Академический Документы
Профессиональный Документы
Культура Документы
deInggenierraMeecnicca
Gerenc
G
ciaTcnica
Cap
ptuloIIII:
Contro
olEstad
dsticod
deProccesos
1.
2.
3.
4.
5.
6.
7.
Obje
etivos................................................................................................. ....................................................2
Conttrolestadsticcodeproceso
os............................................................. ....................................................2
Intro
oduccinalCo
ontrolestadssticodeproce
esos................................... ....................................................4
Bene
eficiosdelascartasdeCon
ntrol......................................................... ....................................................5
4.1. Ventajas........................................................................................... ....................................................5
4.2.
ntrolporvariablesyporattributos............................. ....................................................5
Cartasdecon
4.3.
Comparacin
ndelascartassdecontrolp
porvariables vs.atributos ....................................................6
bles..................................... ....................................................6
ElaboracindeCaartasdecontrolporvariab
5.1.
Cartasdecon
ntrol( X R )............................................................ ....................................................6
5.2.
Grficasdecontrol X S (variables).......................
.
..................... ..................................................11
5.3.
esIMR(Datoosvariables). ..................................................13
CartadeconttroldelecturrasIndividuale
Grfficasdecontro
olporatributtos........................................................... ..................................................16
Bibliografa.............................................................................................. ..................................................22
Ingg.JavierPozo
Pgina1
1de22
ControlEstadsticodeProcesos
ndice
1. Objetivos
EnestaUnidadDidcticasepretendequeelalumnoaprendaa:
Establecer sobre qu, en que momento y para que se pueden efectuar controles durante la
fabricacin.
Determinar la capacidad de un proceso y a saber si el proceso productivo puede fabricar de
acuerdoconunasespecificacionesdadas
Construirymanejargrficosdecontrol
Controlarelvalormedioenvariablesdecalidadenprocesosdefabricacin
Estimarlosvaloresdelamediaydesviacintpicapoblacionaldeunprocesoapartirdedatos
muestrales.
Construirlosgrficosdecontroldeunprocesodefabricacin.
2. Controlestadsticodeprocesos
Adems de reducir desechos, SPC puede tener como consecuencia una reduccin del tiempo
necesarioparaproducirelproductooservicio.Estoesdebidoparcialmenteaquelaprobabilidad
dequeelproductofinalsetengaqueretrabajaresmenor,perotambinpuedeocurrirqueal
usar SPC, identifiquemos los cuellos de botella, paradas y otros tipos de esperas dentro del
proceso. Reducciones del tiempo de ciclo del proceso relacionado con mejoras derentabilidad
hanhechodelSPCunaherramientavaliosadesdeelpuntodevistadelareduccindecostesy
delasatisfaccindelclientefinal.
Historia
En los aos 1920s Walter A. Shewhart fue el primero en utilizar el Control Estadstico de
Procesos. Despus, W. Edwards Deming aplic los mtodos del SPC en los Estados Unidos
durante La Segunda Guerra Mundial, mejorando con xito la calidad en la produccin de
municionesyotrosproductosdeimportanciaestratgica.Deminghacontribuidodecisivamente
a introducir los mtodos del SPC en la industria japonesa despus de la guerra. El control
estadisticodelprocesodelDR.SHAWATReselcontroldevariabilidad.
Shewart cre la base para el grfico de control y el concepto del control estadstico durante
experimentos diseados cuidadosamente. Mientras Dr. Shewhart se inspiraba en teoras
matemticasyestadsticaspuras,descubriquedatosderivadosdeprocesosfsicosraramente
producen una "curva de distribucin normal" (una distribucin gaussiana, tambin llamada
Pgina2de22
ControlEstadsticodeProcesos
Losgrficosdecontrol,basndoseentcnicasestadsticas,permitenusarcriteriosobjetivospara
distinguir variaciones de fondo de eventos de importancia. Casi toda su potencia est en la
capacidaddemonitorizarelcentrodelprocesoysuvariacinalrededordelcentro.Recopilando
datosdemedicionesendiferentessitiosenelproceso,sepuedendetectarycorregirvariaciones
enelprocesoquepuedanafectaralacalidaddelproductooserviciofinal,reduciendodesechos
y evitando que los problemas lleguen al cliente final. Con su nfasis en la deteccin precoz y
prevencin de problemas, SPC tiene una clara ventaja frente a los mtodos de calidad como
inspeccin, que aplican recursos para detectar y corregir problemas al final del producto o
servicio,cuandoyaesdemasiadotarde.
"curvaencampana").Descubriquelasvariacionesenlosdatosdeproduccinnosecomportan
siempredelamismamaneraqueenlanaturaleza(Movimientobrownianodepartculas).ElDr.
