You are on page 1of 78

CONTROL ESTADSTICO

DEL PROCESO

DISTRIBUCION NORMAL
La notacin para una variable aleatoria que se distribuye normalmente es x N (
, 2 ), la forma de la distribucin es simtrica, unimodal y en forma de campana.
Las reas entre diferentes desviaciones estndar son:
1 68.26%
2 95.46%
3 99.73%
-3
Fig. 2.1

+3

Curva de distribucin normal

La poblacin incluye todos los datos, la muestra es una porcin de la poblacin.

La distribucin normal estndar


El valor de z
Determina el nmero de desviaciones estndar
de la poblacin

entre algn valor X y la media

. Para calcular el valor de Z usamos la siguiente frmula.

(2.1)

La distribucin de probabilidad f (Z) es una distribucin normal con media 0 y


desviacin estndar 1; esto es Z se distribuye normalmente con media cero y
desviacin estndar = 1 Z~N(0,1): La grfica de densidad de probabilidad se
muestra en la figura.
F(z)

Z
0

La distribucin f (Z) se encuentra tabulada en la tabla de distribucin normal


estndar. En esta tabla podemos determinar los valores de Z o la probabilidad de
determinado valor Z.
NOTA: Cuando las tablas acumulativas de distribucin normal slo dan valores a
la izquierda de valores positivos de z, utilizando la propiedad de simetra se
pueden evaluar probabilidades o reas a la izquierda de valores negativos de z.

P (x >= a) = 1 P (x <= a)

(2.2)

P (x <= -a) = P (x >= a) y


P (x >= -a) = P (x <= a)
Tambin es muy til hacer un diagrama de la distribucin, indicando las reas
buscadas.
Ejemplo 2.1 :

El gerente de personal de una gran compaa

requiere que los solicitantes a un puesto efecten cierta


prueba

alcancen

una

calificacin

de

500.

Si

las

calificaciones de la prueba se distribuyen normalmente con


media

485 y desviacin estndar

30 Qu porcentaje de

los solicitantes pasar la prueba?


Calculando el valor de Z obtenemos:

500 485
0.5
30

Buscamos el valor correspondiente Z en las tabla de distribucin normal.


Z0.5 = .69146 = 69.146% siendo esta la probabilidad de que la calificacin sea
menor a 500 P (X<500). Dado que el porcentaje pedido es

P ( X 500)

es 1-.69146 =.3085 , 30.85% de los participantes pasarn la prueba.


485

3 0 .8 5 %

Z.0 5

la solucin

Ejemplo 2.2:
Encuentre las probabilidad siguiente usando la tabla Z,
P(-1.23 < Z > 0).

-1.23
0

Solucin: Buscamos el valor Z 1.23 en las tablas siendo este = .89065. restando .
89065-.05 = .3905, este valor es la probabilidad de 0 a 1.23 que es
exactamente la misma de 1.23 a 0 por simetra. Por lo tanto la probabilidad es
.3905
Algunas veces en vez de encontrar la probabilidad asociada con un valor particular
de una variable aleatoria, se requiere encontrar lo opuesto, es decir un valor de z
que donde se encuentre un cierto valor de probabilidad.
Ejemplo 2.6: si x N (10, 9). Se desea encontrar el valor de x
= a, tal que P(x > a) = 0.05.
En la tabla se encuentra que para P( z<= 1.645) = 0.95, por
tanto:
(a 10) / 3 = 1.645
a = 14.935.
TEOREMA DEL LMITE CENTRAL
La distribucin normal tiene muchas propiedades tiles, una de estas se refiere a
la combinacin lineal de variables aleatorias independientes. Si x 1, x2 x3,..., xn son

variables aleatorias independientes no necesariamente normales, con media 1,


2,... n y varianzas 12, 22,..., n2 respectivamente, entonces la distribucin del
estadstico siguiente:

y = a1x1 + a2x2 +............. + anxn

(2.4)

es normal con media


y = a11 + a22 +... + ann
y varianza
y2 = a1212 + a2222...,+ an2n2
donde a1, a2, ... an son constantes.
El Teorema del Lmite Central establece que la distribucin de la variable:

[y -

i 1

i ]

i 1

2
i

(2.5)

Se aproxima a la distribucin normal conforme n tiende a infinito. Es decir que la


suma de las n variables aleatorias independientemente distribuidas es
aproximadamente normal, independientemente de la distribucin de las variables
individuales.
La aproximacin se mejora conforme se incrementa n, en general si las x i estn
distribuidas en forma idntica y su distribucin se asemeja a la normal, el teorema
del lmite central trabaja bien para n>=3 o 4, condiciones propicias para el control
estadstico de los procesos.

PRUEBAS DE HIPTESIS
Se pueden cometer dos tipos de errores cuando se prueban hiptesis:

Error tipo I, se rechaza Ho cuando es verdadera.


Error tipo II, no se rechaza Ho cuando es falsa.
Las probabilidades de esos dos tipos de errores son:
= P(error tipo I)
= P(error tipo II)
donde la potencia de la prueba es
Potencia = 1 - = Probabilidad de rechazar correctamente Ho.
Alfa a veces se denomina riesgo del productor, denotando la probabilidad de que
un lote bueno o un proceso que produce partes aceptables en relacin a una
caracterstica de calidad sean rechazados.
Beta a veces se denomina riesgo del consumidor denotando la probabilidad de
aceptar lotes de calidad pobre, o permitiendo que un proceso contine operando
de manera insatisfactoria respecto a una caracterstica de calidad.
El procedimiento general para pruebas de hiptesis es especificar una
probabilidad de error tipo I o , y disear un procedimiento de prueba que
minimice la probabilidad de error tipo II.
Conforme se incrementa el tamao n de muestra, se reduce la probabilidad de
error tipo II.
PROBABILIDAD DE ERROR TIPO II
Tomando como estadstico de prueba Zc, y asumiendo que sigue una distribucin
normal N(0,1).

Z c X 0

(2.6)

Para encontrar la probabilidad de error tipo II, se debe asumir que Ho es falsa y
entonces hallar la distribucin de Zc. Suponiendo que la media de la distribucin
realmente es:
1 = 0 +

con > 0

La hiptesis alterna H1 es verdadera y bajo esta suposicin, el estadstico Zc es:


Zc N

,1
n
BAJO H0

- Z/2

BAJO H1

Z/2

Zc =

n /

Fig. 2.2 La distribucin de Zc bajo Ho y H1


La probabilidad del error tipo II es la probabilidad de que Zc se encuentre entre Z/2 y Z/2 dado que la hiptesis alterna es verdadera.
Para evaluar esta probabilidad, se evaluan F(Z /2) ) F(-Z/2), donde F es la
distribucin acumulativa normal estndar. La probabilidad de error tipo II es
(funciona igual para cuando < 0):

n
n
Z / 2

Z / 2

(2.7)

Ejemplo 2.7: si los estndares especifican que la media de una


lata de caf es de 16.0 oz., y de acuerdo a la experiencia se
sabe que la desviacin estndar del contenido es de 0.1 oz.
Las hiptesis son:
Ho: = 16.0
Ho: 16.0
Asumiendo una probabilidad de error tipo I de 0.05 y tomando
una muestra de 9 latas, se tiene que el estadstico de prueba
es:

Z 0 X 16

Se rechaza Ho si Zo

0.1
9

> Z0.025 = 1,96

Suponiendo que se desea encontrar la probabilidad del error


tipo

II

si

el

valor

verdadero

de

la

media

implicando que = 16.1 16.0 = 0.1, se tiene:

n
n
Z / 2

Z / 2

0.1 9
0.1 9
1.96

1.96

0
.
1
0
.
1

= (- 1.4 ) -

( -4.96 )

es

=16.1

= 0.1492
Es decir que la probabilidad de no rechazar Ho si la media es
16.1 oz. Es de 0.1492, o que la potencia de la prueba es de 1
- = 1 0.1492 = 0.8508.
De la ecuacin anterior para , se observa que es una funcin de n, y de ,
tomando como 0.05 y graficando contra d =

/ , se obtienen las curvas

caractersticas de operacin (OC).


(ver grfica de curva OC)
En las curvas OC se observa que:
1. Entre mayor sea el valor de , se reduce la probabilidad de error tipo II para
una n y dadas. Es decir que la prueba detecta ms fcilmente grandes
diferencias.
2. Conforme se incrementa n, la probabilidad de error tipo II es ms pequeo para
una y dadas. Es decir que la prueba se hace ms potente si se incrementa
el tamao de muestra.
HERRAMIENTAS PARA CONTROL DEL PROCESO
Para que un producto cumpla especificaciones del cliente en forma consistente,
debe ser producido por un proceso estable y repetible, con poca variacin
alrededor del valor nominal de las caractersticas de calidad del producto. El
Control Estadstico del Proceso es una serie de herramientas para la solucin de
problemas enfocados a lograr la estabilidad del proceso y mejorar su habilidad, a
travs de la reduccin de su variabilidad. Las herramientas principales son:
1. Histograma o grfico de tallos-hojas

2. Hojas de verificacin
3. Grfica de Pareto
4. Diagrama de causa-efecto
5. Diagrama de concentracin de defectos
6. Diagramas de dispersin
7. Cartas de control
Las cartas de control fueron desarrolladas por el Dr. Walter A. Shewhart de los Bell
Telephone Labs., se denominan Cartas de Control de Shewhart y se usan para el
monitoreo del proceso en lnea. A continuacin se explica la teora de variabilidad
de Shewhart.

