Universidad de San Carlos de Guatemala

Facultad de Ingeniería
Escuela de Mecánica Industrial
CONTROLES INDUSTRIALE
AUX. JUAN FRANCISCO ROMERO A.

PRACTICA 4: “CONTROL ESTADISTICO DE LA CALIDAD”

INTRODUCCIÓN

Definimos el “Control Estadístico de la Calidad” como la aplicación de diferentes técnicas

estadísticas a procesos industriales (mano de obra, materias primas medidas, máquinas y medio
ambiente), procesos administrativos y/o servicios con objeto de verificar si todas y cada una de las
partes del proceso y servicio cumplen con unas ciertas exigencias de calidad y ayudar a cumplirlas,
entendiendo por calidad “la aptitud del producto y/o servicio para su uso.

OBJETIVOS

General

Detectar rápidamente la ocurrencia de variabilidad debida a causas asignables.

Específicos

1. Investigar la(s) causa(s) que la han producido y eliminarla(s).

2. Informar de ella para la toma de decisión oportuna, pues de lo contrario se producirían gran
cantidad de unidades de calidad no aceptable, originando una disminución de la capacidad
productiva e incremento de costos del producto terminado (supervisor).

3. Eliminar, si es posible, o al menos reducir al máximo la variabilidad del proceso (dirección).

FUNDAMENTO CONCEPTUAL

La aplicación de técnicas estadísticas al control está basada en el estudio y evaluación de la

variabilidad existente en cualquier tipo de proceso que es principalmente el objeto de la
Estadística.

Las fuentes que producen la variabilidad objeto de estudio en la Estadística, se clasifica en

“variabilidad controlada” o “corregible” que no entra dentro de nuestro campo pero si es posible
detectarla por causar una variabilidad muy grande (ajuste incorrecto de la máquina, errores
humanos, siendo posible eliminar la causa o causas que la han producido, y la “variabilidad debida
al azar”, también denominada “variabilidad no controlable que no puede ser asignada a una causa
única sino al efecto combinado de otras muchas.
Supongamos un esquema de un proceso de fabricación determinado que produce cierta pieza
donde la característica de calidad sea Y (medible u observable). Se observa que la magnitud de la
característica varía de unidad a unidad de producto; esto es, se dice que el producto posee
variabilidad, objetivo primario o base de la Estadística.

En el desarrollo práctico de la asignatura tendremos en cuenta siempre su aplicación a procesos

industriales que permiten la disponibilidad de gran variedad de datos donde la o las características
de calidad podrán ser medibles y se conocen como variables o podrán ser observadas a las que se
refiere como atributos, utilizando distintas técnicas según el tipo de ellas.

En todo proceso industrial cabe distinguir la calidad de diseño que no es objetivo de la asignatura y
la calidad de fabricación, sobre la que nos centraremos especialmente, aplicando los métodos
estadísticos al:

Control del proceso o en curso de fabricación que proporciona no solo detectar fallos en curso de
fabricación sino también permite aprender cuáles son las causas que provocan variabilidad,
aportando datos para mejorar el proceso.

FUNDAMENTO CONCEPTUAL

Qué es un gráfico de control

Una de las herramientas de análisis y solución de problemas es la gráfica de control. Es un

diagrama que muestra los valores producto de la medición de una característica de
calidad, ubicados en una serie cronológica. En él establecemos una línea central o valor nominal,
que suele ser el objetivo del proceso o el promedio histórico, junto a uno o más límites de control,
tanto superior como inferior, usados para determinar cuándo es necesario analizar una
eventualidad.

¿Qué logramos con esto?

Imagina que eres un productor de tornillos y que cada tornillo que haces debe medir entre 3,55
cm y 3,60 cm. Menos de 3,55 cm o más de 3,60 cm se consideran tornillos defectuosos. Por ende,
estableces tu límite de control superior en 3,60 cm y tu límite inferior en 3,55 cm. Anotas las
medidas de los tornillos que produces a diferentes horas del día. Un día ves que en el gráfico de
control, hay 7 tornillos producidos a las 3 de la tarde que están por fuera de los límites, ¿qué paso
ahí?

