ING.

INDUSTRIAL (SISTEMA ABIERTO)

Guillermo Garca Gonzlez

GRFICAS DE CONTROL PARA
VARIABLES
CONTROL ESTADSTICO DE LA CALIDAD

INSTITUTO TECNOLGICO DE CERRO AZUL
Introduccin

Los grficos de control o cartas de control son una importante herramienta utilizada en control de
calidad de procesos. Bsicamente, una Carta de Control es un grfico en el cual se representan los
valores de algn tipo de medicin realizada durante el funcionamiento de un proceso contnuo, y que
sirve para controlar dicho proceso

El objetivo es llevar un estudio detallado del comportamiento de la variable con el fin de tomar las
acciones correctivas y en especial preventivas para que las anomalas no se presenten. Los grficos de
control para variables se componen de dos partes: una se basa en promedios y controla la exactitud; la
otra se basa en medidas de dispersin y controla la precisin.

En 1924 Walter Shewhart realiz experimentos y desarroll las Cartas de Control en la planta
telefnica Western Electric de los Bell Labs, las cuales tienen las siguientes caractersticas:
Tcnicas tiles para el monitoreo de procesos
Permiten identificar situaciones anormales en 6Ms
Sirven para prevenir la generacin de defectivos

La carta de control es una tcnica muy til para el monitoreo de los procesos, cuando se presentan
variaciones anormales. Su uso sistemtico proporciona un excelente medio para reducir la variabilidad.























UNIDAD 2. GRFICOS DE CONTROL PARA VARIABLES

2.1 Conceptos generales y principios del CEP

Una grfica de control es una comparacin grfica de los datos de desempeo de proceso con los
lmites de control estadstico calculados, dibujados como rectas limitantes sobre la grfica. Los datos
de desempeo de proceso por lo general consisten en grupos de mediciones que vienen de la
secuencia normal de produccin y preservan el orden de los datos.

Las grficas de control se utilizan en la industria como tcnica de diagnsticos para supervisar procesos
de produccin e identificar inestabilidad y circunstancias anormales

Las grficas de control constituyen un mecanismo para detectar situaciones donde las causas
asignables pueden estar afectando de manera adversa la calidad de un producto. Cuando una grfica
indica una situacin fuera de control, se puede iniciar una investigacin para identificar causas y tomar
medidas correctivas.

Nos permiten determinar cundo deben emprenderse acciones para ajustar un proceso que ha ido
afectado por una causa especial. Nos dicen cuando dejar que un proceso trabaje por s mismo, y no
malinterpretar las variaciones debidas a causas comunes. Las causas especiales se deben contrarrestar
con acciones correctivas. Las causas comunes son el centro de atencin de las actividades permanentes
para mejorar el proceso.
La variabilidad natural siempre existe en cualquier proceso de produccin, no importa que tan bien
diseado est. Esta variabilidad natural es denominada causas comunes o aleatorias de variabilidad, un
proceso que opera en estas condiciones se dice que est en control estadstico.

Existen otras fuentes de variabilidad que pueden ser causadas por mquinas, errores de operadores o
materiales defectuosos. Esta variabilidad es muy grande en relacin con la variabilidad natural y es
originada por causas especiales o asignables haciendo que el proceso opere fuera de control
estadstico.

Cuando el proceso est en control, la mayor parte de la produccin se encuentra dentro de los lmites
de control (LSC y LIC). Sin embargo cuando el proceso est fuera de control, una gran proporcin del
proceso se encuentra fuera de estos lmites.

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

Las variaciones del proceso se pueden rastrear por dos tipos de causas:
1) Comn o (aleatoria), que es inherente al proceso
2) Especial (o atribuible), que causa una variacin excesiva.

El objetivo de una grfica control no es lograr un estado de control estadstico como un fin, sino reducir
la variacin. Un elemento bsico de las grficas de control es que las muestras del proceso de inters
se han seleccionado a lo largo de una secuencia de puntos en el tiempo. Dependiendo de la etapa del
proceso bajo investigacin, se seleccionara la estadstica ms adecuada. Adems de los puntos
trazados la grfica tiene una lnea central y dos lmites de control.

