CONTROL ESTADISTICO DE CALIDAD

INDICE

Unidad I Teoría general y herramientas básicas

1.1. Conceptos e importancia de la Calidad………………………………......……………..3

1.2. Costos de Calidad……………………………………………………………………….8
1.3. Cadena Cliente-Proveedor……………………………………...……………………..12
1.4. Recolección de datos………………………………………………………………….14
1.5. Herramientas administrativas……………………………………...…………………..15
1.5.1. Diagrama afinidad………………………………………………………….………..16
1.5.2. Diagrama de relaciones…………………………………………….………………..17
1.5.3. Diagrama de árbol………………………………………………………...…………18
1.5.4. Diagrama matricial…………………………………………………………………..19
1.5.5. Diagrama de flujo…………………………..………………………………………..20
1.5.6. Tormenta de ideas…………………………….……………………………………..21
1.5.7. Porque- porque………………………………………………..……………………..22
1.5.8. Como-como………………………………………………………………………….23
1.5.9. W una H……………………………………………………………………………..26
1.6. Herramientas estadísticas……………………………………………………………...27
1.6.1. Hojas de verificación………………………………………………………………...28
1.6.2. Diagrama de Pareto………………………………………………………………….31
1.6.3. Diagrama Causa-Efecto……………………………………………………………..34
1.6.4. Histograma…………………………………………………………………………..36
1.6.5. Diagrama de Dispersión…………………………………………….……………….37
1.6.6. Estratificación………………………………………………………………...……..38
1.7. Habilidad y Capacidad del proceso…………………………..………………………..39

Unidad II Gráficas de Control para Variables

2.1. Conceptos generales y principios del CEP…………………………………...………..42

2.2. Elaboración e interpretación de gráficas para variables…………………………...…..45
2.2.1. Gráfico X-R………………………………………………………………………….49
2.2.2. Gráfico X-S……………………………………………...…………………………..58
2.2.3. Grafico X de individuales…………………………………..……………………….65
2.3. Capacidad de proceso, Cp, Cpk, y Cpm……………………………………………….69
.
Unidad III Gráficas de Control para Atributos

3.1 Conceptos generales de Atributos………………………………………………...……70

3.2 Elaboración e interpretación de gráficas para Atributos………………………….……71
3.2.1 Gráfico p…………………………………………………………….………………..78
3.2.2 Gráfico np………………………………………………………………………….....81
3.2.3 Gráfico c…………………………………………………………………..………….84
3.2.4 Gráfico u……………………………………………………………………………...86

1
Unidad IV Planes de Muestreo de Aceptación

4.1 Conceptos Básicos del Muestreo de Aceptación………………………………………89

4.2 Uso de Tablas de Muestreo (MIL-STD, 414 105D y DODGE ROMING)……………91
4.2.1 Plan de muestreo de Aceptación por atributos…………………………………….....94
4.2.2 Plan de muestreo de aceptación por variables……………………………………..…94

2
UNIDAD I. TEORIA GENERAL Y HERRAMIENTAS BASICAS.

1.1. CONCEPTOS E IMPORTANCIA DE LA CALIDAD.

Actualmente, el concepto de calidad es de uso frecuente en los diferentes ámbitos

de la actividad del ser humano, convirtiéndose en sinónimo de propósito o meta a
cumplir, de proceso técnico difuso o rígido, complejo, de aspiración individual o
colectiva, es decir, constituye un concepto controvertido en su definición por los
factores sociales, culturales, políticos, económicos y psicológicos, entre otros, que
involucra; además de la exigencia de considerar su repercusión en las diversas
estructuras y organizaciones laborales, profesionales, familiares, comunitarias,
nacionales e internacionales.

No obstante esto, su concepción y aplicación en las actividades económico-

productivas y de generación y prestación de servicios es ya un requisito
incuestionable, donde su identificación como factor esencial de competitividad
determina las posibilidades de éxito de la empresa, pero también impone en el
campo personal la obligada sistematización de la experiencia y la reflexión
orientada a lograr cambios y mejora constante de actitudes, hábitos y acciones
para alcanzar estados de mayor armonía e integración a un modo de vida acorde
con las aspiraciones de la persona.

Por lo anterior, el análisis del surgimiento de las demandas de calidad, sus

concepciones como dirección y práctica social e individual, constituyen el
propósito de nuestra primera Unidad, donde abordaremos su necesaria
vinculación a la dinámica de la globalización, particularmente la problemática
ambiental y la definición de los factores socioeconómicos de mayor incidencia en
el desarrollo de los países.

Iniciar una aproximación a un concepto de calidad implica necesariamente

reflexionar acerca de dos factores esenciales del contexto en que surge y cobra
significado: globalización y competitividad, haciéndolo no solo desde una
perspectiva socio histórica y en correlación con la identificación de los factores que
van a dar cuenta de su multidimensionalidad, sino a partir de las características
de su incidencia en la diversidad de prácticas que llevan a darle un significado
particular en función de los sujetos, objetos y procesos involucrados para la
determinación de su especificidad en un ámbito concreto. Por ello, veamos, en
principio, ambos procesos socioeconómicos en que se inserta la generación e
impulso a las determinaciones de la calidad.

a) Globalización

De acuerdo con distintos autores, particularmente la Comisión Económica para

América Latina y el Caribe (CEPAL), puede indicarse que los antecedentes del
proceso de globalización se encuentran en las primeras etapas del capitalismo,
cuando a fines de la Edad Media los avances en el conocimiento científico y la
interrelación de las culturas determinaron nuevas fronteras geográficas y

3
concepciones de la producción; sin embargo, formalmente se reconocen tres
etapas a partir de mediados del siglo XIX hasta nuestros días, donde la constante
es la función determinante que cumplen los avances tecnológicos y,
particularmente, las vinculadas al transporte, la comunicación y manejo de
información.

Etapa I (1870-1945)

• Gran movilidad de capital y mano de obra.

• Internacionalización de la producción de las empresas, como subproducto
de la concentración económica en los países industrializados.
• Surgimiento de empresas transnacionales.
• Integración de desarrollos científico-tecnológicos orientados a la
masificación.
• Auge comercial a partir de la reducción de costos de transportes, no
necesariamente por libre comercio.
• Interrupción por la primera guerra mundial.
• Retracción del proceso de globalización durante el periodo de 1920-1945.
• En el siglo XIX Londres era el principal centro financiero internacional,
consolido el patrón oro como sistema de pagos internacionales y de
regulación macroeconómica. Paris fue su competidor mas cercano. A
comienzos del siglo XX se suma nueva York
• La suscripción de capital para grandes proyectos, especialmente de
infraestructura y recursos naturales y la creación de un mercado
internacional de bonos de deuda pública, fueron las modalidades
dominantes de los movimientos internacionales de capitales de largo plazo
en la primera fase de la globalización.
• Incipiente red bancaria internacional.

Etapa II (1946-1972)

• Esfuerzo por desarrollar instituciones internacionales de cooperación

financiera y comercial.
• Expansión del comercio de manufacturas entre países desarrollados.
• Existencia de una gran variedad de modelos de organización económica
• Limitada movilidad de capitales y de mano de obra.
• Fin de la edad de oro de crecimiento de los países industrializados.
• Desintegración del régimen de regulación macroeconómica establecido por
los acuerdos de Bretton Woods en 1944 (su finalidad era crear un sistema
multilateral de regulación macroeconómica, basados en tipos de cambios
fijos, pero reajustables y la prestación de apoyos financieros a los países
que enfrentaban crisis de la balanza de pagos
• A partir de 1970 crisis petrolera y movilidad de capitales privados.
• Incremento de la subcontratación internacional de las tareas que suponen
un uso más intensivo de mano de obra, como el ensamble o la maquila.

4
 • Reducción delos costos de transportes.
• Aparición de la banca oficial de financiamiento internacional, tanto nacional,
(bancos de exportación e importación) como multilateral (banco mundial,
Banco interamericano de desarrollo y otros bancos regionales)

De esta forma, el proceso de globalización registra un acelerado desarrollo en la

última década del Siglo XX, cuando se fortalecen los sistemas integrados de
producción, aumentan las corrientes de comercio e inversión extranjera directa,
crece la presencia de empresas transnacionales y se eleva el flujo financiero. A su
vez, esta dinámica da lugar a una transformación de escenarios socioculturales y
ambientales, que ameritan considerarse en la comprensión del concepto de
calidad

El incremento de los procesos de globalización relacionados con la producción y la

economía, dentro de una visión integral de la actividad humana, propicia la
extensión de la problemática ambiental, donde destacan:

• A partir de 1980 empieza a consolidarse un discurso científico orientado a

resaltar la problemática ambiental y su dimensión internacional, donde se
alerta acerca del agotamiento de la capa de ozono; el efecto invernadero; la
perdida de la diversidad biológica; la contaminación urbana; el trafico
transfronterizo de desechos peligrosos; la contaminación de los mares,
océanos y zonas costeras, la desertificación y la sequía, los deshielos entre
otros aspectos.
• Una mayor interdependencia ecológica de los países, pero en condiciones de
desigualdad para los menos desarrollados en la explotación y renovación de
sus recursos naturales.
• La relación entre subdesarrollo y pobreza imperantes en la forma de vida de
las tres cuartas partes de la población mundial y el acelerado deterioro de las
zonas naturales.
• La negativa de varios países industrializados a asumir compromisos concretos
relacionados con el desarrollo y transferencia de tecnología, así como la falta
de disposición a apegarse a la normatividad exigentes de atención al entorno
natural, consecuencia de una regularización escasa en las naciones menos
desarrolladas.
• Desde la conferencia de Naciones unidas sobre medio ambiente y desarrollo
se observa que el acelerado deterioro ambiental coincide con la falta de
voluntad política de los países desarrollados para contribuir a solucionar los
problemas ambientales, como quedó demostrado con el fracaso de la VI
Conferencia de las Partes de la Convención Marco de Naciones Unidas sobre
el Cambio Climático (La haya Noviembre 2000); y la reciente posición de
Estados Unidos de desentenderse del protocolo de Kioto, a pesar de ser el
país que emite alrededor de la cuarta parte del CO2.

5
Los especialistas recomiendan atender a las relaciones entre los procesos de
globalización y el deterioro del ambiente, partiendo de la elaboración de
estrategias de desarrollo sostenible que reconozcan la necesaria integración entre
los problemas económicos, sociales y ambientales, como dimensiones que se
complementan y refuerzan entre sí, además de considerar un enfoque integral y a
largo plazo, donde el crecimiento económico sea compatible con una concepción
de equidad y, particularmente, de cuidado y renovación del ambiente.

En lo particular, dentro del campo empresarial Jack Fleitman indica que al

implantar un modelo que aspire al logro de la calidad dentro de la organización y
resalte la adecuada vinculación con el ambiente, debe darse particular atención a:

• Establecer políticas ambientales precisas y claras.

• Minimizar permanentemente el impacto ambiental que puedan generar los
diferentes procesos de la empresa.
• Utilizar tecnología de bajo impacto ambiental
• Establecer un programa de capacitación para todo el personal directivo,
administrativo, operativo y de apoyo en el cuidado del medio ambiente.
• Participar con la comunidad en la protección y recuperación de los
ecosistemas de la región.

Es importante señalar que las propuestas acerca de los principios y estrategias

para lograr la calidad han evolucionado en cuatro etapas:

1. Inspección (siglo XIX). Se caracterizó por la detección y solución de los

problemas por la falta de uniformidad del producto.
2. Control estadístico del proceso (1930-1950). Enfocada al control de
procesos y la aparición de métodos estadísticos para el mismo fin y para la
reducción de los niveles de inspección.
3. Aseguramiento de la calidad (1950-1990). Surge la necesidad de involucrar
a todos los departamentos de la organización en diseño, planeación y
ejecución de políticas de calidad.
4. Administración estratégica (1990- ). Se hace hincapié en el mercado y en
las necesidades del consumidor, reconociendo el efecto estratégico de la
calidad y mejora continua en el proceso de competitividad. Surge el
concepto de calidad total, pilar fundamental de las empresas para enfrentar
el reto del cambio de paradigma en la forma de hacer negocios.

Dichas etapas han permitido generar una serie de técnicas que veremos en
unidades posteriores.

Principales Autores

Durante los temas que fueron revisados con anterioridad, pudo usted apreciar un
panorama general de las propuestas conceptuales de los distintos autores acerca
de la calidad, ahora vamos a recopilarlo a fin de que logremos ubicarlos conforme

6
a sus principales aportaciones y distingamos en las próximas unidades cómo sus
propuestas van a derivar en distintas técnicas y procedimientos aplicados dentro
de las organizaciones para alcanzar la calidad. Algunas de estas ideas han
transcendido en el tiempo, de tal forma que sus creadores permanecen hoy como
grandes pensadores y transformadores de la calidad en las organizaciones a nivel
mundial.

En este apartado se estudiarán en forma sucinta a los cinco principales impulsores

de la calidad: Deming, Juran, Ishikawa, Feigenbaum y Crosby.

Edwards Deming

Es considerado por muchos como el padre de la calidad. Ampliamente solicitado a

partir de que compartió sus famosos 14 puntos y 7 pecados mortales con algunas
de las corporaciones más grandes de América. Sus estándares de calidad se
convirtieron en sitios comunes de los libros de administración. El premio deming
otorgado por primera vez en Japón, es reconocido internacionalmente y múltiples
empresas se esfuerzan por obtenerlo.

Su definición de calidad:

• La producción de bienes y servicios competitivos requiere un sistema

basado en el control estadístico de procesos, esto es lo que genera calidad.
• El sistema debe enfocarse a la prevención del error, y no a la detección y
corrección de este, esto implica calidad.
• La calidad tiene que estar definida en términos de satisfacción del cliente.

El Círculo de Deming es una metodología recomendada para la realización de

cualquier actividad, permite lograr los resultados esperados en forma sistemática,
partiendo de información confiable para la toma de decisiones.

7
1.2 COSTOS DE CALIDAD.

Durante muchos años no hubo ningún esfuerzo directo para medir o explicar los
costos de la función de calidad. Sin embargo a partir de los años 1950 muchas
organizaciones empezaron a hacer la evaluación formal del costo asociado con la
calidad.

Existen razones por las cuales el costo de la calidad debería considerarse de

manera explícita en una organización, entre ellas se encuentran:

1. El incremento del costo de la calidad debido al incremento en la

complejidad de los productos manufacturados asociada con los avances
tecnológicos.
2. Una mayor conciencia de los costos del ciclo de vida, incluyendo
mantenimiento, mano de obra, partes de repuesto y el costo de fallas de
campo.
3. La necesidad de que los ingenieros de calidad y los administradores
comuniquen el costo de la calidad en el lenguaje de la dirección general.

Muchas organizaciones clasifican los costos de la calidad en cuatro categorías:

costos de prevención, costos de valuación, costos de fallas internas y costos de
fallas externas.

Costos de prevención.

Son aquellos costos en que se incurren en un esfuerzo por “hacerlo bien a la

primera”. Las principales subcategorías de este costo son:

a) Planeación e ingeniería de calidad. Son los costos asociados con la creación

del plan general de calidad, plan de inspección, plan de confiabilidad y todos los
planes y actividades de aseguramiento de la calidad; la elaboración de manuales y
procedimientos usados para comunicar el plan de calidad.

b) Revisión de nuevos productos. Costos de la presentación de cotizaciones, de la

evaluación de nuevos diseños desde el punto de vista de la calidad, de la
elaboración de pruebas y programas experimentales para evaluar el desempeño
de nuevos productos.

c) Diseño del producto/proceso. Costos en que se incurre durante el diseño del

producto o la selección de los procesos de producción que están dirigidos a
mejorar la calidad global del producto. Por ejemplo; una organización puede
decidir hacer redundante un circuito componente particular porque con ello se
aumentará la confiabilidad del producto al incrementar el tiempo medio entre las
fallas.

8
d) Control del proceso. Costo de técnicas para el control del proceso, tales como
las cartas de control, que monitorean el proceso de manufactura en un esfuerzo
por reducir la variación e incorporar calidad en el producto.

e) Encendido. Costo de la operación antes del embarque del producto, a fin de

prevenir la ocurrencia de fallas al principio de su uso en el campo.

f) Capacitación. El costo de desarrollar, preparar, implementar, operar y mantener

programas de capacitación formal en la calidad.