La respuesta al primer interrogante es: Adquieres control del proceso. Siguiendo el ejemplo de los
tornillos, el paso siguiente es determinar porqué ocurrió esa variación en el proceso. ¿Acaso fue
una causa aleatoria? ¿Quizás fue una causa asignable?

Veamos algunos términos antes de conocer qué tipos de gráficas hay.

 Causa asignable: Si consigues hallar una causa concreta o que ocasiona una variación
excesiva y obedece a una situación especifica, hablamos de causa asignable. Es el tipo de
causa que debemos corregir. Por ejemplo la deficiente capacitación del trabajador o la
falta de ajuste de una máquina.

 Causa aleatoria: Cuando no consigues hallar una explicación concreta a una variación, o si
la variación fue ocasionada por un evento sin importancia que no se volverá a repetir,
hablamos de causa aleatoria. También se le suelen llamar variaciones naturales o causas
naturales. Es el tipo de causa que esta presente en la vida misma, fortuita. Ejemplos son la
curva de aprendizaje del trabajador y el cierre inesperado del software.

 Límite superior de control: Es el valor más grande aceptado en el proceso. En español LSC,
en inglés UCL (Upper control limit).

 Limite inferior de control: El opuesto al superior, es decir, el valor más pequeño. LIC en
español, LCL en inglés (Lower control limit).

 Límite central de control: Con siglas LCC, es la línea central del gráfico. Entre más cerca
están los puntos a la línea, mas estable es el proceso.

Beneficios: ¿Para qué entonces un gráfico de control?

¿Para qué sirve un diagrama de control entonces?
Con lo que hemos detallado hasta el momento ya tenemos varios beneficios definidos.
 Análisis de proceso: Puede que nunca se haya hecho un control estadístico de
proceso. Un análisis con gráfico de control donde estableces los límites de control,
te permitirá analizar ese proceso y determinar qué es lo normal en él, cuando algo
no está bien, o si ha mejorado o empeorado a través del tiempo. Un proceso
analizado con esta herramienta, es un proceso controlado, que es precisamente el
segundo beneficio.
  Control de proceso: Conoces el comportamiento del proceso. ¿Es estable?, ¿se
mantiene? ¿qué tan frecuente se sale de control? Esto te permite intervenir sobre
el proceso para mejorarlo. Este, a continuación es el tercer beneficio.
 Mejoramiento del proceso: No basta analizar y controlar un proceso. Es necesario
mejorarlo. Con el diagrama de Shewhart identificamos dónde se generaron las
fallas y tenemos datos de entrada para hacer análisis de causas en aras de plantear
soluciones a las fallas.

Tipos de gráficos de control

La característica de calidad a medir determina el tipo de diagrama de control. Inicialmente
encontramos dos clasificaciones:

Gráfica de control por variables

La característica de calidad que se mide es una variable continúa (peso, pulgadas,
temperatura, etc). Si ese es el caso, podemos encontrar gráficos basados en la tendencia
central ( ) y en el rango.
 Gráfica X: Qué tanto se están alejando las mediciones de la tendencia central, que
en este caso es la media o promedio. Por ejemplo un nuevo trabajador o nuevos
instrumentos de trabajo harán que las mediciones se alejen más de línea central.
 Gráfica R: Qué tanta ganancia o pérdida de uniformidad hay en la dispersión de un
proceso dentro de una muestra. En otras palabras, el rango es la resta del valor
más grande con el valor más pequeño de una muestra, lo que nos permite
determinar la variabilidad. El valor resultante es plasmado en un gráfico de control
para ser comparado con el rango de otra serie de muestras. Con esto logramos ver
si hay presencia de uniformidad en los puntos ubicados o si no, para intervenir.