2.2 CAUSAS COMUNES Y CAUSAS ESPECIALES


La variabilidad natural siempre existe en cualquier proceso de produccin, no
importa que tan bien diseado est. Esta variabilidad natural es denominada
causas comunes o aleatorias de variabilidad, un proceso que opera en estas
condiciones se dice que est en control estadstico.
Existen otras fuentes de variabilidad que pueden ser causadas por mquinas,
errores de operadores o materiales defectuosos. Esta variabilidad es muy grande
en relacin con la variabilidad natural y es originada por causas especiales o
asignables haciendo que el proceso opere fuera de control estadstico (ver pgina
siguiente).
De la figura cuando el proceso est en control, la mayor parte de la produccin se
encuentra dentro de los lmites de control (LSC y LIC). Sin embargo cuando el
proceso est fuera de control, una gran proporcin del proceso se encuentra fuera
de estos lmites.

El Objetivo del CEP es la deteccin oportuna de la ocurrencia de causas


especiales para tomar acciones correctivas antes de que se produzcan unidades
defectivas o no conformes, para esto se utilizan las cartas de control en lnea,
permitiendo tambin la estimacin de la capacidad o habilidad del proceso y la
reduccin continua de la variabilidad hasta donde sea posible.

2.3 BASES ESTADSTICAS DE LAS CARTAS DE CONTROL


Una carta tpica representando un proceso en control estadstico se muestra a
continuacin. Contiene una lnea central que representa el valor promedio de la
caracterstica de calidad correspondiente al estado en control y dos lneas
adicionales llamadas lmites inferior y superior de control (LIC y LSC), los cuales
se seleccionan de tal forma que casi la totalidad de los puntos se encuentren
dentro de ellos, si esto ocurre no se requiere tomar ninguna accin.
LSC
LC

LIC

Tiempo

Fig. 2.3 Carta de control de Shewhart


Un punto que se encuentre fuera de los limites de control mostrar evidencia que
el proceso est fuera de control y ser necesario una investigacin de la causa
especial y la accin correctiva necesaria para eliminarla. Tambin se tendr un alto
riesgo de situacin fuera de control si los puntos se agrupan es forma sistemtica
dentro de los lmites de control o muestran una tendencia.
Por ejemplo, la carta de control de medias prueba la hiptesis de que la media del
proceso est en control y tiene un valor 0 si un valor de media muestral

Xi

cae

dentro de los lmites de control; de otra forma se concluye que el proceso est
fuera de control y que la media del proceso tiene un valor diferente del de 0, por
decir 1, donde 1 0.

Se puede decir que las probabilidades de los errores tipo I y tipo II de la carta de
control, son esquemas de prueba de hiptesis para analizar el desempeo de las
cartas de control.
La probabilidad del error tipo I de la carta de control se presenta cuando se
concluye que el proceso est fuera de control cuando en realidad no lo est.
La probabilidad de error tipo II de la carta de control se presenta cuando se
concluye que el proceso est en control cuando en realidad est fuera de control.
La curva caracterstica de operacin (OC), con en el eje vertical, indica la
capacidad de la carta para detectar corridas de la media o rango del proceso de
diferentes magnitudes.
Ejemplo

2.8:

Para

el

caso

de

pistones,

evaluando

la

caracterstica de calidad de dimetro interno del anillo. Si


la media del proceso es 74 y la desviacin estndar es de
0.01mm, con un tamao de muestra de n=5, se tiene:
La desviacin estndar de las medias es:

.01

0.0045
n
5

Asumiendo que el proceso est en control y de acuerdo al

teorema del lmite central se asume que las medias

Xi

se

distribuyen normalmente, se debe espera que el 100(1- )% se


encuentren entre 74 Z/2 (0.0045).

Si

se

escoge

arbitrariamente

Z/2

lmites de control a 3 sigma:


LSC = 74 + 3 (0.0045) = 74.0135

3,

se

obtienen

los

LIC = 74 3 (0.0045) = 73.9865


74.0135

74

Tiempo

74.9865

Fig. 2.4 Carta de Control tpica


El

ancho

de

los

lmites

de

control

es

inversamente

proporcional al tamao de muestra n, para un mltiplo de


sigma

dado.,

equivalente

La

seleccin

preparar

la

de

los

regin

lmites
crtica

de

control

es

para

probar

la

hiptesis en el tiempo:
H0 : = 74
H1 : 74
Con = 0.01 conocida.
Se puede definir un modelo general para una carta de control, si w es un
estadstico muestral que mide alguna caracterstica de calidad de inters y
asumiendo que su media es w con desviacin estndar w se tiene:
LSC = w + Lw

(2.8)

LC = w
LIC = w - Lw

Donde L es la distancia de los lmites de control a partir de la lnea central


expresada en unidades de desviacin estndar.

El uso ms importante de la carta de control es la mejora del proceso, a travs de


su monitoreo, al principio se observar que los procesos no estn en control
estadstico, sin embargo con las cartas de control se podrn identificar causas
especiales que al ser eliminadas, resulten en una reduccin de la variabilidad
mejorando el proceso.

DISTRIBUCION
DE LOS VALORES
INDIVIDUALES =.01

DISTRIBUCION
DE LAS MEDIAS

COMPORTAMIENTO DEL PROCESO


LSC = 74.0135, LC = 74, LIC = 73.9865

X 0.0045

Fig. 2.5 Comparacin de la variabilidad de la poblacin y la


de las medias y operacin de la carta de control
El proceso de mejora usando la carta de control requiere la accin de la
supervisin, operador e ingeniera, la carta de control slo detecta causas
especiales o asignables.
Para identificar y eliminar las causas asignables, es importante encontrar las
causas raz del problema y atacarlas para lo cual se puede utilizar el Plan de
accin para situaciones fuera de control OCAP, activado con la ocurrencia de cada
evento. Incluye Puntos de chequeo que son causas potenciales asignables y
terminadores que son las acciones que resuelven la situacin fuera de control.

Este documento OCAP es un documento vivo que debe ser actualizado


constantemente.

ENTRADA

PROCESO

SALIDA

SISTEMA DE
EVALUACIN
Verificacin
y seguimiento

Deteccin de causa
asignable

Implantar

Identificar causa

Accin

raz del problema

Correctiva

Fig. 2.6 PROCESO DE MEJORA USANDO LA CARTA DE CONTROL


La carta de control es un dispositivo de estimacin de parmetros del proceso una
vez que exhibe control estadstico, se puede estimar la media, varianza,
proporcin, etc. que pueden ser utilizados para determinar la capacidad de los
procesos para producir productos aceptables, base de decisiones gerenciales y
contractuales.
Las cartas de control pueden ser clasificadas en dos clases: por atributos y por
variables dependiendo de cmo se evale la caracterstica de calidad.
Si la caracterstica de calidad se puede evaluar y expresar como un nmero real
en alguna escala de medicin continua, se denomina una variable. En tales casos
se utilizan cartas de control de medias, que describan la tendencia central y cartas
de control basadas en rango o desviacin estndar para controlar la variabilidad
del proceso.
Muchas caractersticas de calidad no pueden ser medidas en una escala continua,
en esos casos se puede juzgar cada producto como conforme o como no

conforme sobre la base de que posea o no ciertos atributos, o se pueden contar el


nmero de no conformidades o defectos que aparecen en una unidad de producto.
Las cartas de control para tales caractersticas de calidad, se denominan cartas de
control por atributos.
Un factor importante en la aplicacin de cartas de control es su diseo, es decir la
seleccin de tamao de muestra, lmites de control y frecuencia de muestreo.
Para la carta de control por variables del ejemplo se utiliz una muestra de 5
partes, lmites de control a 3-sigma y una frecuencia de muestreo cada hora.
Si se incrementa el tamao de muestra, decrece la probabilidad del error tipo II,
aunque el diseo de la carta de control tambin debe tomar consideraciones
econmicas considerando los costos de muestreo, prdidas por fabricar productos
defectuosos y costo de investigar indicaciones fuera de control que son falsas
alarmas.
Otra consideracin en el uso de cartas de control es el tipo de variabilidad
exhibida por el proceso:
1. Procesos estacionarios: los datos del proceso varan alrededor de una media
fija de una manera fija y estable. Es decir se tiene un proceso en control de
acuerdo a Shewhart es el rea de aplicacin de las cartas de control ms efectivo.
2. Procesos con datos no correlacionados: las observaciones dan la apariencia
de haberse extrado de una poblacin estable (normal u otra), en anlisis de series
de tiempo se denomina ruido blanco. En este caso los datos pasados histricos
no dicen nada en relacin a predecir su comportamiento futuro.
3. Procesos estacionarios con datos correlacionados: las observaciones
sucesivas de en estos datos son dependientes; es decir un valor por arriba de la

