GRÁFICOS/ CARTAS

DE CONTROL
 GRÁFICOS DE
CONTROL

Supongamos que tenemos una máquina inyectora que

produce piezas de plástico, por ejemplo de PVC.

Una característica de calidad

importante es el peso de la
pieza de plástico, porque
indica la cantidad de PVC
que la máquina inyectó en la
matriz. 2
 GRÁFICOS DE
CONTROL

Si la cantidad de PVC es poca la pieza de plástico

será deficiente.

Si la cantidad es excesiva, la producción se

encarece, porque consume más materia prima.

Entonces, en el lugar de salida de la piezas, hay

un operario que cada 30 minutos toma una, la
pesa en una balanza y registra la observación.

3
 GRÁFICOS DE
CONTROL

pieza: 1 2 3 4 5

55,1 gr. 57,1 gr. 53,3 gr. 53,9 gr. 55,9 gr.

4
 GRÁFICOS DE
CONTROL

Si se registran los datos como se tomaron:

Gráfico de las observaciones

60
Peso de las piezas (Gr.)

58

56

54

52

50

48
1

13

15

17

19
11

Nº de pieza
5
 GRÁFICOS DE
CONTROL

Esta es la fluctuación esperable y natural del proceso. Los

valores se mueven alrededor de un valor central (El
promedio de los datos), la mayor parte del tiempo cerca
del mismo.

Puede ocurrir que aparezca uno o más valores

demasiado alejados del promedio.

6
 GRÁFICOS DE
CONTROL

¿Cómo podemos distinguir si esto se produce

por la fluctuación natural del proceso o
porque el mismo ya no está funcionando
bien?

Control estadístico de procesos

7
 GRÁFICOS DE
CONTROL

Todo proceso de fabricación resulta de la concurrencia de varios

factores y condiciones que definen al proceso, con el fin de obtener el
producto deseado.

Maquinaria Métodos

Materias
Primas Proceso

Mano de Condiciones 8

Obra Ambientales
 GRÁFICOS DE
CONTROL

 Los responsables del funcionamiento del proceso de

fabricación fijan los valores de algunas de estas
variables, que se denominan variables controlables.

Por ejemplo, en el caso de la inyectora se

fija la temperatura de fusión del plástico,
la velocidad de trabajo, la presión del
pistón, la materia prima que se utiliza
(Proveedor del plástico), etc. 9
 GRÁFICOS DE
CONTROL

 Hay una gran cantidad de variables que sería imposible o muy

difícil controlar. Estas se denominan variables no
controlables.

Por ejemplo, pequeñas variaciones

de calidad del plástico, pequeños
cambios en la velocidad del pistón,
ligeras fluctuaciones de la corriente
eléctrica que alimenta la máquina,
10
etc.
GRÁFICOS DE
CONTROL
Los cambios en las variables controlables
se denominan Causas Asignables de
variación del proceso, porque es posible
identificarlas.

Variables controlables (C ASIG)+ VNC (C NAIG)

Las fluctuaciones al azar de las variables

no controlables se denominan Causas
No Asignables de variación del proceso,
porque no son posibles de ser
identificadas. 11
 GRÁFICOS DE
CONTROL

Causas Asignables: Son causas que pueden ser identificadas y que conviene descubrir
y eliminar, por ejemplo, una falla de la máquina por desgaste de una pieza, un cambio
muy notorio en la calidad del plástico, distinta eficacia de la mano de obra.

Causas No Asignables: Son una multitud de causas no identificadas, ya sea por falta
de medios técnicos o porque no es económico hacerlo, cada una de las cuales ejerce
un pequeño efecto en la variación total.

12
 GRÁFICOS DE
CONTROL

Cuando el proceso trabaja afectado solamente por un

sistema constante de variables aleatorias no
controlables (Causas no asignables) se dice que está
funcionando bajo Control Estadístico.

Cuando aparece una o más causas asignables, el

proceso está fuera de control.

