatrecasas (2005), señala que el control estadístico
de procesos permitirá abordar y resolver los dos problemas claves que se
presentan en la implantación de los procesos: la mejora y el control de la
calidad obtenida (p.248).

Al controlar estadísticamente los procesos no se trata de moldear la

distribución de datos reunidos en un proceso dado. Lo que se trata es de
controlar el proceso con ayuda de reglas de decisión que localicen
discrepancias apreciables entre los datos observados y las normas del
proceso que se controla. Se dice que un proceso está bajo control estadístico
cuando sólo se producen variaciones debidas a causas comunes. En otras
palabras el objetivo y razón del Control Estadístico de Procesos (CEP) es
ayudar a identificar las causas especiales que producen variaciones en el
proceso y suministrar información para tomar decisiones.

Según Duncan (1990), el CEP, es un “método estadístico utilizado

principalmente para el estudio y control de los procesos repetidos y los
procedimientos a seguir para establecer un Control Estadístico de Procesos
en la empresa son: establecer la capacidad del proceso, crear un gráfico de
control; recoger datos periódicos y representarlos gráficamente; identificar
desviaciones; identificar las causas de las desviaciones; perpetuar los
efectos positivos y corregir las causas de los negativos”.
Gráficos de Control

Cuatrecasas (ob.cit), señala que los gráficos de control representan el

valor de una característica de la calidad cuya variabilidad se quiere controlar
en función de las unidades de productos controlados.

Las variaciones por causas comunes son difíciles de identificar y eliminar

por ser parte del sistema de: materia prima, métodos, procesos, formas
organizativas. Por una parte, la variabilidad por causa común es predecible.
Las variaciones por causas especiales, son causadas por situaciones o
circunstancias que no están presentes permanentemente en el sistema, por
ejemplo una falla ocasionada por el mal funcionamiento de una pieza en una
máquina. Estas variaciones no son predecibles en el futuro inmediato, pero si
pueden ser identificadas y eliminadas.

La puesta en marcha de un programa de Control Estadístico para un

Proceso en particular implica dos etapas: la primera el ajuste del proceso y
luego el control del proceso, las cuales permiten la elaboración de los
gráficos de control, proceso que se desarrolla en cuatro etapas explicadas a
continuación:

1. Preparatoria donde se escoge establecer el propósito del estudio,

determinar el estado de control, determinar las variables críticas, determinar
candidatos para control, elegir el tipo adecuado de gráfica, decidir cómo
tomar la muestra, escoger el tamaño del subgrupo y su frecuencia.

2. Inicio donde se asegura la cooperación, capacidad del usuario y se

analizan los resultados.

3. Operativa donde se evalúa la efectividad, se mantiene el interés y de

ser necesario se modifican las gráficas. Como métodos se utilizan la
verificación periódica de uso y relevancia, cambio de la gráfica, involucrando
a los usuarios, mantener la frecuencia y la naturaleza de la gráfica actual con
los resultados.

4. Eliminación de la gráfica una vez logrado el propósito

Tipos de cartas de control

Existen dos tipos generales de cartas de control: para variables y para
atributos. Las cartas de control para variables se aplican a características
de calidad de tipo continuo, que intuitivamente son aquellas que requieren un
instrumento de medición (pesos, volúmenes, voltajes, longitudes,
resistencias, temperaturas, humedad, etc.).

Las cartas de control para variables más usuales son:

• (de medias)

• R (de rangos)

• S (de desviaciones estándar) y

• X (de medidas individuales).

Existen características de calidad de un producto que no son evaluadas con

un instrumento de medición en una escala continua o al menos en una
escala numérica. En estos casos, el producto se juzga como conforme o no
conforme, o también se le puede contar el número de defectos o no
conformidades que tiene. Este tipo de características de calidad son
monitoreadas a través de las cartas de control para atributos:

• p (proporción o fracción de artículos defectuosos)

• np (número de unidades defectuosas)

• c (número de defectos) y

• u (número promedio de defectos por unidad).

Gráfico -R

Señala Kume (1997), el gráfico -R, se usa para controlar y analizar un

proceso en el cual la característica de la calidad del producto que se está
midiendo toma valores continuos, tales como longitud, peso o concentración,
y proporciona la mayor cantidad de información sobre el proceso que
representa un valor promedio de un subgrupo y R representa el rango del
subgrupo. Una gráfica R se usa generalmente en combinación con una
gráfica para controlar la variación dentro de un subgrupo.