media tiende a ser seguido por otro valor arriba de la media y viceversa, esto
produce corridas lentas y largas en algn lado de la media.
4. Procesos no estacionarios: ocurren en los procesos qumicos e industrias de
proceso, los procesos son muy inestables y tienen corridas inestables alrededor
de una media fija. En estos casos se estabiliza el desempeo de los procesos por
medio de control automtico por retroalimentacin.
Las cartas de control han sido muy populares por las siguientes razones:
1. Son una herramienta probada para mejorar la productividad. Su aplicacin
exitosa ayuda a reducir desperdicios y retrabajos, que son factores que
reducen la productividad (productos buenos por hora).
2. Son efectivas como herramientas de prevencin de defectos. Apoyan el
concepto de hacerlo bien a la primera vez, es ms costoso seleccionar
productos buenos en un lote con productos defectuosos, que fabricarlos bien
desde el principio.
3. Evitan que se hagan ajustes innecesarios en el proceso. Apoyan el concepto
de si no esta mal, no lo arregles, ya que identifican las causas comunes de
las especiales, evitan que se hagan ajustes cuando slo se estn teniendo
variaciones aleatorias en el proceso.
4. Proporcionan informacin de diagnstico. Proporcionan un patrn de puntos
que permite la toma de decisiones para la mejora del proceso, al operador o al
ingeniero experimentado.
5. Proporcionan informacin acerca de la capacidad o habilidad del proceso.
Proporcionan informacin acerca de los parmetros importantes del proceso y
de su estabilidad con el tiempo, permitiendo la estimacin de la capacidad del
proceso para producir dentro de especificaciones.
SELECCIN DE LOS LMITES DE CONTROL

Abriendo los lmites de control decrece riesgo de error tipo I (falsa alarma) sin
embargo se incrementa el riego de error tipo II y viceversa. Con lmites de control
de 3-sigma la probabilidad de error tipo I es de 0.0027. Si se selecciona el nivel de
riesgo de error tipo I en 0.002 o 0.001 en cada lado, se tienen los lmites de control
a una distancia de 3.09-sigmas y los lmites de control sern:
LSC = 74 + 3.09 (0.0045) = 74.0139
LIC = 74 3.09 (0.0045) = 73.9861
Estos lmites de control se denominan lmites probabilsticos a 0.001.

continuacin se presenta una comparacin entre lmites.


+3.09
+3.0
LC
-3.00
-3.09

Fig. 2.7 Lmites de control de Shewhart y Europeos


Los lmites de control a 0.001 se utilizan en pases europeos.
Algunos analistas sugieren el uso de lmites preventivos trazados a 2-sigmas de la
lnea central, para el caso de lmites de control a 3-sigmas y a 0.025 de
probabilidad para lmites de control a 0.001. Estos lmites aumentan la sensibilidad
de la carta de control para identificar corrimientos de la media del proceso, en
forma ms rpida. Si un punto cae fuera de los lmites preventivos, Una
desventaja es que crean confusin con el personal y se incrementa el riesgo de
error tipo I (falsas alarmas).

TAMAO DE MUESTRA Y FRECUENCIA DE MUESTREO

Al disear una carta de control, se debe especificar tanto el tamao de muestra


como la frecuencia de muestreo, tamaos de muestra grandes permiten detectar
pequeas corridas en la media del proceso como se observa en las curvas
caractersticas de operacin.
Para la frecuencia de muestreo, la prctica industrial sugiere tomar muestras
pequeas frecuentes, principalmente en produccin masiva o cuando existe la
posibilidad de que existan muchas causas especiales, actualmente con las
computadoras esto es cada vez ms fcil.
Otra forma de determinar la frecuencia de muestreo y el tamao de muestra, es a
travs de la longitud media de racha de la carta de control (ARL), que es el
nmero de puntos que deben ser graficados antes de que un punto indique una
condicin fuera de control.

ARL

1
p

(2.9)

donde p es la probabilidad de que un punto exceda los lmites de control. Para el


caso de 3-sigma p=0.0027 y el ARL 0 = 370. Es decir que si el proceso est en
control, se generar un punto fuera de control como falsa alarma cada 370 puntos.
Si se toman muestras en intervalos fijos de tiempo en horas (h), entonces
aparecer una falsa alarma cada tiempo promedio de indicacin (ATS) en horas.

ATS ARLh

(2.10)

En el ejemplo si se toman muestras cada hora, se genera una falsa alarma cada
370 horas.

Para evaluar que tan efectiva es la carta para detectar corrimientos en la media
del proceso, se utilizan las curvas caractersticas de operacin. Por ejemplo, si
n=5 y la media se corre de 74.015mm, la probabilidad de que un punto caiga
dentro de los lmites de control es aproximadamente 0.50, por tanto utilizando
p=0.50, se puede calcular el ARL1 para una situacin fuera de control como sigue:

ARL1

1
1

2
p 0 .5

Esto significa que el proceso requiere 2 muestras antes de detectar el corrimiento.


Si el muestreo se hace cada hora, el ATS = 2 h, si esto fuera inaceptable, se
podran tomar muestras ms frecuentes por ejemplo cada media hora o
incrementar el tamao de muestra. Si n=10, de la curva caracterstica de
operacin se observa que p=0.9 y el ARL 1 = 1.11 y el ATS = 1.11 h, lo cual puede
ser ms aceptable.
En resumen las dos alternativas siguientes dan un resultado similar:
Diseo 1

Diseo 2

n=5

n = 10

Frec. Cada hora

Frec. cada hora.

Las muestras se toman de manera ms frecuente a la ocurrencia de cambios en el


proceso registrados en bitcoras (cambio de turno, cambio de materiales, ajustes,
fallas, etc.), con objeto de detectar las causas de situaciones fuera de control.
SUBGRUPOS RACIONALES
La idea fundamental en las cartas de control es colectar los datos de la muestra de
acuerdo al concepto de subgrupo racional es decir que el subgrupo debe
seleccionarse de tal forma que si estn presentes causas asignables, la diferencia

entre los subgrupos sea maximizada, minimizando la diferencia dentro del


subgrupo.
El tiempo en que se tomen las muestras es una buena base para formar
subgrupos, evitando que algunas observaciones se tomen al final de un turno y las
restantes al inicio del siguiente ya que ocasiona diferencias dentro del subgrupo.
Por lo anterior se recomienda tomar productos consecutivos de produccin para
formar la muestra (cuyo tamao puede ser entre 4 y 6), minimizando diferencias
dentro del subgrupo. En algunos procesos como los qumicos, es suficiente tomar
una sola unidad de producto como muestra, dado que existe homogeneidad.
ANALISIS DE PATRONES EN CARTAS DE CONTROL
Una carta de control indicar una condicin fuera de control cuando uno o ms
puntos caigan ms all de los lmites de control o cuando los puntos graficados
formen un patrn no aleatorio de comportamiento.
En general una racha o corrida es una secuencia de observaciones del mismo
tipo. Adems de las corridas ascendentes o descendentes, se encuentran las que
estn por debajo o sobre la media.
Dado que una corrida de 8 o ms puntos tiene una probabilidad de ocurrencia muy
baja, se considera que una racha o corrida con una longitud de 8 puntos indica
una condicin fuera de control.

Fig. 2.8 Proceso fuera de control por tendencias o corridas

Otro patrn de inestabilidad se presenta cuando el comportamiento del proceso


muestra patrones cclicos.
Para reconocer un patrn de comportamiento no slo se requiere conocer las
tcnicas estadsticas, sino tambin es necesario tener un conocimiento profundo
del proceso.
En el libro de la Western Electric (1956) se recomiendan las reglas siguientes para
detectar patrones no aleatorios en las cartas de control:
1. Un punto fuera de los lmites de control de 3-sigma.
2. Dos de tres puntos consecutivos sobre los lmites preventivos a 2-sigma.
3. Cuatro de cinco puntos consecutivos que se encuentren a una distancia de 1sigma o ms all a partir de la lnea central.
4. Ocho puntos consecutivos graficados hacia un lado de la lnea central.
Algunas reglas adicionales recomendadas por la industria son:
5. Siete puntos formando una tendencia creciente o decreciente.
6. Quince puntos consecutivos encontrados entre ms menos 1-sigma de la lnea
central (adhesin a la media).
7. Catorce puntos en un rengln alternndose arriba y abajo.
8. Siete puntos que se encuentren ms all de 1-sigma de la lnea central.
9. Un patrn no usual o no aleatorio de datos.
10. Uno o ms puntos cerca de los lmites preventivos.
Debe tenerse cuidado de no exagerar en la aplicacin de las reglas ya que se
pueden tener muchas falsas alarmas quitndole efectividad al programa del CEP.