13
 GRÁFICOS DE
CONTROL
Hipótesis implícitas CEP:

1) Una vez que el proceso está en

funcionamiento bajo condiciones
establecidas, se supone que la
variabilidad de los resultados en la
medición de una característica de
calidad del producto se debe sólo a un
sistema de causas aleatorias, que es
inherente a cada proceso en particular.
14
 GRÁFICOS DE
CONTROL

2) El sistema de causas aleatorias que

actúa sobre el proceso genera un universo
hipotético de observaciones (mediciones)
que tiene una Distribución Normal.

15
GRÁFICOS DE
CONTROL

3) Cuando aparece alguna causa

asignable provocando desviaciones
adicionales en los resultados del
proceso, se dice que el proceso está
fuera de control.

16
 GRÁFICOS DE
CONTROL

La función del control estadístico de procesos es comprobar en

forma permanente si los resultados que van surgiendo de las
mediciones están de acuerdo con lo anterior.

Si aparecen uno o varios resultados que contradicen o se oponen a

las mismas, es necesario detener el proceso, encontrar las causas por
las cuales el proceso se apartó de su funcionamiento habitual y
corregirlas.

17
 GRÁFICOS DE
CONTROL

Según Shewhart, la forma genérica de un gráfico de

control, desde un punto de vista analítico y desde un
punto de vista gráfico, es el
siguiente:

18
 GRÁFICOS DE
CONTROL

Los gráficos de control o cartas de control son una

importante herramienta utilizada en control de calidad de
procesos. (Shewart)

Una Carta de Control es un gráfico en el cual se representan

los valores de algún tipo de medición realizada durante el
funcionamiento de un proceso continuo, y que sirve para
controlar dicho proceso.

Gráfico de Control

19
 GRÁFICOS DE
CONTROL

VARIABLES: Dimensión, peso, volumen, tiempo,

temperatura, diámetro, velocidad, etc. (cuantitativa)

ATRIBUTOS: Características de calidad evaluadas como

conforme o disconforme, defectuoso o no. (cualitativa)

20
 ¿Cómo ponerlo en marcha?

1a Etapa: Ajuste
del Proceso
Control
Estadístico
2a Etapa: Control
del Proceso

21
 GRÁFICOS DE
CONTROL

1a Etapa: Ajuste Proceso Sí 2a Etapa: Control

del Proceso Ajustado? del Proceso

No

22
 GRÁFICOS DE
CONTROL

En la 1a etapa se recogen unas 100-200 mediciones, con las cuales se calcula el promedio y la desviación standard, así:

Esos datos se estiman a partir de subgrupos.

Trabajar con subgrupos significa agrupar las mediciones que se obtienen de un proceso, de acuerdo a algún criterio.
Se busca máxima variabilidad entre subgrupos y mínima entre cada subgrupo.

23
 GRÁFICOS DE
CONTROL
Por ejemplo: Si hay 4 turnos, cada turno puede ser subgrupo.

Pueden obtenerse los subgrupos retirando varias piezas a intervalos regulares (cada hora).

Pueden retirarse piezas individuales a lo largo del intervalo de tiempo.

Estas estimaciones deberán basarse en al menos 20 o 25 subgrupos cada uno con n= 4,5 ó
6.

24
 GRÁFICOS DE
CONTROL

Luego se calculan los Límites de Control de la

siguiente manera:

25
 GRÁFICOS DE
CONTROL

Entonces, se construye un gráfico de prueba y se traza

una línea recta a lo largo del eje de ordenadas (Eje Y), a
la altura del promedio (Valor central de las
observaciones) y otras dos líneas rectas a la altura de
los límites de control.

26
 GRÁFICOS DE
CONTROL

Gráfico de Control de Prueba

65
Límite Superior = 60,8 Gr.
Peso de las piezas (Gr.)

60 Promedio = 55 Gr.

55

50
Límite Inferior = 49,2 Gr.
45 11

13

15

17

19
1

Nº de pieza

27
 GRÁFICOS DE
CONTROL

Gráfico de Control de Prueba

Ing. Julio Carreto

65
Peso de las piezas (Gr.)

60

55

50

45 11

13

15

17

19
1

Nº de pieza

28
 GRÁFICOS DE
CONTROL

Este gráfico de prueba se analiza detenidamente para

verificar si está de acuerdo con la hipótesis de que la
variabilidad del proceso se debe sólo a un sistema de
causas aleatorias o si, por el contrario, existen causas
asignables de variación.

