You are on page 1of 44

CONTROL ESTADSTICO DE PROCESOS

UTN-FRM

Unidad 1: Origen y evolucin del Control Estadstico


de
Procesos
Ing. Julio Ortigala
1.1. Significado de la calidad
La calidad puede definirse desde diferentes puntos de vista, no necesariamente
contrapuestos, sino ms bien complementarios entre ellos.
Una definicin universalmente aceptada es considerar a la calidad como el
conjunto de propiedades de un producto que lo hacen adecuado para su uso.
Consideramos a un producto como el resultado de un proceso donde se pueden
distinguir entradas, transformaciones y salidas. As un producto puede ser el
resultado de un proceso de manufactura, un servicio o una medicin de un
laboratorio,
Desde un punto de vista ms aplicado, la calidad implica satisfaccin de las
necesidades del cliente, tanto externo como interno.
Finalmente desde un punto de vista ms prctico implica que la calidad debe
poder cuantificarse a travs de indicadores cuantitativos y cualitativos.
Hacer referencia a la calidad, implica el anlisis de una organizacin estructurada
que se encadena en diversas acciones y decisiones que se materializan en una
secuencia poltica-gestin-sistema de calidadgaranta de calidad. Alcanzar la
calidad, tanto interna como externa de una organizacin o de un proceso en
particular, comprende la existencia de una Poltica de la Calidad, expresada
en un documento (Manual de la Calidad) que debe ser aprobado por la Alta
Direccin de la organizacin. Esta poltica llevada a la prctica, se traduce en
elementos de Gestin y Sistemas de Calidad, los cuales se materializan en la
denominada Garanta de la Calidad, enfocada a asegurar la calidad planificada.
La Garanta de la Calidad comprende tres grupos de actividades: Control de
Calidad ( Quality Control), Evaluacin de la Calidad (Quality Assesment) y
Acciones Correctivas Internas.
Las actividades de Garanta de la Calidad tienen un carcter cclico y comprenden
tres momentos: el Control de Calidad, que se realiza antes y durante la
realizacin del proceso de medicin, la Evaluacin de la Calidad, que se desarrolla
durante y despus del proceso y las actividades de Correccin que son a posterior
e inciden en la revisin /cambio de las actividades de control.
1

Las polticas de calidad son estratgicas en cualquier tipo de organizacin, ya sea


de manufactura, de servicios o laboratorios de ensayos y calibracin. En estos,
uno de los procesos ms importantes es el de la medicin y ste tiene que reunir
ciertos requisitos bsicos. Entre ellos el de ser un proceso confiable, es decir que
los resultados que emanen de los mismos tengan una alta seguridad sobre su
calidad. Para esto los laboratorios deben conocer los fundamentos de la
metrologa cientfica y de las herramientas que conducen a satisfacer los
requerimientos de calidad metrolgica de los clientes.
La calidad del proceso del laboratorio resulta de la calidad de la medicin
obtenida, la que depende de la calidad del proceso implicado, de la calidad de
los aparatos utilizados y de la capacitacin y experiencia de los responsables
de la medicin y los que organizan y dirigen la organizacin.
Los Sistemas de Calidad aplicados a los laboratorios de ensayo y calibracin,
consisten en el seguimiento de normas y cumplimiento de la legislacin
vigente. En ese sentido la norma internacional de mayor difusin para el
aseguramiento de la calidad en laboratorios de ensayo y calibracin es la
ISO / IEC 17025:2005 [2]
1.2 Dimensiones de la calidad
Existen varias maneras de evaluar la calidad de un producto. Garvin ofrece una
excelente discusin de los ocho componentes o dimensiones de la calidad.
Consideraremos siete de stos
1. Desempeo (el producto realmente tiene un desempeo como el previsto?
Se compra un trpano para perforar pozos con formaciones salinas
2. Confiabilidad (con que frecuencia falla el producto?)
Todos los productos fallan durante su periodo de vida til pero no es lo mismo
tener una falla cada seis meses que una falla cada 12 meses
3. Durabilidad ( cul es el periodo de vida til del producto?)
4. Condiciones de reparacin (cul es el tiempo y el costo de una reparacin?)
5. Esttica (como luce el producto?)
6. Caractersticas adicionales de desempeo
7. Conformidad con los estndares. Fabricar un producto como ha sido diseado
es decir totalmente dentro de especificaciones.
Ejemplo: fabricacin de videocaseteras. Las primeras fueron fabricadas en Europa
y EEUU pero no eran confiables y presentaban altos niveles de defectos de
fabricacin. Cuando ingresaron los japoneses al mercado pusieron nfasis en la
confiabilidad y en la fabricacin sin defectos. Esto los posesion como
dominadores del mercado. Luego expandieron las dimensiones de la calidad para
incluir caractersticas adicionales, desempeo mejorado, mantenimiento ms
sencillo y esttica mejorada.
1.3 Definicin moderna de la calidad
2

La calidad es inversamente proporcional a la variabilidad


Cuando la variabilidad disminuye, la calidad aumenta. Por ejemplo, la produccin
de automviles en los estados unidos.( puertas)

1.4. Resea histrica de la calidad


El hombre ha estado relacionado al concepto de calidad desde tiempos pretritos.
A medida que los seres humanos avanzaron en su desarrollo, tambin lo hizo la
naturaleza de sus actividades [3]. El anlisis de los principales hechos histricos,
demuestra que desde hace miles de aos los seres humanos tuvieron la iniciativa
de desarrollar actividades complejas.
En un principio, el control de calidad era inconsciente y aislado pero lleg un
momento de la historia donde el hombre comenz a incorporar elementos
cientficos al proceso de controlar la calidad. En la poca que se construyeron las
pirmides de Egipto ya exista una preocupacin por la calidad y fueron los
egipcios los primeros en aplicar procedimientos formales para controlar la calidad.
Las dificultades que enfrentaban debido a las inundaciones anuales provocadas
por el desbordamiento del Ro Nilo, oblig a los egipcios a adquirir conocimientos
de ingeniera, aritmtica, geometra, topografa y medicin.
El gran avance que se da en la industrializacin a finales del siglo XIX y
principios del XX, aument la complejidad de la produccin. Las
organizaciones comenzaron a interesarse por contar con personas que se
dedicaran especficamente al control de la calidad.
A finales del siglo XIX, se vio la necesidad de difundir el conocimiento tcnico a
travs de publicaciones especializadas. En esta poca surgi la Journal of the
American Statistical Society. Esta revista, en la que se publicaron muchos de los
principales artculos sobre calidad y confiabilidad, se constituyo en una fuente de
conocimientos y avances tcnicos actualizados.
Las tcnicas de control de la calidad que aplicaban los inspectores en esta poca
no eran bastantes buenas para algunas compaas. Empresas como la Western
Electrfic, subsidiaria de la American Bell Telephone Company, buscaron mtodos
ms rigurosos de control de la calidad, que generaran confianza en sus
instrumentos y aplicaciones. Fue esta necesidad la que condujo finalmente en
1924 a la creacin del departamento de ingeniera de inspeccin en la Bell
Telephone Laboratories de la Western Electric. [4]
3

Las primeras grficas de control surgieron en relacin con sus teoras y mtodos
para el control y garanta de la calidad. En respuesta a los problemas referentes a
la elaboracin de una forma aceptable de informes de inspeccin, que se pudiera
observar de vez en cuando para obtener de una ojeada la mayor cantidad de
informacin exacta, en 1924 el Dr. Shewhart dise las grficas de control que
despus se denominaron primeras grficas de control de Shewhart.
En la dcada de 1940 nace lo que se denomina el control estadstico de la calidad
(Feigenbaum). La American Standards Association, a solicitud del Ministerio de
Guerra de los Estados Unidos de Norteamrica, particip en la aplicacin del
control estadstico de la calidad en los productos manufacturados.
La importancia del control de calidad se difundi ms all de los Estados Unidos.
En Japn, la introduccin de cursos sobre control de calidad y
grficas de control de calidad se realza en esta dcada. Deming desempe un
papel muy importante en la difusin y prctica del controlde calidad en Japn.
En Inglaterra se capt desde un principio la importancia de los nuevos
mtodos estadsticos que surgan en la industria y en los laboratorios. Su inters y
participacin en el desarrollo y difusin del conocimiento sobre control de calidad
fue continuo desde la dcada de 1930 hasta la de 1950. En 1952 la Royal Statical
Society public la revista Applied Statistics.
En la dcada del 60 empieza una nueva fase del control de calidad. sta fue el de
una poca que Feigenbaum describi como la del control de calidad total. Antes
de la dcada mencionada, las actividades de control de calidad se asociaban
esencialmente con la fbrica. Las estructuras encargadas de tomar decisiones
comerciales no podan utilizar efectivamente los resultados y recomendaciones
que surgan de la aplicacin de las tcnicas estadsticas.
Las tcnicas no se aplicaban a los problemas serios de control de calidad en los
que estaban ms interesados la direccin de la empresa. No exista el marco de
referencia para hacerlo. El control total de calidad requiere que todos los
departamentos, no solo el de control de calidad, participen en las actividades de
control de calidad. Por tanto, cada departamento tiene determinada
responsabilidad para garantizar una buena calidad.
La certificacin de laboratorios corri paralela a muchos de los avances que se
producan en el rea industrial. En 1975 el Ministerio de Comercio de los Estados
Unidos propuso la creacin del National Voluntary Laboratory Accreditatin
Program (NVLAP). En 1976 se publicaron las leyes y reglamentos para el
programa (Federal Register, 1976). El NVLAP se creo para atender las
necesidades de la industria, de los consumidores, del gobierno y otros, mediante
la certificacin de los laboratorios de prueba de la Nacin. Ms tarde en 1976, el
American Council of Independent Laboratory form la American Association of
Laboratory Accreditacion(AALA).
4