2.4 EL RESTO DE LAS 7 HERRAMIENTAS ESTADSTICAS


1. HOJA DE VERIFICACIN
2. DIAGRAMA DE PARETO
3. LLUVIA DE IDEAS
4. DIAGRAMA DE ISHIKAWA
5. CARTA DE TENDENCIAS
6. DIAGRAMA DE FLUJO
7. DIAGRAMA DE DISPERSIN

CARTAS DE CONTROL POR VARIABLES


3.1 INTRODUCCIN
Una caracterstica que se mide en una escala numrica se denomina una variable.
Por ejemplo temperaturas, dimensiones, volumen, tiempo, etc. Las cartas de
control de

X R

son ampliamente utilizadas para monitorear la media y la

variabilidad de las variables, con objeto de evitar o minimizar que se tengan


productos fuera de especificaciones y estabilizar los procesos.

LIE

MEDIA

LSE

MEDIA Y DESV. ESTANDAR


EN NIVELES NORMALES

LIE

MEDIA

MEDIA CORRIDA

LSE

LIE

MEDIA

LSE

DESVIACION ESTANDAR
MAYOR A LA REQUERIDA

Fig. 3.1 Estados posibles de un proceso en control

3.2 CARTAS DE CONTROL DE MEDIAS-RANGOS


Asumiendo que una caracterstica de calidad est distribuida normalmente con
media y desviacin estndar ambas conocidas. Si x1, x2, .... xn forman una
muestra de tamao n entonces se puede calcular la media de la muestra

Ahora como las medias de las muestras estn normalmente distribuidas con

Xi

media

= /

, y siendo que la probabilidad 1- de que cualquier media

muestral caer entre los lmites:

Z / 2 X Z / 2

(3.1)

Z / 2 X Z / 2

Lo anterior ser vlido an si la distribucin de la poblacin no es normal pero si


estable.
En la prctica los lmites de control se estiman a partir de 20 o 25 muestras
preliminares o subgrupos, el tamao de subgrupo es de 4, 5 o 6 normalmente. Si
se tienen m subgrupos, la gran media se calcula como sigue:
m

X
i 1

(3.2)

Representa la lnea central de la carta de medias.


Para estimar la del proceso, se pueden utilizar los rangos de los subgrupos, para
cada uno de los subgrupos el rango es calculado como:
R = xmax xmin

(3.3)

Si R1, R2, ....., Rm , son los rangos de los diferentes subgrupos, el rango promedio
es:

R
i 1

(3.4)

DESARROLLO DE LA FORMULA PARA LOS LMITES DE CONTROL


La variable W de rango relativo relaciona al rango con la desviacin estndar
como sigue:
W=R/

(3.5)

Los parmetros de la distribucin de W son funcin de n. La media de W es d2.


Por tanto un estimador de es R / d2 , donde d2 est tabulado para diferentes
valores de n, de esta forma si

es el rango promedio de las primeras muestras,

usando:

R
d2

(3.6)

Los lmites de control de la carta de medias son:

LSC X

LIC X

3R
d2 n

Lmite superior de control (LSC)

3R
d2 n

Lmite inferior de control (LIC)

Lnea central (LC)

A2
Si de define a

3R
d2 n

se tienen las ecuaciones siguientes:

(3.7)

LSC =

LIC =

+ A2

- A2

(3.8)

El valor de A2 se encuentra tabulado en una tabla de constantes.

Para el caso de los rangos, la lnea central es

. El estimador para R puede

hallarse de la distribucin del rango relativo W = R / , si la desviacin estndar de


W es d3 en funcin de n, se tiene:
R=W

(3.9)

La desviacin estndar de R es:


R = d3
Como es desconocida, se puede estimar de =

R d3

/ d2, resultando:

R
d2

(3.10)

De esta forma los lmites de control para el rango son:

LSC =

LIC =

+3

-3

d3
+3

d3
-3

R
d2

R
d2

[ 1+ 3

[ 1- 3

d3
d2

d3
d2

] = D4

] = D3

(3.11)

Donde las constantes A2 , d2 D3 y D4 se encuentran tabuladas en funcin de n para


facilitar el clculo de los lmites de control como sigue:
Tabla 3.1 Constantes para lmites de control en cartas X-R
n

A2

D3

D4

d2

1.880

0.000

3.267

1.128

1.023

0.000

2.574

1.693

0.729

0.000

2.282

2.059

0.577

0.000

2.115

2.326

0.483

0.000

2.004

2.534

0.419

0.076

1.924

2.704

0.373

0.136

1.864

2.847

0.337

0.184

1.816

2.970

10

0.308

0.223

1.777

3.078

Para valores pequeos de n, el rango es un buen estimador de la varianza tal


como lo hace la varianza de la muestra S 2. La eficiencia relativa del mtodo del
rango a la S2 se muestra abajo:

n
2

Eficiencia
Relativa
1.000

0.992

0.975

0.955

0.930

10

0.850

Para n >= 10 el rango pierde eficiencia rpidamente ya que ignora los valores
intermedios entre xmax y xmin sin embargo para valores pequeos de n (4,5 o 6)
empleados en las cartas de control, es adecuado. Para cuando n>10 se utiliza la
desviacin estndar en vez del rango.

LIMITES PRELIMINARES
Siempre que un proceso este siendo analizado a travs de una carta de control, es
muy importante llevar una bitcora registrando todos los cambios (tiempo y
descripcin) conforme ocurran, por ejemplo: cambio de turno, cambio de
materiales, ajuste de mquina, interrupcin de energa, arranque de mquina, etc.

Con objeto de identificar las causas asignables en caso de presentarse para la


toma de acciones correctivas.
Al iniciar una carta de control tomando m subgrupos (20 a 25) se calculan y
grafican los lmites de control preliminares para determinar si el proceso estuvo en
control (ver procedimiento de Grficas de Control). Para probar esta hiptesis, se
analizan todos los puntos graficados y se hace un anlisis para identificar si hay
puntos fuera de los lmites de control o patrones anormales de comportamiento, si
as fuera, los lmites de control preliminares se pueden utilizar para el control
futuro del proceso.
Si no se prueba la hiptesis de que el proceso est en control, por algn patrn de
anormalidad presente, se determina la causa especial de la anormalidad, se
toman acciones correctiva para que no vuelva a presentar, se eliminan los puntos
correspondientes al patrn de anormalidad y se re-calculan o revisan los lmites de
control. Se analiza la carta de control para observar un comportamiento aleatorio,
si aun no se tiene, se repite el proceso anterior hasta lograrlo. Una vez teniendo
todos los puntos en control, los nuevos lmites de control ms cerrados que los
originales se utilizan para el control futuro del proceso.
Cuando no sea posible encontrar causas especiales para los patrones de
anormalidad o puntos fuera de control, no se eliminan y se consideran para la
determinacin de los lmites de control revisados para el control futuro del proceso.

INTERPRETACIN DE CARTAS DE CONTROL

X R

Se debe iniciar con la interpretacin de la carta R, identificando causas especiales


y despus analizar la carta

. Adems de la situacin de un punto fuera de

control, se tienen otros patrones de anormalidad como los siguientes:


Patrones cclicos: Puede ser ocasionado por cambios ambientales, fatiga del
operador, o fluctuaciones en las presiones u otras variables del proceso.

LSC
LC
LIC
Fig. 3.2 Patrn de anormalidad cclico
Mezclas de lotes: Se presenta cuando los puntos graficados se localizan cerca o
fuera de los lmites de control, con muy pocos puntos cerca de la lnea central,
puede ser causada por un sobre control de los operadores sobre el proceso o
cuando se toman productos de varias fuentes con diferente media.
LSC
LC

LIC
Fig. 3.3 Patrn de anormalidad con mezcla de lotes
Corrimiento en la media del proceso. Esto puede ser generado por un cambio en
mtodos, operadores, materias primas, mtodos de inspeccin, etc.
LSC
LC
LIC
Fig. 3.4 Patrn de anormalidad con corrimiento en media

Una tendencia ascendente o descendente: Son causadas por deterioracin


gradual de herramientas u otro componente crtico del proceso, en los procesos
qumicos puede deberse a la separacin de algn componente.
LSC
LC

LIC
Fig. 3.5 Patrn de anormalidad de tendencia ascendente
Estratificacin: Se muestra como una adhesin a la media, puede ser causado por
lmites mal calculados, tomar piezas de procesos diferentes o falta de resolucin
del equipo de medicin.
LSC
LC
LIC
Fig. 3.7 Patrn de anormalidad de estratificacin
Por lo general la carta R es ms sensible a cambios en la normalidad de los
procesos, por ejemplo cuando n = 4 el error tipo I no es 0.00027 sino 0.00461.

En resumen los patrones de anormalidad ms comunes son:


-

Un punto fuera de los lmites de control

Siete puntos formando una tendencia ascendente o descendente

Dos de tres puntos a ms de dos sigma de la lnea central en el mismo lado

Cuatro de cinco puntos a ms de una sigma de la lnea central del mismo lado.