Esto se puede establecer porque cuando la fluctuación de

las mediciones se debe a un sistema constante de causas
aleatorias la distribución de las observaciones es normal.

29
 GRÁFICOS DE
CONTROL

Gráfico de Control de Prueba

Ing. Julio Carreto

65
Peso de las piezas (Gr.)

60

55

50

45 11

13

15

17

19
1

Nº de pieza

30
 GRÁFICOS DE
CONTROL

Cuando las observaciones sucesivas tienen

una distribución normal, la mayor parte de
los puntos se sitúa muy cerca del
promedio, algunos pocos se alejan algo
más y prácticamente no hay ninguno en las
zonas más alejadas

31
 GRÁFICOS DE
CONTROL
La mayor parte
Gráfico de Control de Prueba
de los puntos
están muy cerca
65 del promedio
Peso de las piezas (Gr.)

60

55

50

45 11

13

15

17

19
1

Nº de pieza

32
 GRÁFICOS DE
CONTROL
Lejos del
Gráfico de Control de Prueba promedio
hay menos

Ing. Julio Carreto

65
Peso de las piezas (Gr.)

60

55

50

45 11

13

15

17

19
1

Nº de pieza

33
 GRÁFICOS DE
CONTROL
Más afuera casi
Gráfico de Control de Prueba no hay puntos

Ing. Julio Carreto

65
Peso de las piezas (Gr.)

60

55

50

45 11

13

15

17

19
1

Nº de pieza

34
 GRÁFICOS DE
CONTROL

Ejemplos de patrones no aleatorios:

Gráfico de Control

Una sucesión de puntos por

encima ...

35
 GRÁFICOS DE
CONTROL

Gráfico de Control

... o por debajo de la línea

central.

36
 GRÁFICOS DE
CONTROL
Gráfico de Control
Una serie creciente de 6 ó 7
observaciones...

Gráfico de
Control
Desgaste o deterioro
gradual de herramienta o
componente crítico del
proceso. Fatiga operador.
Influencias estacionales de 37
temperaturas
GRÁFICOS DE
CONTROL

Gráfico de Control

Varios puntos
por fuera de los
límites de control 38
 GRÁFICOS DE
CONTROL
Corrimiento: Ajustes al
proceso muy frecuentes,
nuevos operadores,
métodos.

Cambios ambientales sistemáticos como

temperatura, fatiga del operador, 39
rotación regular de operadores o
máquina o salidas paralelas.
GRÁFICOS DE
CONTROL

Si no se descubren causas
asignables entonces se
adoptan los límites de control
calculados como definitivos, y
se construyen cartas de control
con esos límites.

40
GRÁFICOS DE
CONTROL

Si sólo hay pocos puntos fuera de

control (1 ó 2), y se conoce que se trató
de problemas puntuales, éstos se
eliminan, se recalculan la media,
desviación standard y límites de control
con los restantes, y se construye un
nuevo gráfico de prueba.

41
 GRÁFICOS DE
CONTROL
Cuando las observaciones no siguen un patrón
aleatorio, se hace necesario investigar para
descubrir las causas y eliminarlas.

Luego de esto, se deberán recoger nuevas

observaciones y calcular nuevos límites de
control de prueba, comenzando otra vez
con la 1a etapa.
42
 GRÁFICOS DE
CONTROL
En la 2a etapa, las nuevas observaciones que van surgiendo del
proceso se representan en el gráfico, y se controlan verificando
que estén dentro de los límites, y que no se produzcan patrones
no aleatorios:
Gráfico de Control

65

60
Lím.
Superior
Peso de las piezas

55 Valor
Central
Punto fuera de
50
control Lím.
(Gr.)

Inferior
45
43
21

23

25

27

29

31

33

35

37

39
Nº de pieza
 GRÁFICOS DE CONTROL -
R

Se utilizan para controlar la media y la dispersión.