Shewhart concluy que mientras cada proceso muestra una variacin, algunos procesos
muestran variacionescontroladas naturales dentro del proceso (causas comunes de variacin),
mientras otros muestran variaciones descontroladas que no estn siempre presentes en el
procesocausal(causasespecialesdevariacin).
General
Lasiguientedescripcinserefieremsalsectorindustrialquealsectordeservicios,aunquelos
principios de SPC se pueden aplicar a los dos sectores. Para una descripcin y un ejemplo de
cmoaplicarSPCalsectordeservicios,refiraseaRoberts(2005).TambinsehaaplicadoSPC
conxitoparadetectarcambiosenelcomportamientoorganizativoconDeteccindeCambios
enRedesSocialesintroducidoporMcCulloh(2007).
Tradicionalmente, en procesos de produccin en masa, se controlaba la calidad de la pieza
acabadamedianteinspeccionesdelproductoalfinaldelproceso;aceptandoorechazandocada
pieza(omuestrasdeproduccin)basndoseenloscriteriosdeespecificaciones.Ladiferenciadel
Control del Proceso estadstico es que usa herramientas estadsticas para observar el
rendimientodelprocesodeproduccinparapreverdesviacionesimportantesquepuedaresultar
enelproductorechazado.
Por ejemplo, una lnea de produccin de cajas de cereales puede estar diseada para rellenar
cada caja de cereales con 500 gramos de producto, pero algunas cajas pueden tener un poco
msde500gramos,yotraspuedentenerunpocomenos,conformealadistribucindelpeso
neto.Sielprocesodeproduccin,susentradas,osuentornocambia(porejemplo,lasmquinas
deproduccinmuestransealesdedesgaste),estadistribucinpuedacambiar.Porejemplo,si
laspoleassedesgastan,lamquinaquerellenalascajasconcerealespuedeempezaraintroducir
mscerealesencadacajaqueloespecificado.Sisepermitecontinuarconestecambiosinestar
controlado, se producirn ms y ms productos que no entran dentro de las tolerancias del
fabricante o del consumidor, con el resultado de desechos. Mientras en este caso, el desecho
estpresenteenlaformadeproductogratuitoparaelconsumidor,normalmenteeldesecho
consisteenretrabajoochatarra.
Observandoenelmomentojustoquhapasadoenelprocesoquehaprovocadouncambio,el
ingenierodecalidadocualquiermiembrodelequipoqueestcomoresponsabledelalneade
produccinpuedesolucionarlacausaprincipaldelavariacinquehaentradoenelprocesoyse
corrigeelproblema.
Pgina3de22
ControlEstadsticodeProcesos
Existen dostipos de variaciones entodos los procesos industrialesy ambas variaciones causan
variaciones posteriores en el producto final. Las primeras son variaciones de causa natural o
comn y pueden ser variaciones en temperatura, especificaciones en materias primas o
electricidadetc.Estasvariacionessonpequeasynormalmenteestncercadelvalormedio.El
modelo de variacin sera similar a los modelos encontrados en la naturaleza y la distribucin
forma la curva de distribucin normal (forma de campana). Las segundas son conocidas como
causasespecialesysucedenconmenosfrecuenciaquelasprimeras.
3. Intrroducci
nalCon
ntrolesttadstico
odeproccesos
Un contro
ol de proceso
os por variab
bles se puede
e realizar siem
mpre que la caractersticaa de calidad que se
quiere co
ontrolar es medible
m
en una escala continua.
c
Suu principal ventaja es la gran cantid
dad de
informaci
nqueseobttiene,loqueconstituyeun
nabaseaproppiadaparamejorarlacalid
dad.
La probab
bilidad de haallar un elem
mento entre y + ees del 68,26%
%, la probab
bilidad de haallar un
elemento entre2yy+esdel9
95,44%ylap
probabilidad dehallarun elementoen
ntre3y
+3es
mo lmite es el que se toma, por con venio, para calcular los llmites de vaariacin
del 99,74%. Este ltim
naturalde
elproceso.Lo
oslmitesdevvariacinnaturalsonaqueellosqueagru
upanal99,74
4%delaprod
duccin
cuandoelprocesoestbajocontro
ol.Enotrost
rminos,siellprocesofun
ncionacorrectamentesolaamente
un0,26%delaproducccinsesituarrfueradelin
ntervalo(3,+3).