Costos de valuación

Costos asociados con la medición, evaluación o auditoría de los productos, de los

componentes y de los materiales adquiridos a fin de asegurar la conformidad con
los estándares que se han impuesto, son para determinar la condición del
producto desde el punto de vista de la calidad y para asegurar que cumple con las
especificaciones.

a) Inspección y prueba del material de entrada. Costos asociados con la

inspección y prueba de todo el material suministrado por proveedores. Incluye
la inspección y prueba de recepción; la inspección, prueba y evaluación en las
instalaciones del proveedor.
b) Inspección y prueba del producto. Costo de verificar la conformidad del
producto en las diferentes etapas de su fabricación incluyendo prueba de
aceptación final, verificaciones del empaque y embarque y cualquier prueba
realizada en las instalaciones del cliente antes de remitirle el producto.
c) Materiales y servicios consumidos. Costo del material y los productos que se
consumen en una prueba destructiva.
d) Mantenimiento de la precisión del equipo de prueba. Costo de operar un
sistema que mantiene calibrad

Costos de fallas internas

Son aquellas en que se incurren cuando productos, componentes, materiales y

servicios no cumplen con los requerimientos de calidad, y esta falla se descubre
antes de entregar el producto al usuario.

a) Desechos. Es la pérdida neta de mano de obra, material y gastos generales

que resultan de un producto defectuoso cuya reparación no es
económicamente factible.
b) Reprocesamiento. Costo de corregir unidades disconformes para que cumplan
con las especificaciones.
c) Repetición de pruebas. Costo de inspeccionar o probar nuevamente productos
que se han sometido a reprocesamiento u otras modificaciones.

9
d) Tiempo ocioso. Costo de suspensión de las actividades en las instalaciones de
producción como resultado de una disconformidad con los requerimientos.
Debido a materias primas disconformes de un proveedor.
e) Pérdidas de rendimiento. Costo de los rendimientos del proceso que son
menores de los que podrían alcanzarse con controles mejorados (ejem.
Envases de refresco que se llenan a exceso debido a una variabilidad
excesiva en el equipo de llenado)
f) Degradación/fuera de especificación. Diferencial en el precio entre el precio de
venta normal y cualquier precio de venta que podría obtenerse para un
producto que no cumple con los requerimientos del cliente.

Costos de fallas externas

Estas ocurren cuando el producto no tiene un desempeño satisfactorio después de

que se hace llegar al cliente.

a) Ajuste de quejas. Costos de investigación y ajuste de quejas justificadas

atribuibles al producto disconforme.
b) Productos/materiales devueltos. Los costos asociados con la recepción,
manejo y reemplazo de productos o materiales disconformes que se devuelven
del campo.
c) Cargos por garantía. Todos los costos incluidos en el servicio a consumidores
bajo contratos de garantía.
d) Costos de responsabilidad legal. Los costos en que se incurren como resultado
de un litigio por responsabilidad legal del producto.
e) Costos indirectos. Se pueden reflejar en la actitud del cliente hacia la
compañía. Incluyen los costos de la pérdida de reputación del negocio, la
pérdida de negocios futuros y la pérdida de participación en el mercado que
resultan inevitablemente de la entrega de productos y servicios que no
cumplen con las expectativas del cliente respecto de la adecuación de uso del
producto.

Análisis y uso de los Costos de la Calidad.

En algunas organizaciones los costos de la calidad representan entre 4% y 5% de

las ventas, mientras que en otras pueden llegar hasta 35% o 40% de las ventas.
Aquí el costo de la calidad será muy diferente para un fabricante de computadoras
de alta tecnología que para una industria de servicios típica, como una tienda
departamental o una cadena hotelera. En la mayoría de las organizaciones los
costos de la calidad son más altos que los necesarios.

Los fondos invertidos en la prevención y valuación tienen una retribución en la

reducción de los gastos en que se incurren por las fallas internas y externas que

10
exceden la inversión original. Por ejemplo: un dólar invertido en prevención puede
retornar 10 o 100 dólares en ahorros en las fallas internas y externas reducidas.

Un análisis de Pareto consiste en identificar los costos de la calidad por categoría

o por producto o por tipo de defecto o disconformidad.

¿Cuánto es posible reducir los costos de la calidad? Antes de alcanzar de reducir

los costos, los costos crecientes de la prevención y la valoración aumentarán con
mayor rapidez que las reducciones en los costos resultantes.

Muchas organizaciones gastan demasiado de su presupuesto para la

administración de la calidad en valuación, pero no lo suficiente en prevención. Se
trata de un error que una organización puede cometer con facilidad, ya que los
costos de valuación con frecuencia están incluidos en el presupuesto de las áreas
de aseguramiento de calidad o manufactura.

En las compañías que no cuentan con programas de mejoramiento de la calidad

efectivos, los fondos asignados a la prevención rara vez exceden 1% o 2% de los
ingresos. Esta proporción debe incrementarse aproximado del 5% o 6% de los
ingresos, y estos fondos adicionales en prevención deben gastarse en gran
medida en los métodos técnicos del mejoramiento de calidad y no en establecer
“programas”, “TQM”, “de reingeniería” u otras actividades similares.

Si la administración es persistente en este esfuerzo, entonces el costo de la

calidad se reducirá sustancialmente. De manera típica, estos ahorros en los costos
empezarán a verse en 1 o 2 años, aún cuando en algunas compañías podría
tomar más tiempo.

11
1.3 CADENA CLIENTE-PROVEDOR

La relación clásica proveedor - empresa - cliente es de sobras conocida. La

empresa compra a sus proveedores ciertos productos, que modifica de algún
modo y vende a unos clientes. Esta modificación siempre existe, aunque no
siempre sea evidente. En el caso de una empresa industrial, el producto de origen
se someterá a transformaciones físicas, químicas, de ensamblado, etc. pero
incluso en una empresa comercial, el producto es modificado, ya que se hace más
disponible al cliente. Si no fuera así, el proveedor podría vender directamente a los
clientes, ya que la empresa no aportaría valor a ese producto.

Los proveedores, la empresa y los clientes forman un eslabón de la cadena de

valor. Si el producto sufre distintas modificaciones en distintas empresas, se
formará la cadena de valor, que partirá del suministrador de la materia prima y que
terminará en el cliente final. En esta cadena, la empresa actúa unas veces como
cliente y otras veces como proveedor. Actúa como cliente cuando compra a otras
empresas sus productos. Actúa como proveedor cuando otras empresas o los
clientes finales le compran a ella sus productos. Pero ahora, al aparecer la figura
del cliente interno, nos damos cuenta que incluso dentro de la propia empresa
aparece esa relación cliente - proveedor, ya que cada área de la empresa, cada
trabajador, “compra” a otras áreas sus productos, y “vende” a otras áreas lo que
ella produce. Por tanto, y con la intención de que su producto sea vendible, el
trabajador debe buscar que sea el adecuado a su cliente.

12
1.4 RECOLECCIÓN DE DATOS

Todas las empresas necesitan contar con datos y analizarlos antes de tomar
cualquier decisión relativa al control de calidad de un producto, y se hacen
igualmente necesarios en el control de valores característicos de materiales y
productos, como son el tamaño, peso, intensidad y los componentes; inclusive la
eficiencia, rendimiento y costo también pueden considerarse datos, e indica la
situación donde se llevó a cabo el proceso de un producto.

Para la recolección de datos relativos a control de calidad, en la mayoría de los

casos se obtienen mediante muestreo, ya que resulta imposible examinar cada
producto, se toma una muestra y se hace una estimación para la totalidad del lote.

La recolección de datos debe efectuarse de la manera más cuidadosa y exacta

que sea posible, a la par con tener perfectamente en claro el propósito de reunir
los datos, ya que suele ocurrir que los datos reunidos no se utilizan con el fin que
realmente se perseguía, o en ocasiones no se toma ninguna medida.

Lo esencial en la recolección de datos, es tener bien claro el objetivo y que los

datos reflejen la realidad. Una vez definido el objetivo, el siguiente problema es
facilitar la obtención y el empleo de los datos. En el ámbito fabril, los datos se
recogen durante el proceso y de acuerdo a ellos se adoptan métodos de
corrección y por lo tanto sí los datos recogidos en el lugar del proceso no son
correctos resultará una evaluación inadecuada.
La clasificación de los datos se hace de acuerdo a los distintos propósitos que
sirven como:

• Datos para análisis

• Datos para el control del proceso
• Datos de regulación
• Datos para aceptación o rechazo

El propósito de reunir datos consiste en suministrar una base para adoptar

medidas. Una vez reunidos se les analiza y si transcurre cierto tiempo entre la
recolección y el análisis, nadie estará en condiciones de recordar el origen de los
datos. Los datos se pueden dividir en:

• Datos de medición, o sea datos como lo son longitud, peso, tiempo.

• Datos sobre cantidades, o sea datos recuento, como cantidad de
productos.
• Defectuosos, cantidad de defectos, porcentaje de piezas defectuosas.

13
Se considera importante que al momento de recolectar datos se registre no sólo el
propósito de la medición y sus características, sino también la fecha, los
instrumentos utilizados, la persona que llevó a cabo la tarea y el método
empleado.
Cada vez que se lleve a cabo la recolección de datos, se debe tener presente lo
siguiente:

• Aclarar el propósito de reunir datos, o sea dejar claro el objetivo, para así
poder determinar qué comparaciones se necesitan y qué tipo de datos hay
que recoger. Es importante reexaminar el propósito de los datos que se
están reuniendo y comprobar si en realidad se les utiliza eficazmente.

• Incluir toda la información necesaria de los datos, aquí lo esencial es tener

voluntad e ingenio para recolectar los datos.

• En el control estadístico de la calidad se hace uso con mucha frecuencia de las

hojas de verificación, ya que es necesario comprobar constantemente si se han
recabado los datos solicitados o si se hace efectuando determinados trabajos.

14
1.5 HERRAMIENTAS ADMINISTRATIVAS

Herramientas administrativas de la calidad en la solución de problemas, para la

planeación de acciones que permitan el control de los procesos y la creación de
sistemas de indicadores que midan los rendimientos de las actividades cotidianas
y/o de trabajo.

Las herramientas administrativas de la calidad fueron creadas por los japoneses

como un medio para enfrentar la nueva era de la calidad.

Son de tipos cualitativos y más complejos de utilizar que las básicas.

Tienen dos requisitos:

•La creación del valor agregado para la satisfacción del cliente.

•La prevención en lugar de la corrección de todas las operaciones.

15
1.5.1 DIAGRAMA DE AFINIDAD.

El diagrama de afinidad ayuda agrupar aquellos elementos que están relacionados

de forma natural. Como resultado, cada grupo se une alrededor de un tema o
concepto clave. El uso de un diagrama de afinidad es un proceso creativo que
produce conceso por medio de la clasificación que hace el equipo en vez de una
discusión. El procedimiento es enunciar el asunto en una oración completa, usar
ideas usando frases cortas en notas auto adherente, pegarlas para que las vea el
equipo, clasificar las ideas en grupos lógicos y formar encabezados descriptivos
concisos para cada grupo.

Esta herramienta se debe de utilizar cuando el problema es complejo o difícil de

entender, parece estar desorganizado, si requiere de la participación y soporte de
todo el equipo o grupo y si tiene gran numero de ideas o temas.

16
1.5.2 DIAGRAMA DE RELACIONES

Se representan mediante un rombo etiquetado en su interior con un verbo. Este

rombo se debe unir mediante líneas con las entidades (rectángulos) que relaciona,
para así saber cuál es la relación que lleva cada uno.

El diagrama de relaciones permite tener una visión de conjunto de la complejidad

de un problema. Este diagrama presenta, en visión de conjunto, que causas están
en relación con determinados efectos y cómo se relacionan entre sí diferentes
conjuntos de causas y efectos. Este diagrama facilitara la identificación de las
causas de un problema, clarifica la estructura del mismo con lo que permite
identificar mejor los medios más adecuados para resolverlos.

17
1.5.3 DIAGRAMA DE ÁRBOL

El diagrama de árbol es una representación gráfica de los posibles resultados del

experimento, el cual consta una serie de pasos, donde cada uno de los pasos
tiene un número finito de maneras de ser llevado a cabo. Se utiliza en los
problemas de conteo y probabilidad.

Es una herramienta que se utiliza para determinar todos los posibles resultados de
un experimento aleatorio. En el cálculo de la probabilidad se requiere conocer el
número de elementos que forman parte del espacio muestral, estos se pueden
determinar con la construcción del diagrama de árbol. Se usa para reducir
cualquier objetivo amplio a niveles de detalle cada vez mayores para alcanzar el
objetivo.

18
1.5.4 DIAGRAMA MATRICIAL

Los diagramas matriciales facilitan la identificación de la relación que pueda existir

entre los factores de un problema, dado que son esquemas que permiten
relacionar, mediante un sistema de columnas e hileras, los diferentes elementos o
factores del problema que se analiza. El análisis se realiza con el propósito de
identificar las acciones más convenientes a tomar para solucionar el caso en
estudio. Le permite a los individuos o equipos que identifiquen, analicen y
califiquen la relación entre dos o mas variables. Los datos se presentan en forma
de tablas y pueden ser objetivos o subjetivos y se les puede asignar símbolos con
o sin valores numéricos.

19
1.5.5 DIAGRAMA DE FLUJO

El diagrama de flujo es la representación gráfica del algoritmo o proceso. Se utiliza

en disciplinas como la programación, la economía, los procesos industriales y la
psicología cognitiva. Estos diagramas utilizan símbolos con significados bien
definidos que representan los pasos del algoritmo, y representan el flujo de
ejecución mediante flechas que conectan los puntos de inicio y de fin de proceso.

Se utiliza en disciplinas como la programación, la economía, los procesos

industriales y la psicología cognitiva. Estos diagramas utilizan símbolos con
significados bien definidos que representan los pasos del algoritmo, y representan
el flujo de ejecución mediante flechas que conectan los puntos de inicio y de fin de
proceso.

20
1.5.6 TORMENTA DE IDEAS

La lluvia de ideas (en inglés brainstorming), también denominada tormenta de

ideas, es una herramienta de trabajo grupal que facilita el surgimiento de nuevas
ideas sobre un tema o problema determinado. La lluvia de ideas es una técnica de
grupo para generar ideas originales en un ambiente relajado.

La "Lluvia de ideas" se usa para generar un gran número de ideas en un corto

periodo de tiempo.

Se puede aplicar en cualquier etapa de un proceso de solución de problemas. Es

fundamental para la identificación y selección de las preguntas que serán tratadas
en la generación de posibles soluciones. Es muy útil cuando se desea la
participación de todo el grupo.

• Desarrollar y ejercitar la imaginación creadora y la búsqueda de soluciones

a problemas.
• Impulsar el comportamiento autónomo, original y libre.
• Enseñar a los participantes a no emitir juicios hasta que se haya generado
un máximo de ideas, y a escuchar positivamente las ideas de los demás,
evitando los comentarios negativos que pueden frustrar el proceso creativo.

21
1.5.7 PORQUE-PORQUE

Usar la herramienta de POR QUE, POR QUE Es muy simple y efectiva. Puede ser
una clave para determinar la causa básica de un problema, al enfocarse hacia el
proceso más que hacia las personas.

22
1.5.8-1.5.9 5 W una H

Seis preguntas universales: Qué, Quién, Dónde, Cuándo, Cómo, Por qué

Qué

• Forma
• Color
• Textura

• Sabor
• Olor
• Sonido
• Tamaño
• Componentes
• Características

Quién

• Líder
• Patrocinador
• Equipo de trabajo
• Clientes
• Responsables

Dónde

• Desarrollo interno
• Ventas

Cuándo

• Cronograma
• Fecha límite

Cómo

• Metodología
• Modelo
• Tecnología
• Proceso

Por qué

• Ventajas
• Desventajas

23
 • Beneficios
• Justificación
• Usos
• Aplicaciones
• Necesidades
• Requerimientos

Lista de las 5W y 2H

What Qué (objeto)

Why Por qué (propósito)
Where Dónde (localización)
When Cuándo (tiempo, secuencia)
Who Quién (persona)
How Cómo (método)
How Much Cuánto (costo)

What - Qué (objeto)

• ¿Qué hacer?
• ¿Qué se está haciendo?
• ¿Qué debería hacerse?
• ¿Qué otra cosa puede ser hecha?
• ¿Qué otra cosa debería hacerse?

Why - Por qué (propósito)

• ¿Por qué él/ ella lo hace?

• ¿Por qué lo hace?
• ¿Por qué lo hace allí?
• ¿Por qué de esta manera?
• ¿Por qué en ese momento?

Where - Dónde (localización)

• ¿Dónde hacerlo?
• ¿Dónde está siendo hecho?
• ¿Dónde debería ser hecho?
• ¿Dónde más puede hacerse?
• ¿Dónde más debería hacerse?
• ¿Por qué tiene que hacerse allí?

When - Cuándo (tiempo, secuencia)

24
 • ¿Cuándo hacerlo?
• ¿Cuándo está siendo hecho?
• ¿Cuándo debería hacerse?
• ¿Es necesario hacerlo en ese momento?

Who - Quién (persona)

• ¿Quién hace la tarea?

• ¿Quién la está haciendo?
• ¿Quién debería estarla haciendo?
• ¿Quién más puede hacerla?
• ¿Quién más debería estar haciéndola?
• ¿Por qué soy yo (él/ella) el que hace ésto?

How - Cómo (método)

• ¿Cómo hacerlo?
• ¿Cómo es hecho?
• ¿Cómo debería ser hecho?
• ¿Existe otra forma de hacerlo?
• ¿Es ésta la mejor forma de hacerlo?