2.2 Elaboracin e interpretacin de grficas de control

Construccin del grfico
Seleccin de la variable
Definicin del marco de muestreo y el mtodo de seleccin
Determinacin del nmero de subgrupos o muestras (m)
Determinacin del tamao del sub grupo o muestra (n)
Recoleccin de la informacin
Clculo de lmites de control
Construccin del grfico


















Proceso de las grficas de control






Frmulas de grficas de control









De otra forma:


Ejemplo:
Supongamos que tenemos una mquina inyectora que produce piezas de plstico, por ejemplo de PVC.
Una caracterstica de calidad importante es el peso de la pieza de plstico, porque indica la cantidad de
PVC que la mquina inyect en la matriz. Si la cantidad de PVC es poca la pieza de plstico ser
deficiente; si la cantidad es excesiva, la produccin se encarece porque se consume ms materia prima.

Entonces, en el lugar de salida de las piezas, hay un operario que cada 30 minutos toma una, la pesa en
una balanza y registra la observacin:
etc...

Supongamos que estos datos se registran en un grfico de lneas en funcin del tiempo:

Observamos una lnea quebrada irregular, que nos muestra las fluctuaciones del peso de las piezas a lo
largo del tiempo. Esta es la fluctuacin esperable y natural del proceso. Los valores se mueven
alrededor de un valor central (El promedio de los datos), la mayor parte del tiempo cerca del mismo.
Pero en algn momento puede ocurrir que aparezca uno o ms valores demasiado alejados del
promedio.

Cmo podemos distinguir si esto se produce por la fluctuacin natural del proceso o porque el mismo
ya no est funcionando bien? Esta es la respuesta que provee el control estadstico de procesos, y a
continuacin veremos como lo hace.

Todo proceso de fabricacin funciona bajo ciertas condiciones o variables que son establecidas por las
personas que lo manejan para lograr una produccin satisfactoria.


Cada uno de estos factores est sujeto a variaciones que realizan aportes ms o menos significativos a
la fluctuacin de las caractersticas del producto, durante el proceso de fabricacin. Los responsables
del funcionamiento del proceso de fabricacin fijan los valores de algunas de estas variables, que se
denominan variables controlables. Por ejemplo, en el caso de la inyectora se fija la temperatura de
fusin del plstico, la velocidad de trabajo, la presin del pistn, la materia prima que se utiliza
(Proveedor del plstico), etc.
Pero un proceso de fabricacin es una suma compleja de eventos grandes y pequeos. Hay una gran
cantidad de variables que sera imposible o muy difcil controlar. Estas se denominan variables no
controlables. Por ejemplo, pequeas variaciones de calidad del plstico, pequeos cambios en la
velocidad del pistn, ligeras fluctuaciones de la corriente elctrica que alimenta la mquina, etc.

Los efectos que producen las variables no controlables son aleatorios. Adems, la contribucin de cada
una de las variables no controlables a la variabilidad total es cuantitativamente pequea. Son las
variables no controlables las responsables de la variabilidad de las caractersticas de calidad del
producto.

Los cambios en las variables controlables se denominan Causas Asignables de variacin del proceso,
porque es posible identificarlas. Las fluctuaciones al azar de las variables no controlables se denominan
Causas No Asignables de variacin del proceso, porque no son pasibles de ser identificadas.

Causas Asignables: Son causas que pueden ser identificadas y que conviene descubrir y eliminar, por
ejemplo, una falla de la mquina por desgaste de una pieza, un cambio muy notorio en la calidad del
plstico, etc. Estas causas provocan que el proceso no funcione como se desea y por lo tanto es
necesario eliminar la causa, y retornar el proceso a un funcionamiento correcto.

Causas No Asignables: Son una multitud de causas no identificadas, ya sea por falta de medios tcnicos
o porque no es econmico hacerlo, cada una de las cuales ejerce un pequeo efecto en la variacin
total. Son inherentes al proceso mismo y no pueden ser reducidas o eliminadas a menos que se
modifique el proceso.

Cuando el proceso trabaja afectado solamente por un sistema constante de variables aleatorias no
controlables (Causas no asignables) se dice que est funcionando bajo Control Estadstico. Cuando,
adems de las causas no asignables, aparece una o varias causas asignables, se dice que el proceso est
fuera de control.

El uso del control estadstico de procesos lleva implcitas algunas hiptesis que describiremos a
continuacin:
Una vez que el proceso est en funcionamiento bajo condiciones establecidas, se supone que la
variabilidad de los resultados en la medicin de una caracterstica de calidad del producto se
debe slo a un sistema de causas aleatorias, que es inherente a cada proceso en particular.
El sistema de causas aleatorias que acta sobre el proceso genera un universo hipottico de
observaciones (mediciones) que tiene una Distribucin Normal.
Cuando aparece alguna causa asignable provocando desviaciones adicionales en los resultados
del proceso, se dice que el proceso est fuera de control.