 Gráfica -R: Utilizamos ambos tipos de gráficas cuando se miden la relación de las
especificaciones de calidad con la tendencia central y la dispersión. En este
sentido, ubicamos una gráfica ligeramente encima de la otra y analizamos el
comportamiento de cada punto.
Gráfica de control por atributos
Piensa en una característica de calidad basada en atributos como el cumplimiento con
respecto a una especificación. Lo hacemos con variables discretas. De aquí se derivan
cuatro tipos de gráficos:
 Gráfico p: En él medimos el porcentaje de defectos por muestra. Por ejemplo si
tenemos una muestra de 100 productos y 10 de ellos tienen al menos un defecto,
hay una fracción defectuosa de 0,1. Este valor se ubica en el gráfico sobre el eje y.
 Gráfico np: A diferencia de p, este valor no es una fracción. Es el número de
unidades defectuosas en una muestra. Si es una muestra de 100 productos, 10 de
ellos tienen al menos un defecto, 10 será el valor a ubicar en el gráfico sobre el eje
y.
 Gráfico c: Es el número de defectos por unidad de producción durante un período
de muestreo. En este caso, los defectos por producto se cuentan, y establecemos
un valor para definir a partir de cuántos defectos una unidad es defectuosa. Por
ejemplo, el número de zonas desgastadas que tenga una chaqueta de cuero, si la
chaqueta tiene más de 5 zonas desgastadas, se considera una unidad no conforme.
 Gráfico u: Similar a p pero parte del gráfico c. En él medimos el porcentaje de
defectos en una unidad durante un período de muestreo.

Cómo hacer un gráfico de control: Paso a paso

Hay diversidad de softwares que tienen funciones para hacer montones de cosas con
cartas de control. Incluso, en empresas de producción, hay maquinarias que elaboran a
medida que producen las cartas de control según la configuración asignada. Pero como
este no es el caso y de lo que hablamos en Ingenio Empresa es de aprendizaje, vamos a
explicar cómo hacer un gráfico de control.
Aún cuando es un paso a paso, si es importante que complementes lo aprendido aquí con
otras fuentes, pues el diagrama de control y en general el control estadístico de procesos
es un tema mucho más grande, que incluye distribuciones de probabilidad, fórmulas,
niveles de sigma, etc.
En todo caso, el control estadístico de procesos es un tema próximo a desarrollar en
detalle en Ingenio Empresa.
 Paso 1. Antes que nada, determina cuál es el proceso a trabajar y cuál es la
característica de calidad que vas a medir. ¿Acaso es peso, longitud, número de
defectos o volumen?
 Paso 2: Ahora que tienes el tipo de datos a recolectar, define el tipo de gráfico de
control a usar basándote en lo explicado anteriormente, y no te quedes solo con
eso, investiga más.
 Paso 3: Determina el tiempo en el que estarás capturando los datos y define con
base en el tipo de gráfico que vas a trazar, cuestiones como la cantidad de
muestras a considerar (considera al menos 20) y el tamaño de cada una.
 Paso 4: Recopila los datos.
 Paso 5: Determina la línea central y el límite de control superior e inferior.
 Paso 6: Representa los datos en la gráfica.
 Paso 7: Analiza el resultado. Interpreta el gráfico.
FORMULAS
GRAFICA P