Pgina4
4de22
ControlEstadsticodeProcesos
Sehacom
mprobadoqueenel99% delosproce
esosdefabriccacinlasvarriablessedisstribuyensegnuna
distribuci
ncontinuad
deltipoNorm
mal,quevienecaracterizaadapordosp
parmetros,lamedia(), quees
unndice decentralizaacinhaciael quetiendenlosvaloresddelapoblaci
n,yladesviaacintpica(),que
persin de lo
os mismos. Laa funcin de densidad dee la distribuciin Normal ttiene la
es un ndice de la disp
formaque
eapareceenlafigura.
4. BeneficiosdelascartasdeControl
Las cartas de control son la herramienta ms poderosa para analizar la variacin en la mayora de los
procesos. Han sido difundidas exitosamente en varios pases dentro de una amplia variedad de
situacionesparaelcontroldelproceso.
Lascartasdecontrolenfocanlaatencinhacialascausasespecialesdevariacincuandoestasapareceny
reflejanlamagnituddelavariacindebidaalascausascomunes.
Lascausascomunesoaleatoriassedebenalavariacinnaturaldelproceso.
Las causas especiales o atribuibles son por ejemplo: un mal ajuste de mquina, errores del operador,
defectosenmateriasprimas.
Se dice que un proceso est bajo Control Estadstico cuando presenta causas comunes nicamente.
Cuandoocurreestotenemosunprocesoestableypredecible.
Cuando existen causas especiales el proceso est fuera de Control Estadstico; las grficas de control
detectanlaexistenciadeestascausasenelmomentoenquesedan,locualpermitequepodamostomar
accionesalmomento.
Esunaherramientasimpleyefectivaparalograruncontrolestadstico.
El operario puede manejar las cartas en su propia rea de trabajo, por lo cual puede dar
informacin confiable a la gente cercana a la operacin en el momento en que se deben de
tomarciertasacciones.
Cuandounprocesoestencontrolestadsticopuedepredecirsesudesempeorespectoalas
especificaciones. En consecuencia, tanto el productor como el cliente pueden contar con
nivelesconsistentesdecalidadyambospuedencontarconcostosestablesparalograresenivel
decalidad.
Una vez que un proceso se encuentra en control estadstico, su comportamiento puede ser
mejoradoposteriormentereduciendolavariacin.
Al distinguir ente las causas especiales y las causas comunes de variacin, dan una buena
indicacindecundounproblemadebesercorregidolocalmenteycuandoserequieredeuna
accinenlaquedebendeparticiparvariosdepartamentosonivelesdelaorganizacin.
4.2. Cartasdecontrolporvariablesyporatributos.
Pgina5de22
ControlEstadsticodeProcesos
4.1. Ventajas
4.3. Comparacindelascartasdecontrolporvariablesvs.atributos
CartasdeControlporvariables
Conducenaunmejor
procedimientodecontrol.
Ventajassignificativas
Desventajassignificativas
Proporcionanunautilizacin
mximadelainformacin
disponiblededatos.
Noseentiendenamenosquese
decapacitacin;puedecausar
confusinentreloslmitesde
especificacinyloslmitesde
tolerancia.
Cartasdecontrolporatributos
Sonpotencialmenteaplicablesa
cualquierproceso
Losdatosestnamenudo
disponibles.
Sonrpidosysimplesdeobtener.
Sonfcilesdeinterpretar.
Sonfrecuentementeusadosen
losinformesalaGerencia.
Mseconmicas
Noproporcionainformacin
detalladadelcontrolde
caractersticasindividuales.
Noreconocedistintosgradosde
defectosenlasunidadesde
producto.
Camposdeaplicacindelascartas
VARIABLES
Carta
X R
X S
IMR
Descripcin
MediasyRangos
Mediasydesviacin
estndar.
Individuales
Campodeaplicacin.
Controldecaractersticasindividuales.
Controldecaractersticasindividuales.
Controldeunprocesocondatosvariablesquenopuedenser
muestreadosenlotesogrupos.
Carta
P
np
c
u
Descripcin
Proporciondeproducto
defectuoso
Nmerodedefectuosos
Defectosporunidad
Promediodedefectospor
unidad
Campodeaplicacin.
Controldelafraccinglobaldedefectuososdeunproceso.
Controldelnmerodepiezasdefectuosas
Controldenmeroglobaldedefectosporunidad
Controldelpromediodedefectosporunidad.
5. ElaboracindeCartasdecontrolporvariables
5.1. Cartasdecontrol( X R )
Paso1:Colectarlosdatos.
Losdatossonelresultadodelamedicindelascaractersticasdelproducto,loscualesdebendeserregistradosy
agrupadosdelasiguientemanera:
Serealizanlasmuestrasde20a25subgrupos.
Pgina6de22
ControlEstadsticodeProcesos
ATRIBUTOS
Paso2:Calcularelpromedio
X y R paracadasubgrupo
X 1 X 2 .... X N
X mayor X menor
Paso3:Calculeelrangopromedio R yelpromediodelproceso X .