Este gráfico ayuda a conocer si el proceso se encuentra dentro de las

especificaciones. La medición de las variables y de los rangos de estas
indica si el proceso es constante o no. Si existe una gran variación de los
valores significa que el proceso está fuera de control o, en otras palabras,
que existen variables asignables o atribuibles que están ocasionando una
variación.

La utilidad de los gráficos de control – R, se debe a las siguientes razones:

1. La mayoría de los procesos y sus resultados tienen características que

son medibles, por lo que su aplicación potencial es amplia.
2. Un valor medible contiene más información que una simple
información (pasa-no pasa).
3. A pesar de que el costo de la medición precisa de una pieza es mayor
que el establecer simplemente si la misma está bien o no, como se
requieren menos piezas para obtener más información sobre el
proceso, en algunos casos los costos totales de inspección pueden
ser menores.
4. Debido a que se requiere medir una menor cantidad de piezas para
tomar decisiones confiables, el periodo de tiempo entre la producción
 de las piezas y la acción correctiva puede ser reducido
significativamente.
En los gráficos -R, la posición muestra cualquier cambio en el valor
promedio del proceso, mientras que la población R muestra cualquier
dispersión o variación del proceso.

La elaboración de este gráfico se hace de la siguiente manera:

Paso 1: Recoger Datos

Recoger aproximadamente 100 datos, dividir en 20 ó 25 subgrupos con 4

ó 5 en cada uno, haciéndolos uniformes dentro del subgrupo y registrarlos en
una hoja de datos.

Paso2: Calcular el Promedio ( )

Calcular el promedio para cada subgrupo donde n es el tamaño de cada

subgrupo, según la expresión siguiente:

Paso3: Calcular el Promedio de los Promedios ( )

Calcular el promedio bruto, dividiendo el total de las muestras de cada

subgrupo por el número de subgrupo k, se calcula con dos cifras decimales
más que aquellas de los datos originales y se calcula con dos cifras
significativas, según la expresión siguiente:

Paso 4: Calcular del Rango (R)

Calcular el rango de cada subgrupo R, restando el valor mínimo del valor

máximode los datos en el subgrupo.

R= (Valor máximo en un subgrupo) – (Valor mínimo en un subgrupo)

Paso 5: Calcular el Promedio del Rango ( )

Calcular el promedio del rango R, dividiendo el total del rango R, de

cadasubgrupo por el número de grupos k,según la expresión siguiente:

El promedio del Rango ( ) se debe calcular con dos cifras decimales más
que aquellas de los datos originales (se utiliza el mismo número de

decimales que el de ).

Paso 6: Calcular los Límites de Control

 Calcular cada uno de los límites de control para la gráfica y la gráfica R
con las fórmulas indicadas en el Cuadro 1

Cuadro 1
Fórmulas de Gráfico
Tipo de gráfica de control Límite superior de control (LCS)

Línea central (LC)

Límite inferior de control (LCI)

Valor continuo – promedio LCS = + A2R

LC =

LCS = – A2R

Valor continuo – rango LCS = D4R

R LC = R

LCI = D3R

Nota. Tomado de Kume (1997).Herramientas estadísticas aplicadas a la ISO-

9000 CEP (p. 46)

En el Cuadro 1 se detallan los coeficientes que se utilizan de acuerdo al

tamaño de un subgrupo para calcular el límite superior de control (LCS) y el
límite inferior de control (LCI) correspondiente al valor continuo de las
gráficas de control, donde:

n: Número de muestra.

A2: Factor para un diagrama

D3: Factor para un diagrama R (límite inferior de control)

D4: Factor para un diagrama R (límite superior de control.

Cuadro 2
Tabla de Límites de Control
Tamaño del Gráfica Gráfica R
subgrupo n

A2 D3 D4 d2

2 1.880 ___ 3.267 1.128

3 1.023 ___ 2.575 1.693

4 0.729 ___ 2.282 2.059

5 0.577 ___ 2.115 2.326

6 0.483 ___ 2.004 2.534

Nota. Tomado de Kume (1997). Herramientas estadísticas aplicadas a la

ISO-9000 CEP (p. 46)

Paso 7: Dibujar las Líneas de Control

Primero, se prepara una hoja de papel cuadriculado y se marca el eje

vertical de la izquierda con los valores de y de R y el eje horizontal con el
número de subgrupos. Para el eje vertical escoger una escala tal que los
límites de control superior e inferior queden a una distancia de 20 a 30 mm
uno del otro.