Con el notable aumento del reconocimiento de la importancia de la


certificacin de laboratorios, no result extrao que aparecieran en la escena
internacional las actividades de certificacin. Segn Wadsworth y colaboradores ,
con el establecimiento en 1977 de la Internacional Laboratory Accreditative
Conference (ILAC) se cre un programa que permiti el intercambio de datos
de pruebas entre los laboratorios de diferentes pases [5].
En las dcadas de los 70 y 80, los mtodos estadsticos tambin llegaron a las
etapas de diseo del producto. En este aspecto, el aporte de Taguchi e
fundamental. Los mtodos de Taguchi comprenden las funciones de control de la
calidad tanto fuera de la marcha como sobre la marcha de los procesos. Incluyen
diseo de parmetros, diseo de tolerancias, la funcin de prdida de la calidad,
diseo de experimentos mediante ordenamientos ortogonales y metodologa
aplicada para evaluar los sistemas de medicin.
La generalizacin en el uso de las computadoras, permiti la implementacin en la
industria, de software especfico de control estadstico de procesos. Este
mecanismo de control, tambin debera extenderse a los laboratorios, para
controlar la calidad de las mediciones o sea el producto natural de este tipo de
organizaciones.
La dcada de los 90 se caracteriza por el incremento de las certificaciones ISO
9000 en EEUU. Muchos programas de posgrado exigen cursos formales de
tcnicas estadsticas para el control de los procesos. El enfoque seis sigmas de
Motorola se extiende a otras industrias.
1.5 Mtodos de aseguramiento de la calidad
Los mtodos de aseguramiento de la calidad, de base estadstica, comprenden
fundamentalmente el control estadstico de procesos, los experimentos diseados
y el muestreo para aceptacin [4]. Estas herramientas estadsticas y otras tcnicas
estadsticas correlacionadas con ellas, tienen la misin de asegurar la calidad y
confiabilidad de los resultados de los procesos de la organizacin, como as
mismo lograr la motivacin y confianza de los clientes internos y externos.
No solo participan en lograr el mejor diseo de los procesos sino que tambin
logran corregir y sobre todo prevenir problemas de calidad. Adems permiten
alcanzar, en el caso que se utilicen con alto profesionalismo, el cero defecto en los
procesos, objetivo prioritario de cualquier organizacin que tenga intenciones de
competir exitosamente en los mercados globalizados.
1.5.1 Experimentos diseados
Los experimentos diseados son extremadamente tiles para descubrir las
variables principales que influyen en la caracterstica de calidad de inters
5

en el proceso. Un experimento diseado es un procedimiento en el que se varan


sistemticamente los factores controlables de entrada al proceso (temperatura,
presin, caudal., velocidad, concentracin, etc) y se estudia el efecto que tienen
dichos factores en los parmetros de salida del producto.
Los experimentos diseados estadsticamente son esenciales para medir y
controlar la variabilidad durante el proceso y analizar cuales son las variables que
permiten optimizar el proceso.
Son una herramienta de control de la calidad fuera de lnea, porque se usan a
menudo durante las actividades de desarrollo y en las primeras etapas de diseo o
de validacin. Pero tambin pueden usarse para lograr la optimizacin de un
proceso por lo que se manifiestan como una herramienta estratgica para lograr la
mejora continua de los procesos.
1.5.2 Control estadstico de procesos
Una vez determinadas las variables importantes y la naturaleza de la relacin
entre esas variables y el modelo de salida del proceso, es posible utilizar con
eficiencia considerable una tcnica estadstica de control de procesos en lnea
para regular y vigilar el proceso. Se pueden aplicar tcnicas como los diagramas
de control con el fin de vigilar la salida del proceso y detectar cuando se necesitan
cambios en las entradas para reconvertir dicho proceso a un estado bajo control.
Las entradas actuantes con las salidas del proceso, ayudan a determinar la
naturaleza y magnitud de los ajustes requeridos. Los diagramas de control
tambin proporcionan una retroalimentacin a los operadores y tcnicos, la cual
sirve pata reducir la variabilidad del proceso.
El objetivo principal del control estadstico de procesos es la reduccin de la
variabilidad de las caractersticas de calidad. Su herramienta ms poderosa es la
carta de control, la cual adems de favorecer la disminucin de la variabilidad,
tambin avisan cuando un proceso puede salir de control, con lo cual su
implementacin en cualquier proceso permite adelantarse a la presencia de
medidas defectuosas o carentes de calidad.
La visualizacin grfica de las cartas de control ayuda a tomar medidas
preventivas y predictivas que conducen inexorablemente a un proceso con muy
pocos defectos y acompaan en la implementacin de la mejora continua.
1.5.3 Muestreo para aceptacin
Esta es una tcnica que se practica fuera de lnea, es decir con el producto ya
terminado. Se usa fundamentalmente para inspeccionar las materias primas e
insumos antes de incorporarlos al proceso (por ejemplo botellas y etiquetas en la
industria vitivincola) o para inspeccionar el producto obtenido (por ejemplo la
botella de vino llena y vestida).
6

Fundamentalmente su objetivo es aceptar o rechazar lotes de productos, por lo


que no incorpora directamente calidad a los mismos. Por ejemplo, se recibe un
lote de frascos para envasar dulce. Para saber si cumplen con los estndares de
calidad fijados de antemano, se saca una muestra representativa del lote y en
base a los resultados del anlisis de la muestra se toma una decisin sobre todo el
lote.( se acepta o se rechaza)
1.4 Condiciones generales para la implementacin del Control Estadstico
de Procesos
Los mtodos del control estadstico de procesos pueden proporcionar una
retribucin significativa a las compaas que pueden implementarlos exitosamente.
Aun cuando el SPC, es en gran medida una coleccin de herramientas basadas
en la estadstica para resolver problemas, para la aplicacin exitosa del SPC se
necesita algo ms que el aprendizaje y uso de estas herramientas. La
participacin y compromiso de la alta direccin con el proceso de mejoramiento de
la calidad es el componente vital del xito potencial del SPC. La alta direccin es
el modelo y los dems integrantes de la organizacin mirarn hacia la alta
direccin como gua y ejemplo. Tambin es importante un enfoque de equipo, ya
que es generalmente difcil que una sola persona introduzca mejoras en un
proceso.
El SPC no es un programa que se aplique una sola vez cuando los procesos estn
en falla y se abandone despus. El mejoramiento de la calidad que se enfoca en
la reduccin de la variabilidad debe convertirse en parte de la cultura de la
organizacin.
Al implementar un esfuerzo para reducir la variabilidad y mejorar la calidad en toda
la compaa, hemos encontrado que varios elementos suelen estar presentes en
todos los esfuerzos exitosos. Estos elementos son los siguientes:

Liderazgo de la alta direccin.


Enfoque de equipo.
Capacitacin de todos los integrantes de la organizacin.
nfasis en la reduccin dela variabilidad.
Medir el xito en trminos cuantitativos (econmicos)
Un mecanismo para comunicar los resultados exitosos en toda la
organizacin.

1.4.1 Requisitos inherentes al proceso y al sistema de medicin


Para la correcta implementacin del SPC el proceso productivo debe relevarse en
su conjunto y debe ser analizado por los responsables de la implementacin.
Estos deben conocerlo en profundidad a los efectos de poder recomendar cuales
son los puntos del mismo ms proclives a tener problemas operativos y en los
7

cuales es de esperar que se produzcan la mayor cantidad de anomalas que


pongan en riego la calidad del producto.
El sistema de medicin es una parte fundamental en la implementacin del SPC.
Todos los equipos involucrados en la tarea de medir deben estar calibrados y en
perfecto funcionamiento. La calibracin y el conocimiento de la incertidumbre de
medicin permiten acotar los errores que puedan producirse en la toma de datos.

2.11. Incertidumbre de una medicin


La calidad del resultado de una medicin debe estar medida cuantitativamente de
alguna manera segura y confiable. Es decir que al informar el valor de una
medicin, ste debe ser capaz de garantizarle al usuario que responde a sus
necesidades. Sin esta condicin los resultados de las mediciones no pueden
compararse, ya sea entre ellos o respecto a valores de referencia dados por una
especificacin o un patrn.
Histricamente se han usado con mucha asiduidad los trminos de error y anlisis
del error como parte prctica de la ciencia de las mediciones o metrologa. El
trmino y el concepto de incertidumbre como una caracterstica cuantificable del
resultado de una medicin, es bastante nuevo en la historia de la metrologa.
Actualmente se considera que existe un componente de incertidumbre sobre el
resultado de una medicin, aun cuando se hayan evaluado correctamente y
ajustadamente todas las componentes conocidas o supuestas de un error y se
hubieren aplicado las correcciones adecuadas.
Por esto es vlido preguntarse de cuan bien representa el resultado de una
medicin el valor de la magnitud que se est midiendo.
Es lgico pensar tambin que en un mundo totalmente interconectado y
globalizado y en el cual el uso universal del Sistema Internacional de Medidas (SI),
brinda coherencia a todas las mediciones cientficas y tecnolgicas, se debe
desarrollar un mtodo confiable y cientficamente aceptado para medir la
incertidumbre de las mediciones, las cuales se usarn en las ciencias, la
tecnologa y el comercio. Por esto, el mtodo que se utilice debe ser uniforme a
travs de todo el mundo, de modo tal que las mediciones realizadas en diferentes
puntos del planeta sean fciles de comparar.
Definicin
La incertidumbre es un parmetro no negativo asociado al resultado de una
medicin, que caracteriza la dispersin de los valores que podran ser
razonablemente atribuidos al mensurando (Vocabulario Internacional de
Metrologa). La incertidumbre de medida incluye componentes provenientes de
8