How much - Cuánto (costo)

• ¿Cuánto cuesta?
• ¿Cuánto está costando?
• ¿Cuánto debería costar?
• ¿Cuánto deberíamos ahorrar?

25
1.6 HERRAMIENTAS ESTADÍSTICAS

1.6.1 HOJAS DE VERIFICACIÓN

Una Hoja de Verificación (también llamada "de Control" o "de Chequeo") es un

impreso con formato de tabla o diagrama, destinado a registrar y compilar datos
mediante un método sencillo y sistemático, como la anotación de marcas
asociadas a la ocurrencia de determinados sucesos. Esta técnica de recogida de
datos se prepara de manera que su uso sea fácil e interfiera lo menos posible con
la actividad de quien realiza el registro.

Ventajas

• Supone un método que proporciona datos fáciles de comprender y que son

obtenidos mediante un proceso simple y eficiente que puede ser aplicado a
cualquier área de la organización.
• Las Hojas de Verificación reflejan rápidamente las tendencias y patrones
subyacentes en los datos.

Utilidades

• En la mejora de la Calidad, se utiliza tanto en el estudio de los síntomas de

un problema, como en la investigación de las causas o en la recogida y
análisis de datos para probar alguna hipótesis.

26
 • También se usa como punto de partida para la elaboración de otras
herramientas, como por ejemplo los Gráficos de Control.

Se utiliza para reunir datos basados en la observación del comportamiento de un

proceso con el fin de detectar tendencias, por medio de la captura, análisis y
control de información relativa al proceso. Básicamente es un formato que facilita
que una persona pueda tomar datos en una forma ordenada y de acuerdo al
estándar requerido en el análisis que se esté realizando. Las hojas de verificación
también conocidas como de comprobación o de chequeo organizan los datos de
manera que puedan usarse con facilidad más adelante.

Pasos para la elaboración de una hoja de verificación:

• 1. Determinar claramente el proceso sujeto a observación. Los integrantes

deben enfocar su atención hacia el análisis de las características del
proceso.
• 2. Definir el período de tiempo durante el cuál serán recolectados los datos.
Esto puede variar de horas a semanas.
• 3. Diseñar una forma que sea clara y fácil de usar. Asegúrese de que todas
las columnas estén claramente descritas y de que haya suficiente espacio
para registrar los datos.
• 4. Obtener los datos de una manera consistente y honesta. Asegúrese de
que se dedique el tiempo necesario para esta actividad.

27
1.6.2 DIAGRAMA DE PARETO

Herramienta utilizada para el mejoramiento de la calidad para identificar y separar

en forma crítica los pocos proyectos que provocan la mayor parte de los
problemas de calidad.

El principio enuncia que aproximadamente el 80% de los efectos de un problema

se debe a solamente 20% de las causas involucradas.

El diagrama de Pareto es una gráfica de dos dimensiones que se construye

listando las causas de un problema en el eje horizontal, empezando por la
izquierda para colocar a aquellas que tienen un mayor efecto sobre el problema,
de manera que vayan disminuyendo en orden de magnitud. El eje vertical se
dibuja en ambos lados del diagrama: el lado izquierdo representa la magnitud del
efecto provocado por las causas, mientras que el lado derecho refleja el
porcentaje acumulado de efecto de las causas, empezando por la de mayor
magnitud.

Pasos para desarrollar el diagrama de Pareto:

• 1. Seleccione qué clase de problemas se van a analizar.

• 2. Decida qué datos va a necesitar y cómo clasificarlos. Ejemplo: Por tipo
de defecto, localización, proceso, máquina, trabajador, método.
• 3. Defina el método de recolección de los datos y el período de duración de
la recolección.
• 4. Diseñe una tabla para el conteo de datos con espacio suficiente para
registrarlos.
• 5. Elabore una tabla de datos para el diagrama de Pareto con la lista de
categorías , los totales individuales, los totales acumulados, la composición
porcentual y los porcentajes acumulados
• 6. Organice las categorías por orden de magnitud decreciente, de izquierda
a derecha en un eje horizontal construyendo un diagrama de barras. El
concepto de "otros" debe ubicarse en el último lugar independientemente
de su magnitud.
• 7. Dibuje dos ejes verticales y uno horizontal.

Ejes verticales:

• Eje izquierdo: Marque este eje con una escala desde 0 hasta el total
general
• Eje derecho: Marque este eje con una escala desde 0 hasta 100%

Eje horizontal:

- Divida este eje en un número de intervalos igual al número de categorías

clasificadas.

28
 • 8. Dibuje la curva acumulada (curva de Pareto), Marque los valores
acumulados (porcentaje acumulado) en la parte superior, al lado derecho
de los intervalos de cada categoría, y conecte los puntos con una línea
continua.
• 9. Escriba en el diagrama cualquier información que considere necesaria
para el mejor entendimiento del diagrama de Pareto.

Ejemplo de diagrama de Pareto:

El departamento de ventas de un fabricante de materiales de empaque tiene

registrada una lista de las quejas que se han recibido durante el último mes.

29
DIAGRAMA PARETO

30
1.6.3 DIAGRAMA DE CAUSA EFECTO

Sirve para solventar problemas de calidad y actualmente es ampliamente utilizado

alrededor de todo el mundo. ¿Cómo debe ser construido un diagrama de causa
efecto?. Por ejemplo, tenemos el cocinado de un arroz especial del cual
consideraremos el sabor como si esto fuera una característica de la calidad para
lograr su mejora. El diagrama causa-efecto, también llamado "espina de pescado"
por la semejanza de su forma, también es conocido por diagrama de Ishikawa.

Es utilizado para explorar, e identificar todas las causas posibles y relaciones de

un problema (efecto) o de una condición específica en las características de un
proceso.

Una vez elaborado, el diagrama causa-efecto representa de forma clara, ordenada

y completa todas las causas que pueden determinar cierto problema.

Constituye una buena base de trabajo para poner en marcha la búsqueda de las
verdaderas causas de un problema.

Los pasos para elaborar el diagrama de causa- efecto son los siguientes:

• 1. Seleccione el efecto (problema) a analizar. Se puede seleccionar a través

de un consenso, un diagrama de Pareto, otro diagrama o técnica.
• 2. Realice una lluvia de ideas para identificar las causas posibles que
originan el problema.
• 3. Dibuje el diagrama:

• Coloque en un cuadro a la derecha la frase que identifique el efecto

(característica de calidad)
• Trace una línea horizontal hacia la izquierda del cuadro que contiene la
frase. A esta línea se le conoce como columna vertebral.
• Coloque líneas inclinadas que incidan en la columna vertebral (causas
principales).
• Dibuje líneas horizontales con flechas que incidan en las líneas inclinadas
conforme a la clasificación de las causas (causas secundarias)
• Dibuje líneas inclinadas que incidan en las líneas de las causas
secundarias (causas terciarias)

• 4. Clasifique las causas derivadas de la lluvia de ideas, de la siguiente

manera:

- Causas principales.

• Causas secundarias.
• Causas terciarias.

31
 • 5. Jerarquice las causas por grado de importancia y defina aquellas que
tengan un efecto relevante sobre la característica específica.
• 6. Elabore y ejecute un programa de corrección de las causas relevantes.

Ejemplo [1]

En una fábrica de componentes electrónicos se detectaron fallas en la línea de

ensamble al realizar la prueba de un circuito, por lo cual se procedió a realizar una
investigación utilizando el diagrama causa-efecto.

El problema es soldadura defectuosa, siendo el efecto que se va a analizar.

Primero se determinan las causas principales M"s:

• Máquinas
• Mano de obra
• Métodos
• Materiales
• Mediciones
• Medio ambiente

Estas constituyen las causas primarias del problema y es necesario desafiarlas

para encontrar causas más específicas secundarias y terciarias.

Se construye el diagrama espina de pescado con las causas primarias (M´s), a

partir de estas causas se agrupan las causas secundarias y terciarias derivadas
de la lluvia de ideas.

El equipo analiza cada causa y por medio de eliminación y consenso determina

cuales son las verdaderas causas que están ocasionando el problema. Una vez
determinada las causas se realizan un análisis Why-Why Why? El cual consiste en
preguntarnos tres veces por qué?, para encontrar la causa raíz del problema.

32
En el ejemplo anterior las causas primarias fueron agrupadas en (M"s):
mediciones, máquinas, mano de obra, medio ambiente, métodos y materiales. Es
posible realizar este diagrama con causas primarias diferentes a las M´s, ej:

Problema: Porque la versión del sistema "Abacab", no satisface los requerimientos

del cliente.

Las causas primarias en las que se organiza este problema son las siguientes:

• Políticas y procedimientos del sistema

• Funcionalidad.
• Diseño
• Accesibilidad
• Tiempo de respuesta
• Confiabilidad

33
1.6.4 HISTOGRAMAS

Es básicamente la presentación de una serie de medidas clasificadas y

ordenadas, es necesario colocar las medidas de manera que formen filas y
columnas, en este caso colocamos las medidas en cinco filas y cinco columnas.
Las manera mas sencilla es determinar y señalar el número máximo y mínimo por
cada columna y posteriormente agregar dos columnas en donde se colocan los
números máximos y mínimos por fila de los ya señalados. Tomamos el valor
máximo de la columna X+ (medidas máximas) y el valor mínimo de las columnas
X- (medidas mínimas) y tendremos el valor máximo y el valor mínimo.

Un histograma es un gráfico o diagrama que muestra el número de veces que se

repiten cada uno de los resultados cuando se realizan mediciones sucesivas. Esto
permite ver alrededor de que valor se agrupan las mediciones (Tendencia central)
y cual es la dispersión alrededor de ese valor central.

Objetivos:

• Comprender qué es y cómo se construye un histograma

• Comprender la importancia de los histogramas como herramienta

Estadística en el control de calidad

Desarrollo:

• Poblaciones y muestras
• Histogramas: §Definición
• Construcción mediante un ejemplo
• Variantes
• Interpretación
• Ventajas y desventajas
• Especificaciones
• Formas típicas y atípicas

34
1.6.5 DIAGRAMA DE DISPERSION.

El diagrama de dispersión es una técnica estadística utilizada para estudiar la

relación entre dos variables. Por ejemplo, entre una característica de calidad y un
factor que le afecta.

La ventaja de utilizar este tipo de diagramas es que al hacerlo se tiene una

comprensión más profunda del problema planteado.

La relación entre dos variables se representa mediante una gráfica de dos

dimensiones en la que cada relación está dada por un par de puntos (uno para
cada variable).

La variable del eje horizontal x normalmente es la variable causa, y la variable del

eje vertical y es la variable efecto.

La relación entre dos variables puede ser: positiva o negativa. Si es positiva,

significa que un aumento en la variable causa x provocará una aumento en la
variable efecto y y si es negativa significa que una disminución en la variable x
provocará una disminución en la variable y.

Por otro lado se puede observar que los puntos en un diagrama de dispersión
pueden estar muy cerca de la línea recta que los atraviesa, o muy dispersos o
alejados con respecto a la misma. El índice que se utiliza para medir ese grado de
cercanía de los puntos con respecto a la línea recta es la correlación. En total
existen cinco grados de correlación: positiva evidente, positiva, negativa evidente,
negativa y nula.

35
1.6.6 LA ESTRATIFICACIÓN

Cuando se investiga la causa de un efecto o la dispersión en la distribución de las

mediciones, a menudo surge la necesidad de examinar los datos agrupados por
tipo de material, método de operación, operario, tipo de máquina, etcétera. Qué es
la estratificación? ¿Para qué se usa? La estratificación es la separación de
datos en categorías o clases. La estratificación es lo que clasifica la información
recopilada sobre una característica de calidad. Podemos clasificar o separar
una masa de datos en diferentes grupos o categorías. Los datos observados en un
grupo dado comparten unas características comunes que definen la categoría.
Este proceso de clasificación recibe el nombre de estratificación. A cada grupo se
le denomina estrato. Los estratos a definir lo serán en función de la situación
particular de que se trate, pudiendo establecerse estratificaciones atendiendo
a: Personal o Tipo de defecto o Causa y efecto o Localización del efecto o
Materiales Maquinaria y equipo. o Áreas de gestión. o Tiempo. Permite aislar
la causa de un problema, identificando el grado de influencia de ciertos factores en
el resultado de un proceso. La estratificación puede apoyarse y servir de base en
distintas herramientas de calidad, si bien el histograma es el modo más habitual
de presentarla. Cómo interpretar la estratificación? Si los resultados de la
estratificación se presentan en forma de gráfico de barras, es fácil examinar las
categorías de una variable para ver si alguna o algunas de las categorías
destacan sobre el resto.

36
1.7 HABILIDAD Y CAPACIDAD DEL PROCESO

La capacidad del proceso es la medida de la reproducibilidad intrínseca del

producto resultante de un proceso.

Proceso: Es una combinación única de maquinas herramientas, métodos

materiales y hombres. Capacidad: Esta palabra se usa en el sentido de posibilidad
basada en realizaciones contrastadas y lograr resultados mensurables. Medida:
Se refiere al hecho de que la capacidad del proceso sea cuantificada con los datos
que, a su vez, son el resultado de la medición del trabajo realizado por el proceso.
Reproductibilidad intrínseca: Se refiere a la uniformidad del producto resultante de
un proceso que está en estado de estadístico. “Reproductibilidad instantánea"
sería un sinónimo. Producto: La medición se hace sobre el producto dado que la
variación del producto es el resultado final.

• Metodología de aplicación:

* Los índices Cp y Cpk facilitan la comparación del desempeño de distintos

procesos, proveedores y proporcionan una idea aproximada del porcentaje de
artículos que no cumplen con las especificaciones.

* Inferior de especificación), se puede considerar como la dispersión permitida del

proceso.Índice Cp (índice de capacidad del proceso).

* Para que un producto pueda considerarse de calidad los valores de la medición

deben ser iguales a ciertos valores nominales tienen que estar dentro de ciertas
especificaciones.* Donde se representa la desviación estándar de la
característica de la calidad que se miden al producto

37
 UNIDAD II “GRÁFICAS DE CONTROL PARA VARIABLES”

2.1. CONCEPTOS GENERALES Y PRINCIPIOS DEL CEP

Gráficas de control

La Gráfica de Control es un tipo especial de gráfica que se dirige a la posibilidad

de interpretar información derivada de un proceso creando una imagen de las
fronteras o límites de variación permisibles.

Permite de manera objetiva determinar si un proceso se encuentra "en control" o

"fuera de control".

Es una herramienta útil para establecer fronteras de variación dentro de un

proceso. Muestra cuando estas fronteras se sobrepasan y entonces buscar las
claves que lleven a las causas para resolverlas.

La experiencia ha demostrado que los gráficos de control dirigen efectivamente la

atención hacia las causas especiales de variación y a la magnitud de la variación
de causas comunes que se deben reducir mediante actuación por parte de la
dirección.

Será necesario identificar una medida clave que quiera medir a través del tiempo o
contra algún otro factor. Esta medida deberá ser un indicador de calidad
/productividad (cliente externo o proceso interno) que nos de información útil para
la toma de decisiones.

Tipos de gráficos de control

Los gráficos de control pueden ser de dos tipos según la característica del
producto o servicio a analizar: Gráficos de control por variables y gráficos de
control por atributos.

En los gráficos de control por variables, el control del proceso se realiza mediante
variables susceptibles de ser medidas: cantidades, pesos, diámetros, espesores,
frecuencias, etc. En ellos se analizarán parámetros de posición y dispersión de la
característica a controlar a lo largo del tiempo. El gráfico, que analiza la media
muestral y el rango de una muestra predeterminada, es el más utilizado en este
ámbito.

En los gráficos de control por atributos, el control del proceso se realiza mediante
atributos de tipo dicotómico. Así, se puede analizar si el producto o servicio posee
o no una determinada característica (atributo): color, forma, defecto, tipo, etc.

38
Y en general se aborda dicho análisis mediante preguntas del tipo: aceptable/no
aceptable, si/no, funciona/no funciona, etc.

Los principales gráficos por atributos, son: los que controlan número de unidades
defectuosas: 'p' y 'np', y los que controlan el número de defectos 'c' y 'u'. Su
estudio se abordará posteriormente.

En general se prefiere el control por variables, ya que la información recogida es

más objetiva (son medidas de una característica) y representa más fiablemente el
estado del proceso en términos de la característica que se intenta controlar;
máxime, si se tiene en cuenta que para realizar el control, el número de 'piezas'
observadas (que constituyen la muestra) es muy pequeño comparado con la
población de la que provienen y que permiten establecer la capacidad del proceso.

Así, estos gráficos nos informan más fiablemente acerca de la variación que sufre
la característica que se mide a lo largo del tiempo y de la magnitud de esa
variación. Por otra parte, los gráficos de control por atributos sólo nos dan una
indicación de la aceptabilidad de la muestra, sin informar de la variación producida
por la característica y además, por lo general requieren para su construcción
tamaños muestrales mayores.

