Introducción

El presente trabajo muestra de manera general el tema de graficas de control para

variables partiendo de los conceptos generales y principios del control estadístico
de procesos.

Las gráficas de control para variables maneja diferentes tipos de gráficos o cartas,
cada uno de estos son temas abordados en el documento, así como ejemplos
prácticos de cada uno de ellos, explícitos en la sección de anexos al final del
presente trabajo.
 Unidad 2 Graficas de control para variables

2.1 Conceptos generales y principios del CEP

Para el entendimiento del Control Estadístico de Procesos no es necesario ser un

experto en estadística, pero es preciso recordar al menos los puntos que se
describen a continuación.

a) Distribución Normal o Campana de Gauss. La distribución normal es desde luego

la función de densidad de probabilidad “estrella” en estadística. Depende de dos
parámetros µ y σ, que son la media y la desviación típica respectivamente. Tiene
una forma acampanada (de ahí su nombre) y es simétrica respecto a µ. Llevando
múltiplos de σ a ambos lados de µ, nos encontramos con que el 68% de la población
está contenido en un entorno ±1σ alrededor de µ, el 95% de la población está
contenido en un entorno ±2σ alrededor de µ y que el 99,73% está comprendido en
±3σ alrededor de µ.

Funcion de densidad de probabiidad normal.

b) Teorema del Límite Central. El teorema del límite central (TLC) establece que si
una variable aleatoria (v. a.) se obtiene como una suma de muchas causas
independientes, siendo cada una de ellas de poca importancia respecto al conjunto,
entonces su distribución es asintóticamente normal. Es decir:
Si X= x₁+x₂+…+xn donde las x₁ son v.a. de media µ y varianza σ²

Entonces:

c) Distribución de las medias muestrales Si X es una v.a. N(µ, σ) de la que se extraen

muestras de tamaño n, entonces las medias muestrales se distribuyen según otra
ley normal:

Obsérvese que como consecuencia del TLC, la distribución de las medias

muestrales tiende a ser normal aún en el caso que la población base no lo sea,
siempre que el tamaño de la muestra sea suficientemente grande n≥25, si bien este
número depende de la asimetría de la distribución.

Función de densidad de las medias muéstrales

 2.2 Elaboración e interpretación de gráficas para variables

2.2.1 Grafico X-R

Son diagramas para variables que se aplican a procesos masivos, en donde en

forma periódica se obtiene un subgrupo de productos, se miden y se calcula la
media y el rango R para registrarlos en la carta correspondiente.

Existen muchos procesos industriales considerados de tipo “masivo”, en el sentido

que producen muchos artículos, partes o componentes durante un lapso de tiempo
pequeño. Por ejemplo: líneas de ensamble, maquinas empacadoras, procesos de
llenado, operaciones de soldura en una línea de producción, moldeo de piezas de
plástico, torneado de una pieza metálica, el corte de una tira en pedazos pequeños,
etc. Algunos de estos procesos realizan miles de operaciones por dia, mientras que
otros efectúan varias decenas o centenas. En ambos casos se está ante un proceso
masivo. Si, además, las variables de salida de interés son de tipo continuo, entonces
estamos ante el campo ideal de aplicación de las cartas de control X-R.

La idea es la siguiente: imaginemos que a la salida del proceso fluyen (uno a uno o
por lotes) las piezas resultantes del proceso, como se ilustra en la figura 7.2, cada
determinado tiempo o cantidad de piezas se toma un número pequeño de piezas
(subgrupo) a las que se les medirá una o más características de calidad. Con las
mediciones de cada subgrupo se calculará la media y el rango, de modo que cada
periodo de tiempo (media hora por ejemplo) se tendrá una media y un rango
muestral que aportarán información sobre la tendencia central y la variabilidad del
proceso, respectivamente. Con la carta X – se analiza la variación entre las medias
de los subgrupos, para detectar cambios en la media del proceso, como los que se
muestran en la figura 7.3.
Mientras que con la carta R se analiza la variación entre los rangos de los
subgrupos, lo cual permite detectar cambios en la amplitud o magnitud de la
variación del proceso, como se ilustra en la figura 7.4. Con respecto a las figuras
7.3 y 7.4, al afirmar que el proceso es estable se está diciendo que es predecible en
el futuro inmediato y, por lo tanto, la distribución o comportamiento del proceso no
necesariamente tiene la forma de campana como se sugiere en las figuras referidas.
Éstas pueden ser una curva con sesgo o incluso otras formas más inusuales. Claro
que si la forma es poco usual, se recomienda investigar la causa.