Siete puntos en secuencia sobre o bajo la lnea central

Catorce puntos alternndose arriba y debajo de la media

Quince puntos dentro de una sigma de la lnea central en ambos lados

Cualquier otro patrn de anormalidad

Ejemplo 3.1 Para el caso de anillos de pistones de automvil,


se desea establecer un control estadstico para el dimetro
interno de los anillos, a travs de una carta de mediasrangos. Se toman 25 subgrupos de 5 piezas cada uno.
El anlisis se inicia con la carta R ya que los lmites para
la carta

dependen de la variabilidad del proceso, y a

menos que esta variabilidad se encuentre en control, esos


lmites tendrn poco significado.

De las cartas de control se calcula un rango promedio

de

0.023mm (ver tabla de constantes para D3 y D4 con n=5):

LICR =
LSCR =
Si

la

D3 = 0.023 (0) = 0

D4 = 0.023 (2.115) = 0.049

carta

de

control

para

se

encuentra

en

control

estadstico, se puede ahora calcular los lmites para la

carta

donde la lnea central

es 74.001 (ver tabla de

constantes para obtener el valor de A2 con n=5).

LSC =
LIC =

X
X

+ A2
- A2

R
R

= 74.001 + (0.577) (0.0023) = 74.014


= 74.001 - (0.577) (0.0023) = 73.988

Si no se observan condiciones fuera de control en la carta

. Si ambas cartas estn en control, se puede concluir que el


proceso

est

en

control

se

pueden

adoptar

los

lmites

actuales para el control futuro del proceso.


Ejemplo 3.2: Se toman datos de la dimensin crtica de una
parte, con el proceso corriendo normalmente, en 25 subgrupos
de tamao n=5, uno cada hora:
X11

X12

X13

X14

X15

Mediasa

Rangosa Desv. Est.

138.1

110.8

138.7

137.4

125.4

130.08

27.9

12.1019

149.3

142.1

105.0

134.0

92.3

124.54

57.0

24.6583

115.9

135.6

124.2

155.0

117.4

129.62

39.1

16.1775

118.5

116.5

130.2

122.6

100.2

117.60

30.0

11.0515

108.2

123.8

117.1

142.4

150.9

128.48

42.7

17.7420

102.8

112.0

135.0

135.0

145.8

126.12

43.0

17.9458

120.4

84.3

112.8

118.5

119.3

111.06

36.1

15.2448

132.7

151.1

124.0

123.9

105.1

127.36

46.0

16.6649

136.4

126.2

154.7

127.1

173.2

143.52

47.0

20.1630

135.0

115.4

149.1

138.3

130.4

133.64

33.7

12.3062

139.6

127.9

151.1

143.7

110.5

134.56

40.6

15.8568

125.3

160.2

130.4

152.4

165.1

146.68

39.8

17.8672

145.7

101.8

149.5

113.3

151.8

132.42

50.0

23.1669

138.6

139.0

131.9

140.2

141.1

138.16

9.2

3.6363

110.1

114.6

165.1

113.8

139.6

128.64

55.0

23.5081

145.2

101.0

154.6

120.2

117.3

127.66

53.6

21.8355

125.9

135.3

121.5

147.9

105.0

127.12

42.9

15.9772

129.7

97.3

130.5

109.0

150.5

123.40

53.2

20.6947

123.4

150.0

161.6

148.4

154.2

147.52

38.2

14.4185

144.8

138.3

119.6

151.8

142.7

139.44

32.2

12.1146

Los clculos y grficas se hicieron utilizando


el paquete MINITAB y se muestran a continuacin.
Las cartas de control quedan como sigue:
El

proceso

lmites

de

se

observa

control

en

control

calculados,

se

estadstico,
contina

con

estos

corriendo

el

proceso para otros 10 datos con el comportamiento siguiente:


X11

X12

X13

X14

X15

Mediasa

Rangosa Desv. Est.

131.0

184.8

182.2

143.3

212.8

170.82

81.8

33.2801

181.3

193.2

180.7

169.1

174.3

179.72

24.1

9.0461

154.8

170.2

168.4

202.7

174.4

174.10

47.9

17.5943

157.5

154.2

169.1

142.2

161.9

156.98

26.9

9.9693

216.3

174.3

166.2

155.5

184.3

179.32

60.8

23.2220

186.9

180.2

149.2

175.2

185.0

175.30

37.7

15.2797

167.8

143.9

157.5

171.8

194.9

167.18

51.0

18.8798

178.2

186.7

142.4

159.4

167.6

166.86

44.3

17.1516

162.6

143.6

132.8

168.9

177.2

157.02

44.4

18.3454

172.1

191.7

203.4

150.4

196.3

182.78

53.0

21.5062

tas de control quedan como sigue:


El

proceso

lmites

de

se

observa

control

en

control

calculados,

se

estadstico,
contina

con

estos

corriendo

el

proceso para otros 10 datos con el comportamiento siguiente:


X11

X12

X13

X14

X15

Mediasa

Rangosa Desv. Est.

131.0

184.8

182.2

143.3

212.8

170.82

81.8

33.2801

181.3

193.2

180.7

169.1

174.3

179.72

24.1

9.0461

154.8

170.2

168.4

202.7

174.4

174.10

47.9

17.5943

157.5

154.2

169.1

142.2

161.9

156.98

26.9

9.9693

216.3

174.3

166.2

155.5

184.3

179.32

60.8

23.2220

186.9

180.2

149.2

175.2

185.0

175.30

37.7

15.2797

167.8

143.9

157.5

171.8

194.9

167.18

51.0

18.8798

178.2

186.7

142.4

159.4

167.6

166.86

44.3

17.1516

162.6

143.6

132.8

168.9

177.2

157.02

44.4

18.3454

172.1

191.7

203.4

150.4

196.3

182.78

53.0

21.5062

Test Results for Xbar Chart


TEST 1. One point more than 3.00 sigmas from center line.
Test Failed at points: 21 22 23 24 25 26 27 28 29 30
TEST 2. 9 points in a row on same side of center line.
Test Failed at points: 27 28 29 30
TEST 5. 2 out of 3 points more than 2 sigmas from center line
(on one side of CL).
Test Failed at points: 21 22 23 24 25 26 27 28 29 30
TEST 6. 4 out of 5 points more than 1 sigma from center line
(on one side of CL).
Test Failed at points: 22 23 24 25 26 27 28 29 30
TEST 8. 8 points in a row more than 1 sigma from center line
(above and below CL).
Test Failed at points: 26 27 28 29 30
Test Results for R Chart

Suponiendo

que

se

identificaron

las

causas

asignables

responsables de los puntos fuera de control identificados en


la carta de medias y que se hicieron ajustes al proceso para
corregirlo, se tomaron otros diez datos con los resultados
siguientes:

X11

X12

X13

X14

X15

Mediasa

Rangosa

131.5

143.1

118.5

103.2

121.6

123.58

39.9

111.0

127.3

110.4

91.0

143.9

116.72

52.9

129.8

98.3

134.0

105.1

133.1

120.06

35.7

145.2

132.8

106.1

131.0

99.2

122.86

46.0

114.6

111.0

108.8

177.5

121.6

126.70

68.7

125.2

86.4

64.4

137.1

117.5

106.12

72.7

145.9

109.5

84.9

129.8

110.6

116.14

61.0

123.6

114.0

135.4

83.2

107.6

112.76

52.2

85.8

156.3

119.7

96.2

153.0

122.20

70.5

107.4

148.7

127.4

125.0

127.2

127.14

41.3

Las cartas

de control

quedan como sigue:

Se identifican las siguientes situaciones anormales:


Test Results for Xbar Chart
TEST 1. One point more than 3.00 sigmas from center line.
Test Failed at points: 26
TEST 2. 9 points in a row on same side of center line.
Test Failed at points: 29 30
TEST 5. 2 out of 3 points more than 2 sigmas from center line
(on one side of CL).
Test Failed at points: 28
TEST 6. 4 out of 5 points more than 1 sigma from center line
(on one side of CL).
Test Failed at points: 26 27 28 29
Test Results for R Chart

Identificando las causas y tomando acciones preventivas, se


eliminan los ltimos cinco puntos que ocasionan que la carta
de control de medias salga de control, ahora las cartas
quedan en control estadstico como sigue:

Ejemplo

3.3

Se

considera

otro

ejemplo

con

los

datos

individuales siguientes, procesados con el paquete Minitab:

X1

X2

X3

X4

X5

HORA

Medias

Rangos

-30

50

-20

10

30

80

50

-60

-20

30

110

-50

10

20

30

20

80

-10

-10

30

-20

50

70

20

-40

50

20

10

12

90

40

-40

20

80

20

-20

-10

-2

40

70

-30

30

-10

12

100

20

-20

10

40

10

20

30

10

50

10

24

40

40

20

20

11

16

40

30

20

30

10

40

12

26

30

30

-30

10

10

13

60

30

-10

50

-10

-30

14

80

10

-10

50

40

15

18

60

30

-10

16

40

20

20

30

30

-20

17

16

50

10

-20

50

30

10

18

16

70

50

-10

40

20

19

20

60

50

30

10

20

18

50

La grficas quedan como sigue:

La carta de prueba de rachas queda como sigue, indicando un proceso normal:

Por las pruebas de normalidad de rangos y medias, se deduce que el proceso


est en Control Estadstico.