1º) Se construye el gráfico de rangos (también denominado

gráfico de recorridos o gráfico de amplitudes), gráfico R, para
comprobar si la variación del proceso está bajo control.

44
 GRÁFICOS DE CONTROL -
R

2º) Una vez que la dispersión está en control estadístico se construye el

gráfico de medias o gráfico .

la carta de Xbarra representa la variabilidad entre las muestras, en

cambio la carta de Rango representa la variabilidad dentro de cada
muestra, y ambas variabilidades son independientes

45
GRÁFICOS DE CONTROL -
R

46
 GRÁFICOS DE
CONTROL

El estimador de σ se basa en el rango de la muestra

R = xmax – x min

47
GRÁFICOS DE
CONTROL

48
 GRÁFICOS DE
CONTROL

GRÁFICO DE RANGOS

Límite Superior = D4

Límite Inferior = D3

Línea Central =

NOTA: Se trabaja preferiblemente con más de 20 submuestras

49
GRÁFICOS DE
CONTROL

50
1.Calcular límite central, inferior y superior de R.

2. Está bajo control?, si es así calcular límites de X

Puesto que las cartas o gráficos x y R indican control, el

proceso está bajo control y se adoptan los límites para
usarlos en el control estadístico del proceso en línea.

51
 X BARRA V/S R BARRA
Puntos Fuera de Control en X barra Puntos fuera de control en R barra
Detecta si existe un cambio general que Cambios en la uniformidad del
pueda afectar a todas las piezas. proceso
Se debe estudiar el registro de datos, Causas típicas: cambios de
ver la operación del proceso y la personal, un incremento en la
experiencia existente variabilidad del material, un
excesivo desgaste en la maquinaria
del proceso (Un caso donde, un
Causas Típicas: Los cambios de repentino incremento de las R avisó
material, de personal, de preparación de un inminente accidente de la
máquina)
de máquinas, el desgaste de las
herramientas, la temperatura o la Una sola R fuera de control puede
vibración ser causada por un cambio del
proceso producido mientas se
obtenía el subgrupo
Monitorea la Tendencia Central de
un proceso sobre el tiempo Monitorea la variabilidad de Corto
Plazo
 GRÁFICOS DE CONTROL -S

Miden lo mismo que X-R pero son preferibles estos, por

ser mejores estimadores.

A3 S

inferior

53
Nota: En este caso el gráfico X se
trabaja con S en lugar de R y con
A3 en lugar de A2
 GRÁFICOS DE CONTROL -S
Para el mismo ejercicio de los anillos de pistones de
motores el promedio de s es 0.0094

1.Calcular límite central, inferior y superior de S.

2. Está bajo control?, si es así calcular límites de X

3. Observe la similitud de los límites de los gráficos X

cuando son calculados con R y cuando son calculados
con S

54
 GRÁFICOS DE CONTROL –
MEDICIONES INDIVIDUALES –
RANGO MÓVIL (MR)

Cuando tamaño muestra es 1 (se trabaja con productos) .

 Se usa tecnología inspección automatizada y se analiza cada unidad

manufacturada.

 La velocidad de producción es muy lenta

Se hacen mediciones múltiples en la misma unidad de producto (espesor de disco

o rollo papel) y difieren muy poco.

55
GRÁFICOS DE CONTROL –
MEDICIONES INDIVIDUALES

56
 GRÁFICOS DE CONTROL –
MEDICIONES INDIVIDUALES

Interpretación: Se miran corrimientos de la media y

puntos fuera de control.
57
n=2

NOTA: Se trabaja preferiblemente con más de 20 productos

GRÁFICOS DE CONTROL- ATRIBUTOS

58
 GRÁFICOS DE CONTROL- ATRIBUTOS

GRÁFICO P

Controlan el %de defectuosos en una muestra.

