You are on page 1of 191

CONTROL ESTADISTICO DE PROCESOS

Unidad 1: Introducción al SPC


Mg. Ing. J.Ortigala
• Por qué controlar un proceso?

• Como controlar un proceso?
Significado de la calidad
La calidad puede definirse desde diferentes
puntos de vista, no necesariamente
contrapuestos, sino más bien complementarios
entre ellos.

Una definición universalmente aceptada es
considerar a la calidad como el conjunto de
propiedades de un producto que lo hacen
adecuado para su uso.
Consideramos a un producto como el
resultado de un proceso donde se pueden
distinguir entradas, transformaciones y
salidas.

Así un producto puede ser el resultado de un
proceso de manufactura, un servicio o una
medición de un laboratorio,
• Desde un punto de vista más aplicado, la
calidad implica satisfacción de las
necesidades del cliente, tanto externo como
interno.

• Finalmente desde un punto de vista más
práctico implica que la calidad debe poder
cuantificarse a través de indicadores
cuantitativos y cualitativos
Definición moderna de la calidad
• La calidad es inversamente proporcional a
la variabilidad.
• Cuando la variabilidad disminuye, la
calidad aumenta. Por ejemplo, la
producción de automóviles en los estados
unidos.( puertas)
Métodos de aseguramiento de la calidad
Los métodos de aseguramiento de la
calidad, de base estadística, comprenden
fundamentalmente:

• el control estadístico de procesos
• los experimentos diseñados
• el muestreo para aceptación.
Experimentos diseñados
Los experimentos diseñados son muy útiles para
descubrir las variables principales que influyen en
la característica de calidad de interés en el
proceso.
Un experimento diseñado es un procedimiento en el
que se varían sistemáticamente los factores
controlables de entrada al proceso (temperatura,
presión, caudal., velocidad, concentración, etc) y se
estudia el efecto que tienen dichos factores en los
parámetros de salida del producto.
Control estadístico de procesos
Una vez determinadas las variables
importantes y la naturaleza de la relación entre
esas variables y el modelo de salida del
proceso, es posible utilizar con eficiencia
considerable una técnica estadística de
control de procesos en línea para regular y
vigilar el proceso.
Se pueden aplicar técnicas como los
diagramas de control con el fin de vigilar la
salida del proceso y detectar cuando se
necesitan cambios en las entradas para
reconvertir dicho proceso a un estado bajo
control.

Muestreo para aceptación
Esta es una técnica que se practica fuera de
línea, es decir con el producto ya terminado.
Se usa fundamentalmente para
inspeccionar las materias primas e insumos
antes de incorporarlos al proceso (por
ejemplo botellas y etiquetas en la industria
vitivinícola) o para inspeccionar el producto
obtenido (por ejemplo la botella de vino
llena y vestida).
Condiciones generales para la implementación del
Control Estadístico de Procesos

Los métodos del control estadístico de procesos
proporcionan una retribución significativa a las
compañías que pueden implementarlos
exitosamente.
Aun cuando el SPC, es en gran medida una
colección de herramientas basadas en la estadística
y la probabilidad para resolver problemas, para la
aplicación exitosa del SPC se necesita algo más que
el aprendizaje y uso de estas herramientas.

Condiciones generales para la implementación del
Control Estadístico de Procesos
Al implementar un esfuerzo para reducir la
variabilidad y mejorar la calidad en toda la
compañía, hemos encontrado que varios
elementos suelen estar presentes en todos
los
esfuerzos exitosos.

Estos elementos son los siguientes:

Condiciones generales para la implementación del
Control Estadístico de Procesos
• Liderazgo de la alta dirección.
• Enfoque de equipo.
• Capacitación de todos los integrantes de
la organización.
• Énfasis en la reducción de la variabilidad.
• Medir el éxito en términos cuantitativos
(económicos)
• Un mecanismo para comunicar los
resultados exitosos en toda la
organización
Requisitos inherentes al proceso y al sistema de
medición

Estos deben conocerlo en profundidad a los
efectos de poder recomendar cuales son los
puntos del mismo más proclives a tener
problemas operativos y en los cuales es de
esperar que se produzcan la mayor cantidad de
anomalías que pongan en riego la calidad del
producto.


Requisitos inherentes al proceso y al sistema de
medición


Para la correcta implementación del SPC el
proceso productivo debe relevarse en su
conjunto y debe ser analizado por los
responsables de la implementación.



Requisitos inherentes al proceso y al sistema de
medición

El sistema de medición es una parte
fundamental en la implementación del SPC.

Todos los equipos involucrados en la tarea
de medir deben estar calibrados y en
perfecto funcionamiento.
Requisitos inherentes al proceso y al sistema de
medición


La calibración y el conocimiento de
la incertidumbre de medición permiten
acotar
los efectos aleatorios y sistemáticos que
puedan producirse en la toma de datos.

Calidad de una medición
La calidad del resultado de una medición
debe estar evaluada cuantitativamente de
alguna manera segura y confiable.

Es decir que al informar el valor de una
medición, éste debe ser capaz de garantizarle
al usuario que responde a sus necesidades.

Sistema de medición
La acción de medir establece una
comparación entre lo que se quiere medir, el
mensurando, magnitud propuesta para
medirse, con otra cantidad de referencia de
la misma clase que se adopta como unidad.

Sistema de medición
En el sistema que interviene en la medición
siempre están presente el mensurando (lo
que se mide), el instrumento o sistema de
medida (lo que mide) y el operador (el que
mide).

Definición del mensurando

En la práctica, la definición o especificación
del mensurando está dictada por la
exactitud de medición requerida.




Definición del mensurando
Por ejemplo, si la longitud de una barra de
acero, debe determinarse con la exactitud
de un micrómetro, su especificación debe
incluir la temperatura y la presión, a las
cuales se realiza la medición.



Definición del mensurando

Sin embargo, si la longitud debe
determinarse con una exactitud de un
milímetro, su especificación no requiere un
valor definido de temperatura o presión o
de cualquier otro parámetro

Definiciones básicas: Trazabilidad

En el Vocabulario de Metrología Internacional,
VIM, la trazabilidad se define como la “propiedad
del resultado de una medición mediante la cual el
resultado se puede relacionar a una referencia a
través de una cadena ininterrumpida documentada
de calibraciones, donde cada una contribuye a la
incertidumbre de medición”.