CAPACIDAD O HABILIDAD DEL PROCESO


Una vez que se tiene un proceso en control estadstico, se puede estimar su
capacidad o habilidad, tomando como referencia la desviacin estndar del
proceso estimada .
Ejemplo 3.3 (continuacin..)

R
d2
=

0.023
2.326

= 0.0099

Donde el valor de d2 se encuentra en las tablas de constantes


para una n=5. Si la especificacin de los anillos de pistones
es de 74.000 0.05 mm, se tienen como lmites inferior y
superior de especificaciones los siguientes:

LIE = 73.950
LSE = 74.0500
Los lmites de tolerancia naturales del proceso inferior y
superior (LTNI y LTNS) se encuentran a 3-sigma del proceso
por abajo y por arriba de la media del proceso, o sea en:

LTNS =
LTNI =

X
X

+ 3 = 74.001 + 3 (0.0099) = 74.0307


- 3 = 74.001 - 3 (0.0099) = 73.9713

LIE LTNI

Fig.

3.8

Localizacin

MEDIA

de

Lmites

LTNS

de

LSE

especificaciones

naturales
Se observa que los lmites de tolerancia naturales del proceso se encuentran
dentro de los lmites de especificacin, por tanto en principio no se observa que
haya partes fuera de especificaciones.
Otra forma de expresar lo anterior es con el ndice de habilidad potencial Cp (o
PCR) siendo:

Cp =

LSE LIE
6

(3.12)

Cp =

74.05 73.95
0.10

1.68
6(0.0099)
0.05984

Se pueden presentar tres casos:


Caso 1. Si Cp es menor que 1, implica que la banda entre los lmites de tolerancia
naturales es mayor que la banda permitida por los lmites de especificacin.

LTNI LIE

LSE

LTNS

Caso 2. Si Cp es igual a 1, implica que las bandas para los lmites de tolerancia
natural y de especificaciones coinciden (aunque para el caos de 3-sigma aun
hayan 2700 ppm fuera de especificaciones).

LIE

LSE

LNTI

LNTS

Caso 3. Si Cp es mayor que 1, implica que la banda entre los lmites de tolerancia
natural del proceso, es menor que la banda permitida por las especificaciones.

LIE LTNI

LTNS LSE

La fraccin de la banda de las especificaciones utilizada por el proceso se estima


como sigue:
P = (1 / Cp) 100%

(3.13)

P = (1 / 1.68) 100% = 59.2%


Es decir que el proceso utiliza aproximadamente el 60% de la banda especificada.
Se

puede

estimar

la

fraccin

de

anillos

no

conformes

producidos, con ayuda de la distribucin normal, como sigue:


p = P { x < 73.950 } + P { x > 74.001 }
73.950 74.001
74.050 74.001

0.0099
0.0099

= (-5.15) + 1 - (4.04)

0 + 1 0.99998
0.00002

Por lo anterior alrededor de 0.002% o 20 partes por milln


(ppm)

de

los

especificaciones.

anillos

producidos

estarn

fuera

de

Ejemplo 3.2 (continuacin...). Para la carta de control de


las medias, despus de haber eliminado las causas especiales
y tomado acciones para prevenir su recurrencia, se tiene el
clculo de habilidad como sigue:

Ejemplo 3.3. Para las cartas X-R se tiene el clculo de la


capacidad o habilidad del proceso, una vez estable:

Para el clculo de otros ndices que toman en cuenta la posicin de la media,


revisar el captulo de capacidad del proceso o el procedimiento de cartas X R.
REVISIN O RE-CLCULO DE LA LNEA CENTRAL Y LMITES DE CONTROL
Los lmites de control calculados como lmites preliminares, deben ser revisados
en forma peridica que puede ser por semana, mes o cada 25, 50 o 100 puntos
dependiendo del proceso en particular.
Lo recomendable en cada revisin es tomar las acciones necesarias para que la
media del proceso

se acerque cada vez ms a la media de las

especificaciones (en caso de ser bilaterales) o se aleje lo ms posible de la


especificacin (en caso de ser unilateral).

En cada carta de control

o R es necesario identificar las causas especiales que

originen condiciones fuera de control, tomar acciones correctivas para prevenir su


reincidencia, eliminar esos puntos tanto en la carta

como en la carta R y

recalcular los lmites de control, para usarse en el control futuro del proceso.
LMITES DE CONTROL, DE ESPECIFICACIN Y DE TOLERANCIA NATURAL
Es importante hacer notar que no existe ninguna relacin matemtica entre los
lmites de especificacin y los de control o los de tolerancia natural.
Los lmites de especificacin son establecidos externamente al proceso por
ingenieros de manufactura, el cliente o por los diseadores del producto.
SUBGRUPOS RACIONALES

Para el caso de la carta de medias-rangos, los subgrupos se seleccionan de tal


forma de minimizar la variabilidad entre muestras individuales, observando slo su
variabilidad aleatoria y maximizando la posibilidad de detectar corridas en la media
del proceso en funcin del tiempo.

De esta forma la carta

monitorea la variabilidad entre subgrupos respecto al

tiempo y la carta R monitorea la variabilidad interna entre muestras en un tiempo


dado.
CAMBIO DE TAMAO DE MUESTRA
Cuando el proceso ya mostr estabilidad durante un periodo largo de tiempo, es
posible reducir el esfuerzo y costo de control a travs de reducir el tamao de
muestra. Los lmites de control se pueden recalcular sin tomar muestras
adicionales como sigue:
R ant

rango promedio para el tamao de subgrupo anterior

R nuevo

rango promedio para el tamao de subgrupo nuevo

nant = tamao de subgrupo anterior


nnuevo = tamao de subgrupo nuevo
d2 ant = factor d2 para el tamao de subgrupo anterior
d2 nuevo = factor d2 para el tamao de subgrupo nuevo

Los nuevos lmites de control para la carta

son (seleccionando A2 en base al

nuevo tamao de subgrupo nnueva , la lnea central no se cambia):


LSCX =
LICX =

+ A2 [d2 nuevo / d2 ant ]


- A2 [d2 nuevo / d2 ant ]

R ant

R ant

(3.14)

Para el caso de la carta R los nuevos lmites de control son (seleccionando D 3 y D4


para el nuevo tamao de muestra nnueva):
LSCR = D4 [d2 nuevo / d2 ant ]
LCR =

R nuevo

R ant

[d2 nuevo / d2 ant ]

(3.15)

R ant

LICR = max { 0, D3 [d2 nuevo / d2 ant ]

R ant

Si en Ejemplo 3.1 de trabajo se quisiera cambiar de n=5 a


n=3, se tendra:
De la tabla de constantes se tiene: d2
1.693, A2

nueva

ant.

= 2.326, d2

nueva

= 1.023, por tanto los lmites nuevos son:

LSCX = 74.001 + (1.023) [ 1.693 / 2.326 ] (0.023)

= 74.018

LICX = 74.001 - (1.023) [ 1.693 / 2.326 ] (0.023)

= 73.984

Para la carta R, de la tabla de constantes para n=3


D3 = 0, D4 = 2.578, por tanto:
LSCR = (2.578) ) [ 1.693 / 2.326 ] (0.023)
LICR = (0) ) [ 1.693 / 2.326 ] (0.023)
LCR = [ 1.693 / 2.326 ] (0.023)
LIM.SUP.NVO
LIMITES
ANTERIORES

LIM.INF.NVO.
LIMITE SUP. ANT.

CARTA

= 0.043

= 0.017

= 0.0

se tiene

LIMITE SUP.NVO.