R1 R2 ......R K
K
X 1 X 2 .......X K
K
LSC R D4 R
LIC R D3 R
LSC X X A2 R
LIC X
X A2 R
DondeD4,D3,A2sonconstantesquevaransegneltamaodemuestra.Acontinuacinsepresentanlosvaloresde
dichasconstantesparatamaosdemuestrade2a10.
n
D4
D3
A2
2
3.27
0
1.88
3
2.57
0
1.02
4
2.28
0
0.73
5
2.11
0
0.58
6
2.00
0
0.48
7
1.92
0.08
0.42
8
1.86
0.14
0.37
9
1.82
0.18
0.34
10
1.78
0.22
0.31
Paso5:Seleccionelaescalaparalasgrficasdecontrol
Paralagrfica X laamplituddevaloresenlaescaladebedeseralmenosdeltamaodeloslmitesdetolerancia
especificadosodosveceselrangopromedio R .
ParalagrficaRlaamplituddebeextendersedesdeunvalorcerohastaunvalorsuperiorequivalentea12veces
elrango.
Paso6:Tracelagrficadecontrol
Dibujelaslneasdepromediosylmitesdecontrolenlasgrficas.
Pgina7de22
ControlEstadsticodeProcesos
LoslmitesdeControlsedibujanconunalneadiscontinuaylospromediosconunalneacontinuaparaambas
grficas.
Marcarlospuntosenambasgrficasyunirlosparavisualizardemejormaneraelcomportamientodelproceso.
Ejemplo1
Setomanlasmedidasdelosdimetrosdeunapiezacilndrica,eltamaodemuestradecadasubgrupoesdecinco,
ysetoman25subgruposaintervalosde1hr.
Realicelacartadecontrol X R .
1
2
3
4
5
6
7
8
9
10
11
12
13
muestra subgrupo
1
0.65 0.75 0.75 0.60 0.70 0.60 0.15 0.60 0.65 0.60 0.80 0.85 0.70
2
0.70 0.85 0.80 0.70 0.75 0.75 0.80 0.70 0.80 0.70 0.75 0.75 0.70
3
0.65 0.75 0.80 0.70 0.65 0.75 0.65 0.80 0.85 0.60 0.90 0.85 0.75
4
0.65 0.85 0.70 0.75 0.85 0.85 0.75 0.75 0.85 0.80 0.50 0.65 0.75
5
0.85 0.65 0.75 0.65 0.80 0.70 0.70 0.75 0.75 0.65 0.80 0.70 0.70
muestra subgrupo
14
15
16
17
18
19
20
21
22
23
24
25
1
0.65 0.90 0.75 0.75 0.75 0.65 0.60 0.50 0.60 0.80 0.65 0.65
2
0.70 0.80 0.80 0.70 0.70 0.65 0.60 0.55 0.80 0.65 0.60 0.70
3
0.85 0.80 0.75 0.85 0.60 0.85 0.65 0.65 0.65 0.75 0.65 0.70
4
0.75 0.75 0.80 0.70 0.70 0.65 0.60 0.80 0.65 0.65 0.60 0.60
5
0.60 0.85 0.65 0.80 0.60 0.70 0.65 0.80 0.75 0.65 0.70 0.65
Calculandoelrangoyelpromedioparacadasubgrupoobtenemos:
1
2
3
4
5
6
7
8
9
10
11
12
13
muestra subgrupo
1
0.65 0.75 0.75 0.60 0.70 0.60 0.15 0.60 0.65 0.60 0.80 0.85 0.70
2
0.70 0.85 0.80 0.70 0.75 0.75 0.80 0.70 0.80 0.70 0.75 0.75 0.70
3
0.65 0.75 0.80 0.70 0.65 0.75 0.65 0.80 0.85 0.60 0.90 0.85 0.75
4
0.65 0.85 0.70 0.75 0.85 0.85 0.75 0.75 0.85 0.80 0.50 0.65 0.75
5
0.85 0.65 0.75 0.65 0.80 0.70 0.70 0.75 0.75 0.65 0.80 0.70 0.70
Promedio
0.70 0.77 0.76 0.68 0.75 0.73 0.61 0.72 0.78 0.67 0.75 0.76 0.72
Rango
0.20 0.20 0.10 0.15 0.20 0.25 0.65 0.20 0.20 0.20 0.40 0.20 0.05
muestra subgrupo
14
15
16
17
18
19
20
21
22
23
24
25
1
0.65 0.90 0.75 0.75 0.75 0.65 0.60 0.50 0.60 0.80 0.65 0.65
2