Paso 8: Localizar los Puntos

 Registrar los valores de y de R de cada subgrupo sobre la misma línea
vertical en el orden del número del subgrupo. Se marca el número del
subgrupo sobre la línea horizontal a intervalos de 2 a 5 mm. Usar para
marcar las y para R con el fin de que se puedan reconocer fácilmente y
encierran en un círculo para los valores que estén por fuera de los límites.

Paso 9: Registrar los Datos que Puedan ser de Utilidad

Se escribe el tamaño del subgrupo n en el extremo superior izquierdo de

la gráfica X, se incluye también cualquier otro aspecto relevante para el
proceso, tal como los nombres del proceso y del producto, el período, el
método de medición, las condiciones de trabajo, el turno, entre otros.

Desviación Estándar

Según Ansdem, Butler y Anaden (1993), la desviación estándar o

desviación típica (ó) es una medida de centralización o dispersión para
variables de razón (ratio o cociente) y de intervalo, de gran utilidad en la
estadística descriptiva. Es definida también como la raíz cuadrada de la
varianza.

Se define como la raíz cuadrada de la varianza. Junto con este valor, la

desviación típica es una medida (cuadrática) que informa de la media de
distancias que tienen los datos respecto de su media aritmética, expresada
en las mismas unidades que la variable.

Esta medida nos permite determinar el promedio aritmético de fluctuación

de los datos respecto a su punto central o media. La desviación estándar nos
da como resultado un valor numérico que representa el promedio de
diferencia que hay entre los datos y la media. La fórmula que la define es la
siguiente:

Capacidad del Proceso

Es la medida de la reproducibilidad intrínseca del producto resultante de

un proceso, es una propiedad medible que puede calcularse por medio del
Índice de la Capacidad del Proceso, el cual es un cálculo estadístico que
produce un resultado dentro de límites definidos (TS, tolerancia superior y
TL, tolerancia inferior).

Para determinar la habilidad de un proceso, existen diferentes maneras,

entre ellas la que se detalla a continuación:

-Paso 1: Calcular la desviación estándar del proceso, mediante la siguiente

fórmula:
Donde:

Rango promedio

d2= Constante

1. Rango promedio: el promedio del rango obtenido de los datos, donde

se sabe que el rango es la diferencia entre el valor máximo con el
valor mínimo de cada subgrupo.
2. Constante: coeficiente para la medición de la desviación estándar.

-Paso 2: Calcular la habilidad del proceso.

La habilidad del proceso es descrita en términos de la distancia que hay

entre el promedio del proceso ( ) y los límites de especificación. Entonces la
habilidad potencial del proceso queda definida como:

Cp=

Donde:

LSE: límite superior de especificación

LIE: límite inferior de especificación

Así, cualquier valor menor que 1 del índice Cp, implica que el proceso no
es potencialmente hábil.
 Es deseable conocer cuál es el potencial de habilidad del proceso, pero
también es necesario evaluar la habilidad real del proceso, lo cual es posible
a través del parámetro Cpk y puede calcularse de dos formas:

1. A través del parámetro Z definido como:

Z= distancia en unidades

Cpk=

Cuando la tolerancia de la especificación es unilateral, es decir, hacia un

solo lado.

Z=

Para tolerancias bilaterales.

Zs=

Z1=

Donde:

LSE: límite superior de especificación

LIE: límite inferior de especificación

Zs: Z superior

Z1: Z inferior

2. A través del parámetro Cp y se obtiene en la siguiente forma:

 a) Definir el punto medio de la especificación:

M=

b) Definir la diferencia entre el punto medio de la especificación y el

promedio del proceso.
D= | M – X |; donde: M: Punto medio especificado
X: promedio del proceso
c) Definir el índice de localización k

K= ; donde; W: LSE – LSI

d) Por último Cpk quedará definido como:

e) Cpk = Cp (1- k).