Desarrollo del grafico X-R

Existen dos casos:

1. Se conoce µ, σ
 2. No se conoce µ, σ

1. Caso µ, σ conocidos.

Si µ y σ son conocidos entonces la construcción del gráfico de medias es inmediata

a partir de su definición:

El cálculo de los límites del gráfico de recorridos se hace de la manera siguiente:

2. Caso µ, σ desconocidos.

Si alguno de los dos fuera conocido sería un híbrido de los dos casos i) y ii). Puesto
que en este caso no se tiene ningún conocimiento previo, es preciso estimar µ a
partir de la media de las medias (x ) y σ a partir del recorrido medio (R) de k (por
ejemplo k= 25) muestras iniciales.

A partir de x y R se trazarían los límites provisionales de la manera siguiente. En el

gráfico de medias:
Una vez establecidos los límites de control provisionales para ambos gráficos, se
comprobaría si alguna de las muestras está fuera de los límites. En caso afirmativo
se procedería a buscar la causa asignable que pudiera explicar esa anormalidad y
se recalcularían los límites. Estos límites deben recalcularse periódicamente, por
ejemplo cada 25 muestras.

Ejemplos. Ver anexos

2.2 .2 Grafico X-S

Cuando con una carta X–R se quiere tener mayor potencia para detectar cambios
pequeños en el proceso, se incrementa el tamaño de subgrupo, n. Pero si n > 10,
la carta de rangos ya no es eficiente para detectar cambios en la variabilidad del
proceso, y en su lugar se recomienda utilizar la carta S, en la que se grafican las
desviaciones estándar de los subgrupos.

A cada subgrupo se le calcula S, que al ser una variable aleatoria, sus límites se
determinan a partir de su media y su desviación estándar. Por ello, los límites se
obtienen con la expresión:

donde μS representa la media o valor esperado de S, y σS la desviación estándar

de S, y están dados por

donde σ es la desviación estándar del proceso y c4 es una constante que depende

del tamaño de subgrupo y está tabulada en el apéndice. Como por lo general en un
estudio inicial no se conoce σ, ésta puede estimarse, pero ya no a través del método
de rangos, sino ahora con:

donde S es la media de las desviaciones estándar de los subgrupos.

Desarrollo del grafico X-S

Existen dos casos:

 1. Caso µ, σ conocidos.
2. Caso µ, σ desconocidos.

1. Se conoce µ, σ.

(Si alguno de los dos fuera conocido sería un híbrido de los dos casos i) y ii)). Se
estimaría µ a partir de la media de las medias (x) y σ a partir de la desviación típica
muestral media (s o s) de k muestras iniciales.

A partir de x y s se trazarían los límites provisionales de la manera siguiente. En el

gráfico de medias si se utiliza s:
Una vez trazados los límites provisionales, se estudiarían los puntos fuera de control
y se recalcularían los límites de manera análoga al caso anterior.

En las tablas siguientes se resume lo anterior:

Fórmulas para la obtención de parámetros:

Ejemplos. Ver anexo

 2.2.3 Grafico X de individuales

La carta de individuales6 es un diagrama para variables de tipo continuo, pero en

lugar de aplicarse a procesos semimasivos o masivos como es el caso de la carta
X− R, se emplea en procesos lentos, en los cuales para obtener una medición o una
muestra de la producción se requieren periodos relativamente largos.

Ejemplos de este tipo de procesos son:

 Procesos químicos que trabajan por lotes.