Exactitud , precisión y veracidad


Según el VIM, exactitud es la proximidad de
concordancia entre valores medidos de una
magnitud que son atribuidos al mensurando.



Exactitud , precisión y veracidad

El concepto de exactitud de medida no es
un valor numérico dado, sino que se dice
que una medida es más exacta cuando
ofrece una incertidumbre de medida más
pequeña, para los cual debe cumplir con
dos condiciones :precisión y veracidad.


Precisión
La precisión, según el VIM es el grado de
concordancia entre valores medidos
obtenidos por mediciones repetidas de un
mismo objeto bajo condiciones
especificadas.

Precisión
La precisión evalúa los efectos aleatorios de
una medición.

Se expresa en forma numérica por medidas
tales como la desviación estándar, la
varianza o el coeficiente de variación

Estimación de la precisión
Para la estimación de la precisión pueden
usarse diversos test estadísticos, que en
definitiva medirán la varianza o la
dispersión de los resultados y realizarán una
comparación con otros datos de variabilidad
provenientes de ciertas referencias o
valores bibliográficos de alta confiabilidad.



Tipos de precisión
Las condiciones de precisión pueden
ser:
- Repetibilidad
- Reproducibilidad
- Precisión intermedia

Veracidad
Veracidad según el VIM es el grado
concordancia entre el promedio de un
número determinado de valores
medidos replicados y un valor de
referencia (un patrón , por ejemplo).


Veracidad

La veracidad de una medida no puede ser
expresada numéricamente y su ponderación
se realiza a través del cálculo del sesgo de
medición.


7.6 Control de los equipos de seguimiento y de
medición
“La organización debe determinar el seguimiento y
la medición a realizar y los equipos de seguimiento
y medición necesarios para proporcionar la
evidencia de la conformidad del producto con los
requisitos determinados.

• La organización debe establecer procesos para
asegurarse de que el seguimiento y medición pueden
realizarse y se realizan de una manera coherente con
los requisitos de seguimiento y medición.

El resultado tiene exactitud
A partir de las definiciones de precisión
y veracidad, se dice que un resultado
tiene exactitud si cumple con dos
eventos al mismo tiempo:

El resultado tiene exactitud

- es veraz, que es lo mismo que decir que
se sabe cual es el sesgo y que éste no es
estadísticamente significativo.

- es preciso, con lo que se afirma que los
efectos aleatorios están dentro de las
tolerancias del método


Precisión de una serie de mediciones
Para estimar la precisión interna se utiliza
un criterio de aceptación basado en la
distribución de probabilidad ji-cuadrado, con
un nivel de significancia del 5 %.


Precisión de una serie de mediciones




Si el cociente de varianzas es menor que el
valor de la distribución ji-cuadrado, dividido por
los grados de libertad, se puede afirmar que la
precisión del sistema de medición está bajo
control.
u
u _
o
o
) (
2
) 1 (
2
2
÷
(
S
Precisión de una serie de mediciones





Donde es la varianza interna

es la varianza de repetibilidad
u
u _
o
o
) (
2
) 1 (
2
2
÷
(
S
2
S
2
o
Precisión de una serie de mediciones
• S
2
: La varianza interna es la que se
obtiene en el puesto de trabajo(
laboratorio)
• σ
2
: La varianza de repetibilidad se
obtiene de normas. Para su obtención
muchas veces se han realizado ensayos
interlaboratorios.

Precisión de una serie de mediciones
• : Es un valor obtenido de la
distribución ji-cuadrado con n-1 grados
libertad y el 95% de confianza.

: es la cantidad de grados de
libertad (n – 1)
) 1 (
2
o
_
÷
u
Test para la precisión
Se mide cinco veces la densidad de un crudo
petrolero, obteniéndose: 0,7808; 0,7899,
0,7899; 0,7901, 0,7854 en kg/l

Calculamos S

004 , 0 = S
Test para la precisión
• Obtenemos σ

de normas= 0,0005 (kg/l)

• Extraemos el valor de la distribución ji-
cuadrado con 4 grado de libertad y una
probabilidad del 5 %, de tabla= 9,488

Test para la precisión
• Aplicamos el test ya visto










u
u _
o
o
) (
2
) 1 (
2
2
÷
(
S
64
) 0005 , 0 (
) 004 , 0 (
2
2
2
2
= =
o
S
Test para la precisión

• Como el cociente de varianzas es un valor
mayor que 9,488/4= 2,372; concluimos que
la precisión está fuera de control.




Análisis del sesgo de una medición

Cuando se realiza una medición con un
instrumento de trabajo y se compara con el
valor obtenido con un patrón de menor
incertidumbre, generalmente aparece un
sesgo, es decir una diferencia entre ambos
valores.


Análisis del sesgo de una medición
El patrón puede ser otro instrumento de
medición o un material de referencia con
condiciones metrológicas certificadas, con
incertidumbre mínima y conocida.


Prueba para el sesgo

• Se aplica el estadístico







n
s
u
x
t
ref
o
2
2
+
÷
=
µ
En el anterior estadístico, u
ref
es la
incertidumbre del valor de referencia y µ el
valor patrón o de referencia.


Prueba para el sesgo
El estadístico de prueba se compara con un
valor crítico obtenido de la distribución t. Si





El sesgo es significativo



1 ; 05 , 0 ÷ n o
t t 
Ejemplo de estimación del sesgo
Supongamos que se pesa un pesa patrón,
de 1000 g con una balanza de la que se
desea determinar su sesgo de medición. La
incertidumbre de la pesa es de 0,001 g con
k=2.Se realizan 10 mediciones en
condiciones de repetibilidad, hallándose los
siguientes valores







gr x 1015 =
gr s 75 , 50 =
Ejemplo de estimación del sesgo
• Aplicamos el estadístico visto
=
+
÷
=
n
s
u
x
t
ref
o
2
2
µ
El valor de tcrítico para 9 grados de libertad y
un α=0,05 es 1,83. Como T es menor que el
tcrítico, se acepta que el sesgo no es
significativo, con una probabilidad del 95%.


88 , 0
9
) 75 , 50 (
) 0005 , 0 (
1015 1000
2
2
=
+
÷
Aptitud de un sistema de medición
Las mediciones se pueden pensar como el
resultado de un proceso, el cual es influido
por causas del mismo tipo que afectan el
proceso de producción.

Aptitud de un sistema de medición

-Materiales
-Mano de obra
-Máquina
-Medio ambiente
-Métodos
-Mediciones

Variabilidad de medición
Cualquier proceso de medición genera
un error o incertidumbre estadística.