Así, si la característica que se pretende controlar es muy importante (por ejemplo,

por ser componentes de precisión) se emplearán los gráficos de control por
variables.

Gráficos de control por variables.

Los gráficos de control por variables en general nos permitirán mediante muestras
de pequeño tamaño (3, 4 ó 5 piezas) tomadas en la propia máquina, prever dentro
de que límites un proceso está dentro de control. Es decir, se trata de controlar el
proceso vigilando las variables más significativas de los productos fabricados; para
ello se usan técnicas estadísticas aceptando que los errores siguen una
distribución normal.

Los gráficos de control por variables se deben utilizar cuando se precise controlar
una dimensión o característica concreta de un producto en el que se están
produciendo defectos o cuando no estamos seguros de que el proceso con el que
se fabrican estos productos sea el adecuado.

El control por variables tiene como ventajas a destacar que el operario recibe
información de la calidad de su trabajo y puede contrastarla con los objetivos
perseguidos, además se puede prever la aparición de piezas defectuosas, así
como detectar que un proceso es el adecuado para fabricar una determinada
pieza analizando también la evolución del propio proceso.

39
Después de haber tomado un mínimo de 20 muestras y calculado el porcentaje de
defectos de cada una, elabore la escala en el eje vertical de la gráfica . La escala
debe reflejar lo que sea apropiado de acuerdo a la medida que usted ha
seleccionado. Elabore el eje horizontal con un marcaje por cada fecha de la
muestra.

Grafique el porcentaje de defectos. A continuación calcule el porcentaje promedio

sumando todos los porcentajes de defectos y divida el resultado entre el total de
muestras sumadas. Dibuje una línea horizontal en la gráfica con el valor resultante
y nómbrela 'P'.

Cálculo de los límites de control. Los límites de control le dirán si su proceso tiene
un control estadístico. Piense que los límites de control son fronteras invisibles.
Mientras que los puntos se encuentren entre las estas fronteras de control, todo
estará bien. Sin embargo, cuando los puntos rebasan estas fronteras se deberá
investigar las causas por las que se han rebasado.

40
2.2. ELABORACIÓN E INTERPRETACIÓN DE GRÁFICAS

2.2.1. GRÁFICO X-R

CALCULOS PARA DETERMINAR EL GRAFICO DE CONTROL 𝑋" y R

":
GRAFICO DE CONTROL 𝑿

1.- Para calcular LCI Y LCS se necesita determinar con la siguiente fórmula:

𝐿𝐶𝐼 = 𝑋) − 3𝜎-!" Y 𝐿𝐶𝑆 = 𝑋) + 3𝜎-!"

LCI= LIMITE DE CONTROL INFERIOR DE CALIDAD.

LCS=LIMITE DE CONTROL SUPERIOR DE CALIDAD.

LC= LIMITE DE CONTROL DE LA MEDIA HISTORICA EN CASO DE SER CONOCIDA SINO ES LA

MEDIA DE LAS MEDIAS.

Es decir puede ser:

#
𝑋) = $ ∑$%&# 𝑋1% --------- Representa la media de las medias de todos lo subgrupos o
muestras consideradas en el gráfico de control.
#
𝑋1 = ' ∑'%&# 𝑋$% ---------- Representa la media de cada subgrupo o muestra.

También para determinar el rango 𝑅$ de cada fila se obtiene el valor absoluto de la

diferencia del valor máximo y el valor mínimo de cada fila de la tabla de datos, es decir:

𝑅$ = 𝑚𝑎𝑥(𝑥$# , … 𝑥$' ) − 𝑚𝑖𝑛(𝑥$# , … 𝑥$' )

Y el Rango medio de todas las filas se determina (se coloca al final de la columna de
rangos):
$
1
𝑅1 = > 𝑅%
𝑡
%&#

Tambien:
("
𝜎-!" = ) donde:
! √'

𝑅1 = 𝑅𝑎𝑛𝑔𝑜 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑡𝑜𝑑𝑎𝑠 𝑙𝑎𝑠 𝑓𝑖𝑙𝑎𝑠.

n = Número de subgrupos o columnas de datos del experimento y

41
 𝑑+ = 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒 𝑒𝑛 𝑓𝑢𝑛𝑐𝑖ó𝑛 𝑑𝑒 𝑛.

Los valores se muestran en la siguiente tabla dependiendo del número de columnas:

n 2 3 4 5 6 7 8 9 10
𝒅𝟐 1.128 1.693 2.059 2.326 2.534 2.704 2.847 2.970 3.078

Ejemplo: En una fábrica que produce tuberías se han medido los diámetros
(en mm) de 16 tuberías. En la siguiente tabla se muestran los datos obtenidos
a lo largo de 8 intervalos de muestreo sucesivos, en cada uno de los cuales se
han seleccionando al azar 2 tuberías para medir sus diámetros xt1 y xt2.
Dibujar el gráfico 𝑋" y el de rangos R, ¿puede decirse que la media del proceso
está bajo control?¿Puede decirse que el rango del proceso está bajo control?

":
GRAFICO DE CONTROL 𝑿

INTERVALODE
MUESTREO Xt1 Xt2 Xbarra Rt
1 80 82 81 2
2 83 81 82 2
3 81 80 80.5 1
4 79 80 79.5 1
5 81 79 80 2
6 80 80 80 0
7 81 81 81 0
8 79 81 80 2
"
𝑋 =80.5 %
𝑅 = 1.25

DESARROLLO DE CALCULOS
#
𝐿𝐶𝐼 = 𝑋) − 3𝜎-!" 𝐿𝐶𝑆 = 𝑋) + 3𝜎-!" Y 𝐿𝐶 = 𝑋) = $ ∑$%&# 𝑋1% , Por lo tanto
calculando lo que falta:
(" #.+. #.+.
𝜎-!" = ) = #.#+/√/ = 0.#1 = 0.39, por lo tanto:
! √'

𝐿𝐶𝐼 = 80.5 − 3(0.39) = 79.33

𝐿𝐶 = 𝑋) = 80.5

𝐿𝐶𝑆 = 80.5 + 3(0.39) = 81.67

42
GRAFICANDO DICHOS VALORES DE CONTROL EN EXCEL:

GRAFICO DE CONTROL X
83
MEDIAS DE DIAMETRO DE TUBERIA

82
81
80
79
78

77
1 2 3 4 5 6 7 8
INTERVALO DE MUESTREO
Xbarra LCI LC LCS

CONCLUSION: De tal manera que se puede observar que la media (LC) está bajo control,
ya que los valores de muestreo no sobrepasan los lÍmites de control tanto inferior como
superior, solo al inicio pero después permanecen adentro de los límites las medias del
experimento.

GRAFICO DE CONTROL R.

Para determinar el Gráfico de control de Rangos (R), se determina la desviación típica de

los Rangos 𝑅$ obtenidos en cada intervalo de muestreo t puede calcularse como:

𝑅%
𝜎"! =
𝑑!
Donde 𝑑( es una contante en función de n.

n 2 3 4 5 6 7 8 9 10
𝑑( 1.323 1.906 2.340 2.691 2.988 3.247 3.472 3.676 3.861

Desarrollando el cálculo:

1.25
𝜎"! = = 0.94
1.323

43
Por lo tanto, los límites de control del Gráfico R se calculan:

𝐿𝐶𝐼 = 𝑅1 − 3𝜎-2 = 1.25 − 3(0.94) = 1.25 − 2.82 = −1.57 Por lo tanto se considera a
partir del cero, ya que no puede ser negativo el LCI.

𝐿𝐶𝑆 = 𝑅1 + 3𝜎-2 = 1.25 + 2.82 = 4.07

𝐿𝐶 = 𝑅1 = 1.25

GRAFICANDO DICHOS VALORES DE CONTROL EN EXCEL:

GRAFICO DE CONTROL R
4.5
4
3.5
RANGO (mm)

3
2.5
2
1.5
1
0.5
0
1 2 3 4 5 6 7 8
INTERVALO DE MUESTREO
Rt LCI LC LCS

CONCLUSION: Al igual que el gráfico de medias, la (LC) de rangos de este experimento está
bajo control, ya que los valores de muestreo no sobrepasan los lÍmites de control tanto
inferior como superior, solo al término, inicialmente permanece adentro de los límites los
rangos del experimento.

La alta variabilidad de los rangos de diámetro de las tuberías solo es esporádico a los
últimos intervalos de muestreo, por lo que habría que hacer ajustes en la máquina de
precisión de este producto y determinar nuevos gráficos de control con nuevas líneas de
control de calidad del diámetro.

EJERCICIO 1.- La producción de ladrillo de construcción

Una empresa productora de ladrillos de construcción recibió fuertes quejas de su

mayor cliente por la inconstancia de la calidad de su producto. Una de las
características principales del ladrillo de construcción es el porcentaje de absorción
de agua. Se decidió controlar el proceso en base a esta característica, utilizando
Gráficos de Control por Variables 𝑋" , R.

44
Durante una semana se recogieron, en cada uno de los 5 días laborables, una
muestra de cinco ladrillos cada 2 horas (4 muestras por jornada de trabajo).

Muestra Porcentaje de agua (%) (5 medidas para cada 𝑋" R

muestra)

1 3.5 3.0 4.9 5.5 4.7

2 5.0 3.5 4.8 6.4 4.8
3 4.6 2.5 4.7 5.2 5.9
4 4.1 3.8 5.9 6.2 4.3
5 7.0 5.5 6.5 5.6 4.2
6 5.0 5.5 3.9 6.9 4.8
7 3.8 6.5 5.8 6.9 5.3
8 4.0 6.0 3.5 6.4 4.5
9 3.5 4.9 4.1 5.4 6.1
10 4.7 4.5 4.9 5.6 4.8
11 5.0 4.5 5.0 4.9 5.7
12 6.0 5.2 5.2 4.7 3.7
13 5.2 4.9 3.6 7.0 6.3
14 3.4 4.3 4.5 5.0 4.1
15 4.5 7.0 7.0 5.2 6.4
16 3.8 6.1 4.9 5.4 4.2
17 4.7 6.2 5.3 6.5 7.0
18 5.6 7.0 6.9 4.3 4.9
19 3.9 4.6 5.8 3.6 4.9
20 3.8 4.7 4.9 5.6 5.2
𝑋# = 𝑅" =

Contrariamente a los resultados esperados, todas las muestras estaban dentro de sus
Límites de Control: La alta variabilidad del porcentaje de absorción de agua no era
esporádica y debida a causas especiales y puntuales, sino que era constante e, inherente
al propio proceso de producción.

Durante el proceso de fabricación del ladrillo se añade agua a una pasta de arcilla para
producir una masa trabajable.

La cantidad de agua añadida dependía de la sensación al tacto que la pasta de arcilla

producía en el operario de lo artesa. La primera consecuencia del estudio, fue la
instalación de un medidor de caudal para controlar mejor la cantidad de agua añadida.

45
Una vez reducida de esta forma la variabilidad intrínseca del proceso, se volverían a
concentrar los esfuerzos en mantener el mismo proceso bajo control estadístico
(utilizando naturalmente nuevos Gráficos y Límites de Control).

EJERCICIO 2.- Contenido de elemento químico activo en una crema cosmética.

Para controlar estadísticamente el proceso de producción de una crema cosmética se

estableció utilizar los Gráficos de Control por Variables 𝑋1 y R.

El factor que más influía sobre la calidad de la crema era la cantidad contenida de un
determinado elemento químico activo.

Se decidió entonces concentrar el control en la medición de esta característica. (ml. de

elemento activo contenidos en 100 ml de crema). Para la construcción de los Gráficos de
Control se tomaron 20 muestras (4 en cada día laboral de la semana, dos por cada uno de
los dos turnos diarios), consistiendo cada muestra en 5 pruebas de 100 ml. de crema.

Los resultados obtenidos fueron los siguientes:

Muestra Valores medios '
𝑿 R
1 3.37 3.29 3.35 3.32 3.35
2 3.38 3.29 3.31 3.40 3.35
3 3.34 3.36 3.36 3.37 3.33
4 3.39 3.41 3.33 3.35 3.36
5 3.38 3.30 3.30 3.34 3.38
6 3.34 3.27 3.35 3.37 3.39
7 3.32 3.31 3.32 3.38 3.37
8 3.32 3.36 3.34 3.32 3.31
9 3.33 3.33 3.33 3.36 3.44
10 3.30 3.41 3.35 3.35 3.31
11 3.28 3.34 3.35 3.37 3.32
12 3.39 3.37 3.34 3.36 3.30
13 3.34 3.34 3.35 3.36 3.36
14 3.36 3.36 3.31 3.38 3.35
15 3.31 3.36 3.34 3.31 3.32
16 3.40 3.37 3.36 3.35 3.33
17 3.33 3.39 3.32 3.33 3.29
18 3.32 3.33 3.37 3.31 3.35
19 3.34 3.34 3.38 3.30 3.35
20 3.33 3.36 3.53 3.34 3.31

46
CONCLUSION:

Como todas las muestras estaban dentro de los Límites de Control estos se consideraron
válidos y se implantó un control constante del proceso de producción basado en los
gráficos así obtenidos.

CALCULO MEDIANTE EL USO DE MINITAB 16

Este gráfico trata de mostrarnos la distribución que siguen en el tiempo los

estimadores (media) y R (rango), identificativos del valor central y la dispersión de
los valores de cada muestra extraída. Los valores de estos estimadores variarán
de una muestra a otra en el proceso de inspección; por tanto, lo que nos
interesará predecir, son los límites entre los que variarán dichos estimadores,
supuesto que el proceso está bajo control (esto es, cuando no existen causas
especiales que distorsionen el proceso).

El procedimiento que debe seguirse para su construcción exige contar con una
hoja de recogida de datos, en la que se indicará el tamaño de las muestras, la
frecuencia con que deben tomarse y el número de muestras necesarias para
obtener cierta significación estadística en nuestro estudio.

Grados Brix en Gaseosas.

47
A continuación aparecerá la siguiente ventana donde ingresaremos los datos en la
segunda casilla haciendo doble clic a cara uno de nuestros subgrupos, tengan en
cuenta que las observaciones para un subgrupo se encuentran en distintas

48
columnas es por eso que seleccionaremos la segunda opción que se muestra en
la caja de selección

La gráfica superior (Xbarra) nos indica que el proceso en no se encuentra bajo

control estadístico por que existen 12 puntos fuera de fuera de los límites de
control (UCL = 8.174 y LCL =7.826).

La segunda gráfica (R) nos indica que el proceso es variable, y que existen
muchas observaciones muy cerca del límite de control inferior lo que nos dice que
si los grados brix en la bebida están por debajo del promedio ésta resulta poco
dulce.

También observamos que existe 1 punto por encima del límite de control superior,
significando esto que no se utiliza la materia prima óptimamente. Advirtiendo la
excesiva variabilidad de los datos podemos afirmar que existen Causas
Asignables en el proceso que se deberán de investigar para su corrección.

49
Ejemplo: Una empresa productora de ladrillos de construcción recibió fuertes
quejas de su mayor cliente por la inconstancia de la calidad de su producto. Una
de las características principales del ladrillo de construcción es el porcentaje de
absorción de agua. Se decidió controlar el proceso en base a esta característica,
utilizando Gráficos de Control por Variables X , R.

Durante una semana se recogieron, en cada uno de los 5 días laborables, una
muestra de cinco ladrillos cada 2 horas (4 muestras por jornada de trabajo).

50
Las veinte muestras dieron los siguientes resultados:

Los datos se procesan con Minitab 16

51
Selección del cálculo de los límites

Contrariamente a los resultados esperados, todas las muestras estaban dentro de

sus Límites de Control: La alta variabilidad del porcentaje de absorción de agua no
era esporádica y debida a causas especiales y puntuales, sino que era constante
e, inherente al propio proceso de producción.

Durante el proceso de fabricación del ladrillo se añade agua a una pasta de arcilla
para producir una masa trabajable.

La cantidad de agua añadida dependía de la sensación al tacto que la pasta de

arcilla producía en el operario de lo artesa. La primera consecuencia del estudio,

52
fue la instalación de un medidor de caudal para controlar mejor la cantidad de
agua añadida.

Una vez reducida de esta forma la variabilidad intrínseca del proceso, se volverían
a concentrar los esfuerzos en mantener el mismo proceso bajo control estadístico

Control en línea

Con el fin de monitorizar el proceso de llenado, y así poder detectar rápidamente

la presencia de causas asignables en el proceso, se decide establecer un control
estadístico del proceso. Para ello se toma una muestra de tamaño 4 cada 20
minutos y se representan las medias y los rangos en los gráficos de control.

