Professional Documents
Culture Documents
Control Estadistico de Procesos
Control Estadistico de Procesos
Probabilidad y
Estadística
Síntesis de:
Control Estadístico
de Procesos
Docentes:
Mag. Ing. Carlos COLAZO
Ing. Sergio TOVO
Ing. Rubén BACCIFAVA
Ing. Jeremias JALIL
LA MODELACIÓN ESTADÍSTICA
El modelo representa la descripción matemática de un proceso real. Los modelos se utilizan en todos los
campos tales como: biología, fisiología, ingeniería, química, bioquímica, física y economía.
Una clasificación muy útil de los modelos es describirlos como determinísticos y estocásticos. Un modelo
determinístico es aquel para el que se puede especificar relaciones exactas entre las cantidades implicadas, en
un modelo estocástico, las cantidades siguen leyes estadísticas. A modo de ejemplo si estudiamos un sistema
de muelles cargados el modelo formulado será determinístico, puesto a que la relación entre carga y
alargamiento de cada muelle sigue una ley precisa. En un estudio de un sistema de tráfico de carretera, por el
contrario, la llegada de coches en el sistema seguirá en general un modelo estadístico y por lo tanto el
modelo utilizado será estocástico. Muchos modelos tienen una mezcla de elementos determinísticos y
estocásticos.
A lo largo de toda una línea de trabajo o proceso de fabricación los productos se ven sometidos a
toda una serie de manipulaciones para poder alcanzar el estado final de producto terminado. Sin
embargo, puede ocurrir que, aunque el diseño de las piezas que componen el producto sea bueno o
el mantenimiento de las máquinas o herramientas sea el adecuado, exista cierta variabilidad de un
producto a otro motivado por una acumulación de causas fortuitas. Siempre que se cumplan las
expectativas marcadas, el sistema se podrá considerar estable y bajo control.
El control estadístico surgió como una necesidad de poder vigilar y controlar dicha estabilidad
para así poder determinar cuándo las causas han dejado de ser fortuitas para considerarse causas
asignables a algún punto o momento del proceso.
Dicho lo anterior, podemos definir el control estadístico de calidad como la actividad técnica
mediante la cual se miden las características de calidad de un producto, se comparan con las
especificaciones o requisitos y se toman acciones correctivas apropiadas cuando existe una
discrepancia entre el funcionamiento real y el estándar; es el método científico - técnico para el
aseguramiento de la calidad.
Especificación: Señala aquello que se desea como paso previo al establecimiento de una norma de
calidad. Se tendrán en cuenta la opinión tanto del fabricante como del consumidor, seleccionando
las características de calidad más importantes de acuerdo con la finalidad del producto.
GRAFICOS DE CONTROL
El gráfico de control consiste en una línea central, un par de límites de control ubicados por
encima y por debajo de la línea central y la representación gráfica de los valores obtenidos dentro
de un proceso. Si todos estos valores se ubican dentro de los límites de control sin ninguna
tendencia en particular, se considera que el proceso se halla bajo control. Por el contrario, si los
valores aparecen fuera de los límites y adoptan una forma peculiar, se considera que el proceso se
halla fuera de control.
La variación ocurre en todos los procesos, ya sean fenómenos naturales o invenciones humanas.
Se dan dos clases de variación, la variación aleatoria (que es natural en el proceso tal y como se
desarrolla habitualmente) y la no aleatoria (resultado de una causa atribuible específica). La primera
es predecible (proceso bajo control), sin embargo la segunda hace que el proceso se encuentre fuera
de control. Un gráfico de control presenta la variación total en un proceso (aleatoria y no aleatoria)
y se utiliza para monitorear un proceso y mantenerlo dentro de su capacidad operativa, es decir,
bajo control.
El tipo más sencillo es el llamado gráfico p, que representa el porcentaje defectuoso o porcentaje
de veces que no se cumple una norma establecida.
Entonces, podemos decir que es inevitable que la calidad de un producto elaborado sea variable,
existiendo numerosas causas para estas, pudiendo clasificarlas en los siguientes dos tipos:
Causas aleatorias: las variaciones por causas aleatorias no pueden ser eliminadas y ocurren
en forma inevitable en un proceso, aunque las operaciones se lleven a cabo utilizando
materias primas y métodos estandarizados. No es factible eliminar las causas aleatorias, ni
técnica ni económicamente, al menos en la actualidad.
Causas asignables: las variaciones por causas asignables indican que existen factores
significativos que deben investigarse. Son eliminables y no pueden pasarse por alto: existen
casos provocados por negligencia con relación a ciertos estándares o por aplicación de estos
últimos en forma inadecuada.
Cuando los puntos caen fuera de los límites de control o adoptan una forma peculiar, se dice
que un proceso se halla fuera de control y esto equivale a decir "aquí existen causas de
variación asignables y el proceso se halla fuera de control". Para controlar e1 proceso será
necesario eliminar las causas asignables y encarar las acciones preventivas para evitar que
ocurran y tener presente que pueden presentarse variaciones provocadas por causas
aleatorias.
Para confeccionar un gráfico de control es necesario estimar las variaciones por causas
aleatorias. Para ello se dividen los datos en subgrupos dentro de los cuales el lote de materias
primas, máquinas, operarios y otros factores sean comunes a todos los subgrupos, con lo que la
variación dentro de un subgrupo puede considerarse igual a la variación por causas aleatorias.
Gráficos de control
Cuando los datos sobre un proceso se obtienen luego de un intervalo prolongado o cuando el
agrupamiento en subgrupos no resulta efectivo, se indican los valores en forma individual, pudiendo
utilizarse los mismos para confeccionar un gráfico de control. Debido a que, en este caso, no existen
subgrupos y por ende no se puede calcular R, se utiliza el rango móvil Rs de datos consecutivos
para el cálculo de los limites de control de “x”.
Subgrupo Nº x1 x2 x3 x4 x5 X x R
1 47 32 44 35 20 178 35.6 27
2 19 37 31 25 34 146 29.2 18
3 19 11 16 11 44 101 20.2 33
4 29 29 42 59 38 197 39.4 30
5 28 12 45 36 25 146 29.2 33
6 40 35 11 38 33 157 31.4 29
7 15 30 12 33 26 116 23.2 21
8 35 44 32 11 38 160 32.0 33
9 27 37 26 20 35 145 29.0 17
10 23 45 26 37 32 163 32.6 22
11 28 44 40 31 18 161 32.2 26
12 31 25 24 32 22 134 26.8 10
13 22 37 19 47 14 139 27.8 33
14 37 32 12 38 30 149 29.8 26
15 25 40 24 50 19 158 31.6 31
16 7 31 23 18 32 111 22.2 25
17 38 0 41 40 37 156 31.2 41
18 35 12 29 48 20 144 28.8 36
19 31 20 35 24 47 157 31.4 27
20 12 27 38 40 31 148 29.6 28
21 52 42 52 24 25 195 39.0 28
22 20 31 15 3 28 97 19.4 28
23 29 47 41 32 22 171 34.2 25
24 28 27 22 32 54 163 32.6 32
25 42 34 15 29 21 141 28.2 27
TOTAL 746.6 686
PROMEDIO x = 29.86 R = 27.44
Segundo Paso: Calculamos el valor medio x para cada uno de los subgrupos.
x1 x2 ... xn
x
n
siendo n el tamaño del subgrupo. Es frecuente calcular el resultado con una posición decimal.