0.70 0.80 0.80 0.70 0.70 0.65 0.60 0.55 0.80 0.65 0.60 0.70
3
0.85 0.80 0.75 0.85 0.60 0.85 0.65 0.65 0.65 0.75 0.65 0.70
4
0.75 0.75 0.80 0.70 0.70 0.65 0.60 0.80 0.65 0.65 0.60 0.60
5
0.60 0.85 0.65 0.80 0.60 0.70 0.65 0.80 0.75 0.65 0.70 0.65
Promedio
0.71 0.82 0.75 0.76 0.67 0.70 0.62 0.66 0.69 0.70 0.64 0.66
CalculandoelRangopromedio,promediodelprocesoylmitesdecontrol:
Rango
0.25 0.15 0.15 0.15 0.15 0.20 0.05 0.30 0.20 0.15 0.10 0.10
R .198
X =.71
LSC R D4 R =2.11*0.198=0.41
LIC R D3 R
=0
LSC X X A2 R =.71+(.58)(.198)=.82
LIC X X A2 R =.71(.58)(.198)=.59
Pgina8de22
ControlEstadsticodeProcesos
Paso7:Analicelagrficadecontrol
Sample Mean
UCL=0.8254
0.8
0.7
Mean=0.7112
0.6
LCL=0.5970
Subgroup
Sample Range
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
10
15
20
25
UCL=0.4187
R=0.198
LCL=0
LacartadecontrolRmuestraunpuntofueradeloslmitesdeespecificaciones,porlocualelprocesoseencuentra
fuera de control, en este caso es necesario investigar las causas y tomar las acciones correctivas para eliminar el
problema.Enlasiguientepartesemuestranloscriteriosparadeterminarlassituacionesenlascualesunproceso
puedeestarfueradecontrol.
ControlEstadsticodeProcesos
Pgina9de22
Interpretacindelcontroldelproceso.
Elobjetodeanalizarunagrficadecontrolesidentificarculeslavariacindelproceso,lascausascomunesy
causasespecialesdedichavariacinyenfuncindeestotomaralgunaaccinapropiadacuandoserequiera.
Juran1sugiereunconjuntodereglasdedecisinparadetectarpatronesnoaleatoriosenlascartasdecontrol.
Cuandosedetectaalgunodelospatronessiguientessepuededecirqueeltomaralgunaaccinparacorregirel
problemayaqueelprocesopuedeestarfueradecontrol.
PATRONESFUERADECONTROL
ControlEstadsticodeProcesos
Anlisis y planeacin de la calidad, J.M. Juran ,F.M Gryna, Tercera Edicin, McGrawHill.
Pgina10de22
Terminologa
k=nmerodesubgrupos
n=nmerodemuestrasencadasubgrupo
X =promedioparaunsubgrupo
X =promediodetodoslospromediosdelossubgrupos
S =Desviacinestndardeunsubgrupo
S =Desviacinest.promediodetodoslossubgrupos
X 1 X 2 .... X N
X 1 X 2 .......X K
K
LSC X X A3 S
LIC X X A3 S
LSC S B4 S
Ejemplo2
Seregistraelpesodiariamentedurantedossemanas.Realizarlagrficadecontrol X S
Da
Muestra1
Muestra2 Muestra3
Muestra4
Muestra5
X
10.00
1
10
12
8
2
10.40
12
11
7
9
13
3
6.00
5
6
4
9
4
7.33
8
8
6
5
17.20
17
15
16
18
20
22.67
6
22
24
22
8.00
7
8
9
7
5.50
6
5
6
5
8
10.00
9
10
10
10
11
9
11.67
13
10
12
10
10.88
X 10.88
S 1.46
S
2.00
2.41
2.16
1.15
1.92
1.15
1.00
0.58
0.71
1.53
1.46
Pgina11de22
ControlEstadsticodeProcesos
LIC S B3 S
Secalculanloslimitesdecontrolparacadasubgrupo,yaquealtenertamaosdemuestradiferentesestosson
variables.