efectos sistemticos, tales como componentes asociados a correcciones y a los


valores asignados de patrones de medida, as como a la incertidumbre intrnseca
(incertidumbre de medida mnima que resulta del nivel de detalle inherentemente
limitado de la definicin del mensurando).
La incertidumbre de una medicin comprende en general varios componentes.
Algunos de ellos pueden evaluarse a partir de la distribucin estadstica de los
resultados de series de mediciones y pueden ser caracterizados por desvos
estndar experimentales. Los otros componentes que tambin pueden
representarse por desvos estndar, son evaluados a partir de distribuciones de
probabilidad supuestas, basadas en la experiencia u otra informacin.
Calibracin: conjunto de operaciones que establecen, en condiciones
especificadas, la relacin entre los valores indicados por un instrumento de
medicin, y los correspondientes valores conocidos de una determinada magnitud
medida.
Trazabilidad: En el Vocabulario de Metrologa Internacional, VIM, la trazabilidad se
define como la propiedad del resultado de una medicin mediante la cual el
resultado se puede relacionar a una referencia a travs de una cadena
ininterrumpida documentada de calibraciones, donde cada una contribuye a la
incertidumbre de medicin. Para esta definicin, la referencia puede ser la
definicin de una unidad de medida a travs de su realizacin prctica o un
procedimiento de medicin que incluye la unidad de medida para una magnitud no
ordinal, o un patrn de medicin.
1.5 Normas ISO 9000
La familia de normas ISO9000 son normas de calidad y gestin continua de
calidad establecidas por la Organizacin Internacional para la estandarizacin
(ISO) que se pueden aplicar en cualquier tipo de organizacin o actividad
sistemtica, que este orientada a la produccin de bienes o servicios. Se
componen de estndares y guas relacionadas con sistemas de gestin y de
herramientas especficas como los mtodos de auditoria.
La familia de normas apareci por primera vez en 1987 teniendo como base una
norma estndar britnica (BS) y se extendi principalmente a partir de su versin
de 1994, estando actualmente en su versin 2008, publicada en 13 de Noviembre
de ese ao.
La principal norma de la familia es actualmente la ISO 9001:2008- Sistemas de
Gestin de la Calidad-Requisitos.
Otra norma vinculada a la anterior es ISO 9004:2000- Sistemas de Gestin de la
Calidad-Gua de mejoras del funcionamiento.
Una organizacin que cumple con la ISO 9001:2000 solo cumple con los requisitos
bsicos en cuanto a normas de calidad. Si quiere ir ms all y lograr la excelencia,
9

debera cumplir requisitos adicionales. La ISO 9004:2000 establece estos


requisitos adicionales. Esta norma es entonces una gua para la mejora destinada
a aquellas organizaciones que quieren ir ms all de los requisitos bsicos de
calidad de la ISO 9001:2000. La ISO 9004:2000 no es una norma certificable y su
cumplimiento no puede ser exigido por una entidad certificadora.
La norma ISO 9001:2008 mantiene de forma general la filosofa del enfoque a
procesos y los ocho principios de gestin de la calidad, a la vez que seguir
siendo genrica y aplicable a cualquier organizacin independientemente de su
actividad, tamao o su carcter pblico o privado.
Si bien los cambios abarcan prcticamente la totalidad de los apartados de la
norma, stos no suponen un impacto para los sistemas de gestin de la calidad de
las organizaciones basados en la ISO 9001:2000 ya que fundamentalmente estn
enfocados a mejorar o enfatizar aspectos como:

Importancia relevante del cumplimiento legal y reglamentario.


Alineacin con los elementos comunes de os sistemas ISO14001.
Mayor coherencia con otra nomas de la familia ISO 9000
Mejora de control de los procesos subcontratados
Aumento de comprensin en la interpretacin y entendimiento de los
elementos de la norma para facilitar su uso.
Eliminacin de las ambigedades en el tratamiento de algunas actividades.

LOS OCHOS PRINCIPIOS DE LA ADMINISTRACIN DE LA CALIDAD


ENFOQUE AL CLIENTE: ENTENDER SUS NECESIDADES Y
EXPECTATIVAS, PLANEAR SU CUMPLIMIENTO Y SUPERARLAS.
LIDERAZGO: ESTABLECER LA POLITICA Y OBJETIVOS DE CALIDAD.
CREAR UN AMBIENTE PROPICIO PARA EL INVOLUCRAMIENTO DEL
PERSONAL.
PARTICIPACIN DEL PERSONAL: COMUNICNDOLE LAS NECESIDADES
DEL CLIENTE E INVOLUCRNDOLO EN EL CUMPLIMIENTO DE SUS
NECESIDADES.
ENFOQUE DE PROCESOS: POR SER LA FORMA MS DIRECTA Y
EFECTIVA PARA LLEGAR A LOS RESULTADOS DESEADOS.
ENFOQUE DE SISTEMAS PARA LA ADMINISTRACIN: IDENTIFICAR,
ENTENDER Y ADMINISTRAR LOS PROCESOS DESDE EL CONTACTO CON
10

EL CLIENTE, LA GENERACIN DEL PRODUCTO, HASTA LA ENTREGA Y


SEGUIMIENTO DE LA SATISFACCIN DEL CLIENTE.
MEJORAMIENTO CONTINUO: CREAR CONCIENCIA EN TODO EL
PERSONAL PARA AUMENTAR PERMANENTEMENTE LA CAPACIDAD PARA
CUMPLIR CON LOS REQUISITOS DEL CLIENTE Y LOS OBJETIVOS DE
CALIDAD.
ENFOQUE BASADO EN HECHOS PARA LA TOMA DE DECISIONES: LAS
DECISIONES MAS EFICACES SON AQUELLAS QUE SE TOMAN CON BASE
EN EL ANLISIS DE DATOS E INFORMACIN CONSISTENTE, CONFIABLE
E INDEPENDIENTE.
RELACIN DE MUTUO BENEFICIO CON LOS PROVEEDORES: LOS
CLIENTES Y PROVEEDORES DEPENDEN UNO DEL OTRO POR LO TANTO
UNA RELACIN GANAR-GANAR, GENERAR MAYORES BENEFICIOS
PARA AMBAS PARTES.

PROCESO
UN SISTEMA DE ACTIVIDADES QUE UTILIZA RECURSOS PARA
TRANSFORMAR ENTRADAS EN SALIDAS.

ISO 17025:2005
REQUISITOS GENERALES PARA LA COMPETENCIA
DE LOS LABORATORIOS
DE ENSAYO Y DE CALIBRACIN
PORQU ACREDITAR UN LABORATORIO?
PORQUE SE DEMUESTRA FORMALMENTE, CON LA EVALUACIN DE UN
ORGANISMO INDEPENDIENTE, LA COMPETENCIA TCNICA Y LA
EFICACIA DEL SISTEMA DE CALIDAD.
11

PORQUE PERMITE LOGRAR VENTAJAS COMPETITIVAS, ACCEDER A


CLIENTES MS EXIGENTES.
PORQUE SE MEJORA LA CALIDAD DE LOS SERVICIOS.
PORQUE FACILITA LA COOPERACIN ENTRE LOS LABORATORIOS,
INTERCAMBIO DE INFORMACIN, DE EXPERIENCIA, ARMONIZACIN DE
PROCEDIMIENTOS.
PORQUE SE INCREMENTAN LAS UTILIDADES, SERVICIOS DE MAYOR
VALOR AGREGADO Y MENORES COSTOS DE LA NO CALIDAD.
REQUISITOS RELATIVOS A LA GESTIN
4.1 ORGANIZACIN
4.2 SISTEMA DE LA CALIDAD
4.3 CONTROL DE LA DOCUMENTACIN
4.4 REVISIN DE PEDIDOS, OFERTAS Y CONTRATOS.
4.5 SUBCONTRACIN DE ENSAYOS Y CALIBRACIONES
4.6 COMPRAS DE SERVICIOS Y DE SUMINISTROS.
4.7 SERVICIOS AL CLINTE.
4.8 QUEJAS
4.9 CONTROL DE TRABAJOS DE ENSAYOS O DE
CALIBRACIONES NO CONFORMES.
4.10 ACCIONES CORRECTIVAS.
4.11 ACCIONES PREVENTIVAS.
4.12 CONTROL DE REGITROS.
4.13 AUDITORIAS INTERNAS.
4.14 REVISIONES POR LA DIRECCION

REQUISITOS TCNICOS
5.1
5.2
5.3
5.4

GENERALIDADES
PERSONAL
INSTALACIONES Y CONDICIONES AMBIENTALES.
MTODOS DE ENSAYOS Y CALIBRACIN Y
VALIDACIN DE LOS MTODOS.
5.5 EQUIPOS
5.6 TRAZABILIDAD DE LAS MEDICIONES
5.7 MUESTREO
5.8 MANIPULEO DE LOS ITEMS DE ENSAYO O DE
CALIBRACIN.
5.9 ASEGURAMIENTO DE LA CALIDAD DE LOS
RESULTADOS DE ENSAYO Y DE CALIBRACIN.
5.10 INFORME DE LOS RESULTADOS.
12

AUDITORIAS
ACTIVIDAD DOCUMENTADA PARA DETERMINAR, POR MEDIO DE
INVESTIGACION, EXAMEN, Y EVALUACIN DE EVIDENCIAS OBJETIVAS, LA
ADECUACIN Y CONFORMIDAD CON UN ESTNDAR ESTABLECIDO.
TIPOS DE AUDITORA
1 PARTE

EJ: AUDITORAS INTERNAS

2 PARTE

EJ: AUDITORIAS DE CLIENTES


AUDITORIAS A PROVEEDORES

3 PARTE

EJ: AUDITORIAS DE CERTIFICACIN

QU PERSIGUE UNA AUDITORA DE CALIDAD ?


CONSTATAR DE MANERA EFECTIVA Y OBJETIVA:
-

SI EXISTEN EVIDENCIAS DE NO CONFORMIDADES EN EL SISTEMA DE


CALIDAD CON RELACIN A LOS REQUISITOS APLICABLES.