En el caso de nuestro ejemplo:
Tercer Paso: Calculamos el promedio total x dividiendo la suma de los x de cada subgrupo por el
números de subgrupos k.
x1 x 2 x 3 ... x k
x
k
debiendo calcularse x con dos posiciones decimales más que los valores tomados.
En nuestro ejemplo:
x (35.6 29.2 ... 28.2) / 25 29.86
Cuarto Paso: Calculamos el rango R de cada subgrupo restando el valor mínimo del máximo en
cada caso.
R = (mayor valor de cada subgrupo) – (menor valor de cada subgrupo)
Calculamos R para el ejemplo:
R = (47 –20)= 27
Quinto Paso: Ahora se calcula el rango R de los rangos R, dividiendo la suma de los R de cada
subgrupo por el número de subgrupos k.
R1 R2 ... Rk
R
k
debiendo calcularse R con dos posiciones decimales más que los valores tomados (el mismo
número de decimales que para x).
En nuestro ejemplo:
R (27 18 ... 27) / 25 27.44
En nuestro ejemplo:
Gráfico x LC = x 29.86
LCS x A2 R 29.86 0.577 x 27.44 45.69
LCI x A2 R 29.86 - 0.577 x 27.44 14.03
Gráfico R
LC R 27.44
LCS D 4 R 2.115 x 27.44 58.04
LCI = (no se considera)
Noveno Paso: Escribimos en tamaño del subgrupo (n) en el ángulo superior izquierdo del gráfico
x . Escribimos, además, cualquier otro dato de relevancia para el proceso, tales como
denominación, nombre del producto, período, método de medición, condiciones de trabajo, etc.
En nuestro ejemplo:
pn (número de
Subgrupo Nº Tamaño de la muestra n unidades
defectuosas)
1 100 4
2 100 2
3 100 0
4 100 5
5 100 3
6 100 2
7 100 4
8 100 3
9 100 2
10 100 6
11 100 1
12 100 4
13 100 1
14 100 0
15 100 2
16 100 3
17 100 1
18 100 6
19 100 1
20 100 3
21 100 3
22 100 2
23 100 0
24 100 7
25 100 3
Total n 2500 pn 68
Segundo Paso: Ahora calculamos la fracción defectuosa promedio p dividiendo el total de
unidades defectuosas en todos los subgrupos, por el número de muestras.
p
p.n
k .n
En caso de nuestro ejemplo:
p
p.n 68
0.0272
k.n 25.100
En el ejemplo es:
LC = p .n = 0.0272 . 100 = 2,72
LCS p.n 3. p.n .(1 p) 2,72 3. 2,72.(1 0,072) 7,60
LCI p.n 3. p.n .(1 p) 2,72 3. 2,72.(1 0,072) 2,09 no se considera
Cuarto Paso: Construimos el gráfico de control y marcamos en las abscisas los números de
subgrupos, en las ordenadas el número de unidades defectuosas. Dibujamos con línea entera la LC y
con línea punteada el LCS y el LCI. Luego indicamos el número de unidades defectuosas en cada
subgrupo.
Cuarto Paso: Calculamos la línea central y los limites de control del ensayo:
Primero calculamos la fracción promedio de no conformidad que es la línea central
p
np 1015 0.020
n 50515
Usando los p se calculan los límites de control de cada día:
Equipo Docente de Probabilidad y Estadística Hoja Nº 12
UNIVERSIDAD TECNOLOGICA NACIONAL
Facultad Regional Villa María
- Síntesis de Control de Calidad - Año 2020 -
Quinto Paso: Calculamos ahora la línea central y los límites de control corregido:
p nuevo
np np d
1015 53 113 17
0.019
n n d 50515 1238 2678 2382
Tenemos en cuenta que los días 9, 22 y 29 existió una situación fuera de control, dado a que
existe una causa atribuible para cada uno de estos puntos de control se los descarta.
Sexto Paso: continuar con esta repetición de cálculos hasta el último día del mes de abril.
Si a nuestro ejemplo lo calculamos usando el software de estadística SPSS los resultados serán:
El procedimiento para construir una gráfica c es le mismo que para una gráfica p.
Equipo Docente de Probabilidad y Estadística Hoja Nº 13
UNIVERSIDAD TECNOLOGICA NACIONAL
Facultad Regional Villa María
- Síntesis de Control de Calidad - Año 2020 -
Este paso consiste en definir para qué se va a utilizar la gráfica de control. A modo de ejemplo
decimos que podría servir para controlar a) una sola característica de calidad, b) un grupo de
características de calidad, c) una pieza, d) un producto en su totalidad o e) varios productos.
También puede emplearse para controlar el desempeño de: a) un operario, b) un centro laboral, c)
un departamento, d) un turno, e) una planta o f) una compañía.
El tamaño es el de una unidad inspeccionada. Una unidad inspeccionada puede ser un aeroplano,
una caja de latas de bebidas gaseosas, una gruesa de lápices, 500 solicitudes de seguro médico, una
caja de etiquetas, etc., etc.
Cuarto Paso: Calculamos la línea central y los limites de control del ensayo:
Primero calculamos el número promedio de no conformidades correspondiente a una cantidad de
subgrupos. Donde c es la cantidad de no conformidades y g es el número de subgrupos.
c
c 141 5.64
g 25
c nuevo
c c
d
141 20 14
4.65
g g d 25 2
Este valor representa el cálculo más aproximado de la línea centraly los límites de control
corregidos son:
LCS = c 0 + 3. c0 4.65 3. 4.65 11.1
Una ves logrado el objetivo se realiza la gráfica. Una manera más fácil de realizarla es apoyarse
en un software de estadística como puede ser el SPSS y los resultados serán:
Cuando hay situaciones en las que el tamaño del sub-grupo es variable, la grafica que se emplea
es la u (número de no conformidades por unidad), también se suele emplear cuando el tamaño del
sub-grupo es constante. La gráfica u es equivalente matemáticamente a la gráfica c y se obtiene de
la misma forma. Las ecuaciones que se utilizan en este procedimiento son:
u
c
u
c
n n
u u
LCS u 3. LCI u 3.
n n
Se recopilaron datos de 5 semanas, cada semana de seis días, para un total de 30 subgrupos, el
cálculo de la línea central de ensayo es el siguiente:
u
c 3389 1.20
n 2823
El cálculo de los límites de control de ensayo y el punto graficado, u, debe hacerse para cada uno
de los grupos. En el caso del 30 de enero son:
u 1.20
LCSenero30 u 1.20 3. 1.51
n 110
u 1.20
LCSenero30 u 1.20 3. 0.89
n 110
c 120
u.enero30 1.09
n 110
Este cálculo se repite para los 29 valores restantes y los valores respectivos se consignan en la
tabla.
Si analizamos los valores, se observan que no existen puntos fuera de control.
