V.

Grficos de Control por Variables (2)

V.

GRFICOS DE CONTROL POR VARIABLES (2)

INTRODUCCIN____________________________________________________
Hasta ahora hemos estudiado los grficos de control tpicos tanto para variables como para atributos. Sin
embargo, existe otra clase de grficos de control por variables que pueden mejorar los ya conocidos y que
pueden utilizarse en ocasiones en que los grficos vistos ofrezcan dudas. En este captulo presentaremos los
siguientes grficos de control por variables:

Grfico EWMA: grfico de medias mviles con pesos exponenciales.

Grfico de Medias Mviles: grfico de medias mviles sin pesos.

Grfico CUSUM: grfico de sumas acumuladas de las desviaciones respecto a un valor nomial.

Grfico de Zona: grfico que asigna un peso a cada punto en funcin de su distancia a la lnea central
y representa los valores acumulados.

Los grficos EWMA, Medias Mviles, CUSUM, y de Zona producen diagramas de control tanto para el
caso de datos en subgrupos como para observaciones individuales. Tpicamente se usan para evaluar el nivel
del proceso. Sin embargo, tanto los diagramas EWMA como CUSUM pueden usarse tambin para representar
grficos de control para rangos o desviaciones estndar muestrales a fin de evaluar la variacin del proceso.
En el caso de los diagramas EWMA, Medias Mviles, y de Zona funcionan tanto en el caso de muestras
del mismo tamao como para muestras de distinto tamao. Sin embargo, los grficos CUSUM necesitan que
todos los subgrupos sean del mismo tamao.

GRFICOS EWMA__________________________________________________
Como ya se coment en la introduccin, un grfico EWMA es un diagrama de medias mviles con pesos
exponenciales. Cada uno de los puntos del grfico contiene informacin de todos los subgrupos (u
observaciones individuales) anteriores. Este tipo de grficos se puede disear para detectar un cambio en el
proceso de cualquier tamao. Gracias a ello, se usan a menudo en la monitorizacin de los procesos,
permitiendo la deteccin de pequeas desviaciones respecto al objetivo.
La tabla que se muestra a continuacin contiene ocho medias muestrales junto con su valor EWMA
asociado usando un peso de 0,2:
SUBGRUPO
Media
EWMA

1
14,000
10,400

2
9,000
10,120

3
7,000
9,494

4
9,000
9,397

5
13,000
10,117

6
4,000
8,894

7
9,000
8,915

8
11,000
9,332

Para empezar, se define el valor EWMA para el subgrupo 0 como la media de todos los datos, en este
caso 9,5. El valor EWMA para el subgrupo 1 ser 0,2*(14) + 0,8*(9,5) = 10,4. El valor EWMA para el
subgrupo 2 ser 0,2*(9) + 0,8*(10,4) = 10,12. As, en general, si denotamos por w al peso, el valor EWMA
(Zi ) para el subgrupo i-simo vendr dado por:

Z i = wx i + (1 w) Z i 1
i.e.,

V-1

Control Estadstico de la Calidad con MINITAB

Z i = wx i + w(1 w) x i 1 + w(1 w) 2 x i 2 + ... + w(1 w) i 1 x i + w(1 w) i x

En caso de trabajar con observaciones individuales, se usaran stas en lugar de las medias muestrales.
Ejemplo EWMA: Los datos contenidos en la columna C1 del archivo matprima.mtw representan el
peso en kilos de cada lote de materia prima.
Seleccionar Stat > Control Charts > EWMA :

EWMA Chart for Peso

3,0SL=951,0

950

EWMA

940
X=936,9
930
-3,0SL=922,8
920

Sample Number

En este caso, se observa claramente que el proceso est fuera de control, tanto porque se aprecan puntos
que caen fuera de los lmites de control como por la existencia de un patrn no aleatorio.

V-2

V. Grficos de Control por Variables (2)

GRFICOS DE MEDIAS MVILES_____________________________________

Un grfico de medias mviles es un diagrama en la que los puntos son medias calculadas a partir de
subgrupos artificiales formados por datos consecutivos. Tales datos pueden ser observaciones individuales o
medias de subgrupos.
La tabla que se muestra a continuacin contiene ocho medias muestrales junto con su valor de media
mvil de longitud 3 asociado:

SUBGRUPO
Media
Media Mvil

1
14,000
14,000

2
9,000
11,500

3
7,000
10,000

4
9,000
8,333

5
13,000
9,667

6
4,000
8,667

7
9,000
8,667

8
11,000
8,000

La media mvil para el primer subgrupo es de 14,0 (coincide con la media del mismo). La media mvil
para el segundo subgrupo es el promedio de las primeras dos medias, i.e., (14 + 9) / 2 = 11,5. En este caso, los
dos primeros subgrupos son especiales dado que la longitud que hemos tomado era de 3. Por tal motivo, los
lmites de control asociados estarn ms alejados de la lnea central que en el resto de subgrupos. Las
restantes medias mviles se calculan de la siguiente forma: para cada nuevo subgrupo, tomaremos el
promedio de las ltimas 3 medias (incluyndo la del propio subgrupo).