GRAFICA NP

GRAFICA C
Por ejemplo, λ será el número medio de defectos
 GRAFICA U

Interpretación de un gráfico de control

Y este apartado es únicamente para el paso 7, pues aquí radica la verdadera utilidad de
una carta de control. Existen comportamientos y patrones en los datos representados,
que nos darán un indicio de que hay una variabilidad no aleatoria que debe investigarse.
 Pista 1: Cuando hay solo un punto fuera de control. Es quizá la más pequeña de las
probabilidades.
 Pista 2: Cuando hay dos de cada tres puntos sucesivos ubicados a un lado de la
línea central y más de dos desviaciones estándar (sigma) alejados de esta línea.
 Pista 3: Cuando hay 4 de cada 5 puntos sucesivos ubicados a un lado de la línea
central y más de una desviación estándar (sigma) alejados de esta línea.
 Pista 4: Cuando hay una serie de 8 puntos sucesivos ubicados a un lado de la línea
central, sin importar cuántas desviaciones estándar estén alejados de la línea
central. Por ejemplo 8 de cada 10 puntos, 12 de cada 14 puntos o 16 de cada 18
puntos.
 Pista 5: Cuando hay 6 puntos consecutivos ascendentes o descendientes.
 Pista 6: Cuando hay 14 o más puntos consecutivos cruzando la línea central de
arriba a abajo, sin que haya al menos 2 puntos sucesivos en un mismo lado.
 Pista 7: Cualquier patrón recurrente que estés observando, puede ser
considerado algo inusual.
Ejemplo de Gráfica Xbarra-R
Un ingeniero especializado en calidad que trabaja en una planta de partes automotrices monitorea
la longitud de los árboles de levas. Tres máquinas producen los árboles de levas en tres turnos
cada día. El ingeniero mide cinco árboles de levas de cada máquina durante cada turno.
El ingeniero crea una gráfica Xbarra-R para cada máquina para monitorear la longitud de los
árboles de levas.
1. Abra los datos de muestra, LongÁrbolLevas.MTW.
2. Elija Estadísticas > Gráficas de control > Gráficas de variables para subgrupos > Xbarra-R.
3. En la lista desplegable, seleccione Todas las observaciones para una gráfica están en una
columna e ingrese Máquina 1 Máquina 2 Máquina 3.
4. En Tamaños de los subgrupos, ingrese ID subgrupo.
5. Haga clic en Aceptar en cada cuadro de diálogo.

Interpretar los resultados

Minitab crea tres gráficas Xbarra-R, una gráfica para cada máquina. El ingeniero examina la
gráfica R primero, porque si la gráfica R muestra que la variación del proceso no está bajo control,
entonces los límites de control en la gráfica Xbarra son inexactos.
Las gráficas R para las tres máquinas muestran que la variación del proceso está bajo control.
Ningún punto está fuera de control y todos los puntos se encuentran dentro de los límites de
control en un patrón aleatorio.
Las gráficas Xbarra muestran que la máquina 2 está bajo control, pero las máquinas 1 y 3 no lo
están. En la gráfica Xbarra de la máquina 2, ningún punto está fuera de control. Sin embargo, la
máquina 1 tiene un punto fuera de control y la máquina 3 tiene dos puntos fuera de control.
Resultados de la prueba para la gráfica Xbarra de Máquina 1

PRUEBA 1. Un punto fuera más allá de 3.00 desviaciones estándar de la línea

central.
La prueba falló en los puntos: 8

Resultados de la prueba para la gráfica Xbarra de Máquina 3

PRUEBA 1. Un punto fuera más allá de 3.00 desviaciones estándar de la línea

central.
La prueba falló en los puntos: 2, 14

* ADVERTENCIA * Si se actualiza la gráfica con los nuevos datos, los resultados

anteriores quizás ya no sean correctos
Ejemplo de Gráfica P
El supervisor de un centro de llamadas desea evaluar el proceso de contestar las llamadas
telefónicas de los clientes. El supervisor registra el número total de llamadas entrantes y el
número de llamadas no contestadas durante 21 días. El supervisor crea una gráfica P para
monitorear la proporción de llamadas no contestadas.
1. Abra los datos de muestra, LlamNoResp.MTW.
2. Elija Estadísticas > Gráficas de control > Gráficas de atributos > P.
3. En Variables, ingrese Llam NoResp.
4. En Tamaños de los subgrupos, ingrese Total Llamadas.
5. Haga clic en Aceptar en cada cuadro de diálogo.

Interpretar los resultados

La gráfica muestra que, en promedio, 9.57% de las llamadas no son contestadas. Ninguna de las
proporciones de los subgrupos está fuera de los límites de control. Además, los puntos dentro de
los límites muestran un patrón aleatorio. Esta gráfica P no ofrece evidencia de falta de control. Por
lo tanto, el proceso está bajo control.
Ejemplo de Gráfica NP
Un ingeniero especializado en calidad evalúa si el proceso utilizado para producir focos está bajo
control. El ingeniero prueba 500 focos cada hora durante tres turnos de 8 horas y registra el
número de focos que no encienden (elementos defectuosos).