En la figura siguiente se muestra en que casos se utilizan las gráficas por atributos:
1) Alcanzar el estado de control estadístico (todas las medidas y recorrido dentro de los límites
del control; por consiguiente, proceso sin ninguna causa imputable de variación).
2) Dirigir un proceso.
3) Determinar la capacidad del proceso. Antes de que el proceso esté bajo control, deben
determinarse los límites de variación de proceso. Como límites de control se establecen para
las medidas, deben multiplicarse por n (n tamaño del subgrupo) antes de compararlos con
tolerancias.
La fichas de control pueden tener un importante papel de aceptación del producto. Procesos que
son capaces de alcanzar las especificaciones y que están bajo el control estadístico son los primeros
candidatos al auditado mediante el muestreo de aceptación. El control estadístico verifica la
estabilidad del proceso y la homogeneidad del producto y, luego puede aplicarse efectivamente
algún tipo de muestreo.
σx ≃ R /d2 ≃ s /c2 sx = X X ) 2
/( n 1)
R = X mayor - X menor R
R
N
d2 y c2 son funciones del tamaño del subrupo. Tanto R como s son estimadores válidos de σx sólo si
los subgrupos se toman aleatoriamente de la población estable. Como es práctica habitual tomar los
subgrupos periódicamente más que aleatoriamente, existe el riesgo de que la frecuencia del
muestreo pueda coincidir con la acción de alguna variable desconocida y producir un recorrido o
desviación tipo desproporcionados a los valores de σx.
Límites de Control: Se pueden establecer límites de control basados en estadística del proceso, a
una medida ±3 desviaciones tipos parámetros. Si el parámetro representado en la ficha se
distribuye normalmente, alrededor de 99,73 por 100 de todos los valores caerán dentro de los
límites de control. Si un punto cae afuera de los límites de control, Hay sólo 27 probabilidades en
10000 de que la distribución no haya cambiado.
Los límites de control para R serán demasiados anchos si las distribución de las X es leptocúrtica
(más puntiaguda y larga, con colas más delgadas que la normal); serán demasiado estrechos sí la
distribución es platocúrtica( con el vértice más plano que la normal). Si el valor de X cambia en los
subgrupos mientras se toman muestras para la fijación de los límites de control, los R serán también
demasiados anchos. Factores de tendencia como el desgaste de herramienta o el incremento de
temperatura son una causa para esto. Si los subgrupos se toman demasiados separados , se puede
empeorar la situación . si es demasiado pequeño, puede dar una R inadecuada y por lo tanto unos
límites de control incorrectos, tanto para X como para R. Si los límites de control para X y R son
demasiados amplios, el riesgo de despreciar señal para actuar (riesgo β) crece. Si los límites para R
son demasiados estrechos, el riesgo de emitir una falsa señal de fuera de control (riesgo α) crece.
Una observación: Estar bajo "control estadístico" significa simplemente que solo están presentes
causas aleatorias. Esto no significa necesariamente que el producto cumpla con las especificaciones.
Y a la inversa, un proceso que no está bajo control estadístico puede estar todavía produciendo
artículos conforme con la especificación.
Tamaño del Subgrupo, n.: Dado que σx = σx/√n, cuando mayor sea el tamaño del subgrupo, n, será
la desviación tipo la distribución de las medias, σx, menores los limites de control a
3 σ, y más sensible será la ficha de las X . Sin embargo a medida que n crece, el tiempo necesario
para obtenerla y representar los valores en la ficha también crece. La sensibilidad de una ficha para
la detección de cambios en el proceso con diferentes tamaños de subgrupos, puede definirse
mediante una curva característica.
1. Puntos X amontonados junto a la línea X , sin ocupar todo el espacio entre los límites de
control superior e inferior.
Equipo Docente de Probabilidad y Estadística Hoja Nº 20
UNIVERSIDAD TECNOLOGICA NACIONAL
Facultad Regional Villa María
- Síntesis de Control de Calidad - Año 2020 -
2. Puntos X más allá de ambos límites de control la mayor parte del tiempo.
En ambos casos, el recorrido ocupa escrupulosamente todo el espacio entre los límites de
control.
La segunda condición se ha producido por haber tomado todas las unidades de un subgrupo la
misma cavidad, pero tomando los subgrupos sucesivos de diferentes cavidades. Ahora, R es más
pequeño, pero X está inflada por la diferencia entre cavidades.
Como regla general, cada cavidad del molde debe ser considerada como una máquina separada y
representada en fichas independientes. La misma lógica debe emplearse con otras máquinas de
producción múltiple.
Por qué utilizar medias: Las medias son más sensibles a los cambios que las unidades (figura 4).
Consideraremos un proceso en el que σ para las unidades es 50 y la media de las unidades es de
1000. El recorrido 3σ para las unidades es 150, por lo tanto, los límites serán 1000+150 =1150, y
1000-150=850. Un cambio en el proceso de 1000 a 1100 cambiará las líneas límite a 1250 y 950.
La probabilidad de que un proceso cambiado caiga fuera de los límites es alrededor de 16 por 100.
Detectar un cambio con una certeza del 99 por 100 requiere, de media, 27 subgrupos de unidad de
cada uno.
Curvas Características de las fichas de control: La curva característica (CC) es una representación
gráfica del verdadero valor de un parámetro del proceso, es decir, la media, frente a la probabilidad
de que una muestra única caiga dentro de los límites de control. Muestra la amplitud de la ficha
para detectar cambios en el proceso. La figura 5 es una cura CC para una ficha de control de las X
con una media μ x = 45.8, desviación tipo σx= 2,9 y tamaño del subgrupo n=4. Esta curva no debe
confundirse con la distribución de mediciones. En algunos casos el perfil es similar pero el
significado es completamente diferente.
La CC es una función del tamaño del subgrupo n, de la separación de los límites de control tσ y
de la desviación σ. Mediante la evaluación de las curvas CC para varios tamaño de subgrupo y
límites de control puede diseñar una carta para un problema determinado con el mejor compromiso
entre n y t.
Figura 4. Las medias son más sensibles que los valores individuales para detectar cambios
1. Elegir la característica a controlar. Este es un tema que depende del criterio del analista, pero
podemos aplicar los siguientes orientaciones:
a) Dar la mayor prioridad a las características que están produciendo defectos y en las que los
operarios tiene posibilidad de controlar el ajuste. Estas prioridades pueden establecerse con
un análisis de Pareto.
b) Identificar las variables y condiciones del proceso que contribuyen a las características
finales del producto. Por ejemplo pH, la concentración de sales y la temperatura de la
solución son variables del proceso que podrían contribuir a la uniformidad de la capa de
galvanizado. La selección de estas variables, generalmente, es muy subjetiva y cuestionable.
c) Elegir características que puedan proporcionar la cantidad de datos necesarios para el
diagnóstico de los problemas. Los datos por atributos proporcionan una información
resumida, pero puede ser necesario completarla con datos por variables para diagnosticar las
causa y determinar las acciones.
d) Determinar el primer punto del proceso de producción que debe envasarse para obtener
información de las causas imputables, así como las fichas que han de servir como primero y
efectivo dispositivo de advertencia para la prevención de disconformidades.