La funcin del control estadstico de procesos es comprobar en forma permanente si los resultados que
van surgiendo de las mediciones estn de acuerdo con las dos primeras hiptesis. Si aparecen uno o
varios resultados que contradicen o se oponen a las mismas, es necesario detener el proceso,
encontrar las causas por las cuales el proceso se apart de su funcionamiento habitual y corregirlas.
Control Estadstico... Cmo ponerlo en marcha?

La puesta en marcha de un programa de control estadstico para un proceso en particular implica dos
etapas:


Antes de pasar a la segunda etapa, se verifica si el proceso est ajustado. En caso contrario, se retorna
a la primera etapa:

En la 1a etapa se recogen unas 100-200 mediciones, con las cuales se calcula el promedio y la
desviacin standard:

Luego se calculan los Lmites de Control de la siguiente manera:

Estos lmites surgen de la hiptesis de que la distribucin de las observaciones es normal. En general se
utilizan lmites de 2 sigmas de 3 sigmas alrededor del promedio. En la distribucin normal, el
intervalo de 3,09 sigmas alrededor del promedio corresponde a una probabilidad de 0,998.

Entonces, se construye un grfico de prueba y se traza una lnea recta a lo largo del eje de ordenadas
(Eje Y), a la altura del promedio (Valor central de las observaciones) y otras dos lneas rectas a la altura
de los lmites de control:

En este grfico se representan los puntos correspondientes a las observaciones con las que se
calcularon los lmites de control:

Este grfico de prueba se analiza detenidamente para verificar si est de acuerdo con la hiptesis de
que la variabilidad del proceso se debe slo a un sistema de causas aleatorias o si, por el contrario,
existen causas asignables de variacin. Esto se puede establecer porque cuando la fluctuacin de las
mediciones se debe a un sistema constante de causas aleatorias la distribucin de las observaciones es
normal:

Cuando las observaciones sucesivas tienen una distribucin normal, la mayor parte de los puntos se
sita muy cerca del promedio, algunos pocos se alejan algo ms y prcticamente no hay ninguno en las
zonas ms alejadas:



Es difcil decir como es el grfico de un conjunto de puntos que siguen un patrn aleatorio de
distribucin normal, pero s es fcil darse cuenta cuando no lo es.

Veamos algunos ejemplos de patrones No Aleatorios:
Una sucesin de puntos por encima ...

... o por debajo de la lnea central.

Una serie creciente de 6 7 observaciones...

.. o una serie decreciente.




Si no se descubren causas asignables entonces se adoptan los lmites de control calculados como
definitivos, y se construyen cartas de control con esos lmites:

Si slo hay pocos puntos fuera de control (2 3), estos se eliminan, se recalculan la media, desviacin
standard y lmites de control con los restantes, y se construye un nuevo grfico de prueba. Cuando las
observaciones no siguen un patrn aleatorio, indicando la existencia de causas asignables, se hace
necesario investigar para descubrirlas y eliminarlas. Una vez hecho esto, se debern recoger nuevas
observaciones y calcular nuevos lmites de control de prueba, comenzando otra vez con la primera
etapa.

En la 2a etapa, las nuevas observaciones que van surgiendo del proceso se representan en el grfico, y
se controlan verificando que estn dentro de los lmites, y que no se produzcan patrones no aleatorios:

Como hemos visto, el 99,8 % de las observaciones deben estar dentro de los lmites de 3,09 sigmas
alrededor de la media. Esto significa que slo 1 observacin en 500 puede estar por causas aleatorias
fuera de los lmites de control. Entonces, cuando se encuentra ms de 1 punto en 500 fuera de los
lmites de control, esto indica que el sistema de causas aleatorias que provocaba la variabilidad
habitual de las observaciones ha sido alterado por la aparicin de una causa asignable que es necesario
descubrir y eliminar.

En ese caso, el supervisor del proceso debe detener la marcha del mismo e investigar con los que
operan el proceso hasta descubrir la o las causas que desviaron al proceso de su comportamiento
habitual. Una vez eliminadas las causas del problema, se puede continuar con la produccin normal.


2.2.1 Grfico X-R

El grfico de variable ms conocido es el grfico X-R, que monitorea la variacin de la media y
amplitud de los datos a lo largo del tiempo.