Por lo tanto, lo que se observa no es
exactamente la realidad, más bien es la
realidad más un error de medición.


Variabilidad de medición
Esto se traduce en que la variación total
observada en datos es el resultado de la
variación propia del producto más el error del
proceso de medición. En término
estadísticos esta idea queda representada
como sigue:


2 2 2
error prod total
o o o + =
Fuentes de errores de medición
- Equipo de medición
- los operadores (reproducibilidad)
- la variación dentro de la muestra (objetos
que por su naturaleza tienen cierta
heterogeneidad en su superficie,
dimensiones etc.

Variabilidad del equipo de medición (fuentes)
- Calibración
- Deriva: pedida de calidad metrológica en
forma lenta a través del tiempo
- Repetibilidad
- Linealidad: veracidad a lo largo del rango
de operación del instrumento

Estudio de repetibilidad y reproducibilidad (R&R)
El objetivo de los estudios de R&R es
conocer si el sistema de medición se halla
dentro de control estadístico.

Evalúa de modo experimental que parte de la
variabilidad total observada en los datos es
atribuible al producto, a los operarios o al
instrumento de medición (estos dos últimos
representan el error de medición)

Estudio de repetibilidad y reproducibilidad
(R&R)


Se cumple la siguiente relación:

2 2 2 2
inst oper prod total
o o o o + + =
Componentes del error de medición
Donde




por lo tanto el error o variabilidad de las
mediciones debido a la repetibilidad y
reproducibilidad se obtiene con:
2 2
repeti inst
o o =
2 2
reprod oper
o o =
2 2 2
& reprod repet R R
o o o + =
Aplicación
En una compañía dedicada a la fabricación
de bombas y válvulas, para la industria
química, algunos componentes críticos
tienen tolerancias muy estrechas que son
difíciles de cumplir.

De aquí que sea necesario estimar el error
de medición con el fin de ver la posibilidad
de reducirlo para cumplir con las
especificaciones.

Aplicación
El ancho de un componente particular es
una característica de calidad crítica, cuyas
especificaciones son 69 ± 1,2 mm.

Se seleccionan dos inspectores para
realizar un estudio R&R y cada uno midió
siete componentes dos veces con un vernier
digital capaz de discriminar entre piezas que
difieren en 0,02 mm.

Tabla de valores
Pieza Inspector A Inspector B
1 2 1 2

1 69,38 69,6 69,62 69,52
2 69,72 69,8 69,78 69,9
3 69,58 69,7 69,7 69,92
4 69,5 69,5 69,46 69,5
5 69,48 69,4 69,5 69,42
6 69,56 69,4 69,68 69,64
7 69,9 70,02 69,94 69,88


Metodología
1)Se calcula para cada operador el rango de
las mediciones que hizo de cada pieza.
Este rango es una información directa sobre
el error de las mediciones (repetibilidad) ya
que son sobre la misma pieza y las realiza el
mismo operador.




Metodología
A B
69,38 - 69,60 = 0,22 69,62 - 69,52 = 0,1
69,72 - 69,8 = 0,08 69,78 - 69,9 = 0,12
69,58 - 69,7 = 0,12 69,7 - 69,92 = 0,22
69,5 - 69,5 = 0 69,46 - 69,5 = 0,04
69,48 - 69,4 = 0,08 69,5 - 69,42 = 0,08
69,56 - 69,4 = 0,16 69,68 - 69,64 = 0,04
69,9 - 70,02 = 0,12 69,94 - 69,88 = 0,06



2)Se calcula el promedio de todos los rangos
y el promedio de todas las mediciones de
cada operador


11 , 0 =
A
R
094 , 0 =
B
R
61 , 69 =
A
X
68 , 69 =
B
X
Cálculos
3)Se calcula la media de los rangos
promedios




Se calcula el rango de las medias




102 , 0
2
094 , 0 11 , 0
2
=
+
= =
+ B A
R R
R
07 , 0 61 , 69 68 , 69 = ÷ = ÷ =
B A
X
X X R
4)Se calcula el limite superior de la carta de
control de rangos mediante




• Si algún rango es mayor que este límite, será
señal de que el error de medición
correspondiente está fuera de control y es
necesario localizar la causa y repetir la
medición.
33 , 0 102 , 0 . 27 , 3 .
4
= = R D
5)Se calcula la variación expandida del
equipo (VE), que resulta de multiplicar 5,15
veces la desviación estándar del error del
equipo.
• La razón de esta expansión de debe a las
propiedades de la distribución normal, ya
que con este coeficiente se cubre el 99,5 %
del área bajo la curva normal.


465 , 0 102 , 0 . 56 , 4
ˆ
15 , 5
1
= = = = R k VE
repet
o
tabla
k
1
ensayos
k
2
operadores


2 3

k
1

4,56 3,05

k
2

3,65 2,70
Desviación estándar de repetibilidad
La estimación de la repetibilidad del instrumento
se obtiene a partir de un estimador insesgado
de la desviación estándar o a partir de VE




09 , 0
128 , 1
102 , 0
2
= = =
d
R
repet
o
09 , 0
15 , 5
ˆ
= =
VE
repeti
o
6) Determinar la variación expandida del
operador (VO) como





k
2
= depende del número de operadores
n= número de piezas
t= número de ensayos




( )
( )
nt
VE
R k VO
X
reprod
2
2
2
ˆ
15 , 5 ÷ = = o
Variación expandida del operador
• Reemplazando
( )
( )
22 , 0
7 . 2
465 , 0
07 , 0 . 65 , 3
2
2
= ÷ = VO
042 , 0
15 , 5
ˆ
= =
VO
reprod
o
7)Se calcula la variación combinada o error
de medición (EM) debido a la repetibilidad y
la reproducibilidad.
• Reemplazando
5144 , 0
ˆ
15 , 5
2 2
= + = = VO VE EM
RyR
o
099 , 0
15 , 5
ˆ
= =
EM
RyR
o
Error máximo de medición
El error máximo de medición está dado por


Por lo que si se mide una pieza y se obtiene
como resultado un valor X, entonces el
verdadero valor de la medición para esta
pieza está entre