CONSTRUCCIÓN: Se toman N submuestras (preferiblemente

más de 20) a intervalos regulares, cada una con n elementos.
Se obtiene una tabla

Muestra No. defectuosos % defectuosos

1 3 No. Defectuosos / n

2 1
59
3… 2
 GRÁFICOS DE CONTROL- ATRIBUTOS

GRÁFICO P – Distribución Binomial

Número de defectuosos en la muestra

n = Número de elementos en la muestra

N o m= Número de muestras

60
Búsqueda de puntos fuera de límites
 GRÁFICOS DE CONTROL- ATRIBUTOS

GRÁFICO P – Distribución Binomial

Un jugo de naranja se empaca en botes de cartón de 6

onzas, los cuales se hacen en una máquina cortándolos en
piezas de cartón y fijando un cuadro metálico en el fondo.
Un bote se dice que es disconforme cuando tiene un sellado
incorrecto en la juntas laterales o en el cuadro metálico del
fondo.

Se seleccionaron 30 muestras de n=50 botes cada una en

intervalos de media hora durante 3 turnos en los que la
máquina estuvo en operación continua. (tabla)

1.Calcular límite central, inferior y superior de p.

2. Está bajo control?

61
62
 GRÁFICOS DE CONTROL- ATRIBUTOS

GRÁFICO P – Distribución Binomial

Los puntos de las muestras 15 y 23 se encuentran fuera del

límite. Deben investigarse las causas.

El análisis de la muestra 15 indica que un nuevo lote de

piezas de cartón se introdujo en la producción en esa media
hora.

En el caso de la muestra 23 se había asignado

temporalmente un operario inexperto en esa máquina.

Se eliminan las muestras 15 y 23 y se calculan nuevamente

los límites, si el proceso está bajo control esos serán los
límites para hacer seguimiento al proceso.

63
 GRÁFICOS DE CONTROL- ATRIBUTOS

GRÁFICO np

Controlan el número de defectuosos en una muestra.

CONSTRUCCIÓN: Se toman N submuestras (preferible más

de 20) a intervalos regulares, cada una con n elementos. Se
obtiene una tabla

Muestra No. defectuosos % defectuosos

1 3 No. Defectuosos / n

2 1
64
3… 2
 GRÁFICOS DE CONTROL- ATRIBUTOS
GRÁFICO np
Número de defectuosos en la muestra = np

n = Número de elementos en la muestra

N= Número de muestras

Se
trabajan
enteros.

65
 GRÁFICOS DE CONTROL np
Para el mismo ejercicio de los botes de jugos de
naranja

1.Calcular límite central, inferior y superior de np.

2. Está bajo control?

66
GRÁFICOS DE CONTROL- ATRIBUTOS

Producto No. defectos

1 3
2 1
3… 2
67
 GRÁFICOS DE CONTROL- ATRIBUTOS
GRÁFICO C – Distribución Poisson

C = promedio del número de defectos en los productos

Si es negativo use 0
68
69
 GRÁFICOS DE CONTROL c
Tarjetas de circuitos

1.Calcular límite central, inferior y superior de c.

2. Está bajo control?

Si el número de defectos por tarjeta permitido es alto, la

administración debe optar por mejoramiento de procesos:
-Mirar tipos de defectos y aplicar Pareto
- Aplicar diagrama causa – efecto.

70
 GRÁFICOS DE CONTROL- ATRIBUTOS

GRÁFICO U – Distribución Poisson

Se usan cuando la unidad de inspección o de producción es mayor

que 1

CONSTRUCCIÓN: Se toman N unidades de inspección UI (ideal

más de 20) a intervalos regulares. Se cuenta para cada UI el
número de defectos y se registra, luego se divide n entre m
71
 GRÁFICOS DE CONTROL- ATRIBUTOS
GRÁFICO U

n= Cantidad de defectos por Unidad de Inspección

m= Números de unidades de producción en Unidad de inspección
U= Promedio de defectos por unidad de inspección (ni/m)

m=5
UI No. defectos No. Defectos por
producto

1 5 1
2 8 1,6
3… 6 1,2
72
 GRÁFICOS DE CONTROL- ATRIBUTOS
GRÁFICO U

Promedio del promedio

de defectos por unidad

73

Si es negativo use 0
 GRÁFICOS DE CONTROL u
Un fabricante de computadoras personales desea
establecer un gráfico de control para las
disconformidades por unidad en la línea de
ensamblaje. El tamaño de la muestra es de 5
computadoras. Se toman 20 muestras

1.Calcular límite central, inferior y superior del gráfico

u.