 Industria de bebidas alcohólicas, en las que deben pasar desde una hasta
más de 100 horas para obtener resultados de los procesos de fermentación
y destilación.
 Procesos en los que las mediciones cercanas sólo difieren por el error de
medición. Por ejemplo, temperaturas en procesos, humedad relativa en el
medio ambiente, etcétera.

Es un diagrama para variables de tipo continuo que se aplica a procesos lentos y/o
donde hay un espacio largo de tiempo entre una medición y la siguiente.

En estos casos, la mejor alternativa es usar una carta de individuales, donde cada
medición particular de la variable que se quiere analizar se registra en una carta.

Para determinar los límites de control se procede igual que en los casos anteriores,
mediante la estimación de la media y la desviación estándar del estadístico W que
se grafica en la carta, que en este caso es directamente la medición individual de la
variable X. Por ello, los límites se obtienen con la expresión μX ± 3σX, donde μX y σX
son la media y la desviación estándar del proceso, respectivamente. Es decir, los
límites de control, es este caso, coinciden por definición con los límites reales. En
un estudio inicial estos parámetros se estiman de la siguiente manera:

donde X es la media de las mediciones, y R es la media de los rangos móviles de

orden 2. Al dividir el rango promedio entre la constante d2 se obtiene una estimación
de la desviación estándar del proceso, σ. Además, como en este caso el rango móvil
es de orden 2, entonces el valor de n para determinar d2 será n = 2; por lo tanto, de
acuerdo con el apéndice, cuando n = 2, d2 = 1.128. De lo anterior se concluye que
los límites de control para una carta de individuales están dados por:

Ejemplos. Ver anexos.

 2.3 Capacidad de proceso, Cp, Cpk y Cpm

Si un proceso normal está en control estadístico, la característica de calidad del

99,73% de los elementos fabricados estará comprendida entre µ - 3σ y µ + 3σ. El
parámetro µ depende del punto en el que centremos el proceso. Sin embargo σ
depende del número y variabilidad de las causas comunes del proceso y por lo tanto
es intrínseca a él. Por lo tanto 6σ es la Variabilidad Natural del Proceso o Capacidad
del Proceso.

Es esencial resaltar que la variabilidad natural del proceso, 6σ, es intrínseca a él e

independiente de las tolerancias que se asignen. Por lo tanto si 6σ es menor que el
intervalo de las tolerancias a cumplir, necesariamente algunos productos fabricados
estarán fuera de tolerancia y serán no conformes. Si no se tiene en cuenta este
hecho y se pretende corregir a base de reajustar el proceso, es decir modificar el
centrado, lo único que se consigue es aumentar la variabilidad del mismo.

Índices Cp y Cpk

Con objeto de comparar la capacidad del proceso y la amplitud de las tolerancias

a satisfacer, se define el índice de capacidad de proceso:

Si se pretende que la producción esté dentro de tolerancia, es necesario que Cp >1.

Si el proceso no estuviese centrado, el valor de este índice falsearía el grado de
cobertura con respecto a fabricar piezas fuera de tolerancias. En estos casos es
más significativo el índice Cpk que se define:

De este modo se define un proceso capaz como aquel que Cpk > 1.
Aplicando estos mismos conceptos a la variabilidad atribuible de una máquina de
las que integran el proceso de fabricación, podemos definir la capacidad de
máquina, el índice de capacidad de máquina Cm y Cmk.

Ejemplos. Ver anexos.

(Gutierrez Pulido, 2009)