Con una confianza del 99 %



R R&
. 575 , 2 o ±
R R
X
&
. 575 , 2 o ±
Conclusión
Por ejemplo, si se mide una pieza y se reporta
un valor de 67,6 mm, se clasificaría como
defectuosa ya que se encuentra por debajo del
límite inferior especificado (67,8 mm). Sin
embargo esa pieza puede estar dentro de las
especificaciones, ya que su verdadero valor
está en 67,6± 2,575.0,099; es decir en el
rango [67,87;67,34]


Índice presición/tolerancia
En este ejemplo la tolerancia para el tamaño
de la pieza es de 1,2 mm. Puede calcularse
el índice P/T






Si lo expresamos como porcentaje , tenemos un
P/T=24,75 %


2475 , 0
8 , 67 2 , 70
099 , 0 . 6 . 6
&
=
÷
=
÷
=
LIE LSE T
P
R R
o
Interpretación
De manera especifica , el índice P/T se
interpreta como sigue:

P/T ≤ 10%, excelente proceso de medición
10 % < P/T ≤ 20 %, bueno
20 % < P/T ≤ 30 % marginal( casi inaceptable)
P/T > 30 % inaceptable y debe corregirse


Decisión
En caso de que se decida mejorar el sistema
de medición es importante ver cual de los
componentes de σ
R&R
es el que más
contribuye al error de medición, ya que en
primera instancia puede ser el instrumento, los
operadores o ambos.
De acuerdo a esto se tienen las siguientes
posibilidades de acción:



Si la fuente dominante de variación es la
repetibilidad Se deben investigar las posibles
causas, algunas de las cuales pueden ser:

- la suciedad del instrumento
- componentes gastados
- variabilidad dentro del mensurando
- instrumento mal diseñado
- funcionamiento inadecuado
- condiciones ambientales
- o que de plano el instrumento de medición
utilizado no es adecuado para realizar tal
medición.
En este caso se debe evaluar la posibilidad
de sustituirlo.


Acciones:
Cuando la reproducibilidad es la fuente
principal de variabilidad, los esfuerzos se
deben enfocar a estandarizar los
procedimientos de medición y entrenar a los
operadores para que se apeguen a ellos.

Esto se debe a que, por lo general, se
encontrará que:

- los operadores utilizan métodos distintos
- carecen de entrenamiento en el uso del
equipo
- se tiene una utilización inapropiada del
instrumento que permite evaluaciones
subjetivas.


Variabilidad de las partes
También se puede calcular la variabilidad de
las partes para compararla con la variabilidad
del sistema de medición.
Esto se hace con la expresión:

*
2
d
R
parte
parte
= o
Variabilidad de las partes
Para obtener la variabilidad de las partes,
primero se obtiene el promedio de la
medición de cada parte, considerando todas
las mediciones realizadas sobre esa parte
por los distintos operadores


Parte Promedio
1 69,53
2 69,8
3 69,72
4 69,49
5 69,45
6 69,51
7 69,94
Se obtiene el rango de las medias
R
parte
=69,94 – 69,45=0,49


Estimación de la variabilidad de las partes
El valor de la constante d
2
*
se obtiene para
n = 7, su valor es 2,83

17 , 0
83 , 2
49 , 0
*
2
= = =
d
R
parte
parte
o
Conclusión
La variabilidad de las partes, es decir del
proceso es mucho mayor que la del
instrumento, por lo que se deduce que el
instrumento es apto para monitorear el
proceso, es decir para distinguir entre
piezas defectuosas y aptas.


Valores de la constante


n
3 1,91
4 2,18
5 2,47
6 2,67
7 2,83
8 2,96
9 3,08
10 3,18
-
2
d
-
2
d
Incertidumbre de una medición
La calidad del resultado de una medición
debe estar medida cuantitativamente de
alguna manera segura y confiable.
Es decir que al informar el valor de una
medición, éste debe ser capaz de
garantizarle al usuario que responde a sus
necesidades.
Sin esta condición los resultados de las
mediciones no pueden compararse, ya sea entre
ellos o respecto a valores de referencia dados por
una especificación o un patrón
• Actualmente se considera que existe un
componente de incertidumbre sobre el
resultado de una medición, aun cuando se
hayan evaluado correctamente y
ajustadamente todas las componentes
conocidas o supuestas de un error y se
hubieren aplicado las correcciones
adecuadas.

Definición

La incertidumbre es un parámetro no
negativo asociado al resultado de una
medición, que caracteriza la dispersión de los
valores que podrían ser razonablemente
atribuidos al mensurando
(Vocabulario Internacional de Metrología).


Definición

La incertidumbre de medida incluye
componentes provenientes de efectos
sistemáticos, tales como componentes
asociados a correcciones y a los valores
asignados de patrones de medida, así como
a los efectos aleatorios, provenientes de las
variaciones ente las medidas de un mismo
mensurando.
Clasificación
• Los dos tipos de incertidumbres
analizadas de han clasificado como
Incertidumbre Tipo A e Incertidumbre Tipo
B.
Pasos para la obtención de la incertidumbre de
medición
• Definir el mensurando y todas las variables de
entrada que influyen en él.
• Obtener la incertidumbre estándar de cada una de
las fuentes ya sean de tipo A o tipo B, expresada
como un desvío estándar.
• Obtener la incertidumbre estándar combinada con
todas las fuentes de incertidumbre de tipo A y de
tipo B.
• Obtener la incertidumbre expandida, multiplicando
la incertidumbre estándar combinada por un factor
de cobertura para lograr un intervalo de
probabilidad, donde haya una alta probabilidad de
que se encuentre el verdadero valor del
mensurando.
• Para calcular la incertidumbre tipo A de una
serie de mediciones, se debe calcular el
error estándar de la media muestral.
• Para esto, se calcula la desviación estándar
de la muestra y se divide por la raíz
cuadrada del tamaño de la muestra (n)

Evaluación de tipo B de la incertidumbre
En estos casos, al no contarse con
observaciones repetidas, la variancia se
evalúa mediante el juicio científico basado en
toda la información disponible respecto de la
variabilidad de la magnitud de entrada.