Ejemplo:
Tabla de Recolección de datos
Producto: Desarrollo IP-1

Tabla N° 1 Subgrupo de cada muestra

Muestra X1 X2 X3 X4
 1 7,69 6,63 6,48 6,02

2 7,95 6,40 5,82 6,01

3 8,26 8,08 7,70 7,33

4 8,98 8,61 8,18 7,59

5 9,97 8,02 8,21 7,80

6 9,18 8,09 8,24 8,06

7 10,07 9,69 9,70 8,88

8 9,01 8,00 8,62 6,13

Con los datos registrados, se calculan los promedios y el rango existente

para cada subgrupo. A continuación, se muestra como se calcularon cada
uno de los valores necesarios para la construcción del gráfico de control de
promedio y rango.

Ejemplificando, se tomaron los datos de la muestra 1, cuyos valores

fueron 7.69, 6.63, 6.48, 6.02, donde se sumaron y se dividieron entre el
número de subgrupos, para este caso cuatro (4), teniendo como resultado la
media la muestra, y así en cada caso de cada una de las muestras.

El rango, se calcula restando el dato de mayor valor, con el de menor

valor, para la muestra 1.
 El cálculo de se hace sumando el resultado de cada una de la media,
de todas las muestras hechas, dividiendo esto entre el número de muestras,
que en este caso fue de 8.

Luego para encontrar el valor de al igual que el caso anterior, se suma

el resultado de la media de los rangos de cada muestra, y se divide entre el
numero de muestras, que es 8.
 16

UNIVERSIDAD CENTROCCIDENTAL
“LISANDRO ALVARADO”
DECANATO DE CIENCIAS Y TECNOLOGÍA

PROCESO: Producción de Proteína VARIABLE A CONTROLAR: % de

Animal grasa 8,2 ± 0,1 %

PRODUCTO:Desarrollo IP-1 UNIDAD DE MEDIDA: %

N° X1 X2 X3 X4 R

1 7,69 6,63 6,48 6,02 6,705 1,67

2 7,95 6,40 5,82 6,01 6,545 2,13
3 8,26 8,08 7,70 7,33 8,02 0,93
4 8,98 8,61 8,18 7,59 8,34 1,39
5 9,97 8,02 8,21 7,80 8,5 2,17
6 9,18 8,09 8,24 8,06 8,39 1,12
7 10,07 9,69 9,70 8,88 9,57 1,19
8 9,01 8 8,62 6,13 7,94 2,88
Observaciones: Promedio: 64,01 13,48
Total: 8,0012 1,6875

[Type text]
Ing. Yasmary Urdaneta
 17

UNIVERSIDAD CENTROCCIDENTAL
“LISANDRO ALVARADO”
DECANATO DE CIENCIAS Y TECNOLOGÍA

Se calculan los límites de control para los promedios, tomando en cuenta las fórmulas
tomadas del Cuadro 1, y los valores de las constantes A2, D3 y D4 del Cuadro 2.

El límite de control superior, se obtiene al multiplicar el valor promedio del rango ( ,

con el valor constante A2 = 0,729, para subgrupos de 4 valores, y sumarlo con el valor

promedio

Para el límite de control superior, también se multiplica el valor promedio del rango
( , con el valor constante A2 = 0,729, para subgrupos de 4 valores, y se resta con el

valor promedio

Resultado de los Límites de Control de Promedios

Gráfico
LC LCS LCI
8,001 9,23 6,77

En este orden de ideas, se calculó también los límites para el rango, con las
ecuaciones tomadas del Cuadro 1 de la Revisión Documental, y los valores D3 = 0 (por
ser subgrupo n=4) y D4= 2,282, del Cuadro 2.

= 3,97

[Type text]
Ing. Yasmary Urdaneta
 18

UNIVERSIDAD CENTROCCIDENTAL
“LISANDRO ALVARADO”
DECANATO DE CIENCIAS Y TECNOLOGÍA

Resultado de los Límites de Control de Rangos

Gráfico R
LCR LCSR LCIR
1,69 3,97 0

Desarrollo IP-1
12

10

8
% de Grasa

LCS
6
% de Grasa

4 LCI
Promedio
2

0
1 2 3 4 5 6 7 8
Muestra

[Type text]
Ing. Yasmary Urdaneta