NO CONFORMIDAD: INCUMPLIMIENTO DE UN REQUISITO ESPECIFICADO


( EN EL MANUAL, EN UN PROCEDIMIENTO)

PROCEDIMIENTOS
MANDATARIOS

CONTROL DE DOCUMENTOS
CONTROL DE REGISTROS
AUDITORIA INTERNA
ACCIONES PREVENTIVAS
ACCIONES CORRECTIVAS
CONTROL DE PRODUCTO NO CONFORME

PIRMIDE DOCUMENTAL
13

MANUAL DE CALIDAD
PROCEDIMIENTOS
INSTRUCTIVOS DE TRABAJO
REGISTROS

1.6 INTRODUCCIN AL CONTROL ESTADISTICO DE PROCESOS (SPC)


El SPC (por sus siglas en ingles) es un men de herramientas destinadas
a alcanzar la calidad total de los productos.
El SPC puede aplicarse a cualquier proceso. Algunas de sus principales
herramientas son:
El histograma
La grafica de Pareto
El diagrama de causa-efecto
El diagrama de dispersin
La carta de control
En cualquier proceso de produccin, independientemente de lo adecuado que sea
su diseo o de la atencin que se preste a su mantenimiento, siempre existir
cierta variabilidad natural. Las causas que producen esta variabilidad se
denominan fortuitas y un proceso que opera de esta manera se dice que est bajo
control estadstico.
Pero en ocasiones existe otra clase de variabilidad, que es de mayor magnitud
que la anterior y pone al proceso fuera de control estadstico. Estas causas se
denominan atribuibles o asignables.
Tres son las fuentes fundamentales de las causas atribuibles:

Ajuste incorrecto de mquinas, equipos, instrumentos.


Errores de operarios.
Materia prima defectuosa.

Con frecuencia, los procesos de produccin operarn en el estado bajo control,


produciendo productos aceptables durante periodos relativamente prolongados.
Con el tiempo, sin embargo ocurren causas asignables, aparentemente al azar,
que ocasionarn un corrimiento a un estado fuera de control en el que una
proporcin mayor de la salida del proceso no cumplirn con los requerimientos.
Uno de los objetivos fundamentales del SPC es detectar con rapidez la ocurrencia
de causas asignables, con la finalidad de realizar investigaciones y emprender las
14

acciones correctivas, antes de que se produzcan muchas unidades defectuosas.


La carta de control es una tcnica de monitoreo de procesos en lnea que se usa
ampliamente para este fin. Las cartas de control tambin pueden usarse para
estimar los parmetros del proceso de produccin y para determinar con esta
informacin la capacidad del proceso. Asimismo la carta de control puede ofrecer
informacin til para mejorar los procesos Por ultimo recurdese que la meta
ultima del SPC es eliminar la variabilidad de proceso .Tal vez no sea posible
eliminar por completo la variabilidad, pero la carta de control es una herramienta
efectiva para reducir la variabilidad tanto como sea posible.

1.7 Fundamentos estadsticos de la carta de control.


Las cartas de control constituyen la herramienta ms potente para controlar en
tiempo real un proceso, es decir que es un control en lnea, en el mismo momento
que se estn desarrollando los procesos. Los procesos pueden ser productivos,
mediciones y ensayos en laboratorios, desarrollos de consultora o administrativos.
La carta de control posee tres usos fundamentales:

Reduccin de la variabilidad del proceso.


Monitoreo y vigilancia del proceso.
Estimacin de los parmetros del proceso.

Una carta de control tpica consta de tres lneas. Posee una lnea central, que
representa el valor promedio de la caracterstica de calidad y que corresponde al
estado bajo control. Tambin se observan dos lneas horizontales, llamadas el
lmite superior de control y el lmite inferior de control. Estos lmites se eligen de
manera tal que si el proceso se halla bajo control estadstico, casi todos los puntos
muestrales se localizarn entre ellos. Los puntos muestrales se ubican en funcin
del tiempo, es decir la carta de control es una serie de tiempo. Es costumbre unir
los puntos muestrales de la carta de control con segmentos de lnea, a fin de
facilitar la visualizacin de la evolucin con el tiempo de la secuencia de puntos.
Si todos los puntos graficados se hallan dentro de los lmites de control y los
mismos aparecen de forma aleatoria, se supone que el proceso se halla dentro de
control y no es necesaria ninguna accin correctiva. Decimos que los puntos
aparecen en forma aleatoria cuando se ubican uno abajo, seguido de otro arriba
de la lnea central o viceversa.

15

Graficos de control para la densidad


Media de la muestra

0,82
UCL=0,81586
0,81
_
_
X=0,79883

0,80
0,79

LCL=0,78179

0,78
1

8
9
Muestra

10

11

12

13

14

15

Rango de la muestra

0,03

UCL=0,02960

0,02

_
R=0,00906

0,01

0,00

LCL=0
1

8
9
Muestra

10

11

12

13

14

15

Si se localiza un punto fuera de los lmites de control, se considera que el proceso


se halla fuera de control y esta situacin amerita una investigacin para hallar la
causa atribuible o asignable que produce esta salida de control. Corregida la
causa se supone que el proceso volver a estar dentro de control.
Incluso si todos los puntos graficados se hallan dentro de los lmites de control
pero no se comportan de manera aleatoria, esta situacin puede ser el indicio de
que el proceso se halla fuera de control estadstico.
En la carta que se observa arriba, se ven al comienzo puntos consecutivos por
debajo de la lnea central, lo cual es una indicacin de un proceso fuera de control.
A partir de la muestra 24, se observa una corrida ascendente, lo cual nos lleva a
pensar tambin en una causa atribuible.
Si la caracterstica de calidad que estamos monitoreando tiene una distribucin de
probabilidad normal, la probabilidad de que aparezca un punto por debajo o por
arriba de la lnea central, es 0,5. La probabilidad de que aparezcan cinco puntos
consecutivos por encima o por debajo de la lnea central es (asumiendo que son
independientes) (0,5)5 ; lo que constituye una probabilidad muy baja y no puede
ser atribuido al azar. De la misma manera, si de los ltimos 20 puntos, aparecen
18 por encima de la lnea central aunque debajo del lmite superior de control y los
otros dos por debajo de la lnea central aunque encima del limite inferior de
control, esta situacin despertara grandes sospechas de que existe alguna causa
asignable que produce ste comportamiento, es decir que no es atribuible al azar.
16

Existe una estrecha relacin entre las cartas de control y una prueba de hiptesis.
Al igual que en las pruebas de hiptesis, en las cartas de control pueden
cometerse dos tipos de errores. Un error tipo I, que es concluir que el proceso est
fuera de control cuando en realidad est dentro de control y un error tipo II que es
concluir que el proceso esta dentro de control cuando en realidad est fuera de
control.
Para ilustrar los conceptos anteriores, imaginemos un proceso donde se controla
la cantidad de un detergente slido. El contenido se verifica por diferencias de
pesadas. El proceso est bajo control con un peso de 800 g y una desviacin
estndar de 1,1 g. Para controlar el proceso se extraen 5 envases cada hora, se
calcula el promedio del peso de los cinco envases y se grafica ese valor en la
carta de control. La desviacin estndar de la media muestral x es:
x

1,1

0,49
n
5

Por lo tanto, si el proceso se halla bajo control con un peso de 800 g, entonces al
aplicar el teorema central del lmite, dado que la variable aleatoria peso tiene una
distribucin normal, se espera que 100(1-)% de los pesos medios destrales se
localicen entre 800 Z / 2 (0,49) y 800 Z / 2 (0,49)
Si se escoge arbitrariamente el valor 3 para la constante Z / 2 , los lmites de
control son:
LSC 800 3(0,49) 801,47

y
LIC 800 3(0,49) 798,53

A este diseo se lo llama comnmente lmites de control tres sigmas.


Obsrvese que elegir los lmites de control es equivalente a establecer la regin
crtica para probar la hiptesis
H 0 : 800

H1 : 800

La carta de control prueba esta hiptesis cada vez que se grafica un punto.
Puede darse un modelo general para una carta de control. Si w es un estadstico
muestral que mide alguna caracterstica de calidad de inters y suponemos que la
media de w es w y que la desviacin estndar de w es w , entonces la LC, el
LSC y el LIC son:
LSC w L. w

LC w

17

LIC w L. w

Donde L es la distancia de los lmites de control a la lnea central, expresada en


unidades de desviacin estndar. El doctor Walter Shewhart fue el primero en
proponer esta teora general de las cartas de control y las cartas de control
desarrolladas segn estos principios llevan el nombre de cartas de control de
Shewhart.
Una parte importante del proceso de accin correctiva asociado con el uso de la
carta de control es el plan de accin para condiciones fuera de control (OCAP, por
sus siglas en ingls). La OCAP es un diagrama de flujo o una descripcin escrita
de la secuencia de actividades que deben llevarse a cabo despus de la
ocurrencia de un evento de activacin.
El OCAP consta de puntos de verificacin, los cuales son causas asignables
potenciales y eliminadores, que son acciones que se emprenden para resolver la
condicin fuera de control mediante, siendo optimistas, la eliminacin de la causa
asignable. Es muy importante que el OCAP especifique el conjunto ms completo
posible de puntos de verificacin y eliminadores y que estn ordenados de tal
modo que se faciliten las actividades de diagnostico del proceso.
1.8 Errores que pueden cometerse en una carta de control
Dado que una carta de control es una prueba de hiptesis visual, en ella pueden
cometerse los dos tipos de errores que se analizaron en Prueba de Hiptesis en
Probabilidad y Estadstica en 2 ao.
Cuando el proceso est dentro de control existe una pequea probabilidad de que
un punto caiga fuera de los lmites. En este caso consideraramos que el proceso
est fuera de control cuando en realidad est dentro de control. Ac estaramos
cometiendo un error tipo I, es decir rechazar la hiptesis nula, cuando es
verdadera. Este error tambin recibe el nombre de riesgo del productor, ya que
rechazaramos el producto cuando en realidad ste est dentro de
especificaciones.
Tambin puede ocurrir que se produzca algn cambio en la media del proceso. En
nuestro ejemplo del detergente puede ser que en un determinado momento la
media del proceso no sea 800 gr sino otro valor mayor o menor. Supongamos que
el nuevo valor de la media del peso es 798 g. Frente a este cambio en el proceso,
nos gustara advertirlo lo antes posible, para modificar las variables del proceso y
volver a los 800 gr de media. Sin embargo puede ocurrir que la muestra que
sacamos, nos de un valor que est dentro de los limites de control. En este caso
aceptaramos la hiptesis nula de que = 800 gr con lo que estaramos
cometiendo un error tipo II, es decir aceptar la Hiptesis nula cuando esta es falsa.
Este tipo de error tambin se denomina riesgo del consumidor, ya que quien
compra el producto, adquiere algo que en general no cumple con las
especificaciones.
18