100.31 100.04
100.42 100.18 100.29 99.611 99.718 100.28 99.193
99.9119
2 4 9 4 5 7 2 6 2
100.07 99.902
99.494 100.44 99.670 100.39 99.673 99.952 99.626
100.031
8 4 6 3 1 8 5 9 8
100.54 100.38
99.681 99.965 99.861 100.15 99.838 100.53 100.28
99.5855
3 4 7 7 1 1 2 3 6
100.08 100.00
99.479 99.940 100.04 100.02 100.16 99.896 100.57
99.7925
1 7 1 3 5 5 5 6 5
99.556 99.896
99.704 100.17 99.284 100.15 100.26 100.23
100.064 99.321
4 8 2 2 4 5 9 8
100.36 99.952 99.807 100.48 100.11 99.879 100.21 99.691
100.425 100.09
6 4 5 7 7 2 6 3
100.28 100.60 99.532 100.20 100.21 100.11 100.27 99.803 99.463
100.448
9 2 6 6 6 9 1 2 1
99.879 100.07 99.998 100.07 99.361 99.495 100.03
99.7684 100.24 99.755
1 7 7 6 2 7 6
99.257 100.02 99.724 99.987 100.02 99.638 100.62 100.65 100.02
99.5313
6 8 9 4 9 6 4 5 8
99.856 100.30 99.792 99.907 99.830 100.30 99.929 99.571 100.37
100.297
4 9 4 4 9 2 7 3 7
100.53 99.711 99.829 100.17 99.783 99.905 99.843 99.931
100.182 100.47
4 3 4 6 6 8 7 3
100.14 99.521 100.11 100.02 100.07 100.18 100.00
99.6851 99.835 99.977
3 4 5 8 3 9 8
99.153 100.20 99.861 99.778 99.901 100.28 100.26 100.65
100.012 100.11
5 5 6 3 2 7 8 2
100.47 100.29 99.290 99.928 100.41 99.381 100.01 100.37 99.124
100.063
1 4 2 3 5 3 6 1 3
99.725 99.889 99.527 100.00 100.01 99.693 99.600 100.28 99.950
99.8393
3 5 6 5 6 2 8 6 7

53
99.746 100.47 100.39 100.10 99.174 100.21 100.52 99.671 100.22
99.8682
7 5 4 5 3 4 2 1 1
100.29 100.22 100.20 99.241 99.870 99.744 100.86
99.8121 99.836 100.2
5 4 4 6 3 4 4
100.01 100.26 99.906 100.14 100.03 99.456 100.15
99.4109 99.708 99.114
6 5 5 6 1 9 4
99.941 100.131 99.884 99.869 100.36 100.32 99.635 100.27
100.22 99.348
2 3 1 9 8 4 9 6
99.816 99.983 99.842 100.30 100.09 100.36 100.01 100.20
99.8277 99.354
7 2 6 2 4 1 5 8

Análisis de los gráficos

54
Resultados de la prueba para la gráfica Xbarra de Llenado línea

Prueba 7. 15 puntos dentro de 1 desviación estándar de la línea central (encima y

debajo de LC). La prueba falló en los puntos: 35, 36, 37, 38, 39, 40 Resultados de
la prueba de la gráfica R de Llenado_linea

Prueba 1. Un punto más que las 3.00 deviaciones estándar desde la línea central.
La prueba falló en los puntos: 50

55
 " , 𝑺.
2.2.2. GRÁFICO 𝑿

El tamaño de muestra “n” será pequeño (n=4 ó 5, siendo 5 el tamaño más

conveniente y constante).

La frecuencia de muestreo será tal que recoja los cambios en el proceso entre las
muestras debido a causas internas y al mismo tiempo permita detectar la aparición
de causas externas.

Las muestras deben recogerse con frecuencia y en los tiempos oportunos para
que puedan reflejar dichas oportunidades de cambio. (por ejemplo: frecuencias
horarias, diarias por turno, por lote de material, etc.)

El número de muestras “N” debe satisfacer dos criterios:

• Se recogerán muestras suficientes para cerciorarse de que las causas

internas de variación tienen oportunidad para manifestarse.
• Proporcionar una prueba satisfactoria de la estabilidad del proceso a
partir de un mínimo de 100 mediciones individuales se obtiene esta
garantía.
N=25 muestras de n =4 (mediciones)

N=20 muestras de n = 5 (mediciones)

NOTA: Las unidades de cada muestra serán recolectadas de FORMA

CONSECUTIVA para que sea homogénea y representativa del momento de la
toma de datos. Se indicarán en las hojas de recogida de datos todas las
informaciones y circunstancias que sean relevantes en la toma de los
mismos.

56
 Ejemplo: Se tomaron las siguientes mediciones.

Fecha: 07/03/1991 07/03/1991 07/03/1991

Hora: 10:00 a.m. 14:00 p.m. 18:00 p.m.

Inspector: José José Juan

Muestra número: 1 2 3
Valores medidos: 6.2, 6.5, 6.1, 6.8 y 6.0, 6.6, 6.7, 6.7 6.5, 6.1, 6.4, 5.7
6.4 y 6.5 y 6.2
SUMA 32 32.5 30.9
𝑋1 6.4 6.5 6.2
S 0.27 0.29 0.31

∑! 0+
• Cálculo de media:𝑋1# = ' " = . = 6.4 y así sucesivamente.
• Cálculo de la Desviación Estándar

∑(𝑋% − 𝑋1)+ (∑ 𝑋%+ − 𝑛𝑋1 + )

𝑆=U ó 𝑆=U
𝑛−1 𝑛−1

(6.2 − 6.4)+ + (6.5 − 6.4)+ + (6.1 − 6.4)+ + ⋯ + (6.4 − 6.4)+

𝑆# = U = 0.27
5−1

(6.0 − 6.5)+ + (6.6 − 6.5)+ + (6.7 − 6.5)+ + ⋯ + (6.5 − 6.5)+

𝑆+ = U = 0.29
5−1

(6.5 − 6.2)+ + (6.1 − 6.2)+ + (6.4 − 6.2)+ + ⋯ + (6.2 − 6.2)+

𝑆0 = U = 0.31
5−1

Agrupando los datos en la siguiente tabla:

Muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 SUMA
𝑋" 6.4 6.5 6.2 6.2 6.6 6.4 6.6 6.1 6.3 6.2 6.0 6.5 6.3 6.3 6.4 95
S 0.27 0.29 0.31 0.60 0.32 0.35 0.39 0.09 0.37 0.50 0.38 0.22 0.31 0.29 0.68 5.37

Calcular Límites de Control.

• Calcular la media 𝑋) de los valores medios de las muestras (𝑋"4 ) :

(!" 6!" 6⋯6!"$ ) 1.
• 𝑋) = # !9 = #. = 6.33
• Calcular la Desviación estándar (𝑆)̅ :

57
 :# 6:! 6⋯6:#% ..0;
• 𝑆̅ = 9
= #.
= 0.36

" (𝒏 = 𝟓; 𝑨𝟑 = 𝟏. 𝟒𝟑).
Cálculo de los límites para el gráfico 𝑿

Tabla de Constantes para el gráfico 𝑋1, 𝑆.

Nu. De Unidades Constantes

de la muestra.

n
𝐴0 𝐵0 𝐵=
2 2.66 0 3.27
3 1.95 0 2.57
4 1.63 0 2.27
5 1.43 0 2.09
6 1.29 0.03 1.97
7 1.18 0.12 1.88
8 1.10 0.19 1.82
9 1.03 0.24 1.76
10 0.98 0.28 1.72

La fórmula a utilizar son:

𝐿𝐶𝑆 = 𝑋) + 𝐴0 𝑆̅ = 6.33 + (1.43)(0.36) = 6.84

𝐿𝐶𝐼 = 𝑋) − 𝐴0 𝑆̅ = 6.33 − (1.43)(0.36) = 5.81

𝐿𝐶 = 𝑋) = 6.33

Cálculo de los límites para el gráfico 𝑺 (𝒏 = 𝟓; 𝑩𝟑 = 𝟎, 𝑩𝟒 = 𝟐. 𝟎𝟗).

𝐿𝐶𝑆 = 𝐵= 𝑆̅ = (2.09)(0.36) = 0.75

𝐿𝐶𝐼 = 𝐵0 𝑆̅ = (0)(0.36) = 0

𝐿𝐶 = 𝑆̅ = 0.36

El valor de 𝐵= 𝑦 𝐵0 se obtiene de la tabla de constantes. El valor de 𝐵0 para

tamaños de muestra menores o iguales a 5 es cero, esto implica que el LCI = 0.

58
DESARROLLO DE GRAFICOS UTILIZANDO EL PROGRAMA EXCEL.

GRAFICO DE CONTROL DE MEDIAS X

7
MEDIAS DE LAS MUESTRAS DE TAMAÑO 5

6.8

6.6

6.4

6.2

5.8

5.6

5.4

5.2
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
LCI LC LCS

GRAFICO DE CONTROL S
0.8
DESVIACIONES DE LAS MUESTRAS DE TAMAÑO 5

0.7
0.68

0.6 0.6

0.5 0.5

0.4 0.39
0.37 0.38
0.36 0.36 0.36 0.36 0.36 0.36
0.35 0.36 0.36 0.36 0.36 0.36 0.36 0.36 0.36 0.36
0.3 0.31 0.32 0.31
0.29 0.29
0.27
0.2 0.22

0.1 0.09

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
NUMERO DE MUESTRAS
LCI LC LCS

59
Ejercicio.- EJERCICIO 1.- La producción de ladrillo de construcción.
Una empresa productora de ladrillos de construcción recibió fuertes quejas de su
mayor cliente por la inconstancia de la calidad de su producto. Una de las
características principales del ladrillo de construcción es el porcentaje de absorción
de agua. Se decidió controlar el proceso en base a esta característica, utilizando
Gráficos de Control por Variables 𝑋" , S.

Durante una semana se recogieron, en cada uno de los 5 días laborables, una
muestra de cinco ladrillos cada 2 horas (4 muestras por jornada de trabajo).

Muestra Porcentaje de agua (%) (5 medidas para cada 𝑋" S

muestra)

1 3.5 3.0 4.9 5.5 4.7

2 5.0 3.5 4.8 6.4 4.8
3 4.6 2.5 4.7 5.2 5.9
4 4.1 3.8 5.9 6.2 4.3
5 7.0 5.5 6.5 5.6 4.2
6 5.0 5.5 3.9 6.9 4.8
7 3.8 6.5 5.8 6.9 5.3
8 4.0 6.0 3.5 6.4 4.5
9 3.5 4.9 4.1 5.4 6.1
10 4.7 4.5 4.9 5.6 4.8
11 5.0 4.5 5.0 4.9 5.7
12 6.0 5.2 5.2 4.7 3.7
13 5.2 4.9 3.6 7.0 6.3
14 3.4 4.3 4.5 5.0 4.1
15 4.5 7.0 7.0 5.2 6.4
16 3.8 6.1 4.9 5.4 4.2
17 4.7 6.2 5.3 6.5 7.0
18 5.6 7.0 6.9 4.3 4.9
19 3.9 4.6 5.8 3.6 4.9
20 3.8 4.7 4.9 5.6 5.2
𝑋# = 𝑆̅ =

60
CALCULO MEDIANTE EL USO DE MINITAB 16.

Para obtener la gráfica de medias y desviaciones estándar es necesario que la

característica del producto se haya definido con tipo de análisis Variable y tamaño
de subgrupo igual o mayor a 2.

Cada punto de la gráfica de Medias es el promedio de las muestras de un

subgrupo. Cada punto de la gráfica de Desviaciones es la desviación estándar
interna de cada subgrupo. Los límites de control se calculan a partir de la
Desviación estándar promedio y delimitan una zona de 3 desviaciones estándar de
cada lado de la media.

Ejemplo: En la siguiente figura tenemos los datos de 40 subgrupos de tamaño 5.

61
62
Ejemplo: Datos de las dimensiones del ojo de una cerradura (milímetros). Para
facilitar el registro, cada medida está codificada tomando como base 6.00 mm.

Grupo Fecha Hora X1 X2 X3 X4 Observación

1 2013-01-05 08:50 35 40 32 37
2 2013-01-05 10:00 46 37 36 41
3 2013-01-05 11:15 34 40 34 36 Operador
4 2013-01-05 12:30 69 64 68 59
5 2013-01-05 15:54 38 34 44 40 Nuevo
6 2013-01-09 08:50 42 41 43 34
7 2013-01-09 11:00 44 41 41 46 Temporal
8 2013-01-09 13:20 33 41 38 36
9 2013-01-09 14:56 48 44 47 45
10 2013-01-09 15:34 47 43 36 42
11 2013-01-10 08:50 38 41 39 38
12 2013-01-10 10:00 37 37 41 37
13 2013-01-10 11:15 40 38 47 35
14 2013-01-10 12:30 38 39 45 42
15 2013-01-10 15:54 50 42 43 45
16 2013-01-11 08:50 33 35 29 39
17 2013-01-11 11:00 41 40 29 34
18 2013-01-11 13:20 38 44 28 58
Línea aceite averiada
19 2013-01-11 14:56 35 41 37 38
20 2013-01-11 15:34 56 55 45 48 Material malo
21 2013-01-12 09:15 38 40 45 37
22 2013-01-12 11:30 39 42 35 40
23 2013-01-12 13:00 42 39 39 36
24 2013-01-12 14:20 43 36 35 38
25 2013-01-12 13:59 39 38 43 44

63
Solución MINITAB

Selección de variables

64
Seleccione todas las pruebas de control

Gráfico de control resultado

65
Conclusión

Prueba 1. Un punto más que las 3.00 deviaciones estándar desde la línea central.
La prueba falló en los puntos: 4, 16, 20. El punto 4 corresponde al operador
temporal atribuible a la falta de experiencia.

Prueba 5. 2 o 3 puntos consecutivos mayores que 2 deviaciones estándar desde

la línea central (en un lado de LC). La prueba falló en los puntos: 3 (Falta de
experiencia del operador), 17 (línea de aceite averiada).

Ejemplo: En procesos de llenado de envases es importante controlar el nivel de

llenado, ya que la ley exige respetar los contenidos mínimos y por otra parte, el
sobrellenado es motivo de altos costos que pueden comprometer la rentabilidad
económica de la producción.

Los procesos de llenado de envases suelen estar automatizados. Se coloca un

transmisor de dosificación o llenado que envía la señal a una válvula para que
esta se abra y cierre.

66
Los datos a utilizar corresponden al nivel de llenado de botellas de agua mineral
de 100 cl.

Para ello se toman K muestras del proceso y, mediante un procedimiento iterativo,

se eliminan las que son sospechosas de haber sido tomadas cuando el proceso
estaba 'fuera de control'.

Procedimiento iterativo:

1. Se extraen K muestras.
2. Se estiman los parámetros.
3. Se representan las muestras en los gráficos de control
4. Se eliminan las muestras fuera de los gráficos.
5. Se vuelve al paso b.

Mediciones

Grupo Llenado

1 99.8839575

1 99.2980967

1 99.6710348

1 99.8383829

1 99.9830761

2 99.8870813

2 99.6399131

2 100.291867

2 100.563097

2 99.6643767

20 100.316181

20 100.294269

20 100.39237

67
Grupo Llenado

20 99.9216847

20 99.5642785

Solución Minitab

Gráfico de control

Resultados

68
Prueba 1. Un punto más que las 30 desviaciones estándar desde la línea central.
La prueba falló en los puntos: 6, 11, 19

Prueba 5. Más de 3 puntos más que 2 desviaciones estándar desde la línea

central (en un lado de LC). La prueba falló en los puntos: 8

Resultados de la prueba de la gráfica S de Llenado

Prueba 1. Un punto más que las 3.00 desviaciones estándar desde la línea
central. La prueba falló en los puntos: 9

69
2.2.3. GRAFICO X DE INDIVIDUALES

Es una carta para variables de tipo continuo que se emplea en procesos lentos en
los cuales para obtener una muestra de la producción se requerirían periodos
relativamente largos, de esto lo más considerable sea hacer el control basándose
directamente en las mediciones individuales, ejemplos:

• Industria de bebidas alcohólicas en las que deben pasar desde una hasta más
de 100 horas para obtener resultados de los procesos de fermentación y
destilación.

• Procesos en que mediciones cercanas solo difieren por error de medición. Por
ejem. Temperaturas en procesos, humedad relativa en el medio ambiente, etc.

• Algunas variables administrativas cuyas mediciones se obtienen cada día,

cada semana o más. Por ejemplo:

o Mediciones de productividad.
o Mediciones de desperdicio.
o Mediciones de consumo de agua, electricidad, combustible, etcétera.

En estos casos es mejor usar una carta de individuales donde cada medición
particular de la variable que se quiere analizar se registra en una carta.

Determinación de Límites de Control para el gráfico X.

Se procede igual que en los casos anteriores mediante la estimación de la media y

la desviación estándar. Por esto los límites se obtienen con la expresión:

𝜇! ± 3𝜎! donde 𝜇! 𝑦 𝜎! 𝑠𝑜𝑛 𝑙𝑎 𝑚𝑒𝑑𝑖𝑎 𝑦 𝑙𝑎 𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟 𝑑𝑒𝑙 𝑝𝑟𝑜𝑐𝑒𝑠𝑜.