Grfica X S conlmitesconstantes:
Paralarealizacindelosdiagramasdecontrolconlmitesconstantesutilizamoslasfrmulassiguientes:
Losparmetrosparaelgrfico X son:
LIC X X A3 S
LIC
X A3 S
yparaelgrfico S :
LIC S B4 S
LSC S B3 S
Sample Mean
25
15
UCL=13.70
Mean=10.87
LCL=8.033
5
0
10
UCL=3.725
3
2
S=1.451
1
LCL=0
Pgina12de22
ControlEstadsticodeProcesos
Subgroup
Sample StDev
Ejemplo3:
Lassiguientescifrassonlamediasylasdesviacionesestndardemuestrasde5observacionescorrespondientesa
losdimetrosdeunapiezametlica:
muestra
X-bar
Si
muestra
X-bar
Si
1
74.01
0.0148
14
73.99
0.0153
2
74.001
0.0072
15
74.006
0.0073
3
74.008
0.0106
16
73.997
0.0078
4
74.003
0.0091
17
74.001
0.0106
5
74.003
0.0122
18
74.007
0.007
6
73.996
0.0087
19
73.998
0.0085
7
74
0.0055
20
74.009
0.008
8
73.997
0.0123
21
74
0.0053
9
74.004
0.0055
22
74.002
0.0074
10
73.998
0.0063
23
74.002
0.0119
11
73.994
0.0029
24
74.005
0.0087
12
74.001
0.0042
25
73.998
0.0162
74.001
0.0090
13
73.998
0.0105
PROMEDIOS
LIC X X A3 S =74.001+(1.427)(.0090)=74.014
LIC X X A3 S =74.001(1.427)(.0090)=73.998
LIC S B4 S =(2.089)(.0090)=0.019
LSC S B3 S =(0)(.0090)=0
5.3. CartadecontroldelecturasIndividualesIMR(Datosvariables).
AmenudoestacartasellamaIoXi.
EstaCartamonitorealatendenciadeunprocesocondatosvariablesquenopuedensermuestreadosenloteso
grupos.
Esteeselcasocuandolacapacidaddecortoplazosebasaensubgruposracionalesdeunaunidadopieza.
Estetipodegrficaesutilizadacuandolasmedicionessonmuycostosas(Ej.Pruebasdestructivas),ocuandola
caractersticaamedirencualquierpuntoeneltiempoesrelativamentehomognea(Ej.elPHdeunasolucin
qumica)
Lalneacentralsebasaenelpromediodelosdatos,yloslmitesdecontrolsebasanenladesviacinestndar
(+/3sigmas)
Terminologa
k=nmerodepiezas
n=2paracalcularlosrangos
X =promediodelosdatos
R=rangodeunsubgrupodedospiezasconsecutivas
R =promediodelos(n1)rangos
Pgina13de22
ControlEstadsticodeProcesos
DondeD4,D3,E2sonconstantesquevaransegneltamaodemuestrausadoparaagruparlosrangosmvilescomo
semuestraenlatablasiguiente:
n
2
3
4
5
6
7
8
9
10
D4
3.27
2.57
2.28
2.11
2.00
1.92
1.86
1.82
1.78
D3
0
0
0
0
0
0.08
0.14
0.18
0.22
E2
2.66
1.77
1.46
1.29
1.18
1.11
1.05
1.01
0.98
*Generalmenteseutilizan=2
Ejemplo3:Lalongituddeuntramodetuboseregistraparacadaproducto.Realicelagrficadecontrolindividual.
Parte
Longitud
1
12.02
2
11.85
3
11.98
4
11.72
5
11.88
6
12.07
7
12.03
8
12.13
9
12.16
10
12.16
11
12.16
12
12.21
13
12.19
14
11.93
15
11.89
Secalculaelrangomvildelasiguientemanera:diferenciaentre1y2lectura,2y3yashastan1.
Parte
Longitud
Rangos
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
12.02
11.85
11.98
11.72
11.88
12.07
12.03
12.13
12.16
12.16
12.16
12.21
12.19
11.93
11.89
12.03
0.17
0.13
0.26
0.16
0.19
0.04
0.10
0.03
0.00
0.00
0.05
0.02
0.26
0.04
0.10
Pgina14de22
ControlEstadsticodeProcesos
LSC X X E 2 R
LIC X X E 2 R
LSC R D4 R
LIC R D3 R
X 12.03
R 0.10
LSC X X E 2 R =12.03+(2.66)(.10)=12.29
LIC X X E 2 R =12.03(2.66)(.10)=11.76
LSC R D4 R =3.27(.10)=.327
LIC R D3 R =0
I Chart for C1
12.35
UCL=12.30
Individual Value
12.25
12.15
12.05
Mean=12.03
11.95
11.85
LCL=11.75
11.75
1
11.65
0
10
15
Observation Number
ControlEstadsticodeProcesos
Moving Range
0.2
0.1
R=0.1036
0.0
LCL=0
0
10
15
Observation Number
Pgina15de22
Interpretacindelproceso:
Revisarlagrficaderangosparapuntosfueradeloslmitesdecontrolcomosignodelaexistenciadecausas
especiales. Note que los rangos sucesivos estn correlacionados, debido a que tienen un punto en comn y
debidoaestosetienequetenercuidadoalinterpretartendencias.