2. Está bajo control?

74
75
 GRÁFICOS DE
CONTROL
LINEAMIENTOS PARA IMPLEMENTARLOS

1. Determinar cuáles características del proceso

deberán controlarse.
 Al principio a todas las características del producto. Las
cartas indicarán si son realmente necesarias.

Si las cartas se están usando de manera efectiva y se

obtienen conocimientos acerca de las variables clave del
proceso, el numero de cartas x-r aumentará y las de
atributos disminuye.

76
 GRÁFICOS DE
CONTROL

LINEAMIENTOS PARA IMPLEMENTARLOS

2. Determinar dónde (en el proceso) deberán

implementarse las cartas.

3. Elección del tipo apropiado de cartas

77
 X-R / X-S Atributos Mediciones
individuales
 Nuevo proceso, nuevo • El proceso es una • Cuando tamaño
producto operación compleja de muestra es 1.
ensamblaje y la
 El proceso es antiguo con  Se usa tecnología
calidad del producto
problemas crónicos o no puede se mide en inspección automatizada
mantener tolerancias. funcionamiento y se analiza cada unidad
 Se requieren pruebas exitoso o no manufacturada.
destructivas. /ocurrencia de no
conformidades.  La velocidad de
 Se han usado cartas de producción es muy lenta.
atributos pero proceso fuera de •El control es
control o rendimiento necesario pero no
inaceptable. pueden obtenerse
 Especificaciones estrictas. datos de las
mediciones.
 Quiere hacerse cambio de
especificaciones.
78
 GRÁFICOS DE
CONTROL

LINEAMIENTOS PARA IMPLEMENTARLOS

4. Emprender acciones para mejorar

procesos

5. Selección de sistemas para colectar

datos y software de computadora.

79
 GRÁFICOS DE
CONTROL

TAMAÑO DE SUBGRUPO VARIABLE:

Suele ser el caso cuando se aplica una inspección del 100

por ciento y los volúmenes resultantes varían día a día.

Si los tamaños de la muestra varían sólo ligeramente, los

límites de control pueden basarse en el tamaño de la
muestra promedio.

Si varían sustancialmente:

80
 GRÁFICOS DE
CONTROL
TAMAÑO DE SUBGRUPO VARIABLE:

81
GRÁFICOS DE
CONTROL
TAMAÑO DE SUBGRUPO VARIABLE:

82
Taller:
1.X-S
2.X- MR
3.p o np
4.C
5.U

Para todos límites.

Para 1 cuantitativo y uno cualitativo: gráfico

y análisis

83
 84

En todos los casos ideal más de 20 submuestras/productos

 Capacidad de Proceso

LA CAPACIDAD DE UN PROCESO ES LA
APTITUD PARA GENERAR UN
PRODUCTO QUE CUMPLA CON
DETERMINADAS ESPECIFICACIONES.

Se fijan:
-voluntariamente por cliente o productor
- norma.
 Capacidad de Proceso
LA FLUCTUACIÓN NATURAL DE UN
PROCESO PUEDE CUANTIFICARSE A
TRAVÉS DE LA DESVIACIÓN STANDARD DEL
MISMO, CON LA CUAL PODEMOS CALCULAR
LÍMITES DE TOLERANCIA NATURAL DEL
PROCESO.
Es conveniente que los LTN del proceso se encuentren
dentro de los Límites de Especificación del producto.

Toda la producción cumplirá con las especificaciones.