 Anexos

Grafica de control X-R

Ejemplo 1

PESO
AREA BATIDO GANSITO VARIABLE DEPOSITADO
FECHA ENERO 20015 UNIDADES GRAMOS

NO. X1 X2 X3 X4 X5 µ R
1 29.7 28.9 28.6 28.5 27.7 28.68 2
2 28.1 28.9 28 27.5 27.5 28 1.4
3 27.4 26.9 27.4 27.74 26.9 27.268 0.84
4 28.8 26.3 27.4 27.3 27.9 27.54 2.5
5 28.5 28.2 27.9 27.3 28.2 28.02 1.2
6 29.7 26.9 28.5 27.9 27.7 28.14 2.8
7 28.1 27 27.8 26.5 27.5 27.38 1.6
8 27.4 26.4 28.2 26.8 26.9 27.14 1.8
9 28.8 26.4 27.6 26.6 27.9 27.46 2.4
10 28.8 25.8 27.4 27.5 28.2 27.54 3
11 29.5 28.6 29.1 27.9 27.2 28.46 2.3
12 29.2 28.2 28.7 27.5 27.6 28.24 1.7
13 27.9 25.9 28.4 27.5 26.8 27.3 2.5
14 29.7 25.7 28.2 27.5 27.5 27.72 4
15 26 27.8 28.3 28 28.1 27.64 2.3
16 30.8 29.3 28.3 28.3 28.8 29.1 2.5
17 30.4 27.3 27.7 27.5 28.1 28.2 3.1
18 29.5 27.9 27 27.1 28.6 28.02 2.5
19 28.6 26.7 26.2 26.9 28.6 27.4 2.4
20 27.7 27.8 27.2 27.5 29.2 27.88 2
21 29.1 28.1 28.8 28.3 28.6 28.58 1
22 26.6 27.5 28.4 28.7 28.8 28 2.2
23 28.1 26.7 27.9 28 27.8 27.7 1.4
24 26.4 26.9 27.7 29 28.5 27.7 2.6
25 27.9 27.2 27.4 29.5 28.9 28.18 2.3
26 20.5 27.8 28.9 28.3 28.7 26.84 8.4
27 27.8 27.3 28.7 28 28.2 28 1.4
28 28.3 26.6 27.6 27.5 27.9 27.58 1.7
29 28.4 26.5 27.9 27.6 28.7 27.82 2.2
30 28.1 26.8 27.7 28.5 29.2 28.06 2.4

Analizar las muestras tomadas de una máquina de inyección. Usar grafica de control
X-R. Calcular capacidad del proceso.

Solución:

PESO EN DEPOSITADO
1

29 UCL=28.937
Sample Mean

__
28
X=27.853

27
LCL=26.769
1
1
1 4 7 10 13 16 19 22 25 28
Sample

1
8

6
Sample Range

4 UCL=3.975

_
2 R=1.88

0 LCL=0
1 4 7 10 13 16 19 22 25 28
Sample

De acuerdo a la gráfica obtenida, se puede percatar que nuestro proceso tiene áreas
de oportunidad, debido a que se tiene un valor que se dispara en comparación a los
demás, esto solo sucede cuando hay un caso en espacial, tal puede ser una falla
en el sistema de la máquina, o bien un mal set up a la misma.
De acuerdo a la información obtenida, se concluye que hay fallas en el proceso que
están ocasionando salir bajo en nuestro rendimiento de capacidad. El valor obtenido
de Cpk es menor a 1. Se puede decir que tenemos una gran oportunidad de mejor.

Ejemplo 2.

De acuerdo a los datos obtenidos después de una muestra de 100 cables calcular
la capacidad del proceso y desarrollar grafica de control.
NP 453530083465 WORK CENTER 1825
ASSY CABLE FECHA may-11

NO X1 X2 X3 X4
1 717 704 688 706
2 752 684 721 697
3 726 696 707 667
4 737 683 694 730
5 725 680 701 668
6 709 678 684 772
7 642 683 698 732
8 706 877 675 691
9 677 673 702 726
10 677 762 707 698
11 717 698 702 704
12 732 705 720 704
13 702 693 689 668
14 693 707 689 687
15 686 698 699 677
16 684 741 672 720
17 694 667 725 707
18 707 690 664 692
19 705 672 717 712
20 668 689 662 691
21 688 688 707 706
22 705 685 716 687
23 714 708 696 687
24 687 688 704 693
25 694 707 717 664