2. Elegir el tipo de ficha de control. La tabla "A "compara varias fichas de control básicas. El
objetivo es hacer artículos conformes con la especificación. El
Adecuado uso de las fichas de p, np, u, y c ha de conducir a la eliminación de los que no lo son.
3. Decidir la línea central que ha de utilizarse y las bases de cálculos de los límites de control.
La línea central puede ser la media de los datos pasados, o la media deseada. Los límites
generalmente se sitúan en ± 3σ, pero pueden elegirse muchos otros para distintos riesgos
estadísticos. Los límites ± 3σ incluyen un muy pequeño riesgo de hallar el fallos que no
existen, pero un gran riesgo de no hallar fallos que si existen.
8. Calcular los límites de control y dar instrucciones específicas para la interpretación de los
resultados y la toma de decisiones.
Tabla "A"
Las fichas de datos por atributos requieren solamente el recuento de mediciones discretas, como
buenas o malas. Los datos por variables dan más información que los atributos, y por tanto son las
preferidas para el control estadístico de procesos y esenciales para el diagnóstico.
Las fichas por atributos son útiles siempre que la tasa de defectuosa sea suficientemente alta
como para mostrarla en ficha con un razonable tamaño de subgrupo. Las actuales exigencias en
cuanto a competencia en calidad que afectan a muchas industrias son tan elevadas que las fichas por
atributos no son adecuadas.
Para tamaño de subgrupos > 10, utilizar la desviación σ en vez del recorrido. Calcular los
límites 3 σ aplicando la fórmula :
Línea Central = X
Límite de control superior para X = X + A1 s
Límite de control inferior para X = X - A2 s
Línea central = s
Límite de control Superior para R = B4 s
Límite de control Inferior para R = B3 s
Los factores de las fichas de control dan por su puesto una población normal de elementos,
aceptándose moderadas desviaciones. Ver figuras 6 y 7 muestran hojas de datos y ficha de control
para X y R.
INTERPRETACIÓN DE LAS FICHAS: Colocar las fichas para X y R una encima de la otra de
manera que la media y el recorrido de cada subgrupo estén en la misma línea vertical. Observar si
una o las dos señalan faltas de control del subgrupo.
Si las X caen fuera de los límites de control, es evidente un cambio general ha afectado todas
las piezas posteriores al primer subgrupo que se encuentran en esa situación.
Si las R caen fuera de los límites de control, es evidente que la uniformidad del proceso ha
cambiado. Son causas típicas los cambios de personal, variabilidad en el material, o desgaste de las
Una sola R fuera de control puede ser causada por un cambio de procesos producido mientras se
obtenía el subgrupo.
Nelson (1984-1985) límites proporciona ocho tests para detectar estos casos de fichas de control
que utilizan 3σ. La figura 8 muestra los diferentes tests. Cada zona tiene una amplitud de 1σ.
Figura 8. Ilustración de tests para causas especiales, aplicados a fichas de control de X .
Por esta razón se acostumbran a utilizar límites de control 2σ. A diferencia de los límites de
control para medias, los límites de control para unidades pueden compararse directamente con los
límites de tolerancia.
Línea central = R
Límite de control Superior para R = D4 R
Límite de control Inferior para R = D3 R
Los límites de control 2σ se calculan utilizando los dos tercios de la banda 3 σ aplicando
Siempre que sea posible el tamaño de los subgrupos ha de ser el mismo. Si los distintos subgrupos
no difieren de la media de los subgrupos, n , en más de 25 por 100, es mejor utilizar n que n para
calcular los límites de control Si difieren en más del 25 por 100, requieren establecer separados
límites de control, calculados para cada subgrupos , utilizando su n particular.
EJEMPLO DE FICHA DE CONTROL PARA P: La siguiente tabla muestra los resultados del ensayo e
inspección final, durante un período de 5 meses, de ciertos imanes permanentes utilizados en relés
Equipo Docente de Probabilidad y Estadística Hoja Nº 28
UNIVERSIDAD TECNOLOGICA NACIONAL
Facultad Regional Villa María
- Síntesis de Control de Calidad - Año 2020 -
eléctricos. El número total de imanes ensayados fue de 14901; el total de los conformes fue de
1030. El tamaño de la muestra fue de:
14091
n 741.6
19
La fracción no-conforme medida fue de:
1030
p 0073
14091
El valor 0,0287 se halla, ya sea por cálculo se halla, ya sea por cálculo directo, ya sea mediante
gráfico Z. Utilizar el gráfico, hallar el tamaño de la muestra en la escala inferior, subir hasta la
intersección con la diagonal de trazo continuo de p . Desplazarse hacia la escala de la izquierda
para obtener el valor 3 ,que resulta ser 0,029. El límite superior para p será pues LCSp = 0,073 + 0,
029 = 0,102, y el límite inferior es LCIp. La ficha de control resultante se muestra en la siguiente
figura 9. Obsérvese que la última muestra esta por debajo del LCI, indicando una significativamente
baja fracción no - conforme. Aunque esto puede significar que hay una causa imputable que ha
producido una mejor calidad, estos puntos pueden también ser debidos a que el inspector ha
aceptado, por error, alguna unidades no - uniformes.
Línea central = n p
Límite control superior para p = n p +3 √n p (1 - p )/n
Límite control superior para p = n p - 3 √n p (1 - p )/n
Las fichas son idénticas excepto en la escala; vertical por eso no se ha producido la ficha para np.
Los valores son muy similar al ejemplo anterior.
Línea central = u
Límite control superior = u +3 √ u )/n
Límite control inferior = u - 3 √ u )/n
Donde u es el número total de disconformidades de todas las muestras dividido por el número
total de unidades de todas las muestras, es decir, las disconformidades por unidad de todo el
conjunto de resultados de ensayo. Para nuestras de tamaño distintos, los límites de control se
calculan para cada tamaño separadamente, utilizando un valor combinando de u .
Ejemplo de ficha de control para u: La tabla siguiente nos da los resultados de la inspección de
25 lotes consecutivos en un producto. El tamaño del lote fue prácticamente constante, por eso se
utilizó un tamaño de muestra constante(n = 100. Se contaron todas las disconformidades dado que,
en cada artículo, se podían producir dos o más de ellas, del mismo o de distinto tipo. Las cantidades
de disconformidades por unidad se hallaron dividiendo la cantidad de no-conformidades halladas
por el tamaño de la muestra.
Luego, para la ficha de control para u ,
Las fichas de control de suma acumulada, al igual que otras que hemos estudiados, se interpretan
comparando los puntos dibujados con los límites críticos, pero que en este caso no son ni paralelos
ni fijos. Una plantilla en forma de v es el dispositivo que se coloca sobre la ficha, con el origen
sobre el último punto marcado. Los puntos cubiertos por la plantilla son una indicación de que el
proceso se ha desviado.
La siguiente figura 11 muestra también una ficha normal para X , que no habría detectado el
cambio hasta que los puntos de la gráfica no hubieran sobrepasado los límites de control.