1.9 Clasificacin de las cartas de control


Pueden clasificarse de dos tipos generales. Si la caracterstica de calidad puede
medirse y expresase como un nmero en una escala de medicin continua, suele
llamrsele una variable. En tales casos, es conveniente describir la caracterstica
de calidad con una medicin de tendencia central y una medida de variabilidad. La
carta x es la carta de uso ms comn para controlar la tendencia central,
mientras que las cartas basadas en el rango muestral o en la desviacin estndar
muestral, son las ms adecuadas para controlar la variabilidad.
Muchas caractersticas de calidad no se miden en una escala continua o ni
siquiera en una escala cuantitativa. En estos casos cada unidad del producto
puede clasificarse como conforme o disconforme, segn cumpla o no con ciertas
especificaciones tcnicas establecidas. Tambin pueden contarse los defectos que
posee cada unidad de producto. A las cartas de control para estas caractersticas
de la calidad se les llama cartas de control de atributos.

1.10 Diseo de una carta de control


Los puntos centrales del diseo de una carta de control son: la seleccin del
tamao de la muestra, la seleccin de los lmites de control y la frecuencia del
muestreo.
En la mayora de las cartas de control el diseo sigue consideraciones
estadsticas. Por ejemplo, se sabe que al incrementar el tamao de la muestra
disminuir la probabilidad de cometer un error tipo II, mejorndose la capacidad de
la carta para detectar algn cambio en la media del proceso.
1.10.1 Seleccin de los lmites de control
La especificacin de los lmites de control es una de las decisiones crticas que
deben tomarse al disear una carta de control. Cuando los lmites de control se
alejan ms de la lnea central, se reduce la probabilidad de cometer un error tipo I,
es decir el riesgo que un punto caiga fuera de los lmites cuando el proceso est
totalmente dentro de control. Si embargo, al ensanchar los limites de control,
aumenta la probabilidad de cometer un error tipo II, es decir que un punto caiga
dentro de los lmites cuando el proceso est fuera de control.
Se justifica el uso de los lmites tres sigmas porque han dado muy buenos
resultados en la practica y adems se pueden acompaar por otras medidas de
sensibilidad que ayudan a deducir si un proceso est fuera de control.
1.10.2 Limites de advertencia en cartas de control
Algunos ingenieros de proceso han aconsejado el uso de dos conjunto de lmites
control. Por un lado los limites superior e inferir de control tres sigmas. Cuando un
19

punto cae fuera de estos limites, el proceso se considera fuera de control y hay
que ubicar la causa atribuible. Por otro lado, se pueden colocar un conjunto de dos
lmites (superior e inferior) dos sigmas, llamados de advertencia.
Una situacin donde dos puntos consecutivos caen entre los lmites dos y tres
sigmas, es una seal de que algo incorrecto est sucediendo en el proceso. Una
posible accin a realizar cuando ocurre sto es incrementar la frecuencia de
muestreo o el tamao de la muestra a fin de obtener con rapidez ms informacin
acerca del proceso.
El uso de los lmites de advertencia mejora la sensibilidad del proceso para
encontrar situaciones de fuera de control. Su desventaja es que adiciona una
cierta cantidad de error tipo I al que ya tienen los lmites tres sigmas y esto
redunda en mayor cantidad de falsas alarmas.
1.10.3 Tamao de la muestra y frecuencia de muestreo
Cuando se disea una carta de control es necesario especificar tanto el tamao de
la muestra que debe usarse como la frecuencia de muestreo. En general, las
muestras ms grandes facilitarn la deteccin de corrimientos ms pequeos en el
proceso. Esto se observa en la figura 2.1, donde se grafica la curva caracterstica
de operacin de la carta x para diferentes tamaos de la muestra. Obsrvese que
la probabilidad de detectar un cambio de 74,000 a 74,010 mm se incrementa
cuando el tamao de la muestra, n, se incrementa.
Otra condicin importante es la frecuencia del muestreo. La situacin ms
deseable desde el punto de vista de la deteccin de corrimientos sera tomar
muestras grandes con mucha frecuencia, sin embargo, esto por lo general no es
econmicamente factible. Una forma de compensar la situacin es tomar muestras
grandes en intervalos ms amplios o muestras ms chicas en intervalos ms
pequeos. La prctica actual en la industria tiende a favorecer las muestras ms
pequeas en intervalos ms cortos de tiempo.
Otra manera de evaluar las decisiones respecto del tamao de la muestra y la
frecuencia del muestreo es con la longitud promedio de la corrida (ARL, por sus
siglas en ingles).de la carta de control. En esencia, la ARL, es el nmero promedio
de puntos que deben graficarse antes de que un punto indique una condicin de
fuera de control. Como la distribucin de probabilidad de la ARL es geomtrica,
para su clculo utilizamos la media de esta distribucin. Si las observaciones del
proceso son independientes una de otra, entonces para cualquier carta de
Shewhart, la ARL, puede calcularse como
ARL

1
p

Donde p es la probabilidad de ocurrencia de un xito, considerando como xito un


punto fuera de los lmites.

20

Como ejemplo, podemos considerar la carta de control tres sigmas. En esta carta
p=0,0027, es la probabilidad de que un solo punto se localice fuera de los limites
de control cuando el proceso est bajo control. Por lo tanto, la longitud promedio
de la carta cuando el proceso est bajo control (llamada ARL o) es,
ARLo

1
1

370
p 0,0027

Es decir, incluso si el proceso se mantiene bajo control, se genera en promedio,


una seal de fuera de control cada 370 muestras.
Esto tambin se denomina una falsa alarma, ya que al tener un punto fuera de los
lmites de control, se buscar una causa atribuible pero sta no existe ya que el
proceso se halla dentro de control.
El uso de la longitud promedio de corrida para describir el desempeo de las
cartas de control ha sido objeto de crticas los ltimos aos. Las razones de ello
surgen porque la distribucin de la longitud de corrida para una carta de control de
Shewhart es una distribucin geomtrica. Por consiguiente, hay dos
preocupaciones con la ARL: 1) la desviacin estndar de la longitud de la corrida
es muy grande, y 2) la distribucin geomtrica tiene un sesgo muy pronunciado,
por lo que la media de la distribucin (la ARL) no es necesariamente un valor muy
tpico de la longitud de corrida.
Se puede calcular y llegar a la conclusin que con p=0,0027, la desviacin
estndar de la distribucin geomtrica es igual a su media. Como resultado, la
ARLo real observada en la prctica para la carta de control x de Shewhart
posiblemente presentar variaciones considerables. Adems, para la distribucin
geomtrica con p=0,0027, el dcimo y el quincuagsimo percentil de la
distribucin son 38 y 256, respectivamente. Esto significa, que cerca del 10 % del
tiempo la longitud de la corrida bajo control ser menor o igual a 38 muestras, y
que el 50 % de las veces ser menor o igual a 256 muestras, Esto ocurre porque
la distribucin geomtrica con p= 0,0027 tiene un sesgo a la derecha muy
pronunciado.
Tambin se puede calcular la longitud promedio de corrida cuando el proceso est
fuera de control.

ARL1

1
p

donde p es la probabilidad de que se detecte el corrimiento de la media, en el


caso de carta x . Si representa la probabilidad de que no se detecte el cambio
de la media del proceso, 1- representa la probabilidad de que s se detecte.
Por lo tanto
ARL1

1
1

p 1
21

Por ejemplo, si 0,6 , entonces ARL1 1 0,6 2,5


Es decir que se necesitan en promedio 2,5 muestras para detectar el cambio en el
proceso.
Su se considera que este valor es inaceptable porque se tiene demasiada
produccin fuera de especificaciones, se puede aumentar el tamao de la muestra
para tener un menor error tipo II.

Figura 2.1 Curva caracterstica de operacin

1.10.4 Subgrupos Racionales


Supongamos que se est usando una carta de control para detectar cambios en la
media del proceso. El concepto de subgrupo racional significa que los subgrupos o
muestras debern seleccionarse de tal modo que, en caso, de estar presentes
causas asignables, se maximicen las oportunidades de las diferencias entre los
subgrupos y que al mismo tiempo se minimicen las oportunidades de las
diferencias debidas a las causas asignables dentro de un subgrupo.
Se usan dos criterios para la construccin de subgrupos racionales. En el primer
enfoque, cada muestra consta de unidades que se produjeron al mismo tiempo (o
tan prximo entre si como sea posible). Este enfoque se utiliza cuando la finalidad
principal de la carta de control es detectar los corrimientos en el proceso. Se
minimiza la oportunidad de la variabilidad debida a causas asignables dentro de
22

una muestra y se maximiza la oportunidad de la variabilidad entre muestras si hay


causas asignables.
En el segundo enfoque, cada muestra est formada de unidades del producto que
son representativas de todas las unidades que se produjeron desde que se tom
la ltima muestra. Cada subgrupo es una muestra aleatoria de toda la produccin
del proceso sobre el intervalo de muestreo. Reutiliza este enfoque cuando se
quiere tomar decisiones sobre la aceptacin de todas las unidades del producto
que se han producido desde la ltima muestra.
1.11 Reglas de sensibilizacin para cartas de control
Es posible aplicar varias reglas para determinar si un proceso est fuera de
control. Es decir que adems que se presente un punto fuera de los lmites,
existen otros comportamientos que ameritan pensar en una salida de control.
Estas reglas se emplean para aumentar la sensibilidad de las cartas para detectar
situaciones de fuera de control.
a) Un punto por fuera de los lmites de control tres sigmas
b) dos de tres puntos consecutivos entre los lmites dos y tres sigmas.
c) cinco puntos consecutivos por encima o por debajo de la lnea central.
d) Seis puntos consecutivos que se incrementan o se decrementan de manera
sostenida.
e) un patrn no aleatorio en los datos.
La desventaja de la aplicacin de varias reglas de sensibilizacin est en el hecho
de que cada una de stas introduce un determinado error tipo I y se van
potenciando una a otra. Para calcular el efecto total, se puede aplicar:

Siempre que la totalidad de las k reglas de decisin sean independientes.