CARTA R

Fig. 3.9 Revisin de lmites de control cambiando de n=5 a 3


Como se puede observar el efecto de reducir el tamao de muestra hace que se

incremente el ancho de los lmites de control en la carta X (porque

es ms

pequeo con n=5 que con n=3) y se reduzca la media de R y su lmite superior en
la carta R.
LA CURVA CARACTERSTICA DE OPERACIN
La habilidad de las cartas de control

X R

para detectar corrimientos en la media

del proceso es indicada por su curva caracterstica de operacin (OC). Su


determinacin se muestra a continuacin.
Si en la carta para

se conoce la desviacin estndar del proceso y es

constante, cuando la media del proceso 0 cambia a otro valor 1 = 0 + k , la


probabilidad de no detectar el cambio en la primera muestra subsecuente es el
riesgo , donde:

= P { LIC <=
dado que

<= LSC 1 = 0 + k }

(3.16)

N (, 2/n) y que los lmites de control son:

LSC = 0 + L /

(3.17)

LIC = 0 - L /

La probabilidad de que un punto de

X
i

caiga dentro de lmites de control sabiendo

que la media del proceso ya es 1, es igual a la probabilidad de que el punto se


encuentre abajo del lmite superior (LSC) menos la probabilidad de que se
encuentre abajo del lmite inferior de control (LIC). Considerando la desviacin
Estndar de las medias, o sea:

+
( ZLSC, x)

LSC

Xi
LC
( ZLIC, x)
LIC
-
Fig. 3.10 Clculo del error Beta o tipo II
LSC ( 0 k )

/ n

Entonces =

LIC ( 0 k )

/ n

0 L / n ( 0 k )

0 L / n ( 0 k )

/ n

/ n

(3.18)

Donde es la distribucin normal acumulativa. La expresin anterior se reduce a:

=(Lk

)-(-Lk

Ejemplo 3.4 Para una carta

X R

(3.19)

con L=3 (lmites a 3-sigma de

medias), tamao de muestra n=5, y se desea determinar el


corrimiento a

0 + 2 en la primera muestra subsecuente

al corrimiento de la media del proceso, se tiene:

= ( 3 2

) - ( - 3 2

= (-1.47) - (-7.37)
= 0.0708
Este es el riesgo o la probabilidad de no detectar tal
corrimiento. La probabilidad de s detectarlo es 1- =
= 1 0.0708 = 0.9292.
Con

las

frmulas

anteriores

se

construyen

las

curvas

caractersticas de operacin para diferentes valores de n


en funcin de k.
Si n=5 y el corrimiento es de +1, de las curvas OC se tiene
que = 0.75 y la probabilidad de detectar el corrimiento en
(1- ) = 0.19, y as

la segunda muestra se calcula como

sucesivamente. La longitud de la corrida media es el nmero


esperado

de

muestras

antes

de

que

el

corrimiento

sea

detectado, se denomina ARL o :

ARL =

1
1

En este caso
requieren

(3.20)
ARL

tomar

cuatro

0.25

muestras

4.

Es

antes

decir
de

que

el

detectar

se
un

corrimiento de 1.0 con n = 5.

Para construir la curva OC para la carta de rangos, se utiliza la distribucin del


rango relativo W=R/. Si el valor de la desviacin estndar cuando el proceso est
en control es 0, entonces la curva OC muestra la probabilidad de no detectar un
corrimiento a un nuevo valor 1, donde 1>0 , en la primera muestra despus del
corrimiento. Se grafica contra = 1/0.

Por ejemplo si = 2 con n=5, slo se tienen una probabilidad del 40% de detectar
este corrimiento en cada muestra subsecuente. Por tanto la carta R tiene poca
sensibilidad de detectar pequeos corrimientos en sigma, para cual se debe usar
la carta S con n>10.
LONGITUD DE CORRIDA MEDIA
La longitud de corrida media para la carta de Shewhart cuando el proceso est en
control es:
ARL = 1 / P ( un punto fuera de control) = ARL0 = 1 /

(3.21)

Cuando el proceso est fuera de control es:


ARL1 = 1 / ( 1 - )

(3.22)

De las grficas de ARL anexas, se observa que para detectar un corrimiento de


1.5 con n=3, se requiere un ARL1 = 3. Se puede reducir el ARL1 a 1 si se
incrementa la n=16.

3.3 CARTAS DE CONTROL PARA

yS

Estas cartas de control son recomendadas cuando:


1. El tamao de muestra es moderadamente grande n>10 o 12 (donde el rango
pierde eficiencia por no tomar en cuenta valores intermedios).
2. El tamao de muestra es variable.

Su construccin es similar a la de la carta de medias-rangos, excepto que en lugar


del rango R en cada subgrupo se calcula la desviacin estndar S.

S2 es un estimador insesgado de la varianza poblacional 2 sin embargo S no es


un estimador insesgado de . Si la distribucin es normal, entonces S estima a
c4 donde c4 es una constante que depende del tamao de muestra n. Adems la

desviacin estndar de S es

n 1

c4

1/ 2

1 c4

(n / 2)
(( n 1) / 2)

(3.18)

CASO DE n CONSTANTE

Con esta informacin se pueden establecer los lmites de control para la carta
S, cuando se conoce el valor de dado que existe un historial.
Para la carta S se tiene:

Para la carta X se tiene:

LSCs = c4 + 3

1 c4

= B6

LSCX = + A

= c 4

LCs

LICs = c4 - 3

(3.20)

LC =

1 c4

= B5

LICX = - A

Los valores para las constantes se encuentran tabuladas para diferentes valores
de n en la tabla de constantes.
En el caso de que no se conozca la desviacin estndar de la poblacin, se puede
estimar utilizando diversas muestras m con datos histricos, donde se obtenga la
desviacin estndar en cada una de ellas y se promedien.

1 m
Si
m i 1

(3.21)

__

S
c4

(3.22)
S

Como el estadstico

/c4 es un estimador insesgado de , los parmetros de la

carta sern los siguientes:

S 3
LSCs =
LCs =

= B4

S 3
LICs =

S
1 c 42
c4

S
1 c 42
c4

= B3

(3.23)

Para el caso de la carta

, cuando

/c4 se una para estimar los lmites de

control para esta carta son:

LSCx =
LCx =

c4 n

+ A3

(3.24)

X
3

LICx =

S
c4 n

- A3

Todas las constantes c4, As y Bs se encuentran tabuladas en funcin de n en la


tabla de constantes, como sigue:
Tabla 3.2 Constantes para lmites de control en cartas X-S
n

c4

A3

B3

B4

B5

B6

0.9400

1.342

1.427

2.089

1.964

0.9515

1.225

1.287

0.030

1.970

0.029

1.874

0.9594

1..134 1.182

0.118

1.882

0.113

1.806

0.9650

1.061

1.099

0.185

1.815

0.179

1.751

0.9693

1.000

1.032

0.239

1.761

0.232

1.707

10

0.9727

0.949

0.975

0.284

1.716

0.276

1.669

11

0.9754

0.905

0.927

0.321

1.679

0.313

1.637

12

0.9776

0.866

0.886

0.354

1.646

0.346

1.610

13

0.9794

0.832

0.850

0.382

1.618

0.374

1.585

14

0.9810

0.802

0.817

0.406

1.594

0.399

1.563

15

0.9823

0.775

0.789

0.428

1.572

0.421

1.544

16

0.9835

0.750

0.763

0.448

1.552

0.440

1.526

17

0.9845

0.728

0.739

0.466

1.534

0.458

1.511

18

0.9854

0.707

0.718

0.482

1.518

0.475

1.496

19

0.9862

0.688

0.698

0.497

1.503

0.490

1.483

20

0.9869

0.671

0.680

0.510

1.490

0.504

1.470

21

0.9876

0.655

0.663

0.523

1.477

0.516

1.459

22

0.9882

0.640

0.647

0.534

1.466

0.528

1.448

23

0.9887

0.626

0.633

0.545

1.455

0.539

1.438

24

0.9892

0.612

0.619

0.555

1.445

0.549

1.429

25

0.9896

0.600

0.606

0.565

1.435

0.559

1.420

CASO DE n VARIABLE
En el caso de tamao de muestra variable, se utiliza el promedio ponderado de las
medias y de las desviaciones estndar como sigue:
m

n X
i 1
m

n
i 1

(n

(3.25)

1/ 2

1) S
2
i

ni m
i 1

(3.26)

Ejemplo 3.4 Para una carta X-S con lmites variables, se


tomaron los datos siguientes, corriendo en Minitab:
X21
Subndice
74.030
1
74.002
1
74.019
1
73.992
1
74.008
1
73.995
2
73.992
2
74.001
2
73.998
3
74.024
3
74.021
3
74.005
3
74.002
3
74.002
4
73.996
4

73.993
74.015
74.009
73.992
74.007
74.015
73.998
74.014
74.009
73.994
73.997
73.985
73.995
74.006
73.994
74.000
73.985
74.003
73.993
74.015
73.998
74.008
73.995
74.009
74.005
73.998
74.000
73.990
74.007
73.995
73.994
73.998
73.994
73.995
73.990
74.004
74.000
74.007
74.000
73.996
73.983
74.002
73.998
74.006
73.967
73.994
74.000

4
4
4
5
5
5
5
5
6
6
6
6
7
7
7
7
8
8
8
8
8
9
9
9
9
10
10
10
10
10
11
11
11
11
11
12
12
12
12
12
13
13
13
14
14
14
14

73.984
74.012
74.014
73.998
74.000
73.984
74.005
73.998
73.996
73.994
74.012
73.986
74.005
74.006
74.010
74.018
74.003
74.000
73.984
74.002
74.003
74.005
73.997
74.000
74.010
74.013
73.998
74.001
74.009
74.005
73.996
74.004
73.999
73.990
74.006
74.009
74.010
73.989
73.990
74.009
74.014
74.015
74.008
73.993
74.000
74.010
73.982

14
15
15
15
16
16
16
16
16
17
17
17
17
18
18
18
18
18
19
19
19
19
19
20
20
20
21
21
21
21
21
22
22
22
22
22
23
23
23
23
23
24
24
24
24
24
25

73.984
73.995
74.017
74.13
.