El ingeniero crea una gráfica NP para monitorear el número de focos defectuosos.

1. Abra los datos de muestra, FocosDefect.MTW.

2. Elija Estadísticas > Gráficas de control > Gráficas de atributos > NP.

3. En Variables, ingrese Defectuosos.

4. En Tamaños de los subgrupos, ingrese 500.

5. Haga clic en Aceptar en cada cuadro de diálogo.

Interpretar los resultados

Un punto está fuera de control en la gráfica NP. El ingeniero concluye que el proceso no es estable
y debe mejorarse.

Gráfica NP de Defectuosos

Resultados de la prueba para la gráfica NP de Defectuosos

PRUEBA 1. Un punto fuera más allá de 3.00 desviaciones estándar de la línea

central.

La prueba falló en los puntos: 16

* ADVERTENCIA * Si se actualiza la gráfica con los nuevos datos, los resultados

anteriores quizás ya no sean correctos.

 HOJA DE TRABAJO #8
Realizar los ejercicios a mano y luego confirmar los datos utilizando minitab.

1. Se desea realizar un proceso de control sobre la media y el recorrido del conjunto de

datos que aparecen en el siguiente cuadro, que consta de 12 muestras, cada una de
tamaño 5:

Subgrupo
1 33 29 31 32 33
2 33 31 35 37 31
3 38 37 39 40 38
4 30 31 32 34 31
5 38 33 32 35 32
6 30 37 29 32 35
7 28 30 28 32 31
8 31 35 35 35 34
9 27 32 34 35 37
10 33 33 35 37 36
11 32 33 30 30 33
12 36 31 37 34 28

Para ello, efectúa las siguientes operaciones:

a) Construye los gráficos de control para X y R y decide si el proceso esta fuera de control.
b) Elimina las muestras que escapan de los límites 3−sigma y repite el apartado anterior.
2. La compañía ABC fabrica cortadoras de césped. La producción diaria es de aproximadamente
200 cortadoras. Se ha decidido seleccionar cada día 40 cortadoras al azar de la línea de proceso
para realizar la prueba de calidad. La prueba consiste en realizar dos ensayos tirando el cordón
para ver si el motor arranca. El ingeniero de producción desea realizar un diagrama p para esta
prueba crítica de funcionamiento. Los datos de mes de marzo con 22 días laborables se muestran
en la tabla anexa.

a) Construya la gráfica p e identifique si el proceso está bajo control

b) Estime la fracción defectuosa del proceso suponiendo que se eliminan las causas
especiales de variabilidad

Día Numero de Fracción

artículos defectuosa
(x/n)
defectuosos
(x)
1 2 2/40 = 0.050
2 3 0.075
3 1 0.025
4 4 0.1
5 3 0.075
6 2 0.05
7 1 0.025
8 1 0.025
9 0 0
10 3 0.075
11 2 0.05
12 4 0.1
13 7 0.175
14 2 0.05
15 3 0.075
16 3 0.075
17 2 0.05
18 8 0.2
19 0 0
20 1 0.025
21 3 0.075
22 2 0.05
TOTAL 57
3. El ingeniero de calidad de una empresa toma muestras de la producción diaria con el objeto de
elaborar una gráfica np.

La tabla anexa muestra los rechazos encontrados y la cantidad de piezas revisadas cada
día. Si el número de rechazos de cierto día excede los límites de control el ingeniero debe
inspeccionar al 100% el lote producido.
a) Determine los límites de control y construya la gráfica
b) Determine los límites de control futuros, suponiendo que se identifican las causas
especiales de puntos fuera de control.