CONTROL ESTADSTICO DE PROCESOS


UTN-FRM

Unidad 2: Cartas de control para variables


Ing. Julio Ortigala

CARTAS DE CONTROL PARA VARIABLES


23

Introduccin
Muchas caractersticas de calidad pueden expresarse en trminos de una
medicin numrica. Por ejemplo el dimetro de un rodamiento, la viscosidad de un
polmero o la concentracin de un contaminante en la fabricacin de un producto
qumico. A una caracterstica de calidad susceptible de medicin se le llama
variable. Las cartas de control para variables son de uso generalizado.
Cuando se trata con una caracterstica de calidad que es una variable, por lo
general es conveniente monitorear tanto el valor medio de la caracterstica de
calidad como su variabilidad. El control del promedio se hace con la carta de
media o carta x . La variabilidad del proceso puede monitorearse con una carta de
control para la desviacin estndar, llamada carta S o bien con una carta de
control para el rango, llamada carta R. La carta R es adecuada cuando los
tamaos de la muestra son iguales o menores que 7. En otro caso, pierde
eficiencia y se usa la carta S.
Cartas de control para

yR

Supongamos que una caracterstica de calidad tiene una distribucin normal con
media y desviacin estndar , donde ambas son conocidas. Si x1 , x 2 , x n
es una muestra de tamao n, entonces el promedio de esta muestra es
x

x1 x 2 ... xn
n

A partir del Teorema Central del Lmite, se conoce que


normal con media

sigue una distribucin

y desviacin estndar x
. Adems la probabilidad es de
n

1 para que cualquier media muestral se localice entre


Z / 2 x Z / 2

y
Z / 2 x Z / 2

(2.1)
(2.2)

Por lo tanto, si y son conocidas, las ecuaciones 2.1 y 2.2 podran usarse
como lmites de control superior e inferior en una carta de control para las medias
muestrales. Se acostumbra sustituir Z / 2 por el valor 3, a fin de trabajar con
lmites tres sigmas. Si la media de una muestra se localiza fuera de estos limites,
se trata de un indicio de que la media del proceso ha dejado de ser igual a .
En la prctica generalmente no se conocen los valores de y . Por lo tanto,
deben estimarse a partir de la muestra o subgrupos preliminares tomados cuando
se considera que el proceso est bajo control. En general estas estimaciones
deben basarse en al menos 20 0 25 muestras.
24

Supongamos que contamos con m muestras, cada una de las cuales tiene el
mismo tamao muestral n .Sean
los promedios de cada muestra.

Entonces el mejor estimador de


, el promedio de la poblacin, es el gran
promedio, x .
x

Por lo tanto

x1 x 2 ...xm
m

se usar como la lnea central de la carta

Para construir los lmites de control, es necesaria una estimacin de la desviacin


estndar . Esto puede hacerse a partir de las desviaciones estndar o bien de
los rangos de las muestras. Cuando los tamaos muestrales son menores que 8,
el mtodo del rango proporciona una buena estimacin. Para tamaos muestrales
mayores que 8, se reemplazar por el mtodo de las desviaciones estndar.
Si x1 , x 2 ,...x n es una muestra de tamao n, entonces el rango de la muestra es la
diferencia entre las observaciones menor y mayor; es decir
R xmax xmin

Sean R1 , R2 ,...Rm los rangos de las m muestras. El rango promedio es:


R

R1 R2 ...Rm
m

Existe una relacin bien conocida entre el rango de una muestra y la desviacin
estndar de esa distribucin. A la variable aleatoria W R / se le llama rango
relativo. Los parmetros de la distribucin de W son funcin del tamao de la
muestra. La media de W es d 2 , que es una constante que depende del tamao

de la muestra. Por lo tanto un estimador de es R / d 2 . Si R es el rango


promedio de las m muestras preliminares, puede usarse
R


d2

para estimar . Se trata de un estimador insesgado de .


Nota: se dice que un estimador es insesgado cuando la esperanza del mismo
coincide con el parmetro que desea estimar

Podemos calcular los lmites de control como:

25

LSC x 3 x x 3

R
x3
n
d2 n

LIC x 3 x x 3

R
x3
n
d2 n

Si se define
A2

3
d2 n

La expresin de los lmites y la lnea central queda

LSC x A2 R

LC x

(2.3)

LIC x A2 R

Lmites de control de la carta R


La lnea central de la carta R es el rango medio R .
El Lmite Superior de Control es:
LSC R 3 R

Se sabe que R d 3
la muestra

donde d 3 es una constante que depende del tamao de

LSC R 3 R R 3d 3 R 3d 3

Si llamamos D4 1

3d
R
R 1 3
d2
d2

3d 3
d2

LSC RD4

Para el Limite Inferior de Control

LIC R 3 R R 3d 3 R 3d 3
Si hacemos D3 1

3d
R
R 1 3
d2
d2

3d 3
d2
26

LIC RD3

Resumiendo:
LSC RD4

(2.4)

LC R
LIC RD3

Limites de control de prueba


Cuando se utilizan muestras preliminares para construir las cartas de control x y
R, se acostumbra tratar los lmites de control obtenidos con las ecuaciones 2.3 y
2.4 como lmites de control de prueba. Permiten determinar si el proceso se
encontraba bajo control cuando se seleccionaron la m muestras iniciales. Para
probar la hiptesis del control pasado, se grafican los valores de x y R de cada
muestra en las cartas y se analiza la representacin resultante. Si todos los puntos
se localizan dentro de los lmites de control y no es evidente ningn
comportamiento aleatorio, se concluye entonces que el proceso se encontraba
bajo control en el pasado y los lmites de control de prueba son apropiados para
controlar la produccin actual o futura.
Uno o ms de los valores de

o de R se localizan fuera de los lmites

Para cado uno de los puntos que quedan fuera de los lmites de control es
necesario buscar una causa atribuible o asignable. Si se encuentra la causa
asignable, se soluciona y se supone que no va a producirse en el futuro. Luego
hay que recalcular los lmites de control y observar si otro punto ha salido de
control ya que generalmente luego de eliminar un punto fuera de control, los
lmites sern ms estrechos. Si otro punto sale de control, se vuelve a analizar si
hay una causa asignable. Esto se realiza hasta que todos lo puntos estn dentro
de control. Si no se halla una causa asignable, el punto se descarta y los lmites
de control se recalculan hasta que todos los puntos estn dentro control.
Ocasionalmente cuando los valores muestrales iniciales de x y R se grafican
contra los limites de control de prueba, muchos puntos se localizarn fuera de
control. En este caso no es muy prctico buscar las causas asignables de todos
los puntos fuera de los lmites. En este caso es ms lgico buscar un patrn de
comportamiento que est generando esta salida masiva de control. La eliminacin
de este problema da como resultado una mejora notable en el proceso.
Ejemplo:
Unas piezas de polipropileno manufacturadas por un proceso de moldeo de
inyeccin se someten a una prueba de resistencia a la compresin. Se colectan 20
muestras de cinco partes cada una y las resistencias a la compresin ( en psi) se
presentan en la tabla siguiente:

27

Mue
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

X1
83,0
88,6
85,7
80,8
83,4
75,3
74,5
79,2
80,5
75,7
80,0
80,6
82,7
79,2
85,5
78,8
82,1
84,5
79,0
84,5

X2
81,2
78,3
75,8
74,4
78,4
79,9
78,0
84,4
86,2
75,2
81,5
81,8
81,3
74,9
82,1
79,6
78,2
76,9
77,8
73,1

X3
78,7
78,8
84,3
82,5
82,6
87,3
80,8
81,5
76,2
71,1
78,4
79,3
79,1
78,6
82,8
80,2
75,5
83,5
81,2
78,6

X4
X5
75,7 77,0
71,0 84,2
75,2 81,0
74,1 75,7
78,2 78,9
89,7 81,8
73,4 79,7
86,0 74,5
74,1 80,2
82,1 74,3
73,8 78,1
73,8 81,7
82,0 79,5
77,7 75,3
73,4 71,7
79,1 80,8
78,2 82,1
81,2 79,2
84,4 81,6
78,7 80,6

xi

79,1
80,2
80,4
77,5
80,3
82,8
77,3
81,1
77,4
75,7
78,4
79,4
80,9
77,1
79,1
79,7
79,2
81,1
80,8
79,1

Ri
7,3
17,6
10,5
8,4
5,2
14,4
7,4
11,5
22,1
11,0
7,7
8,0
3,6
4,3
13,8
2,0
6,6
7,6
6,6
11,4

Si
2,98948
6,64771
4,79218
3,88265
2,49399
5,77754
3,22289
4,53398
4,64790
4,01024
2,89016
3,31104
1,56589
1,94242
6,14207
0,81240
2,85079
3,10532
2,54951
4,11764

Grfica Xbarra-R de X1. .... X5


Media de la muestra

85,0

UCL=84,68

82,5
_
_
X=79,43

80,0
77,5
75,0

LCL=74,18
1

11
Muestra

13

15

17

19

Rango de la muestra

20

UCL=19,25

15
_
R=9,11

10
5
0

LCL=0
1

11
Muestra

13

15

17

19

28

En la grafica de arriba, se observa que la lnea central, es decir, x , es 79,43 psi.