La comparación de una ficha de control de suma acumulada con otra normal de X debe tener en
cuenta el concepto de longitud media de la serie. La LMS es el número medio d
puntos de la muestra dibujados, a un determinado nivel de calidad especificado, antes que la ficha
detecte un cambio respecto de un nivel anterior.
Para cambios comprendidos entre 0,5 σx y 2, σx, las fichas de suma acumulada lo detectan,
más o menos, con la mitad de subgrupos necesarios de una ficha normal para X ,
reduciendo el plazo para actuar en este número de períodos. Las fichas para X normalmente
funcionan mejor para cambios en ambos recorridos.
Figura 11. Comparación entre una ficha de control de suma acumulada y la ficha de X y R correspondiente.
FICHAS DE CONTROL ESPECIALES: En algunas fichas de control que hemos visto se asume
que las distribuciones son normales. Cuando las medidas no responden a este supuesto, a veces, se
pueden" transformar" matemáticamente, y la mediciones transformadas pueden entonces tratarse
mediante fórmulas de los límites de control habituales.
La siguiente tabla resume algunos tipos especiales de fichas de control no tratados más arriba y
se dan referencias sobre donde hallar detalladas instrucciones para su construcción y utilización.
PRE - CONTROL
Un proceso nuevo se califica tomando muestras de unidades consecutivas hasta que cinco
seguidas caen dentro de la zona central antes de que las otras caigan en precaución. Esto asegura
que la distribución es suficientemente estrecha como para centrar el proceso dentro de los límites de
tolerancia. Esto no es control estadístico; esto es control de la capacidad; ahora se sabe que el
proceso es capaz de elaborar el producto dentro de la tolerancia. Si el proceso no puede ser
calificado, debe empezar inmediatamente un trabajo de diagnosis para identificar y controlar las X
rojas.
Una vez calificado el proceso, se controla tomando muestras periódicas de dos unidades cada
una ( a las que llamaremos A, B). Este pequeño subgrupo y la inmediata información que
proporciona directamente al operario del proceso constituye un rápido y riguroso bucle de
realimentación. Solamente hay que actuar si tanto A como B caen en la zona de precaución.
La eficacia estadística del PRE - control reside en la regla del producto de probabilidades:
Así, el riesgo de una falsa señal es drásticamente reducido con la utilización de una muestra de
tamaño dos. La probabilidad real de la función del ancho de las zonas de precaución(ver párrafo
sobre riesgo más adelante). La probabilidad de pasar por un alto un trabajo fuera de tolerancia es
controlado por el tamaño de las zonas de precaución y la frecuencia de toma de muestras ( ver
párrafo sobre riesgo más adelante).
Debido a que las reglas de PRE - control son tan simples, los usuarios llegan a la conclusión de
que son arbitrarias y las cambian en un esfuerzo para mejorar el PRE - control. El tamaño de la
muestra es un compromiso entre la reducción del riesgo y falsa señal y una espera larga para actuar.
La anchura de la zona de precaución es un compromiso entre la sensibilidad y la oscilación. Con las
zonas de precaución preparadas, la oscilación es una señal de que la actual distribución es más
ancha que la tolerancia, el proceso debe ser arreglado. La frecuencia de muestreo es un
compromiso entre costes y el esfuerzo de tomar muestras más seguido, y el riesgo de elaborar
productos fuera de tolerancia. Los cálculos originales del PRE - control una frecuencia de 25 pares
A, B entre ajuste es suficiente para que produzca ningún trabajo fuera de tolerancia. El cambio de
las ya optimizadas zonas de precaución y tamaños de los subgrupos solo producirá un menos
control efectivo del proceso.
Aunque el PRE - Control requiere un mínimo de cinco unidades para calificar una preparación,
está realmente controlando el proceso mientras estas cinco unidades se están produciendo. Si las
primeras unidades son amarillas, ajuste el proceso antes de hacer la tercera. El recuento para la
calificación debe comenzar de nuevo, pero nosotros ya no hemos prevenidos de productos no
conformes.
No hay ningún requisito y ninguna asunción implícita con respecto a la capacidad del proceso o
de la distribución de frecuencias de la característica de calidad.
la mejor pieza, verde; desde líneas de referencia hasta el límite de tolerancia, amarilla; más allá del
límite de tolerancia, rojo. Ver la siguiente figura 14.
Proveer al operario del proceso de los medios para medir características, y colorear el
instrumento de medición en verde (bien), amarillo (precaución) y rojo (pare).
FUNCIONAMIENTO: Medir, periódicamente, dos piezas consecutivas (a las que llamamos par
A, B). Si ambas son amarillas, del mismo lado, ajustar. Si son amarillas, pero de lados opuestos,
pedir ayuda. Si alguna es roja, ajustar. En el caso de dos amarillas, el ajuste debe hacerse
inmediatamente para prevenir trabajo no - conforme. Si las dos son rojas, para, ya se está
produciendo trabajo no - conforme. No colocar la pieza roja con las piezas anteriores.
FRECUENCIA DE MEDICIÓN: Medir seis pares A B de media entre cada ajuste que requiera el
proceso. Ya que una hora tiene 60 minutos, esta regla se reduce: tiempo entre mediciones en
minutos = tiempo entre ajustes en horas x 10:
RIESGO: Todas las técnicas para el análisis de la variación de procesos implican algún riesgo.
Riesgo tipo I, y tipo II, y que también son aplicación al PRE - Control.
RIESGO : Es el riesgo de una falsa alarma ante una condición operativa específica. El riesgo
de una señal amarilla doble cuando el proceso no debe ser ajustado.
Las peores condiciones operativas práctica para un riesgo es una distribución de frecuencias
normal de la característica de la calidad con una media a valor nominal (en el centro de
tolerancia) y un ± 3 correcto en los límites superior e inferior de la tolerancia, respectivamente.(
ver la siguiente figura 15) .
En el peor de los casos, un operario que utilice el PRE - Control recibirá una señal de ajustar el
proceso, cuando ese ajuste no es necesario, un 2 por 100 de las veces. Cuando el operario ajuste el
proceso y trate de recalificar la preparación, probablemente obtenga dos amarillos antes de que se
presentación verdes. Esta señal amarilla doble para ajuste del proceso le lleva a la posición original.
El resultado de esta falsa señal es una secuencia de dos ajustes innecesarios, uno a consecuencia de
la falsa señal y otro para corregir ésta. Pero no produce artículos no - conformes.
Las peores condiciones operativas práctica para el riesgo es la misma distribución normal con
± 3 igual a la tolerancia total utilizada más arriba, pero con la media desplazada del valor
nominal. En este caso, el trabajo fuera de tolerancia producido no se excederá, de media, del 1 por
100. Los cálculos son algo complejos que para el riesgo .
Importancia de la capacidad
Por ahora nos hemos centrado en determinar la estabilidad e los procesos, pero no hemos hecho
referencia a si los procesos son capaces de producir dentro de las tolerancias requeridas. Hay que
tener en cuenta que un proceso perfectamente centrado y estable puede ser incapaz de producir la
calidad requerida. Para determinar esta capacidad debemos definir una nueva serie de variables, y
en eso consisten los estudios de capacidad.