Las grficas por lecturas individuales pueden ser analizadas para puntos fuera de los lmites de control,
dispersindepuntosdentrodeloslmitesdecontrolyparatendenciasopatrones.Cabehacernotarquesila
distribucindeprocesonoessimtrica,lasreglasmostradasanteriormenteparagrficas X podrndarseales
decausasespecialessinquestasexistan.
6. Grficasdecontrolporatributos
Cualquiercaractersticadecalidadquepuedaserclasificadadeformabinaria:cumpleonocumple,funcionao
nofunciona,pasaonopasa,etc.,alosefectosdecontroldelproceso,serconsideradocomounatributoypara
sucontrolseutilizarunGrficodeControlporAtributos.
Loscriteriosdeaceptacinalutilizargrficasdecontrolporatributosdebenestarclaramentedefinidosyel
procedimientoparadecidirsiesoscriteriosseestnalcanzandoesproducirresultadosconsistentesatravsdel
tiempo.Esteprocedimientoconsisteendefiniroperacionalmenteloquesedeseamedir.Unadefinicinoperacional
consisteen:
a. Uncriterioqueseaplicaaunobjetooaungrupo.
b. Unapruebadelobjetoodelgrupoy
c. Unadecisin,sono:Elobjetooelgrupoalcanzaonoelcriterio.
6.1. GrficaPparafraccindeUnidadesDefectuosas(atributos)
Pasosparalaelaboracindelagrfica:
Paso1.Frecuenciaytamaodelamuestra:
Establezcalafrecuenciaconlacuallosdatosserntomados(horaria,diaria,semanal).Losintervaloscortosentre
tomasdemuestraspermitirnunarpidaretroalimentacinalprocesoantelapresenciadeproblemas.Lostamaos
demuestragrandespermitenevaluacionesmsestablesdeldesarrollodelprocesoysonmssensiblesapequeos
cambiosenelpromediodelmismo.Seaconsejatomartamaosdemuestraigualesaunquenonecesariamentese
tienequedarestasituacin,eltamaodemuestradeberadesermayora30.Eltamaodelossubgruposserde
25oms.
Paso2.Calculodelporcentajedefectuoso(p)delsubgrupo:
Registrelasiguienteinformacinparacadasubgrupo:
Elnmerodepartesinspeccionadasn
Elnmerodepartesdefectuosasnp
Calculelafraccindefectuosa(p)mediante: p
np
Pgina16de22
ControlEstadsticodeProcesos
Lagrficapmidelafraccindefectuosaosealaspiezasdefectuosasenelproceso.Sepuedereferiramuestrasde75
piezas,tomadadosvecesporda;100%delaproduccinduranteunahora,etc.Sebasaenlaevaluacindeuna
caracterstica(seinstallapiezarequerida?)odemuchascaractersticas(seencontralgomalalverificarla
instalacinelctrica?).Esimportantequecadacomponenteoproductoverificadoseregistrecomoaceptableo
defectuoso(aunqueunapiezatengavariosdefectosespecficosseregistrarslounavezcomodefectuosa).
Paso3Calculodeporcentajedefectuosopromedioylmitesdecontrol
Elporcentajedefectuosopromedioparalosksubgrupossecalculaconlasiguientefrmula:
np1 np 2 .... np k
n1 n 2 ..... n k
LSC p p 3
p (1 p )
LIC p p 3
p (1 p )
donde n eseltamaodemuestrapromedio.
NOTA:Cuando p y/o n espequeo,ellmitedecontrolinferiorpuederesultarnegativo,enestoscasoselvalor
dellmiteser=0
Paso4.Tracelagrficayanalicelosresultados.
Ejemplo4
Unfabricantedelatasdealuminioregistraelnmerodepartesdefectuosas,tomandomuestrascadahoraden=
50,con30subgrupos.Realizarlagrficadecontrolparalasiguienteseriededatosobtenidaduranteelmuestreo.
Muestra
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Latas defectuosas
np
12
15
8
10
4
7
16
9
14
10
5
6
17
12
22
Muestra
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Latas defectuosas
np
8
10
5
13
11
20
18
24
15
9
12
7
13
9
6
ControlEstadsticodeProcesos
Pgina17de22
Calculelafraccindefectuosaparacadamuestra:
Muestra
Latas defectuosas Fraccin defectuosa
np
p
1
12
0.24
2
15
0.30
3
8
0.16
4
10
0.20
5
4
0.08
6
7
0.14
7
16
0.32
8
9
0.18
9
14
0.28
10
10
0.20
11
5
0.10
12
6
0.12
13
17
0.34
14
12
0.24
15
22
0.44
p .2313
Muestra
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
p (1 p )
.23 * .77
= .2313 3
=.4102
n
50
p (1 p )
.23 * .77
LIC p p 3
= .2313 3
=.05243
n
50
LSC p p 3
Trazandolagrfica
0.5
0.4
0.3
0.2
1
1
UCL=0.4102
Proportion
ControlEstadsticodeProcesos
P Chart for C1
P=0.2313
0.1
LCL=0.05243
0.0
0
10
20
30
Sample Number
Pgina18de22
6.2. GrficanpNmerodedefectivos
Lagrficanpesbasadaenelnmerodedefectuososenvezdelaproporcindedefectuosos.Loslmitesson
calculadosmediantelassiguientesfrmulas.