Evaluación de tipo B de la incertidumbre

Esta información puede incluir:
• datos de mediciones previas
• conocimiento general del comportamiento y
propiedades de los materiales e
instrumentos relevantes.
• especificaciones de los fabricantes.
• datos obtenidos de los certificados de
calibración u otros tipos de certificados.
• datos de incertidumbre de manuales
Si la estimación x
i
se obtiene a partir de una
especificación, de un certificado de
calibración, de un manual, u otra fuente y su
incertidumbre evaluada se indica como un
múltiplo particular de una desviación
estándar, la incertidumbre estándar u(x
i
) es
simplemente el valor asignado divido por el
factor de multiplicación.
• Ejemplo: un certificado de calibración indica
que la masa, ms, de un patrón de masa de
acero inoxidable, de valor nominal 1 kg es
1000, 000325 g y que la incertidumbre de
ese valor es 0,000240 g al nivel de tres
desviaciones estándar.
• La incertidumbre estándar del patrón de
masa es entonces simplemente u(ms)=
0,000240 g/3= 0,00008 g
En otro caso la incertidumbre indicada para x
i
no necesariamente está dada como un
múltiplo de una desviación estándar.
En su lugar puede encontrarse un intervalo
que posee una probabilidad de cobertura del
90 %, 95 % o 99%.
Generalmente se supone que responde a una
distribución normal. Por lo que los tres
factores correspondientes a las tres
probabilidades de cobertura (niveles de
confianza) mencionadas son 1,64; 1,96 y
2,58.
• Ejemplo: Un certificado de calibración
declara que la resistencia de un resistor
patrón ,Rs, de valor nominal 10 ohm es de
10,000742 ohm ± 129 ohm a 23 ºc y que la
incertidumbre evaluada de 129 ohm define
un intervalo con una probabilidad de
cobertura de 99 %.
• La incertidumbre estándar del resistor
puede tomarse como u(Rs)= 129/2,58=50
ohm. El valor 2,58 surge de la distribución
normal estándar.
En otro caso puede ser posible estimar solo
los límites (superior e inferior) para Xi en
particular, para enunciar que la probabilidad
que el valor de Xi esté dentro del intervalo
(b –a) para todos los propósitos prácticos es
igual a uno y la probabilidad de que Xi caiga
fuera de ese intervalo es esencialmente cero.
Si no existe un conocimiento específico acerca
de los posibles valores de Xi dentro del
intervalo, solo se puede suponer que es
igualmente probable que Xi tome cualquier
valor dentro del intervalo (una distribución
uniforme o rectangular).
Entonces µ(xi), la esperanza o el valor
esperado de Xi es el punto medio del intervalo
µ(xi) = (b – a)/2 (1)
La variancia de esta distribución es=
(b – a )
2
/12 ( varianza de la distribución
uniforme o rectangular)
Si la diferencia entre b y a se denota como 2a,
entonces la varianza = a
2
/3
Caso: peachímetro
Para la medición del pH de una sustancia en un
laboratorio se utiliza un medidor de pH marca
AAA, modelo 500 B con las siguientes
características metrológicas:
• Rango de medición: (0 a 14) pH
• Resolución: 0,01 pH
• Incertidumbre del patrón (de certificado): 0,023
pH con k=2
• Rango de medición de temperatura: (-5 a 105)
°C
• Resolución: 0,1 °C
• Incertidumbre ( de certificado)= 1,16 °C con k=2
Los valores resultantes de las 5 mediciones
realizadas a una temperatura de la muestra
de 25 °C, son los siguientes:
Número de la medición Resultado obtenido (pH)
1 5,01
2 4,99
3 5,01
4 5,02
5 4,99
Promedio 5,004
Fuentes de Incertidumbre para el proceso de
medición:
• Variabilidad de las observaciones repetidas.
• Incertidumbre del patrón con que se calibró
el medidor de pH.
• Resolución del medidor de pH.
• Incertidumbre del patrón calibración del
sensor de temperatura.

Evaluación de las componentes de incertidumbre
• Tipo A: Componente de incertidumbre
provocada por la variabilidad de las
observaciones repetidas.

00600166 , 0
5
01342 , 0 ) (
) ( ) ( = = = =
n
x s
x u x s
i
i
i
• Tipo B: Componente de incertidumbre de
medición provocada por la incertidumbre
informada del medidor de temperaturas:
u=1,16 ºc con k=2

( ) C pH u
B
° = = 58 , 0 2 / 16 , 1
1
Para tener unidades en pH utilizamos un coeficiente
de sensibilidad que nos indica como varía el pH con
la temperatura.
Es la derivada parcial del mensurando con respecto
a la temperatura.
Coeficiente de sensibilidad bajo las
condiciones de experimentación: 0,0102 pH/ºC

pH c pH c pH u
B
00592 , 0 /º 0102 , 0 º 58 , 0 ) (
1
= × =
Tipo B: Componente de la incertidumbre de
medición provocada por la incertidumbre
del patrón con que se calibra el peachímetro.
u=0,023 pH, con k=2

( ) pH pH u
B
0115 , 0 2 / 023 , 0
2
= =
• Tipo B: Componente de incertidumbre
provocada por la resolución del medidor de
pH durante la medición.

( ) pH
r
pH u
B
00288 , 0
12
01 , 0
12
3
= = =
• Determinación de la incertidumbre
combinada
2
3
2
2
2
1
2
) (
B B B A c
u u u u pH u + + + =
• Determinación de la incertidumbre
combinada
pH pH u
c
0145 , 0 0115 , 0 00288 , 0 00592 , 0 00600166 , 0 ) (
2 2 2 2
= + + + =
• Determinación de la incertidumbre
expandida
( ) pH k pH u U
c
029 , 0 2 0145 , 0 = × = × =
• Expresión del resultado de la medición
2 ) 029 , 0 004 , 5 ( = ± = k con pH pH
• COMPARACIÓN DE LAS FUENTES DE INCERTIDUMBRE:
1-PATRON
2- REPETIBILIDAD
3-TERMÓMETRO
4-RESOLUCIÓN DEL PEACHIMETRO


GRAFICO DE LAS FUENTES DE INCERTIDUMBRE
0 0,002 0,004 0,006 0,008 0,01 0,012 0,014
1
2
3
4
F
U
E
N
T
E
S

D
E

I
N
C
E
R
T
I
D
U
M
B
R
E
VALORES DE INCERTIDUMBRE ESTANDAR
Serie1
Actividad
Se pretende realizar la calibración de un
alcoholímetro, de resolución 0,01 %, con el
cual se mide la concentración de alcohol en
agua.
Se utiliza un sustancia patrón de
concentración 9,64% con una incertidumbre
de 0,04 %, con k=2.
La temperatura ambiente y la presión
atmosférica deben controlarse según la
norma ASTM 1024
La incertidumbre del termómetro es de 0,08 ºc
con k=2 .
El coeficiente de sensibilidad para transformar
unidades de temperatura en concentración de
alcohol es 0,00367 %/ºc
La incertidumbre del barómetro es 1,52 hPa
con k=2 .
El coeficiente de sensibilidad para transformar
unidades de presión en concentración es
0,0013 %/hPa