Rechazos Muestra
20 98
18 104
14 97
16 99
13 97
29 102
21 104
14 101
6 55
6 48
7 50
7 53
9 56
5 49
8 56
9 53
9 52
10 51
9 52
10 47
240 1424
 REPORTE #8
Realizar los procedimientos a mano y las gráficas impresas, el marco práctico
es individual.
1. Se realizaron 210 mediciones del tiempo requerido de atención (en segundos) en una
caja rápida. En este tipo de caja, sólo está permitido un máximo de 8 artículos por cliente.
La muestra se obtuvo realizando la medición del tiempo de atención durante tres semanas
de operación (Cuadro 2). Las mediciones del servicio se realizaron en los dos turnos de
operación de la caja.
El muestreo consistió en tomar el tiempo de cada cliente desde que llega a la caja y se
retira de ella mediante un cronómetro digital. Se tomaron los tiempos de atención de diez
clientes por día de manera aleatoria dentro del turno de trabajo del cajero que atiende
esta caja.

Tiempo de atención al cliente en caja rápida

Subgrupo Tiempo requerido por cliente (segundos)
Lunes 33 37 39 39 31 35 31 39 37 34
Martes 36 30 33 37 33 39 37 35 35 35
Miércoles 40 40 32 31 34 40 30 31 34 35
Jueves 33 38 31 40 36 36 40 39 38 31
Viernes 32 38 32 33 32 34 35 34 40 35
Sábado 41 37 44 44 36 36 35 38 41 37
Domingo 37 39 45 41 41 43 38 45 44 39
Lunes 31 40 40 38 36 38 36 36 30 40
Martes 35 36 39 34 32 35 31 38 34 33
Miércoles 40 30 36 34 38 38 34 39 40 30
Jueves 38 34 36 38 35 38 32 35 31 33
Viernes 32 36 40 37 38 40 40 38 30 36
Sábado 41 40 41 35 45 43 40 39 45 44
Domingo 42 45 44 45 45 45 41 43 39 41
Lunes 33 32 34 39 35 33 39 35 32 35
Martes 39 36 40 32 36 36 32 32 33 40
Miércoles 38 34 34 38 36 36 32 40 38 38
Jueves 30 33 38 34 33 32 36 40 37 38
Viernes 36 34 40 35 39 33 39 30 31 31
Sábado 45 36 39 43 39 40 39 37 44 45
Domingo 36 36 44 35 39 36 40 44 41 37
2. Los diodos para un circuito impreso son producidos de forma continua en
cierto proceso industrial. Un operario va tomando aleatoriamente diodos de
la cadena de producción y va comprobando si son defectuosos o aceptables.
Como la cadena no tiene un ritmo de producción constante (sigue un ritmo
de producción denominado just − in − time, donde el ritmo de la cadena se va
determinando según el nivel de stock final e intermedio), el ritmo de
inspección no es tampoco constante. El operario, por tanto, no toma siempre
la misma cantidad de diodos para realizar la inspección. La Tabla muestra el
tamaño de las muestras recogidas y el número de diodos que resultaron
defectuosos. Grafico P
3. Se desea construir un gráfico de control NP para controlar un proceso que
fabrica un chip que se insertará en una tarjeta de telefonía. Se tienen 25
muestras, cada una formada por 50 chips. El número de chips defectuosos en
cada una de las muestras se muestra en la Tabla.

4. Un fabricante de cable de fibra óptica desea controlar la calidad del cable

mediante un gráfico de control C. Para ello toma como unidad de medida los
100 metros e inspecciona el número de defectos que encuentra:
microfisuras, arañazos externos, poros, etc. La inspección está altamente
automatizada, inspeccionándose el 100 % del cable. La tabla 5.3 muestra el
resultado de 12 unidades (1200 metros)
6. Un operario inspecciona la calidad de unos circuitos impresos
(arañazos, bandas incorrectas, grosor no uniforme, etc.). Los circuitos
que inspecciona son muy diversos. Según el tipo de circuito se apunta
su superficie y el número de defectos. Tras inspeccionar 12 placas
obtiene los datos de la Tabla
Grafico U