Límites de tolerancia
Hemos de ser capaces de distinguir perfectamente entre el concepto de límite de control y límite
de tolerancia.
Límite de tolerancia: Parámetro obtenido del diseño realizado por el ingeniero, y que viene
determinado por las necesidades de ajuste, acabado, posicionamiento, etc.
Como se puede observar, el primero está determinado por el proceso en sí, no siendo posible
alterarlo de forma directa, mientras que el segundo surge de la necesidad del ingeniero de plasmar
unas determinadas especificaciones en un plano, dado que obtener una fabricación perfecta es
totalmente imposible.
Por esto, es perfectamente posible que los límites de control del proceso se encuentren fuera de
los límites de tolerancia de la pieza, siendo entonces el proceso incapaz. En la figura podemos ver
un proceso en el que parte de las piezas producidas están fuera de las tolerancias, incluso cuando
todos los valores están dentro de los límites de control.
Para medir la posición del proceso dentro de los límites de tolerancia emplearemos los
parámetros de capacidad.
De todas formas, es muy importante tener en cuenta dos cosas antes de ponerse a calcular estos
parámetros:
El proceso debe estar bajo control estadístico para poder calcular los parámetros de
capacidad.
Estos parámetros cambian cuando lo hacen las condiciones de control estadístico (cambio de
los límites de control, media, etc.)
Parámetros de capacidad
Como ya es conocido,
Para que se considere que el proceso es capaz, debe valer como mínimo 1,33, aunque a veces se
exige hasta 1,66 (caso de sector aeronáutico).
Este parámetro nos mide la cantidad de margen que tiene los límites de control dentro de los
límites de tolerancia. Cuando el proceso está centrado, nos bastará con este valor, pero no siempre
será así. En ese caso necesitaremos emplear otro parámetro.
En el caso de que el proceso esté centrado, ambos parámetros coincidirán, pero en cualquier otro
caso Cpk será menor que Cp. En ambos casos se considera que la media está dentro de los límites
de tolerancia.
Cuanto mayor sea el parámetro de capacidad, mayor será el margen del que disponemos antes de
que el gráfico de control detecte un posible cambio de tendencia, sin que se produzcan piezas
defectuosas.
El software calculará los parámetros de la muestra, los límites de control inicial, y la ficha de
control. Por supuesto, los límites de control pueden ser recalculados periódicamente con facilidad y
los límites ± 2 , pueden calcularse como datos adicional de orientación. La mayor parte de los
software proporcionan resúmenes y análisis adicionales, tales como listados de los datos brutos, de
valores fuera de especificación, histogramas controles de funcionamiento y otras pautas dentro de
los límites de control, ensayos de normalidad, cálculos de capacidad del proceso, análisis de Pareto
y análisis de tendencias.
El software calculará los parámetros de la muestra, los límites de control inicial, y la ficha de
control. Por supuesto, los límites de control pueden ser recalculados periódicamente con facilidad y
los límites a ± 2 , pueden calcularse como dato adicional de orientación. La mayor parte de los
software proporcionan resúmenes y análisis de Pareto y análisis de tendencias.
El relativamente bajo coste de los ordenadores personales y facilidad con que puede disponer de
X y R. Esta combinación ordenador - software ha facilitado la recogida de grandes cantidades de
datos y posibilitado la realización de variadas y complejas formas de análisis. Sin embargo, la
mejora de los procesos también requiere la identificación de los " pocos y vitales" y con frecuencia
variables inesperadas causan variaciones excesivas. El análisis por ordenador no es el sustituto de
herramientas tales, como los Multi-Vari, o los experimentos factoriales. Los ordenadores son muy
útiles cuando se a creado el esquema para un programa de amplio alcance y muy poco útiles cuando
se utiliza un programa de análisis estadístico prefabricado.
GRÁFICOS DE CONTROL
La variación ocurre en todos los procesos, ya sean fenómenos naturales o invenciones humanas.
Se dan dos clases de variación, la variación aleatoria (que es natural en el proceso tal y como se
desarrolla habitualmente) y la no aleatoria (resultado de una causa atribuible específica). La primera
es predecible (proceso bajo control), sin embargo la segunda hace que el proceso se encuentre fuera
de control. Un gráfico de control presenta la variación total en un proceso (aleatoria y no aleatoria)
y se utiliza para monitorear un proceso y mantenerlo dentro de su capacidad operativa, es decir,
bajo control.
El tipo más sencillo es el llamado gráfico p, que representa el porcentaje defectuoso o porcentaje
de veces que no se cumple una norma establecida.
Entonces, podemos decir que es inevitable que la calidad de un producto elaborado sea variable,
existiendo numerosas causas para estas, pudiendo clasificarlas en los siguientes dos tipos:
Causas aleatorias: las variaciones por causas aleatorias no pueden ser eliminadas y ocurren
en forma inevitable en un proceso, aunque las operaciones se lleven a cabo utilizando
materias primas y métodos estandarizados. No es factible eliminar las causas aleatorias, ni
técnica ni económicamente, al menos en la actualidad.
Causas asignables: las variaciones por causas asignables indican que existen factores
significativos que deben investigarse. Son eliminables y no pueden pasarse por alto: existen
casos provocados por negligencia con relación a ciertos estándares o por aplicación de estos
últimos en forma inadecuada.
Cuando los puntos caen fuera de los límites de control o adoptan una forma peculiar, se dice
que un proceso se halla fuera de control y esto equivale a decir " aquí existen causas de
variación asignables y el proceso se halla fuera de control". Para controlar e1 proceso será
necesario eliminar las causas asignables y encarar las acciones preventivas para evitar que
ocurran y tener presente que pueden presentarse variaciones provocadas por causas
aleatorias.
Para confeccionar un gráfico de control es necesario estimar las variaciones por causas
aleatorias. Para ello se dividen los datos en subgrupos dentro de los cuales el lote de
materias primas, máquinas, operarios y otros factores sean comunes a todos los subgrupos,
con lo que la variación dentro de un subgrupo puede considerarse igual a la variación por
causas aleatorias.
Gráficos de control
1) Gráfico X - R
Se utiliza para controlar y analizar un proceso, empleando valores continuos de calidad del
producto, tales como longitud, peso o concentración y de esto se obtiene la mayor parte de la
información sobre el proceso. X representa el valor promedio de un subgrupo y R representa el
rango de este subgrupo. Generalmente se utiliza un gráfico R en combinación con un gráfico X para
controlar la variación dentro de un subgrupo.
2) Gráfico X
Cuando los datos sobre un proceso se obtienen luego de un intervalo prolongado 0 cuando el
agrupamiento en subgrupos no resulta efectivo, se indican los valores en forma individual, pudiendo
utilizarse los mismos para confeccionar un gráfico de control. Debido a que, en este caso, no existen
subgrupos y por ende no se puede calcular R, se utiliza el rango móvil R s de datos consecutivos
para el calculo de los limites de control de X.