25
25
25
25

Test Results for S Chart


TEST 1. One point more than 3.00 sigmas from center line.
Test Failed at points: 22 Debe identificarse la causa y tomar accin preventiva.

Ejemplo 3.5 Otro ejemplo con n variable, la


S

= 74.001 y la

= 0.0098, por tanto los lmites de control son:


LSCX = 74.015
LCX = 74.001
LICX = 73.987

Para la carta S
LSCS = 0.020
LCS = 0.0098
LICS = 0

Como mtodo alterno para n variable se puede utilizar la


variacin entre los diferentes tamaos de muestra (dentro de

n
n

si no hay mucha
25%).

ESTIMACIN DE

El valor de la desviacin estndar puede ser estimado del valor de


sigue:

S
c4

Para el ejemplo:

como

S
c4

= 0.0094 / 0.94 = 0.01, tomando el valor de c 4 para

n=5.
Existe una variante de las cartas de medias-desviacin estndar denominadas
cartas de medias-varianza.

3.4 CARTAS PARA LECTURAS INDIVIDUALES


Existen muchas situaciones donde el tamao de muestra es n =1, por ejemplo:
1. Cuando hay inspeccin automtica de piezas individuales.
2. La tasa de produccin es muy baja y no es inconveniente tomar muestras de
ms de una pieza.
3. Las mediciones entre unidades muestra difieren muy poco (slo por errores de
medicin de laboratorio) como en procesos qumicos.
4. En plantas de proceso como las de papel, el espesor de los acabados tiene
una variabilidad muy baja a travs del rollo.
En tales situaciones se utiliza la carta de control por lecturas individuales. Los
rangos mviles se empiezan a calcular a partir de la segunda muestra como

X i X i 1

MR i

Para este caso, los lmites de control para la carta X son:

X 3
LSCx =

MR
d2

__

LCx =

(3.27)

X 3
LICx =

MR
d2

n=2
Ejemplo

3.6

Se

toman

varios

datos

de

viscosidades

se

construye una carta de lecturas individuales, donde el rango

se calcula tomando cada dos valores consecutivos, por tanto


el valor de n = 2 y habr (m 1) rangos en total. Con m =
nmero de subgrupos.
. X-ind.
33.75
33.05
34.00
33.81
33.46
34.02
33.68
33.27
33.49
33.20
33.62
33.00
33.54
33.12
33.84

No.Lote
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

El proceso est en control estadstico.

3.5 SELECCIN ENTRE CARTAS POR VARIABLES Y POR


ATRIBUTOS
Las cartas por atributos tiene la ventaja que consideran varias caractersticas a la
vez clasificando la unidad como conforme o no conforme, si no cumple alguna de
esas caractersticas. Por otra parte si esas caractersticas se controlan como
variables, debe llevarse una carta de control para cada una de esas
caractersticas, lo cual es ms laborioso, otra alternativa es el C.E.P. multivariado.
Las cartas por variables proporcionan mayor informacin del proceso que las de
atributos, tal como la media del proceso y su variabilidad, tambin proporcionan
informacin para realizar estudios de capacidad de los procesos.
Las cartas por variables permiten tomar acciones cuando se presentan situaciones
fuera de control, antes de que se produzcan artculos no conformes, lo que no
sucede con las cartas por atributos hasta que el proceso genere ms
disconformes.

LIE

1
Reaccin de carta X-R

LSE

Reaccin de carta p

Fig. 3.11 Comparacin de sensibilidad entre cartas de control


Tal vez la ventaja ms importante de la carta X-R es que proporciona un indicador
de inicio de problemas y permite al personal operativo tomar acciones correctivas
antes que se produzcan defectivos realmente, de esta forma las cartas X-R son
indicadores gua de falla, mientras que las cartas p (o c o u) no reaccionan a
menos que el proceso haya cambiado tanto que se produzcan ms defectivos.

En la figura, cuando la media del proceso esta en 1 se producen pocas no


conformidades, si la media del proceso se corre hacia arriba, cuando llegue a 2 la
carta X-R habr mostrado un patrn anormal o puntos fuera de control para tomar
acciones correctivas, mientras que la carta p no reaccionar hasta que la media
del proceso se haya recorrido hasta 3, o hasta que el nmero de unidades no
conformes producidas se haya incrementado. Por tanto las cartas X-R son ms
poderosas que las cartas p.
Para el mismo nivel de proteccin contra corrimientos del proceso, la carta p
requiere un tamao de muestra mayor, la X-R requiere tomar mucho menos
unidades aunque las mediciones toman ms tiempo. Esta consideracin es
importante para el caso de pruebas destructivas.

Ejemplo 3.8 Si el proceso se controla con una carta

, donde

el valor medio de la caracterstica de calidad es 50 y la


desviacin

estndar

especificaciones

es

2,

para

lmites

de

3-sigma

LIE=44 y LSE=56, cuando el proceso est en

control en el valor nominal de 50, la fraccin no conforme es


0.0027.
Suponiendo que la media del proceso del proceso se corre a
52,

la

fraccin

defectiva

producida

ser

aproximadamente

0.0202, si se desea que la probabilidad de detectar este


corrimiento en la siguiente muestra subsecuente sea del 0.50,
entonces el tamao de muestra en la carta
se cumpla que el LSC sea 52 o sea:

50

3( 2)
52
n

debe ser tal que

donde n=9,
Si se utiliza una carta p entonces el tamao de muestra
requerido para tener la misma probabilidad de detectar el
corrimiento es:

k
n

p(1 p)

Con k = 3, que es el ancho de los lmites de control, p =


0.0027

es

la

magnitud

de

incremento

en

fraccin

defectiva o sea = 0.0202 0.0027 = 0.0175, de esta forma,


n = 79.23 80
Donde se observa que a menos que el costo de medir 9 muestras
sea mayor que 9 veces el costo de inspeccin por atributos,
las carta

es ms econmica de aplicar.

GUA PARA IMPLEMENTAR CARTAS DE CONTROL


Se sugiere lo siguiente:
1. Determinar cual es la caracterstica a controlar.
2. Seleccionar un tipo de carta de control.
3. Identificar el proceso donde se implantarn las cartas de control.
4. Tomar acciones para mejorar el proceso, como resultado de la aplicacin de la
carta de control.
5. Seleccionar el sistema de coleccin de datos y software de C.E.P.
SELECCIN DE LA CARTA DE CONTROL ADECUADA

A. Se prefiere una carta por variables en las situaciones siguientes:


1. Se inicia un proceso o producto nuevo.
2. El proceso ha estado mostrando un comportamiento inconsistente en forma
crnica.
3. Se requieren pruebas destructivas.
4. Se desea economizar el control cuando el proceso es estable.
5. Existen tolerancias muy cerradas u otros problemas de manufactura.
6. El operador debe decidir si ajustar el proceso o no, o cuando evaluar el ajuste.
7. Se debe presentar evidencia de estabilidad y de capacidad como en industrias
reguladas.
B. Se prefiere una carta por atributos en las situaciones siguientes:
1. Los operadores controlan las causas asignables y es necesario mejorar el
proceso.
2. El proceso es una operacin de ensamble compleja y la calidad se evala por
la ocurrencia de no conformidades (computadoras, autos, etc.).
3. Es necesario un control del proceso, pero no se pueden hacer mediciones.
4. Se requiere un historial del desempeo del proceso para revisin ejecutiva.
C. Cartas de control por lecturas individuales
1. Es inconveniente o difcil obtener ms de una medicin por muestra, o la
repeticin de muestras slo mostrar errores de medicin de laboratorio, tal
como ocurre en proceso qumicos.
2. Se cuenta con inspeccin automatizada de cada unidad de producto. Para
estos casos tambin se deben considerar las cartas de sumas acumuladas o
de media mvil ponderada.
3. Los datos disponibles son muy lentos en el tiempo, por ejemplo datos
contables mensuales.

3.6 APLICACIN DE CARTAS DE CONTROL POR VARIABLES


Algunas de las aplicaciones de las cartas de control por variables son:
1. Mejora de procesos de proveedores. Reducir su variabilidad a travs de
centrar su proceso y tomar acciones correctivas.
2. Seleccin de equipo productivo a travs de demostracin de su capacidad
antes de su embarque.
3. Corridas cortas en talleres de manufactura. Se controla la desviacin respecto
a la media especificada, de una caracterstica especfica de calidad para
diferentes productos similares.
4. Aplicaciones no manufactureras. En estos casos se tiene que: (1) no hay
especificaciones, (2) se requiere ms imaginacin para aplicar las cartas de
control. Se usan por ejemplo para reducir el tiempo de proceso de las cuentas
por pagar (pago de cheques).

You might also like