En este caso los límites de Control coinciden con los límites reales del proceso, y
estos parámetros se estiman de la siguiente manera:

𝜇! = 𝑥̅

𝑅1 𝑅1
𝜎@ = =
𝑑+ 1.128

Donde: 𝑋1 = 𝐸𝑠 𝑙𝑎 𝑚𝑒𝑑𝑖𝑎 𝑑𝑒 𝑙𝑎𝑠 𝑚𝑒𝑑𝑖𝑐𝑖𝑜𝑛𝑒𝑠.

𝑅1 = 𝐸𝑠 𝑙𝑎 𝑚𝑒𝑑𝑖𝑎 𝑑𝑒 𝑙𝑜𝑠 𝑟𝑎𝑛𝑔𝑜𝑠 𝑚ó𝑣𝑖𝑙𝑒𝑠 𝑑𝑒 𝑜𝑟𝑑𝑒𝑛 2. (𝑟𝑎𝑛𝑔𝑜 𝑒𝑛𝑡𝑟𝑒 2

𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑠𝑢𝑐𝑒𝑠𝑖𝑣𝑎 𝑒𝑛 𝑒𝑙 𝑝𝑟𝑜𝑐𝑒𝑠𝑜

70
Como n=2 (2 observaciones sucesivas) entonces 𝑑+ = 1.128

Por lo tanto los límites de control para una carta de individuales está dado por:

𝑅1
𝐿𝐶𝑆 = 𝑋1 + 3 n o
1.128

𝑅1
𝐿𝐶𝐼 = 𝑋1 − 3 n o
1.128

𝐿𝐶 = 𝑋1

Ejemplo. En la producción de Tequila para medir la eficacia del proceso de

molienda se mide el grado Brix después de la molienda. (cantidad de azúcar que
queda en el bagazo del agave). Después de moler cada lote se determina el grado
brix residual por lo que se considera un proceso lento que es más apropiado
analizar con una gráfica de individuales.

Rango móvil: Se obtiene del rango entre los datos consecutivos más recientes.

Datos de brix residual.

LOTE BRIX RANGO LOTE BRIX RANGO

RESIDUAL MOVIL RESIDUAL MOVIL
1 2.0 - 21 1.2 0.9
2 2.4 0.4 22 1.8 0.6
3 2.2 0.2 23 2.0 0.2
4 1.4 0.8 24 2.4 0.4
5 2.3 0.9 25 1.9 0.5
6 1.8 0.5 26 2.4 0.5
7 1.5 0.3 27 2.4 0.0
8 1.5 0.0 28 1.7 0.7
9 2.1 0.6 29 1.8 0.1
10 2.0 0.1 30 2.1 0.3
11 1.6 0.4 31 1.7 0.4
12 2.2 0.6 32 2.1 0.4
13 1.9 0.3 33 1.6 0.5
14 2.4 0.5 34 2.4 0.8
15 3.3 0.9 35 2.1 0.3
16 2.1 1.2 36 1.8 0.3
17 2.1 0.0 37 1.3 0.5
18 1.8 0.3 38 1.8 0.5
19 1.6 0.2 39 1.7 0.1
20 2.1 0.5 40 1.6 0.1
𝑋" = 1.95 𝑅" = 0.105

∑ 𝑅𝑎𝑛𝑔𝑜 𝑚ó𝑣𝑖𝑙 16.8

𝑅1 = = = 0.105
𝑇𝑜𝑡𝑎𝑙 40

71
 𝑅1 0.105
𝐿𝐶𝑆 = 𝑋1 + 3 n o = 1.95 + 3 q r = 1.95 + 0.28 = 2.23
1.128 1.128

𝑅1
𝐿𝐶𝐼 = 𝑋1 − 3 n o = 1.95 − 0.28 = 1.67
1.128

𝐿𝐶 = 1.95

DESARROLLO DE GRAFICOS EN EXCEL.

GRAFICO X INDIVIDUALES
3.5

2.5
GRADOS BRIX

1.5

0.5

0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39

GRADOS BRIX LCI LC LCS

CONCLUSION: Como se puede observar en este gráfico los lotes que están fuera
de control son: 2, 4, 5, 7, 8, 15, 21, 24, 26, 27, 34 y 37. Por lo tanto es conveniente
revisar¿qué paso? en estos procesos sobre todo con el lote 15 que es el más alto
donde el molino pudo haber dejado de funcionar adecuadamente y lotes como el
21 y 37 donde la máquina es demasiado exigente y deja menos grados brix que lo
normal. El proceso está fuera de control por lo tanto es recomendable revisar.

Determinación de Límites de Control para el gráfico R de rangos móviles.

𝐿𝐶𝑆 = 𝐷= 𝑅1 = (3.2686)(0.105) = 0.34

𝐿𝐶𝐼 = 𝐷0 𝑅1 = (0)(0.105) = 0

𝐿𝐶 = 𝑅1 = 0.105

72
Los valores de 𝐷0 𝑦 𝐷= se obtiene de la tabla de constantes (Anexo de este
apunte). El valor de 𝐷0 para muestras menores a 5 es cero, esto implica que el LCI
= 0. Los valores se toman para n = 2, es decir dos muestras sucesivas.

GRAFICO DE RANGOS MOVILES

1.4

1.2

1
RANGOS MOVILES

0.8

0.6

0.4

0.2

0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39

RANGO MOVIL LCI LC LCS

CONCLUSION: Como se puede observar en la gráfica en cuanto a rangos móviles

se encuentra fuera de control total, por lo anterior también habría que revisar el
proceso productivo.

Ejercicios.

1.- En una empresa se hacen impresiones en laminas de acero que después se

convierten en recipientes de productos de otras empresas. Un aspecto importante
a vigilar en dicha impresión es la temperatura de “horneado”, donde, entre otras
cosas, se presentan adherencias y la lámina se seca una vez que ha sido impresa.
La temperatura de cierto horno debe ser 125°C con una tolerancia de ±5°C. A
pesar de que al horno se le programa la temperatura, por experiencia se sabe que
no la mantiene; por ello, para llevar un control adecuado de la temperatura del
proceso se decide emplear una carta de control individuales. Cada dos horas se
mide la temperatura, en la tabla se muestran los últimos 45 datos en el orden que
se obtuvieron, con el rango móvil para facilitar los cálculos.

a) ¿Por qué utilizar en este caso una carta de individuales y no una carta 𝑋1 − 𝑅?

b) Estime los límites de control para la carta de individuales e interprételos.

c) Obtenga la carta e interprétala.

73
d) En el punto 32 se decidió hacer un ajuste al horno, ¿tiene algún fundamento
estadístico ésta decisión?¿Fue una decisión oportuna?

e) Alguien no está muy convencido de la decisión tomada y argumenta que la

temperatura todavía estaba dentro de especificaciones, ¿Qué opina al respecto?

Datos.

SUBGRUPO TEMPERATURA RANGO SUBGRUPO TEMPERATURA RANGO

MOVIL MOVIL
1 27.4 - 23 23.8
2 26.8 0.6 24 26.5
3 24.3 2.5 25 23.3
4 26.6 2.3 26 23.8
5 26.5 27 25.5
6 25.6 28 26.4
7 25.1 29 27.5
8 26.5 30 27.7
9 25.8 31 28.5
10 24.7 32 29.8
11 23.3 33 25.1
12 23.3 34 25.0
13 24.7 35 22.9
14 23.4 36 23.6
15 27.4 37 24.7
16 24.7 38 24.4
17 21.7 39 25.4
18 26.7 40 23.5
19 24.2 41 27.8
20 25.5 42 25.5
21 25.3 43 26.5
22 25.0 44 24.5
45 23.5
Media 25.32 1.57

Cálculo con MiniTab.

Los gráficos de control por variables pueden también construirse para

observaciones individuales procedentes de la línea de producción. Esto puede
resultar necesario cuando el considerar muestras de tamaño mayor que 1 resulte
demasiado caro, inconveniente, o imposible. En este procedimiento de control se
emplea el rango móvil de dos observaciones sucesivas para estimar la variabilidad
del proceso.

Ejemplo: La viscosidad de una pintura tapaporo para aviones es una

característica de calidad importante. El producto se elabora por lotes y debido a
que la producción de cada lote se lleva varias horas, la velocidad de producción es
demasiado lenta para permitir tamaños de la muestra mayores que uno.
Establecer una carta de control para mediciones individuales para este caso

74
75
Pasar la columna en la que se encuentran los datos al recuadro blanco de
Variables:

76
Entrar a la pestaña Opciones de I-MR con lo que aparece la siguiente ventana, en
la cual se debe asegurar que en la pestaña Estimar aparezca Rango móvil
promedio como el método para estimar la desviación estándar. Aceptar.

Entrar en la pestaña Pruebas y escoger Realizar todas las pruebas para causas
especiales. Aceptar.

Al inspeccionar el gráfico de control resultante encontramos que el proceso esta

bajo control

77
Conclusión: Se puede ver que no existen causas asignables, es decir, el proceso
se encuentra bajo control estadístico

Ejemplo hipotético: Considere los siguientes datos

78
Usando las opciones del ejemplo anterior, obtendremos el siguiente gráfico de
control

El proceso está fuera de control

79
Ejemplo: La longitud de un tramo de tubo se registra para cada producto. Realice
la gráfica de control individual.

80
Usando las opciones del ejemplo anterior, obtendremos el siguiente gráfico de
control

Resultados

El proceso esta fuera de control

Prueba 1. Una observación mayor que las 3 deviaciones estándar desde la línea
central. La prueba falló en los puntos: 5

Prueba 6. Puntos consecutivos mayores que 1 desviación estándar desde la línea

central (en un lado de LC). La prueba falló en los puntos: 12, 13

81
2.3 CAPACIDAD DE PROCESO, CP, CPK, Y CPM

Cp

Cp quiere decir “Capacidad del Proceso” (Process Capability)

La “capacidad” a la que nos referimos es la que tiene el proceso para producir

piezas de acuerdo con las especificaciones, es decir, dentro de los límites de
tolerancia establecidos.

Para evaluar la capacidad de un proceso es necesario contar con suficientes

muestras, por lo que el cálculo del Cp se encuadra dentro de un estudio
estadístico.

Terminología:

Cp Capacidad del proceso

LST límite superior de la tolerancia

82
Un proceso se considera “capaz” si Cp ≥ 1,33

83
Ahora bien, la
media (μ), no
entra en juego
en el Cp. Por lo
que lo que
podríamos tener
un Cp muy alto
gracias a
valores muy
centrados
(pequeña
desviación
típica) pero muy
desplazados de
lo que se
requiere según
especificación:

Para evitar este problema debemos incluir en el cálculo de la capacidad el valor

medio de los resultados del proceso:

μ media

Para ello consideramos el indicador Cpk.

Cpk

Con el Cpk conseguimos evaluar no sólo si la capacidad es acorde con las

tolerancias sino si la media “natural” del proceso se encuentra o no centrada.

84
Cpm

Consideremos ahora que nuestra media objetivo no es la media de las

especificaciones, es decir, no es (LST-LIT)/2. En tal caso necesitamos un nuevo
indicador que nos de la capacidad del proceso con respecto al objetivo “T”, que
nos marquemos:

Cpkm

Del mismo modo, con respecto al Cpk tendríamos:

85
 UNIDAD III. “GRÁFICOS DE CONTROL POR ATRIBUTOS”

3.1 CONCEPTOS GENERALES DE ATRIBUTOS

Gráfico “p” o fracción disconforme con tamaño de muestra igual y variable.

Gráfico “np” o unidades defectuosas. Gráficos estandarizados. Gráfico “c” o
número de defectos. Gráfico “u” o número promedio de defectos. Gráficos
estandarizados. Otros gráficos de control de número de defectos.

Cuando no es fácil medir un producto o una parte, o cuando la calidad se puede

obtener como un atributo conforme o no con unas especificaciones de calidad, se
puede usar una gráfica de control de características. Estas técnicas analizan tanto
las características buenas como malas, sin hacer referencia al grado. Entonces, se
acepta o se rechaza contando cuántas unidades tienen o no el defecto, o
comprobando el número de tales eventos que ocurren en la unidad, grupo o área,
y comparando con el criterio de aceptación establecido. Se acepta o rechaza la
pieza o el lote sin asociar un valor concreto. El atributo a controlar se suele elegir
de forma que sea fácilmente observable y por tanto económico de controlar.

Antes de seguir conviene definir los términos siguientes:

• Defecto: cualquier característica individual que no esté de acuerdo con los

requisitos de calidad establecidos.

Defectuoso: cualquier unidad que tiene uno o más defectos.

Los tipos de gráficos de control por atributos que se estudian son:

i) Gráfico p o de fracción de unidades defectuosas.

ii) Gráfico np o de número de unidades defectuosas por muestra.
iii) Gráfico c o de número de defectos por muestra.
iv) Gráfico U o de número de defectos por unidad.

86
3.2 ELABORACIÓN E INTERPRETACIÓN DE GRÁFICAS PARA ATRIBUTOS

3.2.1 GRÁFICO P

Elaborar el plan de muestreo (Tamaño de muestra, frecuencia de muestreo

y número de muestras)

a) Los Gráficos de Control por Atributos requieren generalmente tamaños de

muestras grandes para poder detectar cambios en los resultados. Para que el
gráfico pueda mostrar pautas analizables, el tamaño de muestra, será lo
suficientemente grande (entre 50 y 200 unidades e incluso superior) para
tener varias unidades no conformes por muestra, de forma que puedan
evidenciarse cambios significativamente favorables (por ejemplo, aparición
de muestras con cero unidades no conformes).

El tamaño de cada muestra oscilará entre +/- 20% respecto al tamaño medio
de las muestras

(+! ,+" ,⋯,+# )

𝑛" = N = Número de muestras
/

b) La frecuencia de muestreo será la adecuada para detectar rápidamente los

cambios y permitir una realimentación eficaz.

a) El periodo de recogida de muestras debe ser lo suficientemente largo

como para recoger todas las posibles causas internas de variación del
proceso.

Se recogerán al menos 20 muestras para proporcionar una prueba fiable de

estabilidad en el proceso.

Recoger los datos según el plan establecido

Se tendrá un especial cuidado de que la muestra sea aleatoria y

representativa de todo el periodo de producción o lote del que se extrae.

Cada unidad de la muestra se tomará de forma que todas las unidades del
periodo de producción o lote tengan la misma probabilidad de ser extraídas.
(Toma de muestras al azar).

87
Se indicarán en las hojas de recogida de datos todas las informaciones y
circunstancias que sean relevantes en la toma de los mismos.

Procedimiento para calcular los límites de Control:

Ejemplo.
Muestra Unidades Unidades % Unidades Muestra Unidades Unidades %
número verificadas no no número verificadas no Unidades
“n” conformes conformes “n” conformes no
“p” conformes
“p”
1 148 20 13 14 136 12 9
2 150 24 16 15 151 22 15
3 151 15 10 16 158 19 12
4 161 19 12 17 150 16 11
5 150 16 11 18 145 21 14
6 152 23 15 19 139 13 9
7 159 15 9 20 143 24 17
8 150 21 14 21 149 27 18
9 148 13 9 22 154 14 9
10 167 18 11 23 150 12 8
11 152 14 9 24 148 15 10
12 142 7 5 25 155 18 12
13 142 17 12 TOTAL 3750 435 290

a) Calcular la fracción media de unidades no conformes 𝑝̅ .

𝑝0 + ⋯ + 𝑝+ 13 + 16 + 10 + ⋯ + 12 290
𝑝̅ = = = = 11.6%
𝑁 25 25
𝑝1 = 𝑓𝑟𝑎𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑛𝑜 𝑐𝑜𝑛𝑓𝑟𝑜𝑚𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎 𝑖.
N = número de muestras.
b) Calcular el Límite de control Superior.
c) Para calcular el % de Unidades no conformes “p”:

+A += #.
% 𝑼𝒏𝒊𝒅𝒂𝒅𝒆𝒔 𝒏𝒐 𝒄𝒐𝒏𝒇𝒐𝒓𝒎𝒆𝒔 = #=/ 𝑥100 = 13.5% ≅ 13%; #.A = 16%; #.#
9.93 ≅
10%; 𝑠𝑢𝑐𝑒𝑠𝑖𝑣𝑎𝑚𝑒𝑛𝑡𝑒 …siempre se redondea a números enteros.

-Calcular el tamaño medio de las muestras n.

(𝑛0 + ⋯ + 𝑛+ ) 148 + 150 + 151 + ⋯ + 155 3750
𝑛" = = = = 150
𝑁 25 25
- Calcular el valor del LCS según la fórmula:

88
 𝑝̅ (100 − 𝑝̅ ) 11.6(100 − 11.6)
𝐿𝐶𝑆 = 𝑝̅ + 3J = 11.6 + 3J
𝑛" 150
= 11.6 + 3(2.61) = 19.43%
d) Calcular el LCI según la fórmula:
𝑝̅ (100 − 𝑝̅ ) 11.6(100 − 11.6)
𝐿𝐶𝐼 = 𝑝̅ − 3J = 11.6 − 3J = 11.6 − 3(2.61)
𝑛" 150
= 3.8%
𝐿𝐶 = 𝑝̅ = 11.6%

Definir las escalas del gráfico

El eje horizontal representa el número de la muestra en el orden en que ha

sido tomada.