GRFICOS DE SUMAS ACUMULADAS (CUSUM)_________________________

Un grfico de sumas acumuladas muestra las sumas acumuladas de las desviaciones de cada valor
muestral con respecto al valor objetivo. El grfico puede estar basado en medias muestrales o en
observaciones individuales.
Cuando estamos trabajando con procesos bajo control, los diagramas CUSUM son buenos para detectar
cambios con respecto al objetivo ya que dichos grficos incorporan informacin procedente de la secuencia de
valores muestrales. Los puntos que representamos son las sumas acumuladas de las desviaciones de los
valores muestrales con respecto al objetivo. Dichos puntos deberan fluctuar de forma aleatoria alrededor del
cero. Si detectamos una tendencia, ya sea hacia arriba o hacia abajo, sta debera ser considerada como una
evidencia de que la media muestral se ha desplazado.
Es posible representar dos tipos de grficos CUSUM: el diagrama por defecto representa dos CUSUM
unilaterales. El CUSUM superior detecta desviaciones hacia arriba en el nivel del proceso, el CUSUM
inferior detecta desviaciones hacia abajo. Este tipo de grfico utiliza lmites de control para determinar cuando
estamos ante un proceso fuera de control.
El otro tipo de grfico CUSUM es uno bilateral. Tal diagrama hace uso de una mscara V (en lugar de
los habituales lmites de control de 3) para determinar cundo un proceso est fuera de control.
Los grficos CUSUM vienen definidos por dos parmetros, h y k.:
Tipo de grfico CUSUM
h representa
Unilateral
El nmero de desviaciones estndar
entre la lnea central y los lmites de
control
Bilateral (mscara V)
Parte de la ecuacin que se utiliza
en el clculo de la mscara V

k representa
El
tamao
del
posible
desplazamiento que queremos
detectar
La pendiente de los lados de la
mscara V

V-3

Control Estadstico de la Calidad con MINITAB

Ejemplo CUSUM bilaterial: Supongamos que trabajamos en una planta de montaje de coches. A la
hora de montar los motores, partes de la cadena de montaje se mueven verticalmente arriba y abajo a
cierta distancia del nivel horizontal de referencia. A fin de asegurar la calidad de la produccin,
realizamos cinco mediciones cada da laborable desde el 28 de septiembre hasta el 15 de octubre, y diez
mediciones diarias desde el 18 hasta el 25 de octubre. Los datos estn contenidos en el archivo
Motores.mtw . En el captulo 3 ya dibujamos los grficos X-barra y R asociados a estos datos. En el
grfico X-barra, el subgrupo 5 no satisfaca uno de los tests para causas especiales. Ahora, estamos
interesados en estudiar posibles ligeras desviaciones respecto al objetivo, por lo que representaremos un
grfico CUSUM:
Seleccionar Stat > Control Charts > CUSUM :

CUSUM Chart for Distancia

Upper CUSUM

Cumulative Sum

10

5,67809

-5

-5,67809

Lower CUSUM

10

15

20

25

Subgroup Number
Observamos que los puntos asociados a los subgrupos 4 a 10 caen fuera del lmite superior, lo que
sugiere la existencia de pequeas desviaciones con respecto al objetivo.
V-4

V. Grficos de Control por Variables (2)

GRFICOS DE ZONAS______________________________________________
Un grfico de zonas es un hbrido entre un grfico X-barra (o un grfico Individual) y un grfico
CUSUM. En el diagrama de zonas se representan valores acumulativos basados en las zonas situadas a 1, 2,
y 3 sigmas con respecto a la lnea central. Este tipo de grficos se suelen preferir a los diagramas X-barra o
Individual debido a su gran simplicidad: se considerar que un punto est fuera de control si su valor asociado
es mayor o igual a 8. As, no resultar necesario realizar un estudio sobre el posible comportamiento no
aleatorio de los datos (como hacamos en los grficos de Shewart), ya que este mtodo es equivalente a cuatro
de los tests estndar que usbamos en los diagramas X-barra e Individual.
El grfico de zonas clasifica las medias muestrales (o las observaciones individuales) de acuerdo con su
distancia respecto a la lnea central. Para cada media muestral (u observacin individual), el punto asociado se
determina como sigue:
1.