Los puntos graficados son los x i , que corresponden a las medias de cada una de
las muestras.
Estimacin de la capacidad del proceso
A partir de los datos de la carta de control puede estimarse la llamada capacidad
del proceso y la proporcin de elementos defectuosos que este proceso puede
producir. De la carta R podemos obtener el Rango medio y a partir de este estimar
la desviacin estndar de la poblacin

9,11
3,92
2,326

R
9,11

3,92
d2
2,326

El ndice de capacidad del proceso se define como:


(2.1)
Los lmites especificados por diseo son 88 y 70 psi

Para este caso

Cp

88 70
0,76
6.3,92

Generalmente se recomienda para la

un valor de 1,33 o ms, con la finalidad

de no tener muchos elementos defectuosos en la poblacin. El valor obtenido es


muy bajo, con lo cual se debe trabajar sobre el proceso con la finalidad de
disminuir la variabilidad y aumentar la capacidad del proceso.
Tambin se puede calcular la proporcin de elementos defectuosos, si se estima
que la distribucin de resistencia a la compresin de la pieza es normal. La media
de la resistencia se obtiene de la carta X. Supongamos que = 9,43 psi y = 3,93
psi
Si p es la proporcin de elementos fuera de especificacin,
p P ( x 70 psi ) P( x 88 psi )
29

p P(

x 70 79,43
x 88 79,43

) P(

3,93

3,93

p P Z 2,4 P Z 2,18
p 0,00714 0,0146 0,021

Cada 1000 piezas, 21 estarn fuera de especificacin.


Limites de control, limites de especificacin y limites de tolerancia natural
Se debe tener claro que no existe relacin entre los lmites de control de la carta
x y R y los lmites especificados del producto. Los primeros surgen de las
condiciones reales del proceso y los segundos provienen de fuera del proceso
(diseo, clientes, normas, costos, etc)
Los lmites de tolerancia natural son los lmites determinados por 3 arriba y
debajo de la media del proceso. Estos son los limites que se obtienen cuando el
proceso ha manifestado encontrarse totalmente dentro de control y existe una
buena estimacin de . Los lmites de control estn regidos por la variabilidad de
la media muestral ya que se hallan

arriba y abajo de la media del proceso.

Los lmites de especificacin nunca deben usarse en cartas de control.


nicamente cuando se grafiquen las mediciones individuales, integrantes de la
muestra, se deber colocar en la carta los lmites especificados.

30

Diagrama de hileras para el control del dimetro de pistones. Se observa un


aumento en la media del proceso, generndose dos distribuciones de salida.
Subgrupos racionales
El concepto de subgrupo racional fue introducido por Shewhart en 1924 y hace
referencia a las muestras que se toman en las cuales la variacin que se produce
dentro de la muestra se debe a causas fortuitas. Para comprender mejor el
concepto debe tenerse en cuenta las funciones que cumplen cada una de las
cartas x y R. La carta x monitorea el nivel de calidad promedio del proceso. Por
lo tanto, las muestras debern seleccionarse de tal modo que se maximicen las
oportunidades de que ocurran corrimientos en el promedio del proceso entre las
muestras y en consecuencia de que aparezcan como puntos fuera de control en
la carta x . La carta R, por otra parte, mide la variabilidad dentro de una muestra.
Por lo tanto, las muestras debern seleccionarse de tal modo que la variabilidad
dentro de las muestras mida tan solo las causas fortuitas o aleatorias. Dicho en
otras palabras, la carta x monitorea la variabilidad entre las muestras (la
variabilidad del proceso con el tiempo) y la carta R mide la variabilidad dentro de
las muestras (la variabilidad instantnea del proceso en un tiempo dado)
Diseo de la carta de control
Para disear las cartas y R, deben especificarse el tamao de la muestra, el
ancho de los lmites y la frecuencia de muestreo.
31

Si uno de los objetivos de la carta x que se est usando es detectar corrimientos


de moderados a grandes de la media () en el proceso (por ejemplo en el orden
de 2 o mayores), muestras pequeas de tamao n= 4, 5, o 6 son
razonablemente efectivas. En cambio, si se desea detectar cambios pequeos en
la media del preso, debern usarse tamaos muestrales entre 15 y 25. Cuando se
utilizan pequeos tamaos de muestra, es ms difcil que ocurra un cambio en el
proceso mientras se toma la muestra. Si ocurre un cambio durante la toma de
muestra, el promedio muestral podra ocultar ese cambio.
Si el objetivo es detectar pequeos cambios en la media del proceso, lo ms
aconsejable es la utilizacin de otro tipo de cartas como la CUSUM o la EWMA.
Para elegir el tamao de la muestra adecuado a nuestras necesidades, se pueden
utilizar las curvas caractersticas de operacin, que nos dan el error tipo II en
funcin de la magnitud del corrimiento de la media del proceso, en valores
absolutos o en unidades de desviacin estndar.
Con respecto a la frecuencia del muestreo, la metodologa perfecta desde el punto
de vista de la deteccin de corrimientos sera tomar muestras grandes con mucha
frecuencia, sin embargo, esto no es aplicable por razones econmicas. Una forma
de compensar la situacin es tomar muestras grandes en intervalos ms amplios o
muestras ms chicas en intervalos ms pequeos. La prctica actual en la
industria tiende a favorecer las muestras ms pequeas en intervalos ms cortos
de tiempo
La velocidad de produccin tambin influye en la eleccin del tamao de la
muestra y la frecuencia de muestreo. Si la velocidad de produccin es alta, por
ejemplo 30000 unidades por hora, entonce se requerir un muestreo ms
frecuente que si la velocidad de produccin es pequea.
La utilizacin de lmites de control de 3 sigmas es una prctica generalizada que
ha dado excelentes resultados. Sin embargo esto puede modificarse en funcin de
la realidad del proceso. Si el costo de investigacin de las falsas alarmas es muy
alto, los lmites pueden hacerse de 3,5 sigmas por ejemplo. Sin embargo, si el
proceso tiene caractersticas tales que las falsas alarmas se investigan con
facilidad y a un bajo costo, se pueden utilizar lmites 2,5 sigmas, que adems nos
daran la ventaja de descubrir ms rpido los cambios en la media del proceso, es
decir se reduce el error tipo II.

Patrones no aleatorios en las cartas de control


Una carta de control puede indicar una situacin fuera de control aun cuando
ningn punto est fuera de los lmites tres sigmas. Esta situacin se presenta
cuando los puntos graficados muestran un patrn de comportamiento que no es
aleatorio, es decir que es sistemtico. El anlisis de los patrones no aleatorios, es
de inters para el ingeniero de procesos ya que brindan informacin sobre las
32

propiedades del proceso y su correcta interpretacin ayuda a disminuir la


variabilidad del mismo.
Para interpretar patrones en una carta x es necesario determinar primero si la
carta R est o no bajo control. Muchas veces las causas asignables aparecen
tanto en la carta x como en la R. Si las dos cartas muestran un patrn no
aleatorio, primero se eliminan las causas asignables en la carta R. En muchos
casos esto conlleva a la eliminacin de las causas asignables de la carta x .
Nunca deber interpretarse la carta x cuando la carta R muestre una condicin
fuera de control.

Este patrn puede surgir de cambios ambientales sistemticos tales como la


temperatura, fatiga del operador, rotacin regular de operadores y/o maquinas o
fluctuacin en el voltaje o la presin o en alguna otra variable del equipo de
produccin.
Se habla de una mezcla cuando los puntos graficados tienden a localizarse cerca
o ligeramente afuera de los lmites de control, con relativamente pocos puntos
cerca de la lnea central. Un patrn d mezclado es generado por dos o mas
distribuciones

33

Curvas caractersticas de operacin (curva OC)


La curva caracterstica de operacin permite analizar la capacidad de las cartas x
y R para detectar cambios en las caractersticas de calidad de un proceso.
Imaginemos la curva OC de una carta x con desviacin estndar conocida y
constante. Si la media se corre del valor bajo control (por ejemplo 0) a otro valor
1= 0 + k, la probabilidad de no detectar el cambio en la muestra subsecuente, o
el riesgo , es
P LIC x LSC dado que 1 o k

Puesto que x sigue una distribucin de probabilidad con media y desviacin

L
estndar
y los lmites de control superior e inferior son LSC o
y
n
L
LIC o
n

donde L es el ancho de los lmites de control.

La ecuacin puede escribirse como:

LSC ( o k )
LIC ( o k
F
F

n
n

Donde F representa la funcin de distribucin acumulada de la funcin de


distribucin normal estndar.

o L / n ( o k )
o L / n ( o k
F
F

n
n

Esta expresin se reduce a

F Lk n F Lk n

Ejemplo: estamos trabajando con las piezas manufacturadas en polipropilerno y


queremos conocer la probabilidad de detectar un corrimiento cuando la nueva
media es igual a la anterior ms 1.5 desviaciones estndar. Si L=3 ; n=5 y k=1,5 ;
tenemos

F 3 1,5 5 F 3 1,5 5 F (0,354) F (6,35) 0,36

34

Esta es la probabilidad de no detectar el cambio en la primera muestra despus de


producirse el cambio. La probabilidad de que el cambio se detecte en la primera
muestra despus del cambio es 1- = 1 0,36 = 0,64
A su vez la probabilidad de detectarlo en la segunda muestra despus del cambio
es igual a no detectarlo en la primera nuestra y detectarlo en la segunda, es decir:
. (1- )= 0,36.0,64 = 0,23 y la probabilidad de detectarlo en la tercera muestra
despus del cambio es ..(1- ) = 0,08
Por lo tanto para calcular la probabilidad de detectar el cambio en una muestra
determinada, se aplica la distribucin geomtrica donde el xito es detectar el
cambio, es decir 1- . Si el objetivo es detectar el cambio en la muestra x, la
expresin de la distribucin geomtrica queda:
p x 1.(1 )