4 ) Gráfico c, Gráfico u
Se utiliza para el control y análisis de un proceso tomando en cuenta los defectos de un producto,
tales como raspones sobre metal cromado, cantidad de soldaduras defectuosas dentro de un apartado
Equipo Docente de Probabilidad y Estadística Hoja Nº 43
UNIVERSIDAD TECNOLOGICA NACIONAL
Facultad Regional Villa María
- Síntesis de Control de Calidad - Año 2020 -
Subgrupo Nº X1 X2 X3 X4 X5 X X R
1 47 32 44 35 20 178 35.6 27
2 19 37 31 25 34 146 29.2 18
3 19 11 16 11 44 101 20.2 33
4 29 29 42 59 38 197 39.4 30
5 28 12 45 36 25 146 29.2 33
6 40 35 11 38 33 157 31.4 29
7 15 30 12 33 26 116 23.2 21
8 35 44 32 11 38 160 32.0 33
9 27 37 26 20 35 145 29.0 17
10 23 45 26 37 32 163 32.6 22
11 28 44 40 31 18 161 32.2 26
12 31 25 24 32 22 134 26.8 10
13 22 37 19 47 14 139 27.8 33
14 37 32 12 38 30 149 29.8 26
15 25 40 24 50 19 158 31.6 31
16 7 31 23 18 32 111 22.2 25
17 38 0 41 40 37 156 31.2 41
18 35 12 29 48 20 144 28.8 36
19 31 20 35 24 47 157 31.4 27
20 12 27 38 40 31 148 29.6 28
21 52 42 52 24 25 195 39.0 28
22 20 31 15 3 28 97 19.4 28
23 29 47 41 32 22 171 34.2 25
24 28 27 22 32 54 163 32.6 32
25 42 34 15 29 21 141 28.2 27
TOTAL 746.6 686
PROMEDIO X = 29.86 R = 27.44
Segundo Paso:
Tercer Paso:
Calculamos el promedio total X dividiendo la suma de los X de cada subgrupo por el números de
subgrupos k.
X 1 X 2 X 3 ... X k
X
k
debiendo calcularse x con dos posiciones decimales más que los valores tomados.
En nuestro ejemplo:
X (35.6 29.2 ... 28.2) / 25 29.86
Cuarto Paso:
Calculamos el rango R de cada subgrupo restando el valor mínimo del máximo en cada caso.
R = (mayor valor de cada subgrupo) – (menor valor de cada subgrupo)
Quinto Paso:
Ahora se calcula el rango R de los rangos R, dividiendo la suma de los R de cada subgrupo por
el número de subgrupos k.
R1 R 2 ... R k
R
K
debiendo calcularse R con dos posiciones decimales más que los valores tomados (el mismo
número de decimales que para x).
En nuestro ejemplo:
R (27 18 ... 27) / 25 27.44
Calculamos las líneas de control para el gráfico X y el R con las siguientes fórmulas:
Equipo Docente de Probabilidad y Estadística Hoja Nº 45
UNIVERSIDAD TECNOLOGICA NACIONAL
Facultad Regional Villa María
- Síntesis de Control de Calidad - Año 2020 -
En nuestro ejemplo:
Gráfico X LC = X 29.86
LCS X A2 R 29.86 0.577.27.44 45.69
LCI X A2 R 29.86 0.577.27.44 14.03
Gráfico R
LC R 27.44
LCS D 4 R 2.115.27.44 58.04
LCI = (no se considera)
Noveno Paso:
Escribimos en tamaño del subgrupo (n) en el ángulo superior izquierdo del gráfico X .
Escribimos, además, cualquier otro dato de relevancia para el proceso, tales como denominación,
nombre del producto, período, método de medición, condiciones de trabajo, etc.
2) Gráfico de control pn
En nuestro ejemplo:
p
p.n
k .n
En caso de nuestro ejemplo:
p
p.n 68
0.0272
k.n 25.100
Línea central: LC = p .n
Límite de control superior: LCS p.n 3. p.n .(1 p)
Límite de control inferior: LCI p.n 3. p.n .(1 p)
no se considera el LCI si resulta negativo.
En el ejemplo es:
LC = p .n = 0.0272 . 100 = 2,72
LCS p.n 3. p.n .(1 p) 2,72 3. 2,72.(1 0,072) 7,60
LCI p.n 3. p.n .(1 p) 2,72 3. 2,72.(1 0,072) 2,09 no se considera
Cuarto Paso:
Construimos el gráfico de control y marcamos en las abscisas los números de subgrupos, en las
ordenadas el número de unidades defectuosas. Dibujamos con línea entera la LC y con línea
punteada el LCS y el LCI. Luego indicamos el número de unidades defectuosas en cada subgrupo.
3) Gráfico p
Este paso consiste en definir para qué se va a utilizar la gráfica de control. A modo de ejemplo
decimos que podría servir para controlar a) una sola característica de calidad, b) un grupo de
características de calidad, c) una pieza, d) un producto en su totalidad o e) varios productos.
También puede emplearse para controlar el desempeño de: a) un operario, b) un centro laboral, c)
un departamento, d) un turno, e) una planta o f) una compañía.
Un fabricante de MODEM para computadora recopilo los siguientes datos de la prueba final que
se somete el producto a fines de marzo y abril. Estos son :
Cuarto Paso:
p
np 1015
0.020
n 50515
Quinto Paso: Calculamos ahora la línea central y los límites de control corregido:
p nuevo
np np d
1015 53 113 17
0.019
n n d 50515 1238 2678 2382
Tenemos en cuenta que los días 9, 22 y 29 existió una situación fuera de control, dado a que
existe una causa atribuible para cada uno de estos puntos de control se los descarta.
Sexto Paso: continuar con esta repetición de cálculos hasta el último día del mes de abril.
Si a nuestro ejemplo lo calculamos usando el software de estadística SPSS los resultados serán:
Recordemos que tanto la gráfica p, como c o como u, son grupos de gráficas de atributos y la p
controla la proporción de no conformidades mientras que la c controla el número de no
conformidades y la u controla el número de no conformidades por unidad.
4) Gráfico c
El procedimiento para construir una gráfica c es le mismo que para una gráfica p.
Este paso consiste en definir para qué se va a utilizar la gráfica de control. A modo de ejemplo
decimos que podría servir para controlar a) una sola característica de calidad, b) un grupo de
características de calidad, c) una pieza, d) un producto en su totalidad o e) varios productos.
También puede emplearse para controlar el desempeño de: a) un operario, b) un centro laboral, c)
un departamento, d) un turno, e) una planta o f) una compañía.
El tamaño es el de una unidad inspeccionada. Una unidad inspeccionada puede ser un aeroplano,
una caja de latas de bebidas gaseosas, una gruesa de lápices, 500 solicitudes de seguro médico, una
caja de etiquetas, etc., etc.