Se realizan 6 mediciones con el alcoholímetro
a calibrar:
9,6
9,62
9,6
9,61
9,62
9,59
Realice un test de exactitud y calcule la
incertidumbre de la medición.
Calibración
Calibración: conjunto de operaciones que
establecen, en condiciones especificadas,
la relación entre los valores indicados por
un instrumento de medición, y los
correspondientes valores conocidos de
una determinada magnitud medida
Trazabilidad
En el Vocabulario de Metrología Internacional, VIM, la
trazabilidad se define como la “propiedad del resultado de
una medición mediante la cual el resultado se puede
relacionar a una referencia a través de una cadena
ininterrumpida documentada de calibraciones, donde cada
una contribuye a la incertidumbre de medición”. Para esta
definición, la referencia puede ser la definición de una
unidad de medida a través de su realización práctica o un
procedimiento de medición que incluye la unidad de
medida para una magnitud no ordinal, o un patrón de
medición.
ISO 17025:2005
Requisitos generales para la competencia
de los laboratorios de ensayo y de
calibración
ISO 17025:2005

¿ Porqué acreditar un laboratorio?

• Porque se demuestra formalmente, con la evaluación de
un organismo independiente, la competencia técnica y la
eficacia del sistema de calidad.
• Porque permite lograr ventajas competitivas, acceder a
clientes más exigentes.
• Porque se mejora la calidad de los servicios.
• Porque facilita la cooperación entre los laboratorios,
intercambio de información, de experiencia,
armonización de procedimientos.
• Porque se incrementan las utilidades, servicios de
mayor valor agregado y menores costos de la no
calidad.
Requisitos técnicos
• 5.1 Generalidades
• 5.2 Personal
• 5.3 Instalaciones y condiciones ambientales.
• 5.4 Métodos de ensayos y calibración y
validación de los métodos.
• 5.5 Equipos
• 5.6 Trazabilidad de las mediciones
• 5.7 Muestreo
• 5.8 Manipuleo de los ítems de ensayo o de
calibración.
• 5.9 Aseguramiento de la calidad de los
resultados de ensayo y de calibración.
• 5.10 Informe de los resultados.
Auditorias
Actividad documentada para determinar,
por medio de investigación, examen, y
evaluación de evidencias objetivas, la
adecuación y conformidad con un
estándar establecido.
Tipos de auditoría
• 1 ° parte ej: auditorías internas
• 2 ° parte ej: auditorias de clientes
auditorias a proveedores
• 3 ° parte ej: auditorias de
acreditación
Objetivos de una auditoría
Constatar de manera efectiva y objetiva
si existen evidencias de no conformidades
en el sistema de calidad con relación a los
requisitos aplicables.
• no conformidad: incumplimiento de un
requisito especificado ( en el manual, en
un procedimiento)
INTRODUCCIÓN AL CONTROL ESTADISTICO
DE PROCESOS (SPC)

• El SPC (por sus siglas en ingles) es un
menú de herramientas destinadas a
alcanzar la calidad total de los productos.

• El SPC puede aplicarse a cualquier
proceso. Algunas de sus principales
herramientas son:
INTRODUCCIÓN AL CONTROL ESTADISTICO
DE PROCESOS (SPC)

• El histograma
• La gráfica de Pareto
• El diagrama de causa-efecto
• El diagrama de dispersión
• La carta de control
• El diseño de experimentos
• El muestreo para aceptación

Variabilidad Natural

En cualquier proceso (de producción
manufacturero, administrativo, medición en
laboratorio) independientemente de lo
adecuado que sea su diseño o de la atención
que se preste a su mantenimiento, siempre
existirá cierta variabilidad natural.


Variabilidad Natural


Las causas que producen esta variabilidad se
denominan fortuitas y un proceso que opera de
esta manera se dice que está bajo control
estadístico.


Variabilidad atribuible

Pero en ocasiones existe otra clase de
variabilidad, que es de mayor magnitud que
la anterior y pone al proceso fuera de
control estadístico.

Las causas que provocan esta situación se
denominan atribuibles o asignables.

Variabilidad atribuible
Tres son las fuentes fundamentales de las
causas atribuibles:

• Ajuste incorrecto de máquinas, equipos,
instrumentos.
• Errores de operarios.
• Materia prima defectuosa.

Procesos dentro de control

Con frecuencia, los procesos de producción
operarán en el estado bajo control,
produciendo productos aceptables durante
periodos relativamente prolongados.

Procesos fuera de control

Con el tiempo, sin embargo ocurren causas
asignables, aparentemente al azar, que
ocasionarán un corrimiento a un estado
fuera de control en el que una proporción
mayor de la salida del proceso no cumplirán
con los requerimientos.

Objetivo del SPC
Uno de los objetivos fundamentales del SPC
es detectar con rapidez la ocurrencia de
causas asignables, con la finalidad de
realizar investigaciones y emprender las
acciones correctivas, antes de que se
produzcan muchas unidades defectuosas.

Que es la carta de control
La carta de control es una técnica de
monitoreo de procesos en línea que se usa
ampliamente para este fin (detectar causas
asignables).

Las cartas de control también pueden usarse
para estimar los parámetros del proceso de
producción y para determinar con esta
información la capacidad del proceso.


Meta del SPC
Asimismo la carta de control puede ofrecer
información útil para mejorar los procesos.

Por ultimo recuérdese que la meta ultima del
SPC es eliminar la variabilidad del proceso.
Tal vez no sea posible eliminar por completo la
variabilidad, pero la carta de control es una
herramienta efectiva para reducir la
variabilidad.
Resumiendo.
Las cartas de control constituyen la
herramienta más potente para controlar en
tiempo real un proceso, es decir que es un
control en línea, en el mismo momento que
se están desarrollando los procesos.

Los procesos pueden ser productivos,
mediciones y ensayos en laboratorios,
desarrollos de consultoría o administrativos.


Usos de la carta de control

La carta de control posee tres usos
fundamentales:

• Reducción de la variabilidad del proceso.
• Monitoreo y vigilancia del proceso.
• Estimación de los parámetros del proceso.