A cada observacin (media o individual) se le asigna un valor de zona, segn la siguiente tabla:
Zona donde se sita la observacin
Entre la lnea central y 1
Entre 1 y 2
Entre 2 y 3
Ms all de 3

2.

Valor de zona asignado

0
2
4
8

A cada observacin se le asigna un valor acumulado (que ser el que finalmente se represente en
el grfico), segn el siguiente criterio:
o
o

El primer punto es simplemente el valor de zona asociado a la primera observacin

Cada uno de los puntos siguientes ser suma del valor de zona asociado y del valor
acumulado del punto anterior, teniendo en cuenta que cada vez que un nuevo punto cruce la
lnea central, el valor acumulado vuelve a considerarse como cero.

Cuando el valor acumulado supere el valor 8, se considera que el proceso est fuera de control.
Ejemplo grfico de zonas: Supongamos que trabajamos en una planta de produccin de cilindros
metlicos. Como estamos interesados en estudiar la variable longitud del cilindro, tomamos 10 muestras
diarias, cada una de ellas de tamao 5. Los datos se guardan en el archivo cilindros.mtw.
Seleccionar Stat > Control Charts > Zone :

V-5

Control Estadstico de la Calidad con MINITAB

Seleccionar Options > Reset cumulative score after each signal :

Zone Chart for longitud

Weights
8
+3 sigma

601,244
4

10
600,852

+2 sigma
2

600,459

+1 sigma
0

600,066

Mean
0

599,674

-1 sigma
6

8
599,281

-2 sigma
4

4
-3 sigma

598,888
8

10

Subgroup Number

Observamos que el valor acumulado del subgrupo 6 es de 8, lo cual significa que el proceso est fuera de
control. Nos dicen que el operador reinici la mquina que produce los cilindros a partir del subgrupo 6
a fin de intentar solucionar el problema, reajustando para ello los parmetros de la mquina. Sin
embargo, el grfico de zona detecta que el proceso vuelve a estar fuera de control en el subgrupo 10, esta
vez en el lado opuesto de la lnea central, por lo que parece que el operador se excedi en el reajuste de
los parmetros.
V-6

V. Grficos de Control por Variables (2)

GRFICOS Z-MR PARA SERIES CORTAS______________________________

Los grficos de control anteriores presuponen la existencia de un nmero de observaciones
suficientemente grande como para estimar parmetros del proceso tales como y . Sin embargo, en
ocasiones las series producidas no sern lo suficientemente largas como para que tales estimaciones sean
fiables.
As, por ejemplo, podramos usar una misma mquina para producir distintos productos, cada uno de
ellos con una media y una desviacin estndar diferentes, y producidos en cantidades insuficientes como para
que tales parmetros sean estimables de forma fiable con las tcnicas ya vistas. En tales casos, resulta
necesario a recurrir a grficos para series cortas como el Z-MR, el cual utiliza las distintas series cortas para
generar grficos de control estandarizados de observaciones individuales (Z) y rangos mviles (MR).
La idea bsica es la siguiente: supongamos que cada producto generado en un proceso tiene su propia
media y desviacin estndar. Si resulta posible estimar tales parmetros, podremos estandarizar los datos
restndoles la media y dividindolos por la correspondiente desviacin estndar. As, los datos estandarizados
provendrn de una poblacin con media = 0 y desviacin tpica = 1. Ahora, podremos usar un nico
grfico de control para tales datos estandarizados.
Un grfico Z-MR es un diagrama de observaciones individuales estandarizadas (Z) y de rangos mviles
estandarizados (MR). A partir de la observacin conjunta de ambos grficos es posible analizar
simultneamente tanto el nivel como la variacin del proceso.

Ejemplo grfico Z-MR: Supongamos que trabajamos en una planta de produccin de papel, con la
caracterstica de que el proceso productivo genera series cortas. Sabemos adems, que la variacin del
proceso es proporcional al grosor del papel producido (por lo que usaremos la opcin Relative to
size a la hora de estimar ).
Producimos tres tipos distintos de papel segn el grosor, y disponemos de datos procedentes de 5 series
distintas en el archivo papel.mtw :
Seleccionar Stat > Control Charts > Z-MR :

V-7

Control Estadstico de la Calidad con MINITAB

Standardized Log(data)

3,0SL=3,000

X=0,00E+00

-3,0SL=-3,000

Subgroup
4

Moving Range

Z-MR Chart

10

15
3,0SL=3,686

3
2
1

R=1,128

-3,0SL=0,00E+00

V-8