Cuarto Paso: Calculamos la línea central y los limites de control del ensayo:
c
c 141 5.64
g 25
c nuevo
c c d
141 20 14
4.65
g g d 25 2
Este valor representa el cálculo más aproximado de la línea centraly los límites de control
corregidos son:
LCS = c 0 + 3. c0 4.65 3. 4.65 11.1
Una ves logrado el objetivo se realiza la gráfica. Una manera más fácil de realizarla es apoyarse
en un software de estadística como puede ser el SPSS y los resultados serán:
5) Gráfico u
Cuando hay situaciones en las que el tamaño del sub-grupo es variable, la grafica que se emplea
es la u (número de no conformidades por unidad), también se suele emplear cuando el tamaño del
sub-grupo es constante. La gráfica u es equivalente matemáticamente a la gráfica c y se obtiene de
la misma forma. Las ecuaciones que se utilizan en este procedimiento son:
u
c
u
c
n n
u u
LCS u 3. LCI u 3.
n n
Se recopilaron datos de 5 semanas, cada semana de seis días, para un total de 30 subgrupos, el
cálculo de la línea central de ensayo es el siguiente:
u
c 3389 1.20
n 2823
El cálculo de los límites de control de ensayo y el punto graficado, u, debe hacerse para cada uno
de los grupos. En el caso del 30 de enero son:
u 1.20
LCSenero30 u 1.20 3. 1.51
n 110
u 1.20
LCSenero30 u 1.20 3. 0.89
n 110
c 120
u.enero30 1.09
n 110
Este cálculo se repite para los 29 valores restantes y los valores respectivos se consignan en la
tabla. Si analizamos los valores, se observan que no existen puntos fuera de control.
Los gráficos de control permiten identificar variaciones no aleatorias. Una variación no aleatoria
se indica normalmente con un punto del gráfico que queda fuera de los límites del control. No
obstante, otras situaciones también pueden indicar un estado no aleatorio o fuera de control:
cambios repentinos del nivel medio, tendencias del nivel u oscilaciones alternadas muy amplias.
Cuando se presenta un hecho no aleatorio, fuera de control, los responsables del proceso deben
encontrar una causa atribuible, respondiendo a la pregunta ¿qué ha cambiado en el proceso para
producir este hecho?.
Lo más importante en el control de procesos es la interpretación exacta del estado de los mismos,
a través de la lectura de un gráfico de control, adoptándose luego las medidas correctivas
adecuadas, ante la presencia de algo inusual Un proceso se halla bajo control si el mismo es estable
y el promedio y la variación del proceso no cambia.
A partir de los gráficos de control, los siguientes criterios servirán para juzgar si un proceso esta
bajo control o no.
2) Serie
Se trata de un estado en el cual los puntos caen continuamente de un mismo lado de la línea
central, denominándose serie a la cantidad de puntos.
3) Tendencia
Cuando los puntos conforman una serie continuamente creciente o decreciente, se afirma que se
tiene una tendencia.
Observando los puntos que se aproximan a los “Límites de Control 3 – sigma”, si dos de tres
puntos aparecen fuera de las líneas 2 -- sigma, se considera el caso como anormal.
6) Periodicidad:
Cuando la curva presenta una tendencia zigzagueante hacia arriba y hacia abajo, en forma
repetida para el mismo intervalo. se considera que es anormal.
1) Subagrupamiento
Los gráficos de control no pueden ser utilizados en forma efectiva sin conocer a los componentes de
la variación de cada subgrupo. El siguiente ejemplo muestra como los componentes de la variación
del subgrupo cambian, conforme a la manera de subagrupamiento.
Ejemplo:
En un proceso de maquinado, la dimensión de una parte de la pieza se utiliza como la
característica del control del proceso. Los principales factores que afectan la dimensión son la
calidad de las materias primas, la forma de la herramienta de corte y el ajuste de dichas
herramientas por abrasión. Las condiciones del proceso son las siguientes:
En este caso se considera permisible una variación por ajuste y el criterio de control adoptado
consistirá en verificar si el ajuste se lleva a cabo correctamente y si las herramientas provistas están
en condiciones normales. Luego los datos deben agruparse de tal manera que la variación dentro de
un ajuste se convierte en variación dentro de un subgrupo y la variación entre ajustes será la
variación entre subgrupos.
La variación de los datos se clasifica como dentro de subgrupos o entre subgrupos. La primera es
la que aparece en un mismo subgrupo y se manifiesta a través del valor R en el “Gráfico de Control
R”. Por otra parte, la variación entre distintos subgrupos es la que se verifica comparando diferentes
lotes o agrupamientos y cuyo valor se determina a partir de la distribución de los puntos X en el
gráfico de control X .
Por lo tanto la distribución de los puntos X resulta afectada, no solamente por la variación entre
subgrupos, sino además por la variación dentro de un mismo subgrupo. La variación de un proceso
bajo perfecto control es como sigue:
3) Estratificación
En la siguiente figura ilustramos un ejemplo de un gráfico de control que puede ser estratificado.
El gráfico muestra una característica de calidad de piezas fabricadas por dos máquinas (A y B).
Como resultado de esta estratificación, se encuentra que casi no existen diferencias de variación
entre A y B, aunque B tiene un valor medio de proceso mayor que A, estando el proceso bajo
control para ambas máquinas. Puede decirse, además, que entre A y B parecen existir causas
asignables.
Gráfico de Control A y B
Procedimientos no paramétricos
Como se puede comprobar, existen multitud de gráficos para el control estadístico del proceso.
Es responsabilidad del técnico elegir adecuadamente el gráfico según sus necesidades. Por ello,
aparte de los ya vistos hasta ahora, hay otra serie de gráficos basados en procedimientos no
paramétricos, que no profundizaremos en la presente, y entre los que destacan:
Gráfico de control de suma de rachas, que relaciona al estadístico con las veces que cae
la media muestral en cierto intervalo de valores.
SISTEMA USA
Se utilizan los límites de k sigmas, con k N y que usualmente toma el valor de 3. Resulta
entonces que el valor de los límites de control es:
LSC n 3 n LIC n 3 n
Esto significa que si el estadístico w tiene distribución normal, el riesgo de estar en la zona II y sin
embargo estar bajo control estadístico es de 0.0026, es decir, en un sistema estable de causas
fortuitas, 26 de cada 10000 puntos muestrales caerán en la zona de intervención.
SISTEMA INGLÉS
En este sistema, lo que se impone son los límites probabilísticas, es decir, se fija el riesgo de caer en
la zona II estando bajo control, y se determina así la constante k. Normalmente el riesgo es de
0.0020 para la distribución normal, siendo k aproximadamente 3.09.
LSC n 309
. n LIC n 309
. n
Sistema USA
2 2.121 3.760
3 1.732
4
5 1.342
8 1.225
7 1.134
8 1.061
9
10 0.949
Sistema USA
Tamaño de Gráfico de la moda Gráfico de la amplitud Factor de
la muestra transformación
n
2 1.229 1.937 4.12 2.81 0.04 0.00 1.128
3 0.663 1.054 2.98 2.17 0.18 0.04 1.593
4 0.476 0.750 2.57 1.93 0.29 0.10 2.059
5 0.377 0.594 2.34 1.81 0.37 0.18 2.328
6 0.316 0.498 2.21 1.72 0.42 0.21 2.534
7 0.774 0.432 2.11 1.66 0.45 0.28 2.704
8 0.220 0.384 2.04 1.62 0.50 0.29 2.847
9 0.220 0.347 1.99 1.58 0.52 0.32 2.970
10 0.202 0.317 1.93 1.56 0.54 0.35 3.078
Bibliografía
La bibliografía empleada en este módulo ha sido: