CONTROL ESTADSTIUCO DE PROCESOS Y CAPACIDAD DE PROCESOS

Anlisis General de las Grficas de Control

Las variaciones que se presentan en cualquier proceso puede deberse a causas
comunes o a causas especiales.
Causas comunes: la variacin natural de materiales, maquinaria y personas da
lugar a variaciones en cualquier proceso.
Causas especiales o causas asignables: se deben en la industria al desgaste
excesivo de las herramientas, a un nuevo operador, a cambios en los
materiales, a nuevos proveedores, etc.
Uno de los propsitos de las grficas de control es localizar, y si es posible,
eliminar las causas especiales de variacin. La estructura general de una
grfica de control consta de lmites de control y de una lnea central. Hay dos
lmites de control, el lmite superior de control o UCL (del ingls) y el lmite
inferior de control o LCL (siglas en ingls).
Causas Especiales
UCL
Causas Comunes
Lnea Central
Causas Comunes
LCL
Causas Especiales
0

5
6
Tiempo

10

Las grficas de control pueden ser de dos tipos:

Grficas de control para variables.
Grficas de control para atributos.
Cuando en una grfica de control un punto cae fuera de los lmites de control,
se dice que el proceso est fuera de control estadstico. Adems de los puntos
fuera de control, hay otras anomalas que indican que un proceso est fuera de
control. Lo deseable es que los procesos estn bajo control, de manera que su
comportamiento sea previsible.
Grficas de Control de Variables y Grficas de Control de Atributos.
Como se ha dicho antes, las grficas de control se pueden dividir en grficas de
control de variables y grficas de control de atributos. Hay que notar que los
trminos variable y atributo se deben al tipo de datos que se recolectan del
proceso. Si se miden caractersticas como tiempo, peso, volumen, longitud,
cada de presin, concentracin, etc., los datos obtenidos se consideran
continuos y se conocen como datos de variables. Si se cuenta la cantidad de

defectos en una muestra o la cantidad de defectos en determinado tipo de

artculo, a los datos as obtenidos se les llama datos de atributos. Se considera
que los datos de variables son de nivel superior a los datos de atributos.

Datos de
Variables

Datos de
Atributos

Tabla de tipos de Grficos de Control de Variables y Grficos de Control de

Atributos.
Tipo de Grfica
Estadstico que se grafica
Grfica X-barra y grfica R
Promedios y rangos de subgrupos de datos de las
Grfica X-barra y grfica
variables.
sigma
Promedios y desviaciones estndar de datos de las
Grfica mediana
variables
Grfica de lecturas
Mediana de subgrupos de datos de las variables
individuales
Mediciones individuales
Grfica cusum
Suma acumulada de cada menos el valor nominal
Grfica de zonas
Pesos por zonas
Grfica EWMA
Medias mviles con pesos exponenciales
Grfica P
Proporcin de artculos defectuosos en el total
Grfica NP
inspeccionado
Grfica C
Cantidad real de artculos defectuosos
Grfica U
Cantidad de defectos por artculo en muestras de tamao
constante
Cantidad de defectos por artculo en muestras de tamao
variable

GRFICAS X-BARRA Y GRFICAS R

Para entender la idea general de una grfica X-barra considrese un proceso
que tenga media y desviacin estndar . Supngase que el proceso se vigila
tomando peridicamente muestras, a las que les llama subgrupos de tamao
n, y calculando la media muestral de cada una de ellas. El teorema del lmite
central asegura que la media de las medias muestrales es y la deviacin
estndar de las medias muestrales es /

. La lnea central de las medias

muestrales se designa como

Y se considera que los lmites de control inferior y superior estn a 3(/

abajo y arriba de la lnea central.

El lmite inferior de control est dado por la ecuacin:
LCL = 3(/

El lmite superior de control est dado por la ecuacin:

UCL = + 3(/

En un proceso distribuido normalmente, la media de un subgrupo caer 99.7%

de las veces entre los lmites dados por ambas ecuaciones. En la prctica no se
conoces ni la media ni la desviacin estndar del proceso y es necesario
estimarlas. La media del proceso se estima mediante la media de las medias
de las muestras peridicas. Esta media est dada por la siguiente ecuacin:

x
m

Dnde:
peridicamente.
La media

m = cantidad de muestras de tamao n tomadas

X , tambin puede encontrarse sumando todos los datos y

dividiendo esta suma entre mn. La desviacin estndar del proceso se estima
promediando las deviaciones estndar o los rangos de los subgrupos, o bien
usando un valor histrico de .
EJEMPLO1: Se obtienen datos sobre la anchura de un producto. En 20 perodos
se toman 5 observaciones de cada perodo. Los datos obtenidos se presentan
en las siguientes tablas. El nmero de muestras perodicas es m = 20, el
tamao de la muestra o subgrupo es n = 5, de dnde obtenemos suma de
todos los datos es 199.84 y la lnea central

X = 1.998.

Grfica X barra
La desviacin estndar del producto puede estimarse de cuatro maneras
distintas:
1. Sacando el promedio de los rangos de los 20 subgrupos
2. Sacando el promedio de las desviaciones estndar de los 20 sub grupos
3. Conjuntando las varianzas de los 20 subgrupos
4. Mediante un valor histrico.

Grfica Xbarra de ancho

2.02

Media de la muestra

LCS=2.01735

2.01

__
X=1.99852

2.00

1.99

1.98

LCI=1.97969
1

Grfica R

9
11
Muestra

13

15

17

19

Las grficas R se usan para vigilar la variacin del proceso. Para cada uno de
los m subgrupos se calcula el rango R. La lnea central de la grfica R est dada
por la siguiente ecuacin:

R
m

Como en el caso de la grfica X-barra, hay diversos mtodos para estimar la

desviacin estndar del proceso.
EJEMPLO 2. Dados los datos anteriores, el rango del primer subgrupo es R1 =
2.000-1.975 = 0.025, el rango del segundo subgrupo es R2= 2.012-1.978 =
0.034 y as para los 20 rangos (max valor menos el min valor dentro de casa
subgrupo). Antes de ingresar al minitab esos datos deben ingresarse en una
sola columna.

Grfica R de ancho
0.07

LCS=0.06904

Rango de la muestra

0.06
0.05
0.04

_
R=0.03265

0.03
0.02
0.01
0.00

LCI=0
1

9
11
Muestra

13

15

17

19