Forma de la carta de control

Una carta de control típica consta de tres
líneas.

Posee una línea central, que representa el
valor promedio de la característica de
calidad que se está monitoreando y que
corresponde al estado bajo control.

Forma de la carta de control

También se observan dos líneas
horizontales, llamadas el límite superior de
control y el límite inferior de control.

Estos límites se eligen de manera tal que si
el proceso se halla bajo control estadístico,
casi todos los puntos muestrales se
localizarán entre ellos.
Forma de la carta de control
Los puntos muestrales se ubican en función
del tiempo, es decir la carta de control es
una serie de tiempo.

Es costumbre unir los puntos muestrales de
la carta de control con segmentos de línea,
a fin de facilitar la visualización de la
evolución con el tiempo de la secuencia de
puntos
Carta de control
19 17 15 13 11 9 7 5 3 1
0,95
0,94
0,93
0,92
0,91
0,90
0,89
0,88
0,87
0,86
Observación
V
a
l
o
r

i
n
d
i
v
i
d
u
a
l
_
X=0,903
UCL=0,94079
LCL=0,86521
Densidad
Si todos los puntos graficados se hallan
dentro de los límites de control y los mismos
aparecen de forma aleatoria, se supone que
el proceso se halla dentro de control y no es
necesaria ninguna acción correctiva.
Decimos que los puntos aparecen en forma
aleatoria cuando se ubican uno abajo,
seguido de otro arriba de la línea central o
viceversa.

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


Esta situación amerita una investigación
para hallar la causa atribuible o asignable
que produce esta salida de control.



Corregida la causa se supone que el
proceso volverá a estar dentro de control.

Incluso si todos los puntos graficados se
hallan dentro de los límites de control pero
no se comportan de manera aleatoria, esta
situación puede ser el indicio de que el
proceso se halla fuera de control estadístico.


Carta de control
En la carta de control presentada se
observan muchos puntos debajo de la línea
central y luego muchos puntos consecutivos
por encima de la línea central, lo cual
supone un comportamiento no aleatorio.
Si la característica de calidad que estamos
monitoreando tiene una distribución de
probabilidad normal, la probabilidad de que
aparezca un punto por debajo o por arriba de la
línea central, es 0,5.

La probabilidad de que aparezcan cinco puntos
consecutivos por encima o por debajo de la
línea central es (asumiendo que son
independientes) (0,5)5 ; lo que constituye una
probabilidad muy baja y no puede ser atribuido
al azar.

De la misma manera, si de los últimos 20
puntos, aparecen 18 por encima de la línea
central aunque debajo del límite superior
de control y los otros dos por debajo de la
línea central aunque encima del limite
inferior de control, esta situación
despertaría grandes sospechas de que
existe alguna causa asignable que produce
éste comportamiento, es decir que no es
atribuible al azar.

Existe una estrecha relación entre las cartas
de control y una prueba de hipótesis.

Si un punto muestral cae dentro de los
límites de control, se acepta la hipótesis
nula de que µ=µo

Si un punto cae fuera de los limites de
control se acepta la hipótesis alternativa, es
decir µ ≠ µo


Errores que pueden cometerse en una carta de
control

Cuando el proceso está dentro de control
existe una pequeña probabilidad de que un
punto caiga fuera de los límites.

Si la media de la característica de calidad que
se monitorea, no ha cambiado pero un punto
cae fuera de los límites, se considera que el
proceso está fuera de control, cuando esto en
realidad el proceso se halla dentro de control
Esta situación recibe el nombre de falsa alama

Error tipo I
Acá estaríamos cometiendo un error tipo I,
es decir rechazar la hipótesis nula, cuando
es verdadera.

Este error también recibe el nombre de
riesgo del productor, ya que rechazaríamos
el producto cuando en realidad éste está
dentro de especificaciones.


Error tipo II
También puede ocurrir que se produzca
algún cambio en la media del proceso, sin
embargo el punto muestral puede caer dentro
de los límites de control.

En este caso aceptaríamos la Ho y
cometeríamos un error, que se denomina tipo
II y es aceptar la Ho nula cuando esta es
falsa. Esto también se denomina riesgo
del consumidor.


Clasificación de las cartas de control
Pueden clasificarse de dos tipos generales.

Si la característica de calidad puede medirse
y expresarse como un número en una escala
de medición continua, suele llamársele
variable y en consecuencia carta de control
para variables.

Clasificación de las cartas de control para variables
En tales casos, es conveniente describir la
característica de calidad con una medición de
tendencia central y una medida de
variabilidad.

La carta x media, es la carta de uso más
común para controlar la tendencia central,
mientras que las cartas basadas en el
rango muestral o en la desviación estándar
muestral, son las más adecuadas para
controlar la variabilidad.

Carta de control para atributos

Muchas características de calidad no se miden
en una escala continua o ni siquiera en una
escala cuantitativa.

En estos casos cada unidad del producto puede
clasificarse como conforme o disconforme,
según cumpla o no con ciertas especificaciones
técnicas establecidas.

Fundamentalmente los ensayos pasa-no pasa

Carta de control para atributos

También pueden contarse los defectos que
posee cada unidad de producto.

A las cartas de control para estas
características de la calidad se les llama cartas
de control de atributos.

Diseño de una carta de control

Los puntos centrales del diseño de una
carta de control son:

 la selección del tamaño de la muestra,
 la selección de los límites de control (3 o
2σ,ó probabilísticos).
 la frecuencia del muestreo.

Diseño de una carta de control

En la mayoría de las cartas de control el
diseño sigue consideraciones estadísticas.

Por ejemplo, se sabe que al incrementar el
tamaño de la muestra disminuirá la
probabilidad de cometer un error tipo II,(si
fijamos el error Tipo I) mejorándose la
capacidad de la carta para detectar algún
cambio en la media del proceso.

Selección de los límites de control
La especificación de los límites de control es
una de las decisiones críticas que deben
tomarse al diseñar una carta de control.

Cuando los límites de control se alejan más de
la línea central, se reduce la probabilidad de
cometer un error tipo I.


Selección de los límites de control

Si embargo, al ensanchar los limites de
control, aumenta la probabilidad de cometer
un error tipo II, es decir que un punto caiga
dentro de los límites cuando el proceso está
fuera de control.


Límites tres sigmas

Se justifica el uso de los límites tres sigmas
porque han dado muy buenos resultados en
la práctica y además se pueden acompañar
por otras medidas de sensibilidad que
ayudan a deducir si un proceso está fuera
de control.