86
 Capacidad de Proceso

PARA ANALIZAR LA CAPACIDAD DEL PROCESO SE

PUEDE UTILIZAR UN HISTOGRAMA DE

87
FRECUENCIAS.

SI SE DISPUSIERA DE TODOS LOS DATOS DEL

UNIVERSO PARA LA CARACTERÍSTICA DE CALIDAD
MEDIDA Y SE HICIERA UN HISTOGRAMA ESTE
PERMITIRÍA TENER UNA IDEA EXACTA DE LA
FLUCTUACIÓN NATURAL DEL PROCESO.
 Capacidad de Proceso
COMO ESTO ES DIFICIL, SE REALIZA UNA ESTIMACIÓN MEDIANTE UNA MUESTRA
(MÍNIMO 100-200) Y EFECTUAR CON ELLAS UN HISTOGRAMA DE FRECUENCIAS.

A) ESCOGER ADECUADAMENTE LA MÁQUINA O MÁQUINAS SOBRE LAS QUE VA A

REALIZARSE EL ESTUDIO DE FORMA QUE SEAN REPRESENTATIVAS DEL CONJUNTO
DE MÁQUINAS AL QUE VAN A EXTENDERSE LAS CONCLUSIONES.

B) SELECCIONAR LAS CONDICIONES OPERATIVAS DEL PROCESO DEFINIENDO

CUIDADOSAMENTE ESTAS CONDICIONES YA QUE SU VARIACIÓN PUEDE AFECTAR A
LA CAPACIDAD DEL PROCESO.

88
 Capacidad de Proceso

C) SELECCIONAR, CUANDO PROCEDA, UN

OPERADOR REPRESENTATIVO.

D) SEGUIR ESTRECHAMENTE EL PROCESO DE

TOMA DE DATOS Y REGISTRAR EL ORDEN EN
QUE SE PRODUCEN.

89
 CAPACIDAD DE PROCESO

Histograma
90

80

70

60
Frecuencia

50

40

30
LIE LSE
20

10

0
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 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40

Variable
 Capacidad de Proceso
PARA CUANTIFICAR LA CAPACIDAD DE
PROCESO SE UTILIZAN COEFICIENTES
QUE PERMITEN COMPARAR EL RANGO DE
ESPECIFICACIONES CON LA
FLUCTUACIÓN NATURAL DEL PROCESO.

Cp > 1

En general se exige Cp > 1.30 para mayor seguridad.

 CAPACIDAD DE PROCESO

Histograma
90

80 Cp > 1
70

60
Frecuencia

50

40

30
LIE LSE
20
6
10

0
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 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40

Variable

LSE - LIE
 Capacidad de Proceso

ESTE COEFICIENTE TIENE EL

INCONVENIENTE DE QUE PARA PODER
APLICARLO
EL CENTRO DE GRAVEDAD DEL RANGO DE
ESPECIFICACIONES DEBE COINCIDIR CON
LA TENDENCIA CENTRAL DE LAS
MEDICIONES DEL PROCESO.
 Capacidad de Proceso

CUANDO ESTO NO OCURRE SE EMPLEA EL

CPK:

Donde:
CAPACIDAD DE LOS PROCESOS
( CP, CPK)

Criterios básicos para juzgar la Capacidad o aptitud de un

proceso:

Si Cp (o Cpk) > 1 El proceso es capaz

Si Cp (o Cpk) = 1 El proceso tiene potencial
Si Cp (o Cpk) < 1 El proceso no es capaz

Cap
3:
Cart
as
de
Con
trol
y
Cap
 CAPACIDAD DE PROCESO

Histograma
90

80

96
70

60
Frecuencia

50

40

30
LIE LSE
20
3 3
10

0
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 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40

Variable

Xp - LIE LSE - Xp
 Capacidad de Proceso

EL USO DE UN HISTOGRAMA TIENE LA

VENTAJA DE QUE SE PUEDE APRECIAR LA
FORMA DE LA DISTRIBUCIÓN, CON LO CUAL
SE PUEDE CONFIRMAR O RECHAZAR LA
HIPÓTESIS DE QUE LA MISMA ES NORMAL.

PERO EL PROBLEMA ES QUE NO SE PUEDE

DETECTAR LA PRESENCIA DE PATRONES NO
ALEATORIOS, CON LO CUAL NO ES POSIBLE
CONFIRMAR O RECHAZAR LA HIPÓTESIS DE
QUE EL PROCESO ESTÁ BAJO CONTROL
ESTADÍSTICO.