Solución:
 Muestreo
760 1

740
UCL=733.23
Sample Mean

720
__
700 X=700.42

680
LCL=667.61
1 3 5 7 9 11 13 15 17 19 21 23 25
Sample

1
200

150
Sample Range

100 UCL=102.7

_
50 R=45.0

0 LCL=0
1 3 5 7 9 11 13 15 17 19 21 23 25
Sample

De acuerdo al gráfico, se puede decir que nuestro producto tiene un fallo, debido
que se registró una muestra mayor a 3Ϭ. No se tiene controlado el producto.
De acuerdo a lo anterior, el proceso no es estable, tiene un índice Cpk mucho menor
a 1, tal vez, esto es un indicador que se debe de para el proceso y mejorarlo de
inmediato. Lo normal es obtener un valor de 1.33. El valor obtenido tiene un fallo de
1 unidad.
Grafico X-S

Ejemplo 1

En la elaboración de envases de plástico primero se elabora la preforma, para la

cual se tienen varios criterios de calidad, uno de ellos es el peso de la preforma.
Para cierto envase, el peso debe estar entre 28.00 ± 0.5 g. Cada media hora se
toma un subgrupo de 10 preformas y se pesan. Las medias y desviaciones estándar
de los últimos 20 subgrupos se muestran enseguida:

Medias

28.048 28.042 27.985 27.968 28.044 28.162 27.981

27.985 28.024 27.973 28.021 28.026 28.004 27.993

27.949 28.028 27.99 28.004 27.997 28.014

Desviaciones estándar

0.1343 0.1596 0.0846 0.0868 0.1086 0.1029 0.1241

0.1010 0.0924 0.1049 0.1157 0.1127 0.0841 0.1090

0.1285 0.1116 0.0927 0.1691 0.1083 0.1031

Solución:
 Xbar-S Chart of u
1
28.10

UCL=28.0724
Sample Mean

28.05
__
X=28.0119
28.00

27.95 LCL=27.9514
1 2 3 4 5 6 7 8 9 10
Sample

1
0.08
UCL=0.07438

0.06
Sample StDev

0.04
_
0.02 S=0.02277

0.00 LCL=0
1 2 3 4 5 6 7 8 9 10
Sample

Se puede percatar que el proceso tiende a ser inestable pero se encuentra dentro
de los rangos de control, sin embargo, existe un dato que hace fallar el análisis, esto
puede ser por algún cambio en la máquina, o bien se pudo haber dejado de usar la
máquina y se hicieron tiros en seco para poder trabajarla de manera correcta.

Ejemplo 2.

En la siguiente figura tenemos los datos de 40 subgrupos de tamaño 5.

Solucion:

Los valores para el cálculo del gráfico de control de medias:

Los valores para el cálculo del gráfico de control de desviaciones estándar:

Una vez hechos los gráficos de control, estos nos quedan así:
De acuerdo a lo obtenido se puede decir que nuestro proceso se encuentra
controlado. Las desviaciones, a pesar que los valores de las muestras son grandes,
no sobrepasan de 3. Es por eso se dice que nuestro proceso es estable.
Grafico X

Ejemplo 1

El fabricante de un determinado material plástico debe controlar la resistencia a la

tensión de sus piezas. Se sabe por experiencia que, cuando el proceso de
producción funciona correctamente, la resistencia media de sus piezas es de 275 N
y la desviación típica de las lecturas de resistencia es de 43 N. Con el fin de
determinar si el proceso de producción se encuentra bajo control, un operario mide
la resistencia a la tensión de una muestra de cuatro piezas cada hora y anota la
resistencia promedio.

La siguiente tabla recoge la resistencia a la tensión promedio de cada una de las

muestras recogidas a lo largo de 20 horas consecutivas de trabajo. ¿Podemos decir
que el proceso se encuentra bajo control? ¿Cómo podemos utilizar estos datos para
mantener el proceso bajo control?

Solución:
 I Chart of muestra
380 UCL=376.9

360

340
Individual Value

320
_
X=306.3
300

280

260

240
LCL=235.7
1
220
1 3 5 7 9 11 13 15 17 19
Observation

De acuerdo a lo muestra la gráfica, se puede decir que en nuestro proceso existe

una falla, la cual está generando que algún valor salgo de nuestros límites de
control. Además se puede percatar que la gráfica tiende a subir, puede que si se
hubiera tomado una muestra más grande pudiera que tuviéramos mas fallas en
nuestras lecturas.