El eje vertical representa los valores de la fracción de unidades no conformes

"p".

La escala de este eje irá desde cero hasta dos veces la fracción de unidades
no conformes máxima.

Nota: Usualmente la línea que representa el valor central p se dibuja de color

azul y las líneas correspondientes a los límites de control de color rojo.
Cuando LCI es cero, no se suele representar en el gráfico.

Incluir los datos pertenecientes a las muestras en el gráfico.

Representar cada muestra con un punto, buscando la intersección entre el

número de la muestra (eje horizontal) y el valor de su fracción de unidades
no conformes (eje vertical).

Unir los puntos representados por medio de trazos rectos.

89
 GRAFICO P
25
% UNIDADES NO CONFORMES "p"

20

15

10

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

LCI LC LCS

Como se puede notar el gráfico se encuentra bajo control ya que no hay

porcentajes de unidades no conformes que estén fuera de los límites de
control, por lo cual se recomienda este para futuros gráficos de control de
calidad. También se trata de un gráfico con inestabilidad.

90
Ejercicio.- En la siguiente figura tenemos los datos de 24 muestras de producto
producido por turno. En la columna producción tenemos el total de producto
fabricado por turno. La columna Producto Defectuoso nos indica el número de
artículos defectuosos por turno; la columna Número de Defectos nos indica el
número de defectos encontrados en la producción de cada turno, nótese que por
cada turno el número de defectos es mayor o igual que el número de defectuosos,
ya que un artículo defectuoso puede tener uno o más defectos.

Finalmente tenemos la columna de Fracción Defectuosa, la fracción defectuosa de

un turno se calcula dividiendo el número de productos defectuosos por la
producción de ese turno, es decir, los valores de la columna D divididos por los
valores de la columna C.

Calcular el gráfico de control e indicar si el proceso está bajo control.

91
DESARROLLO DE CALCULOS USANDO MINITAB 16

Una Gráfica de Proporciones (o Gráfica p) analiza la proporción de

artículos que no cumplen con las especificaciones en un lote
producido. Se considera que un artículo es defectuoso cuando éste
no cumple las especificaciones. Los datos de atributos por tanto sólo
asumen 2 valores: 'bueno' o 'malo' ('aceptable' o 'defectuoso').
Para construir una Gráfica p se requieren tomar muestras
suficientemente "grandes" para que contengan varios artículos
defectuosos. Principalmente se busca garantizar que la muestra sea
representativa de la población. Es conveniente definir claramente el
procedimiento de obtención de las muestras de modo que se
puedan identificar posibles causas asignables que expliquen, por
ejemplo, una proporción mayor de defectuosos.
Ejemplo: En la siguiente tabla tenemos los datos.

Para realizar el análisis con Minitab 16 es necesario seleccionar

del menú

92
Seleccione la variable que desea analizar, indicando el tamaño
de la muestra.

Seleccione las pruebas a realizar

Seleccione Aceptar para obtener la gráfica correspondiente

93
Conclusión: La prueba falló en el punto 10
Ejemplo: En la siguiente figura tenemos los datos de 24
muestras de producto producido por turno. En la columna
producción tenemos el total de producto fabricado por turno. La
columna Producto Defectuoso nos indica el número de artículos
defectuosos por turno; la columna Número de Defectos nos
indica el número de defectos encontrados en la producción de
cada turno, nótese que por cada turno el número de defectos es
mayor o igual que el número de defectuosos, ya que un artículo
defectuoso puede tener uno o más defectos.
Finalmente tenemos la columna de Fracción Defectuosa, la
fracción defectuosa de un turno se calcula dividiendo el número
de productos defectuosos por la producción de ese turno, es
decir, los valores de la columna D divididos por los valores de la
columna C.

94
Para realizar el análisis con Minitab 16 es necesario seleccionar
del menú

Seleccione la variable que desea analizar, indicando el tamaño

de la muestra

95
Seleccione las pruebas a realizar

96
 Seleccione Aceptar para obtener la gráfica correspondiente

Conclusión: La prueba falló en los puntos: 16, verificar

Ejemplo. Se envasa zumo de naranja concentrado en botes de
cartón de 1 litro. Estos envases son producidos por una maquina
formando un tubo a partir de una pieza de cartón y aplicando
luego un fondo metálico. Al inspeccionar un bote puede
determinarse al llenarlo si goteará por la junta lateral o del fondo.
Tal bote disconforme tiene un sellado inadecuado en la junta
lateral o del fondo. Se desea elaborar un diagrama de control
para vigilar la fracción de envases disconformes producidos por
esta máquina.
Para definir el diagrama de control, se seleccionaron 25
muestras de tamaños muéstrales diferentes cada media hora
durante un periodo de tres turnos, en los cuales la máquina
operó continuamente. Los datos recogidos son los siguientes:

Muestra Disconformes Tamaño Muestra Disconformes Tamaño

1 12 100 14 8 120
2 8 80 15 6 110
3 6 80 16 8 80
4 9 100 17 10 80

97
5 10 110 18 7 80
6 12 110 19 5 90
7 11 100 20 8 100
8 16 100 21 5 100
9 10 90 22 8 100
10 6 90 23 10 100
11 20 110 24 6 90
12 15 120 25 9 90
13 9 120

Para realizar el análisis con Minitab 16 es necesario seleccionar

del menú

Seleccione la variable que desea analizar, indicando el tamaño

de la muestra.

Seleccione las pruebas a realizar

98
Seleccione Aceptar para obtener la gráfica correspondiente

99
3.2.2 GRAFICO DE CONTROL np
Este gráfico es útil cuando uno está interesado en el número X de unidades
defectuosas en una muestra de tamaño n. En este caso, X debe ser una
distribución Binomial y su función de probabilidad será:
𝑛
𝑃(𝑋 = 𝑥) = • ‚ 𝑝 @ (1 − 𝑝)'B@ ; 𝑥 = 0,1, … , 𝑛
𝑥
La media de X es: 𝜇 = 𝑛𝑝 y la varianza 𝜎 + = 𝑛𝑝(1 − 𝑝).

Si el valor de n es suficientemente grande como para que la distribución binomial

pueda aproximarse por la distribución normal, los límites de control se definirían
como:
𝐿𝐶𝑆 = 𝑛𝑝 − 3ƒ𝑛𝑝(1 − 𝑝)
𝐿𝐶𝐼 = 𝑛𝑝 + 3ƒ𝑛𝑝(1 − 𝑝)
La línea Central 𝐿𝐶 = 𝑛𝑝

p podría ser el histórico si se dispone de él o el estimado a partir de la muestra.

Ejemplo:
Una empresa fabrica pequeñas piezas de PVC mediante un proceso mecanizado.
Al analizar las piezas se puede determinar si estas tienen las dimensiones
adecuadas o no, en cuyo caso se considera defectuosa.

La empresa quiere elaborar un gráfico de control para controlar el número de

piezas defectuosas producidas por la máquina. Para ello se seleccionaron 30
muestras de tamaño 50, obteniéndose los siguientes datos:

Muestra No. defectuosas muestra No. defectuosas muestra No.

defectuosas
1 12 11 5 21 20
2 15 12 6 22 18
3 8 13 17 23 24
4 10 14 12 24 15
5 4 15 22 25 9
6 7 16 8 26 12
7 16 17 10 27 7
8 9 18 5 28 13
9 14 19 13 29 9
10 10 20 11 30 6

100
Construya el gráfico de control para la empresa y analice la información obtenida.

1.- Para obtener el valor de los parámetros de este gráfico, se necesita ordenar la
información de la siguiente manera:
MUESTRA DEFECTOS pi
1 12 0.24
2 15 0.3
3 8 0.16
4 10 0.2
5 4 0.08
6 7 0.14
7 16 0.32
8 9 0.18
9 14 0.28
10 10 0.2
11 5 0.1
12 6 0.12
13 17 0.34
14 12 0.24
15 22 0.44
16 8 0.16
17 10 0.2
18 5 0.1
19 13 0.26
20 11 0.22
21 20 0.4
22 18 0.36
23 24 0.48
24 15 0.3
25 9 0.18
26 12 0.24
27 7 0.14
28 13 0.26
29 9 0.18
30 6 0.12
6.94
2.- Donde pi se obtiene dividiendo el numero de defectos que tiene cada muestra
entre el tamaño de la muestra, n = 50 y k = 30 es decir:
) #+
𝑝% = '" = .A = 0.24, 𝑒𝑡𝑐. y así sucesivamente.
De aquí se calcula p de la siguiente manera:
∑C%&# 𝑝% 0.24 + 0.30 + 0.16 + ⋯ + 0.12 6.94
𝑝= = = = 0.23
𝑘 30 30

101
3.- Con estos valores se determinan los límites de control del Gráfico np:

𝐿𝐶𝐼 = 𝑛𝑝 − 3ƒ𝑛𝑝(1 − 𝑝) = (50)(0.23) − 3ƒ(50)(0.23)(1 − 0.23) = 11.5 − 3√8.855

= 11.5 − 8.93 = 2.57
𝐿𝐶𝑆 = 𝑛𝑝 + 3ƒ𝑛𝑝(1 − 𝑝) = (50)(0.23) + 3ƒ(50)(0.23)(1 − 0.23) = 11.5 + 3√8.855
= 11.5 + 8.93 = 20.43
𝐿𝐶 = 𝑛𝑝 = (50)(0.23) = 11.5

30 GRAFICO np
DEFECTOS POR MUESTRA

25

20

15

10

0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29
DEFECTOS LCI
MUESTRAS LC LCS

GRAFICANDO EN EXCEL.
Ejercicio 1.- Para cada muestra se registra el siguiente dato:
- El número de unidades no conformes “np”.
Muestra número Unidades no Muestra número Unidades no
conformes “np” conformes “np”
1 7 14 4
2 8 15 7
3 5 16 5
4 6 17 5
5 5 18 8
6 8 19 4
7 4 20 6
8 7 21 8
9 4 22 5
10 6 23 5
11 5 24 4
12 6 25 7
13 6 TOTAL 145
n= 50
k = 25

102
3.2.3 GRAFICO DE CONTROL C

Estamos interesados en el número total de defectos durante sucesivos

intervalos de tiempo o espacio de longitud fija.

Si se cumplen las condiciones para que X~P(c), su función de probabilidad será:

D &' E (
𝑃(𝑋 = 𝑥) = !!
x = 0, 1, 2, …

Donde la Media y la Varianza de X serán iguales a C.

Cuando la media c de X es suficientemente grande como para que la distribución

de Poisson pueda aproximarse por la distribución normal, los límites de Control
quedarán definidos como:

𝐿𝐶𝐼 = 𝐶 − 3√𝐶

𝐿𝐶𝐼 = 𝐶 + 3√𝐶

La línea central será, obviamente, CL = c.

EJEMPLO.- Un pequeño restaurante de carretera ha recogido todos los meses

durante dos años el número de quejas que ha recibido en relación a los servicios
que presta:

2009 ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC

QUEJAS 3 1 4 6 2 4 6 4 0 4 7 3

2010 ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC
QUEJAS 4 11 3 4 1 6 3 4 4 0 3 4

Realiza un gráfico de control e indica si el proceso se encuentra bajo control o no.

1.- Considerando el valor de c como el total de quejas dentro de un periodo de 24

meses, es decir:
∑ 𝑒𝑣𝑒𝑛𝑡𝑜𝑠 𝑑𝑒 é𝑥𝑖𝑡𝑜
𝑐=
∑ 𝑝𝑒𝑟𝑖𝑜𝑑𝑜𝑠 𝑑𝑜𝑛𝑑𝑒 𝑜𝑐𝑢𝑟𝑟𝑒𝑛 𝑙𝑜𝑠 é𝑥𝑖𝑡𝑜𝑠

91
𝐿𝐶 = 𝑐 = = 3.79
24
Por tanto:

103
 𝐿𝐶𝐼 = 3.79 − 3√3.79 = −2.05 0
𝐿𝐶𝑆 = 3.79 + 3√3.79 = 9.63

2.- En el paso anterior no se usa la verdadera c del proceso, por lo cual se re-
estima eliminando el punto fuera de control, porque así se están enmascarando
otros puntos y para obtener una c más ajustada a la media cuando el proceso está
bajo control.
80
𝐿𝐶 = 𝑐 = = 3.48
23
Por tanto:
𝐿𝐶𝐼 = 3.48 − 3√3.48 = −2.12 0
𝐿𝐶𝑆 = 3.48 + 3√3.48 = 9.08

104
GRAFICANDO EN EXCEL (INCLUYENDO EL PUNTO FUERA DE CONTROL)

12
GRAFICO C
10

8
QUEJAS

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
MESES
QUEJAS LCI LC LCS

12
GRAFICO C
10

8
QUEJAS

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
MESES
QUEJAS LCI LC LCS
GRAFICANDO EN EXCEL (ELIMINANDO EL PUNTO FUERA DE CONTROL)

105
 GRAFICO C
12

10

8
QUEJAS

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
MESES
QUEJAS LCI LC LCS

CONCLUCION: Al eliminar el punto fuera de control se puede observar que el

proceso está bajo control, ya que todas las quejas presentadas en el restaurante
están entre los límites de control de la gráfica y presenta una gráfica con
inestabilidad alrededor de la línea central.

EJERCICIO 1.- Una compañía que fabrica teclados realiza diariamente análisis de
calidad a 25 teclados con el fin de determinar el número total de teclas
defectuosas. La producción será satisfactoria si el número de teclas defectuosas
no varía de 4. En la siguiente tabla se muestran el número de teclas defectuosas
en 30 jornadas:

3 (1) 8 (4) 2 (7) 2 3 4 4 9 7 0

2 (2) 5 (5) 5 … 8 5 6 7 4 4 2 …
3 (3) 3 (6) 5 6 3 5 3 5 0 4 (30)

Obtener el gráfico de control del proceso y determinar si el proceso está bajo

control.

2.- Se han observado los defectos de 50 muestras sucesivas de 40 tarjetas electrónicas

de circuitos impresos.

106
Obtener el gráfico de control del proceso y determinar si el proceso está bajo
control.

107
3.2.4 GRÁFICO DE CONTROL U

Supongamos que se está controlando el número de defectos en un proceso de

ensamblado de licuadoras y se define una unidad de inspección de 5 licuadoras.

En este caso es posible trabajar con un Gráfico C como ya se ha visto.

Pero tal vez se desea controlar el promedio de defectos por cada licuadora
(unidad de producción) en lugar del total de defectos para las 5 licuadoras (unidad
de inspección).
H
XG = I) donde:
nG = Cantidad de defectos por unidad de inspección.
m = número de unidades de producción en la unidad de inspección.

En nuestro ejemplo, si encontramos nG defectos en la unidad de inspección (5

licuadoras), la cantidad promedio de defectos por licuadora será:
nG
XG =
5

XG es una nueva variable aleatoria discreta que toma valores

0, 1™m , 2™m , 3™m , … , etc; y cuya distribución de probabilidades se puede calcular a
partir de la Distribución Poisson.

Como en el caso de los gráficos C, en una primera etapa se toman N unidades de

inspección (más de 25 o 30) a intervalos regulares.

Se cuenta en cada unidad de inspección el número de defectos y se registra.

Luego se divide el número de defectos de cada unidad de inspección por m
(número de unidades de producción en cada unidad de inspección). En nuestro
ejemplo m = 5, la tabla queda:

Unidad de inspección No. De defectos No. Defectos por

licuadora.
1 5 1.0
2 8 1.6
3 6 1.2
4 10 2.0
5 5 1.0
6 15 3.0
7 12 2.4
8 5 1.0

Entonces a partir de la tabla se puede calcular el parámetro U como promedio del

Número de defectos por licuadora:

108
 ∑ +)

U = J donde: ,

nG = Cantidad de defectos por unidad de inspección.

m = número de unidades de producción en la unidad de inspección.
N = Número de unidades de inspección.