Limites de advertencia en cartas de control


Se pueden colocar un conjunto de dos
límites( superior e inferior) dos sigmas,
llamados de advertencia.
Una situación donde dos puntos
consecutivos caen entre los límites dos y
tres sigmas, es una señal de que algo
incorrecto está sucediendo en el proceso.




Limites de advertencia en cartas de control



Una posible acción a realizar cuando ocurre
ésto es incrementar la frecuencia de
muestreo o el tamaño de la muestra a fin de
obtener con rapidez más información acerca
del proceso.
Tamaño de la muestra y frecuencia de muestreo

Cuando se diseña una carta de control es
necesario especificar tanto el tamaño de la
muestra que debe usarse como la frecuencia
de muestreo.

En general, las muestras más grandes
facilitarán la detección de corrimientos más
pequeños en el proceso

Tamaño de la muestra y frecuencia de muestreo

Otra condición importante es la frecuencia del
muestreo.
La situación más deseable desde el punto de
vista de la detección de corrimientos sería
tomar muestras grandes con mucha
frecuencia, sin embargo, esto por lo general no
es económicamente factible

La práctica actual en la industria tiende a
favorecer las muestras más pequeñas en
intervalos más cortos de tiempo.
Longitud promedio de la corrida cuando el proceso
esta dentro de control(ARL
o
)

Es el número promedio de puntos que deben
graficarse antes de que un punto indique una
condición de fuera de control.

Longitud promedio de la corrida (ARL
o
)
Como la distribución de probabilidad de la
ARL
o
es geométrica, para su cálculo utilizamos
la media de esta distribución.
Si las observaciones del proceso son
independientes una de otra, entonces para
cualquier carta de Shewhart, la ARL
o
, puede
calcularse como

Longitud promedio de la corrida (ARL
o
)




Donde p es la probabilidad de ocurrencia de
un éxito, considerando como éxito un punto
fuera de los límites, cuando el proceso está
dentro de control.

p
ARL
o
1
=
la longitud promedio de la corrida (ARL
o
)
Como ejemplo, podemos considerar la carta de
control tres Sigmas y una distribución de
probabilidad normal.

En esta carta p=0,0027, es la probabilidad de
que un solo punto se localice fuera de los
limites de control cuando el proceso está bajo
control.
la longitud promedio de la corrida (ARL
o
)
Por lo tanto, la longitud promedio de
la carta cuando el proceso está bajo control
(ARL
o
) es,


370
0027 , 0
1 1
= = =
p
o
ARL
Longitud promedio de corrida cuando el proceso
se halla fuera de control
la longitud promedio de corrida cuando el
proceso está fuera de control, es la cantidad
de muestras que hay que extraer hasta que
una aparezca fuera de los límites.

Se calcula como














p
ARL
1
1
=

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

Si β representa la probabilidad de que no
se detecte el cambio de la media del
proceso, 1 – β; representa la probabilidad
de que sí se detecte.

Por lo tanto:

ARL para la condición de fuera de control






Por ejemplo, si β= 0,6 , entonces











| ÷
= =
1
1 1
1
p
ARL

5 , 2
6 , 0 1
1
1
=
÷
= ARL
Es decir que se necesitan en promedio 2,5
muestras para detectar el cambio en el
proceso.

Si se considera que este valor es
inaceptable porque se tiene demasiada
producción fuera de especificaciones, se
puede aumentar el tamaño de la muestra
para tener un menor error tipo II.



Reglas de sensibilización para cartas de control

Estas reglas se emplean para aumentar la
sensibilidad de las cartas para detectar
situaciones de fuera de control.

a) un punto por fuera de los límites de
control tres sigmas
b) dos de tres puntos consecutivos entre los
límites dos y tres sigmas.
c) cinco puntos consecutivos por encima o
por debajo de la línea central.
Reglas de sensibilización para cartas de control

d) seis puntos consecutivos que se
incrementan o se decrementan de manera
sostenida.
e) un patrón no aleatorio en los datos
Curva característica de operación
Diseño general

Para ilustrar los conceptos anteriores,
imaginemos un proceso donde se controla la
cantidad de un detergente sólido.
Se sabe que la distribución de probabilidad de
la cantidad de detergente es normal.
El contenido se verifica por diferencias de
pesadas.

Diseño general

El proceso está bajo control con un peso de
800 g y una desviación estándar de 1,1 g.
Para controlar el proceso se extraen 5
envases cada hora, se calcula el promedio del
peso de los cinco envases y se grafica ese
valor en la carta de control.
Desviación estándar de la media muestral
La desviación estándar de la media
muestral es:


49 , 0
5
1 , 1
= = =
n
x
o
o
Diseño general
Si el proceso se halla bajo control con un
peso de 800 g, entonces al aplicar el teorema
central del límite, dado que la variable aleatoria
peso tiene una distribución normal, se espera
que 100(1-α)% de los pesos medios muestrales
se localicen entre


y




) 49 , 0 ( 800
2 / o
Z +

) 49 , 0 ( 800
2 / o
Z ÷
Diseño general
Si se escoge arbitrariamente el valor 3 para
la constante

los límites de control son:


2 / o
Z

47 , 801 ) 49 , 0 ( 3 800 = + = LSC

53 , 798 ) 49 , 0 ( 3 800 = ÷ = LIC
Diseño general
A este diseño se lo llama comúnmente límites
de control tres sigmas.
Obsérvese que elegir los límites de control es
equivalente a establecer la región crítica para
probar la hipótesis







La carta de control prueba esta hipótesis cada vez que
se grafica un punto.
800 :
0
= µ H
800 :
1
= µ H
Diseño general
Puede darse un modelo general para una carta
de control.
Si w es un estadístico muestral que mide alguna
característica de calidad de interés y suponemos
que la media de w es

y que la desviación estándar de w es ,

entonces la LC, el LSC y el LIC son:




w
µ

w
o
Diseño general



w w
L LSC o µ . + =

w
LC µ =

w w
L LIC o µ . ÷ =
Diseño general
Donde L es la distancia de los límites de control
a la línea central, expresada en unidades de
desviación estándar.

El ingeniero Walter Shewhart fue el primero en
proponer esta teoría general de las cartas de
control y las cartas de control desarrolladas
según estos principios llevan el nombre de
cartas de control de Shewhart