Asimismo la probabilidad de detectarlo antes de la cuarta muestra es la


probabilidad de detectarlo en la primera, en la segunda o en la tercera muestra
despus del cambio.
En smbolos: (1 ) + .(1- ) + ..(1 )= 0,64 + 0,23 + 0,08 = 0,95
En general el nmero esperado de muestras que hay que sacar antes de detectar
el cambio, denominada longitud media de corrida, se obtiene aplicando la media
1

de la distribucin geomtrica, p , donde p es la probabilidad de obtener un xito,


en nuestro caso 1-
ARL1

1
1
1

1,5
p 1 0,64

En conclusin, hay que sacar en promedio 1,5 muestras, despus del cambio,
para detectar el mismo.
Curva OC para la carta R
En esta curva se grafica la probabilidad de no detectar un corrimiento a un nuevo
valor de , por ejemplo 1 o , en la primera muestra despus del corrimiento. En
la figura se presenta la curva OC, en la que se grafica contra 1 / o , el
cociente entre la desviacin estndar nueva y la anterior del proceso. Esto se hace
para varios tamaos muestrales.
En la figura se observa que la cara R no es muy efectiva para detectar los
corrimientos en el proceso para tamaos de muestra pequeos. Por ejemplo, si la
desviacin estndar del proceso se duplica, es decir 2 , que es un corrimiento
bastante grande, entonces las muestras de tamao 5 solo tienen una oportunidad
del 40 % de detectar este corrimiento en cada muestra subsecuente.
35

Cartas de control de

yS

Si bien la utilizacin de las cartas x y R se ha vuelto muy popular a travs de los


aos, en ciertos procesos es deseable estimar la variabilidad del proceso a travs
de la desviacin estndar del mismo, en vez de hacerlo ms elementalmente a
travs del rango. En general se justifica el uso de las cartas x y S cuando:
a) el tamao de las muestras es mayor que 7
b) el tamao de la muestra es variable
Si 2 es la varianza desconocida de la distribucin de probabilidad, entonces un
estimador insesgado de lla es la varianza muestral
n
2
xi x
S 2 i 1
n 1

36

Sin embargo, la desviacin estndar muestral S no es un estimador insesgado de


.
Cuando no hay un valor estndar dado para , entonces debe estimarse
analizando datos pasados. Si se cuenta con muestras preliminares, cada una de
tamao n, y sea S i , la desviacin estndar de la i-sima muestra. El promedio de
las m (cantidad de muestras) desviaciones estndar es:

S
La lnea central de la carta es
El lmite superior es: S 3 S

1 m
Si
m i 1

La desviacin estndar de
es 1 c 42 donde c 4 es una constante que
depende del tamao de la muestra.
Reemplazando en el lmite superior de control queda
LSC S 3 S S 3 1 c42

Un estimador insesgado de

es S / c 4

S
LSC S 3 S S 3 1 c42 S 3
1 c 42
c4
S
LIC S 3 S S 3 1 c 42 S 3
1 c 42
c4

Generalmente se definen las constantes


3
1 c42
c4
3
B4 1
1 c 42
c4
B3 1

Por lo tanto los parmetros de la carta S pueden escribirse como


LSC B4 S
LC S

(2.5)

LIC B3 S

Para calcular los lmites de control de la carta


S / c 4 es un estimador insesgado de .
Lnea central:

hay que tener en cuenta que

37

LSC x 3 x x 3

S
x3
n
c4 n

LIC x 3 x x 3

S
x 3
n
c4 n

Considerando la constante

, los parmetros de la carta

quedan

LSC x A3 S
LC x
LIC x A3 S

Muestra

(2.6)
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

Si
2,98948

6,64771
4,79218
3,88265
2,49399
5,77754
3,22289
4,53398
4,64790
4,01024
2,89016
3,31104
1,56589
1,94242
6,14207
0,81240
2,85079
3,10532
2,54951
4,11764

Si
3,68
m
LSC S B4 3,68.2,089 7,687

LIC S B3 3,68.0 0

38

LSC x A3 S 79,43 1,427.3,68 84,68


LC x

xi
79,43
m

LIC x A3 S 79,43 1,427.3,68 74,18

Grfica Xbarra-S de X1. .... X5


Media de la muestra

85,0

UCL=84,68

82,5
_
_
X=79,43

80,0
77,5
75,0

LCL=74,18
1

11
Muestra

13

15

17

19

Desv.Est. de la muestra

UCL=7,687

6
_
S=3,680

4
2
0

LCL=0
1

11
Muestra

13

15

17

19

Si se comparan los grficos de R y de S se observar que los puntos se siguen


unos a otros, lo que indica que el mtodo del rango es efectivo cuando el tamao
muestral es pequeo.
Cartas de control

con tamao muestral variable

En este caso debe usarse el enfoque del promedio ponderado para calcular
S .

39

ni x i

x i 1m
ni
i 1

i1 ni 1

1/ 2

S i2

i 1

ni m

Para calcular los lmites de control se utilizan las ecuaciones ya vistas. El


inconveniente que se presenta es que al tener tamao muestral variable,
deberemos calcular lmites individuales para cada muestra, segn n. Si no
queremos trabajar con lmites individuales, podemos calcular los lmites con un
tamao muestral igual para toda las muestras. Este tamao muestral debera ser
la moda de todos los tamaos muestrales.
La carta de Control de Shewhart para mediciones individuales
En muchas situaciones, el tamao de la muestra usado para monitorear el proceso
es igual a 1, es decir que la muestra consta de un solo elemento. Algunos
ejemplos de esta situacin son:
1. Se usa tecnologa de inspeccin y medicin automatizada, y se analiza cada
unidad manufacturada, por lo que no hay ninguna base racional para hacer
subgrupos.
2. La velocidad de produccin es muy lenta, y no es conveniente dejar que se
acumulen tamaos de muestra mayores que 1, antes del anlisis.
3. Las mediciones repetidas del proceso difieren nicamente por el error de
medicin o con ms propiedad en la incertidumbre de medicin, como en muchos
procesos qumicos.
4. Se hacen mediciones mltiples en la misma unidad del producto, como la
medicin del espesor de xido en varios sitios diferentes de una oblea en la
manufactura de semiconductores.
Para estimar la variabilidad del proceso se usa el rango mvil de dos
observaciones sucesivas .El rango mvil se define como
MR xi xi 1 .

Los lmites de control de la carta de mediciones individuales son

40

LSC x 3

MR
d2

LC x

(2.7)

MR
LIC x 3
d2

Los lmites de control de la carta de rango mvil son


LSC D4 MR

(2.8)

LC MR
LIC D3 MR

Ejemplo: la viscosidad de una pintura tapaporos para aviones es una caracterstica


de calidad importante. El producto se produce por lotes, y debido a que la
produccin de cada lote lleva varias horas, la velocidad de produccin es
demasiada lenta para permitir tamaos muestrales mayores que uno. En la Tabla
se muestran la viscosidad de 15 lotes anteriores
Nmero de muestra
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

Viscosidad
33,75
33,05
34
33,81
33,46
34,02
33,68
33,27
33,49
33,20
33,62
33,00
33,54
33,12
33,84

Rango Mvil
MR
0,7
0,95
0,19
0,35
0,56
0,34
0,41
0,22
0,29
0,42
0,62
0,54
0,42
0,72

41

Grfica I-MR de C2
UCL=34,808
Valor individual

34,5
34,0
_
X=33,522

33,5
33,0
32,5

LCL=32,236
1

7
8
9
Observacin

10

11

12

13

14

15

Rango mvil

1,6

UCL=1,580

1,2
0,8
__
MR=0,484

0,4
0,0

LCL=0
1

7
8
9
Observacin

10

11

12

13

14

15

Como puede observarse en las cartas, el proceso se halla dentro de control


estadstico.
Interpretacin de las cartas para mediciones individuales
Estas cartas pueden interpretarse en forma muy parecida a una cara de control x
ordinaria. Un cambio en el promedio del proceso resultar en un punto (o puntos)
fuera de los lmites de control o bien en un patrn no aleatorio representado por
una corrida ascendente o descendente.
Longitudes promedio de la corrida
Crowder ha estudiado la longitud promedio de la corrida de la carta combinada de
las mediciones individuales y del rango mvil. En general su trabajo demuestra
que la ARLo del procedimiento combinado ser por lo general mucho menor que la
ARLo de la carta de control de Shewhart estndar cuando el proceso est bajo
control, si se usan los lmites tres sigmas convencionales.
Para la carta de control de las mediciones individuales con lmites 3 sigmas puede
calcularse lo siguiente:
Tamao del cambio

ARL1
1
0,9772
43,96
2
0,8413
6,3
3
0,5000
2
Obsrvese que es muy limitada la habilidad de la carta de control de las
mediciones individuales para detectar corrimientos pequeos. Por ejemplo,
considrese un proceso qumico continuo en el que se toman muestras cada una
42

hora. Si ocurre un corrimiento de aproximadamente una desviacin estndar en la


media del proceso, la informacin anterior nos indica que se necesitarn 44
muestras, en promedio, para detectar el cambio. Esto representa casi dos das
completos de produccin continua en el estado fuera de control, con las
consecuencias econmicas que se pueden imaginar.
Si existe inters en detectar corrimientos pequeos, se deber implementar otro
tipo de carta de control (suma acumulada)

Fortalezas y debilidades de las cartas de control tres sigmas


Estas cartas de control fueron las primeras en disearse y se han mantenido en
uso a travs del tiempo por haber demostrado que pueden controlar un proceso en
tiempo real y en forma bastante sencilla.
Deben usarse siempre que la caracterstica de calidad tenga una distribucin de
probabilidad normal y que las muestras no presenten un comportamiento
correlacionado, es decir que sean independientes unas de otras. Cualquier
alejamiento de estas condiciones, provocar que las cartas de control tres sigmas
presenten anomalas en su desarrollo.
Estas cartas son eficientes para detectar cambios en la media del orden de 1,5 o
ms pero son ineficientes para detectar cambios en la media menores a esa
magnitud. Por otro lado tienen un longitud media de corrida de 370, es decir que
tendremos una falsa alarma cada 370 puntos graficados.

43

44