Ejemplo 2.

Se tomaron muestras del peso de cada lote. Los resultados son los siguientes:

760.47 885.64 987.30 807.79 886.57

671.58 1237.50 873.14 1191.60 700.53
836.46 1211.29 1089.67 1241.84 1111.40
862.15 758.39 870.50 709.05 1103.06
737.16 1013.09 1021.90 971.27 1036.04
1013.37 944.13 894.75 757.57 1050.78
1217.69 1012.97 865.54 1008.66 837.02
876.99 1045.60 962.47 880.06 895.86
932.41 839.04 555.16 1306.14 832.81
960.39 1251.27 1280.82 988.37 963.91
Analizarlo y hacer su grafía de individuales.

Solución:

I Chart of peso
1400
1
1300 1
1 1 1
1 1
1200 UCL=1205

1100
Individual Value

1000 _
X=950
900

800

700 LCL=695
1
600
1
500
1 6 11 16 21 26 31 36 41 46
Observation

El gráfico nos muestra 8 puntos situados fuera de los límites de control, así como 9
puntos localizados dentro de los mismos pero que no han cumplido el segundo de
los tests (2, 7, 12, 13, 20, 29, 30, 33, 39), lo que sugiere la existencia de causas
especiales de variación.
Capacidad de Procesos, Cp, Cpk y Cpm

Ejemplo 1.

En una planta de ensambles electrónicos, se toma periódicamente lectura de la

temperatura del ambiente. Las lecturas tomadas del mes pasado fueron las
siguientes:

3.03 3.17 4.27 2.20

3.88 3.35 4.40 2.35
3.71 4.15 4.42 3.89
2.67 5.88 4.68 3.66
3.95 3.71 4.60 4.22
Calcular capacidad.

Solución:

Límite superior de especificación: 5.00 % de humedad

Límite inferior de especificación: 3.00 % de humedad

Desviación estándar del proceso: 0.40 %

 𝐿𝑆𝐶 − 𝐿𝐼𝐶
𝐶𝑝 = = 0.42
6Ϭ

𝐿𝑆𝐶 − 𝑋
𝐶𝑝𝑘 = = 0.42
3∗𝑆

El valor obtenido muestra que existe demasiada variabilidad en la temperatura esto

puede afectar a nuestros productos.

Realizando la mejora se obtiene lo siguiente:

Ejemplo 2.

Se implementaron nuevos controladores de temperatura y humedad del ambiente.

Las nuevas lecturas registradas son las siguientes:
Límite superior de especificación: 5.00 % de humedad

Límite inferior de especificación: 3.00 % de humedad

Desviación estándar del proceso: 0.25 %

De acuerdo lo obtenido, se puede decir que el ambiente ya está controlado, no se

tiene mucha fluctuación en los valores. Además, los valores para el valor que
normalmente manejan las empresas para sus procesos de 1.33.
Conclusión

Las gráficas de control para variables son las herramientas que ayudan a analizar
la forma en que se encuentran nuestros procesos, conocer si verdaderamente se
están llevando a cabo de manera estable los procesos.

Dependiendo del tipo de estudio al que se quiere llegar es el tipo de grafico que se
debe de trabajar. El analista debe de elegir la que más le convenga, obtener
muestras y pasar a registrarlas en las tablas y se procese a realizar los cálculos
para las gráficas de control.

Existe la ayude de software que facilitan estas actividades, tales como Minitab.

Además de poder obtener gráficos de control, se puede calcular la capacidad de

nuestros procesos. Esto hace referencia a los índices Cp y Cpk.

Las empresas miden la capacidad con la ayuda de estos índices, para estas, lo
primordial es obtener resultados >1. Si se tiene estos resultados, se puede decir
que los procesos son confiables y estables.
Bibliografía
Gutierrez Pulido, H. (2009). Control Estadistico de Calidad y Seis Sigma. México. D.F.: Mc Graw Hill.