LSC np 3 np 1 p
LIC np 3 np 1 p
Ejemplo5:
Utilizandolosdatosdeldiagramaanterior,construyalagrficanpeinterpretelosresultados.
Delatablaobtenemos p 0.2313 ,n=50.
Calculandoloslmitesdecontroltenemos:
LSC= (50)(0.2313) 3
LIC= (50)(0.2313) 3
25
1
3.0SL=20.51
20
15
NP=11.57
10
ControlEstadsticodeProcesos
Sample Count
500.23130.7687 20.510
500.23130.7687 2.620
5
-3.0SL=2.621
0
0
10
20
30
Sample Number
Pgina19de22
6.3. Grfica((c)paranmerod
dedefectos
Seutilizaparadeterminarlaocurrenciaadedefectose
enlainspeccinndeunaunid addeproducto.Estoesdeteerminar
efectostieneunproducto.Po
odemosteneru
ungrupode5 unidadesdep
producto,10un
nidades,etc.
cuntosde
Loslmitesdecontrolseccalculanmediaantelassiguien
ntesfrmulas:
LSC c 3 c
LSC c 3 c
Donde:
c =totalddedefectos/nmerodeuniddadesdeproduucto.
muestrra
1
2
3
4
5
6
7
8
9
10
11
12
13
defec
ctos
21
1
24
4
16
6
12
2
15
5
5
28
8
20
0
31
1
25
5
20
0
24
4
16
6
mue
estra
14
1
15
1
16
1
17
1
18
1
19
1
20
2
21
2
22
2
23
2
24
2
25
2
26
2
516
19.67
26
9.67 3 19.67 32.97
LSC 19
de
efectos
19
10
17
13
22
18
39
30
24
16
19
17
15
ControlEstadsticodeProcesos
Ejemplo:
entetablatene
emoselnmerrodeunidadesdedefectosoobservadosen26muestrassu
ucesivasde10
00filtros
Enlasiguie
deseguridaad.
LIC 19
9.67 3 19.67
6 6.37
Pgina20
0de22
6.4. Grafica(u)DefectosporUnidad
Eldiagramausebasaenelpromediodedefectosporunidadinspeccionada:
u=
LSC u 3
LIC u 3
Ejemplo62
Una compaa que fabrica computadoras personales desea establecer un diagrama de control del nmero de
defectos por unidad. El tamao de muestra es de cinco computadoras. En la tabla se muestran el nmero de
defectosen20muestrasde5computadorascadauna.Establecereldiagramadecontrolu
muestra
tamao de muestra Nmero de defectos, c promedio de defectos por unidad u
1
5
10
2
2
5
12
2.4
3
5
8
1.6
4
5
14
2.8
5
5
10
2
6
5
16
3.2
7
5
11
2.2
8
5
7
1.4
9
5
10
2
10
5
15
3
11
5
9
1.8
12
5
5
1
13
5
7
1.4
14
5
11
2.2
15
5
12
2.4
16
5
6
1.2
17
5
8
1.6
18
5
10
2
19
5
7
1.4
20
5
5
1
Total
193
38.6
u
n
38.60
1.93
20
Loslmitesdecontrolsonlossiguientes:
Pgina21de22
ControlEstadsticodeProcesos
donde
c=nmerodedefectos
n=cantidaddepiezasinspeccionadas
Paradeterminarloslimitesdecontrolutilizamoslasfrmulassiguientes:
LSC 1.93 3
1.93
3.79
5
LIC 1.93 3
1.93
0.07
5
U Chart for C1
Sample Count
3.0SL=3.794
U=1.930
-3.0SL=0.06613
0
0
10
20
Sample Number
7. Bibliografa
MONTGOMERYD.C.(2005).ControlEstadsticodelaCalidad.EditorialLimusa,3edicin.
JURANJ.M.,GRYNAF.M.(2001).ManualdeControldeCalidad.VolumenII.McGrawHill.
(Captulo23).
AIAG,StatisticalProcessControl(SPC)ReferenceManual,Ed.Segunda,1995.
ControlEstadsticodeProcesos
Pgina22de22