Por lo tanto:
66
66
U= 5 = = 1.65
8 40
Y luego la desviación estándar:
U 1.65
S=U =U = 0.57
m 5

Con esto calculamos los límites de control:

U
LCS = U + 3U = 1.65 + 3(0.57) = 3.36
m

U
LCI = U + 3U = 1.65 − 3(0.57) = −0.06
m
LC = U = 1.65

GRAFICANDO EN EXCEL:

GRAFICO DE CONTROL U
4
PROMEDIO DE DEFECTOS POR LICUADORA

3.5
3
2.5
2
1.5
1
0.5
0
1 2 3 4 5 6 7 8
UNIDAD DE INSPECCION

DEFECTOS POR LIC. LCI LC LCS

109
Ejemplo 2.- Determina el gráfico de control U para la siguiente tabla:
Para cada muestra se registrarán los siguientes datos:
- El número de unidades inspeccionadas "n".
- El número de disconformidades total de la muestra.
- El número de disconformidades por unidad "u" según la fórmula:
u = suma de disconformidades de la muestra / n

Muestra Piezas Num. Total Disconfor Muestra Piezas Num. Total Disconfor
número verificadas de midades/ número verificadas de midades/
“n” disconformi pieza “u” “n” disconformi pieza “u”
dades dades
1 33 86 2.6 14 30 39 1.3
2 30 72 2.4 15 32 58 1.8
3 31 56 1.8 16 30 81 2.7
4 30 60 2.0 17 30 60 2.0
5 28 45 1.6 18 29 38 1.3
6 27 38 1.4 19 31 43 1.4
7 32 64 2.0 20 28 62 2.2
8 30 48 1.6 21 33 49 1.5
9 33 80 2.4 22 27 49 1.8
10 30 75 2.5 23 30 69 2.3
11 28 42 1.5 24 29 78 2.7
12 34 78 2.3 25 30 60 2.0
13 29 58 2.0 TOTAL 754 1.488 49.1

Calcular los límites de Control.

a) Calcular la media de disconformidades por unidad U.
(𝑢0 + ⋯ + 𝑢+ ) 2.6 + 2.4 + 1.8+. . +2.0 49.1
𝑢" = = = = 1.96 ≅ 2.0
𝑁 25 25
Donde:
𝑢1 = 𝑒𝑠 𝑒𝑙 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑑𝑖𝑠𝑐𝑜𝑛𝑓𝑜𝑟𝑚𝑖𝑑𝑎𝑑𝑒𝑠 𝑝𝑜𝑟 𝑢𝑛𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎 𝑖.
𝑁 = 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠.

Donde las primeras cantidades de disconformidad se obtiene:

𝑛ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑑𝑖𝑠𝑐𝑜𝑛𝑓𝑜𝑟𝑚𝑖𝑑𝑎𝑑𝑒𝑠 86 72

= = 2.6; = 2.4; 𝑎𝑠í 𝑠𝑢𝑐𝑒𝑠𝑖𝑣𝑎𝑚𝑒𝑛𝑡𝑒
𝑝𝑖𝑒𝑧𝑎𝑠 𝑣𝑒𝑟𝑖𝑓𝑖𝑐𝑎𝑑𝑎𝑠 "𝑛" 33 30

b) Calcular el límite de control superior LCS.

Calcular el tamaño medio de las muestras n.
𝑛0 + ⋯ + 𝑛+ 33 + 30 + 31 + ⋯ + 30 754
𝑛" = = = = 30.16 ≅ 30.2
𝑁 25 25
Calcular el valor de LCS según la fórmula:

110
 𝑢" 2.0
𝐿𝐶𝑆 = 𝑢" + 3J = 2.0 + 3J = 2.0 + 3(0.26) = 2.78 ≅ 2.8
𝑛" 30.2

Calcular el Límite de Control Inferior LCI según la fórmula:

𝑢" 2.0
𝐿𝐶𝐼 = 𝑢" − 3J = 2.0 − 3J = 2.0 − 3(0.26) = 1.22 ≅ 1.2
𝑛" 30.2
𝐿𝐶 = 𝑢" = 2.0

Definir las escalas del gráfico

El eje horizontal representa el número de la muestra en el orden en

que ha sido tomada.

El eje vertical representa el número de disconformidades por unidad

"u". La escala de este eje irá desde cero hasta dos veces el número de
disconformidades por unidad máximo de las muestras.

Nota: Usualmente la línea que representa el valor central u se dibuja

de color azul y las líneas correspondientes a los límites de control de
color rojo.

Cuando LCI es cero, no se suele representar en el gráfico.

GRAFICO DE CONTROL U
3
DISCONFORMIDADES POR PIEZA

2.5

1.5

0.5

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
MUESTRA

DISCONFORMIDAD/PIEZA LCI LC LCS

111
Comprobación de los datos de construcción del Gráfico de Control "u"

Se comprobará que todos los valores del número de disconformidades por unidad
de las muestras utilizadas para la construcción del gráfico correspondiente, están
dentro de sus Límites de Control.

LCI < ui < LCS

Si esta condición no se cumple para alguna muestra, esta deberá ser desechada
para el cálculo de los Límites de Control.

Se repetirán todos los cálculos realizados hasta el momento, sin tener en cuenta
los valores de las muestras anteriormente señaladas. Este proceso se repetirá
hasta que todas las muestras utilizadas para el cálculo de los Límites de Control
muestren un proceso dentro de control.

Los Límites, finalmente así obtenidos, son los definitivos que se utilizarán para la
construcción de los Gráficos de Control.

Comprobación de los datos de construcción.

Todos los valores están dentro de sus límites de control.

1.2<u<2.8
El Gráfico de Control, resultado de este proceso de construcción, se utilizará para
el control habitual del proceso.

112
Ejercicio 1.- Supongamos que se está controlando el número de defectos en un
proceso de fabricado de celulares y se define una unidad de inspección de 10
celulares.

donde:
𝑛% = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑑𝑒𝑓𝑒𝑐𝑡𝑜𝑠 𝑝𝑜𝑟 𝑢𝑛𝑖𝑑𝑎𝑑 𝑑𝑒 𝑖𝑛𝑠𝑝𝑒𝑐𝑐𝑖ó𝑛.
𝑚 = 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑒𝑛 𝑙𝑎 𝑢𝑛𝑖𝑑𝑎𝑑 𝑑𝑒 𝑖𝑛𝑠𝑝𝑒𝑐𝑐𝑖ó𝑛.

En nuestro ejemplo, si encontramos 𝑛% defectos en la unidad de inspección (10

celulares), la cantidad promedio de defectos por celular será:
𝑛%
𝑋% =
10
Unidad de inspección No. De defectos No. Defectos por Celular
1 10
2 8
3 9
4 12
5 5
6 12
7 15
8 5
9 10
10 11
11 13

113
4 PLANES DE MUESTREO DE ACEPTACIÓN

4.1. CONCEPTOS BÁSICOS DEL MUESTREO DE ACEPTACIÓN

Un muestreo de aceptación consiste en evaluar un colectivo homogéneo a través

de una muestra aleatoria, para decidir la aceptación o el rechazo del colectivo. Por
tanto es necesario tener presente en todo momento que, en un muestreo, lo que
se está evaluando es toda la población y no sólo la muestra, por lo que la cuestión
es si una población, con las características inferidas a partir de los datos de la
muestra observada, es aceptable o no.

Bajo el punto de vista estadístico, un muestreo de aceptación es un contraste de

hipótesis en el que se evalúa una característica (parámetro de una población) a
través de unos valores muestrales.

El concepto de muestreo de aceptación va asociado a inspección, por lo que

acarrea todos los problemas que supone confiar la calidad en la inspección. Sin
embargo, esto no es achacable al muestreo en sí, ya que este mismo
inconveniente lo tiene la inspección 100%.

La primera cuestión que se plantea ante una inspección de recepción es si se

realiza un muestreo o si es preciso una inspección al 100%. Deming demuestra
que la situación óptima (mínimo coste esperado) es:

Si p < k1 / k2 Aceptar sin inspección.

Si p > k2 / k2 Realizar inspección 100%.

114
donde:

p: Peor fracción defectuosa esperada del lote.

k1 : Coste de inspeccionar una pieza.

k2 : Coste de aceptar una pieza defectuosa.

De acuerdo con este criterio, el muestreo no tiene sentido. No obstante hay que
tener en cuenta lo siguiente:

• La inspección por medios destructivos no puede ser 100% por razones

obvias.
• En el caso de lotes muy grandes la inspección 100% deja de ser 100%
fiable debido a factores como la fatiga, etc. Además en lotes grandes la
relación entre el tamaño de la muestra requerida y el tamaño del lote
decrece, por lo que el empleo de métodos de muestreo puede estar
justificado.

La inspección por muestreo

La inspección por muestreo consiste en revisar ("inspeccionar") sólo una parte

("muestra") del material cuya calidad se desea verificar. Presenta la ventaja de
que permite tomar decisiones sobre si la calidad del material es adecuada o no,
con riesgos de error que se pueden fijar de antemano y con un esfuerzo de
inspección mucho menor que el requerido cuando la inspección se realiza al
100%.

Existen 2 curiosas paradojas relacionadas con la inspección por muestreo:

• La inspección al 100% no produce resultados necesariamente más seguros

que una inspección por muestreo. En la inspección al 100% también se
producen errores ya sea por fatiga del inspector o, en general, por confiar
más en la "cantidad" de inspección que en la "calidad" de la misma.
• El aumento de la cantidad de material sometido a revisión, no exige
aumentar en la misma proporción el tamaño de la muestra a inspeccionar.
Un ejemplo doméstico sirve para aclarar esta aparente contradicción:
Cuando en nuestras tareas domésticas cotidianas preparamos un cocido, lo
catamos con una cuchara para comprobar si el punto de sal es el correcto.
Si un día tenemos invitados y la cantidad de cocido es el doble o el triple de
la habitual, ¿la cuchara (o la cantidad de caldo) que tomamos para catar, es
también el doble o el triple de lo habitual?

115
En algunos casos, en los que los perjuicios que puede causar una unidad
defectuosa son grandes, y especialmente si el costo de inspección es pequeño, lo
más aconsejable puede ser realizar una inspección al 100 %. Pero es distinta una
inspección al 100% porque después de estudiar las posibles alternativas se decide
que esta es la mejor opción, que aplicar este tipo de inspección por rutina, lo cual
muy probablemente aumenta los costos sin mejorar la seguridad de que el
producto adquirido cumpla con los requisitos establecidos.

Dos conceptos clave: lote y muestra aleatoria.

Conviene insistir en el sentido que en este contexto se dan dos conceptos clave:
lote y muestra aleatoria.

Un lote es un conjunto homogéneo de material.

Puede coincidir con una entrega, una parte de la misma, o un conjunto de ellas.
No debe confundirse lote con pedido. Un pedido puede ser servido con un
conjunto de unidades no fabricadas todas ellas en las mismas condiciones,
siendo, por tanto, una mezcla heterogénea. Dado un conjunto de material
homogéneo, cuanto mayor sea el tamaño del lote mejor, ya que el tamaño de la
muestra a inspeccionar no crece proporcionalmente con el tamaño del lote.

Muchas veces se considera "elemental" tomar una muestra aleatoria de un lote y

la metodología de selección de la muestra se deja en manos de cualquier persona.
Este suele ser un mal procedimiento, ya que tomar muestras aleatorias no es fácil
ni cómodo. Es necesario establecer de forma clara cómo debe seleccionarse la
muestra a inspeccionar, de acuerdo con las características y peculiaridades del
material y de cada caso.

Es necesario especificar cómo se elige la muestra aleatoria

4.2. Plan de muestreo

La inspección por muestreo consiste en:

1. Tomar una muestra al azar de todas las unidades del lote recibido
2. Inspeccionar una a una todas las unidades de la muestra
3. Si el número de unidades defectuosas que aparecen el la muestra es
menor o igual que un cierto valor "c", el lote se considera correcto y en caso
contrario se considera incorrecto. (Nótese que lo considerado correcto o
incorrecto es todo el lote, y no la muestra examinada).

Este procedimiento se denomina muestreo simple por atributos. A la

determinación del tamaño (número de unidades, n) de la muestra a examinar, y

116
del número máximo de defectos c que se pueden encontrar en dicha muestra, se
denomina plan de muestreo.

Riesgo del vendedor

Quizá usted, como comprador, ha acordado con su proveedor que sólo aceptará
los lotes que contengan como máximo un 4% de defectos, y utiliza como plan de
muestreo un tamaño de muestra n = 25 y un número máximo de defectos c = 1
(como máximo un 4% de defectos en la muestra, lo cual parece muy razonable).
Si su proveedor le envía un lote de 200 unidades con 6 defectos como el que se
indica en la Figura, el lote debería ser aceptado ya que contiene 6/200 = 0.03, es
decir, un 3% de unidades defectuosos.

Pero puede ocurrir que en la muestra de 25, por azar, se incluyan 2 defectos y, por
tanto, el lote sea rechazado (ver Figura). A este riesgo de rechazar un lote que en
rigor debería ser aceptado, se le denomina, riesgo del vendedor, ya que es un
riesgo que perjudica al que vende el producto.

117
Riesgo del vendedor (o error tipo I, o probabilidad α): Es la probabilidad de que
un lote se considere defectuoso siendo, en realidad, correcto.

En el lote había 6 defectos y en la muestra aleatoria de tamaño n = 25 han caído

2. Si se está dispuesto a aceptar hasta un 4% de defectos en el lote y se utiliza un
plan de muestreo con n = 25 con c = 1, el lote será rechazado injustamente
("Riesgo del vendedor").

Riesgo del comprador

También puede ocurrir que en el lote haya 10 defectos, tal como se indica en la
Figura

En este caso, con el mismo criterio que el aplicado anteriormente de considerar

aceptable como máximo un 4% de defectos, se trata de un lote defectuoso. Sin
embargo, si en la muestra de 25, por casualidad, sólo entra un defecto, la muestra
será aceptada (Figura). A la probabilidad de que un lote sea aceptado siendo
incorrecto, se le denomina riesgo del comprador.

Riesgo del comprador (o error tipo II, o probabilidad β): Es la probabilidad de que
un lote se considere correcto siendo, en realidad, defectuoso.

118
En el lote había 10 defectos y en la muestra aleatoria de tamaño n = 25 ha caído
[Link] se está dispuesto a aceptar hasta un 4 % de defectos en el lote y se utiliza un
plan de muestreo con n = 25 con c = 1, el lote será aceptado injustamente
(“Riesgo del comprador”)..

Ambos riesgos, el del comprador y el del vendedor, son inherentes, en mayor o

menor medida, a cualquier plan de muestreo

4.2.1. Muestreos por atributos.

El muestreo por atributos se puede aplicar a lotes aislados o series homogéneas

de lotes. En el primer caso la población es finita y se rige por la distribución
hipergeométrica (muestreo de tipo A), aunque para lotes grandes se puede
aproximar por la binomial.

En el segundo caso se supone la población compuesta de infinitos elementos y

por tanto se rige por la distribución binomial (muestreo de tipo B). En el caso que
el muestreo sea por número de defectos, la función a aplicar es la de Poisson,
independientemente que se trate de un lote aislado o una serie de lotes.

Un plan de muestreo se caracteriza por su CURVA DE OPERACION (ver Fig. 1).

En el eje de abscisas OX se representa la fracción defectuosa p del lote a
inspeccionar (o el número de defectos medio m en el caso de contabilizar
defectos). En el eje de ordenadas OY se representan las probabilidades de
aceptación de los lotes de esas características. Evidentemente P(0) = 1 y P(1) =0.

119
En una curva de aceptación se encuentran los siguientes puntos
característicos

NCA (Nivel de Calidad Aceptable). En inglés AQL (Acceptable Quality Level).

Indica un cierto porcentaje de defectos, en general considerado como tolerable,
para el cual se define una probabilidad pequeña de rechazar el lote.

α: Indica la probabilidad de rechazar el lote con una proporción de defectos

igual a NCA. Es lo que se conoce como "riesgo del vendedor".

1. NCR: “Nivel de Calidad Rechazable”. De forma análoga al NCA, define un

porcentaje de defectos, en general considerado como intolerable, para el
cual se define una probabilidad baja para la aceptación del lote.

β: Es la probabilidad de aceptar el lote con una proporción de defectos igual

al NCR. También se conoce con el nombre de "riesgo del comprador".

Estos 4 parámetros definen dos puntos de paso de la curva característica

tal como se indica en la Figura.

120
Cómo construir una curva característica

Una forma cómoda y relativamente sencilla es utilizando una hoja de cálculo tipo
Excel, con el aspecto que se indica en la Figura. En la línea de fórmulas aparece
la expresión para calcular las probabilidades acumuladas correspondientes a la
distribución binomial.

121
4.2.2. Planes de muestreo de aceptación por Variables

En los planes de muestreo de aceptación por Variables se especifican el número

de artículos que hay que muestrear y el criterio para juzgar los lotes cuando se
obtienen datos de las mediciones respecto a la característica de calidad que
interesa.

Estos planes se basan generalmente en la Media y Desviación estándar

muestrales de la característica de calidad. Cuando se conoce la distribución de la
característica en el lote o el proceso, es posible diseñar planes de muestreo por
Variables que tengan riesgos especificados de aceptar y de rechazar lotes de una
calidad dada.

Se puede obtener de la misma curva característica de operación con un tamaño

muestral menor que lo requerido por un plan de muestreo por atributos. Cuando se
utilizan pruebas destructivas, el Muestreo por Variables es particularmente útil
para reducir los costos de inspección. Los datos de mediciones proporcionan
normalmente más información sobre el proceso de manufactura o el lote que los
datos de Atributos.

122