Constantes en Grficas X-R
n A
2
D
3
D
4
d
2

2 1.88 0 3.267 1.128
3 1.023 0 2.574 1.693
4 0.072 0 2.282 2.059
5 0.577 0 2.115 2.326
6 0.483 0 2.004 2.534
7 0.419 0.076 1.924 2.704
8 0.373 0.136 1.864 2.847
9 0.337 0.184 1.816 2.97
10 0.308 0.223 1.777 3.078

Ejemplo:
Una cooperativa agrcola que produce, embolsa y comercializa caf torrado y molido, resolvi
verificar la calidad de su producto en relacin al peso de cada paquete. Para ello, es necesario un
grfico de control para variables, que en este caso, es el peso de los paquetes. En el estudio fue
realizada una muestra aleatoria de cuatro paquetes en cada una de las seis muestras. Para cada
una de las seis muestras se calcul la media aritmtica y la amplitud de los pesos (valor mximo -
valor mnimo).

En la construccin del grfico X - R son necesarios los siguientes valores:
Media de las medias de las muestras (X);
Media de las amplitudes de las muestras (K);
Tamao de las muestras (n);
Lmite Superior de control (LSC);
Lmite Inferior de control (LIC).
Estudio
Nmero de muestras (m) = 6
Nmero de paquetes por muestra (n) = 4
Colecta de Datos:


Clculo da media:
X = sumatoria de la muestra 1 / n
donde,
X = media aritmtica;
Sn = son dos pesos de la muestra 1
n = tamao de la muestra
X = 250 / 4
X = 62,5 (=SUMA((B3:B6))/CONTAR(B3:B6))

Clculo de la amplitud de los pesos:
r = valor mximo - valor mnimo
donde,
r = amplitud
r = 70 - 55
r = 15 < =MAX(B3:B6)-MIN(B3:B6) >

Construccin de la tabla:


Ahora, para calcular los lmites de control LIC y LSC se debe obtener las medias de las medias
aritmticas y de las amplitudes de todas las muestras.
Media de las medias (X) = Sumatoria med / m
X = 367,50 / 6
X = 61,25 < =SUMA(B7:G7)/CONTAR(B7:G7) >

Media de las amplitudes (K) = Sumatoria ampl. / m
K = 95 / 6
K = 15,83 < =SUMA(B8:G8)/CONTAR(B8:G8) >

LIC = X - A
2
x K
LSC = X + A
2
x K

LIC = 61,25 - (0,729 x 15,83)
LIC = 49,71

LSC = 61,25 + (0,729 x 15,83)
LSC = 72,79


2.2.2 Grfico X-S

Esta grfica es el instrumento estadstico que sirve para estudiar el comportamiento de un proceso de
manufactura, considerando como indicador la desviacin estndar. La estructura general, esta
constituida por dos porciones, una se destina al registro de los promedios de la caracterstica de
calidad en consideracin y otra para controlar la variabilidad del proceso. La ventaja de usar esta
grfica es que para estos valores de n la desviacin estndar es ms sensible a cambios pequeos que
el rango. Dentro del procedimiento de construccin para dicha grafica incluye clculos de lmites de
control para las dos partes que constituyen la grfica y la graficacin de los promedios y desviaciones
estndar obtenidos en cada subgrupo. Es importante la variabilidad del proceso de control, al iniciar la
construccin de la grfica, si el proceso no muestra estabilidad estadstica, entonces la parte
correspondiente a los promedios no ser confiable dado que los lmites de control de X dependen del
valor medio de s.

Constantes en Grficas X-S
n c
4
A A
3
B
3
B
4
B
5
B
6 .

5 0.94 1.342 1.427 0 2.089 0 1.964
6 0.9515 1.225 1.287 0.03 1.97 0.029 1.874
7 0.9594 1..134 1.182 0.118 1.882 0.113 1.806
8 0.965 1.061 1.099 0.185 1.815 0.179 1.751
9 0.9693 1 1.032 0.239 1.761 0.232 1.707
10 0.9727 0.949 0.975 0.284 1.716 0.276 1.669
11 0.9754 0.905 0.927 0.321 1.679 0.313 1.637
12 0.9776 0.866 0.886 0.354 1.646 0.346 1.61
13 0.9794 0.832 0.85 0.382 1.618 0.374 1.585
14 0.981 0.802 0.817 0.406 1.594 0.399 1.563
15 0.9823 0.775 0.789 0.428 1.572 0.421 1.544
16 0.9835 0.75 0.763 0.448 1.552 0.44 1.526
17 0.9845 0.728 0.739 0.466 1.534 0.458 1.511
18 0.9854 0.707 0.718 0.482 1.518 0.475 1.496
19 0.9862 0.688 0.698 0.497 1.503 0.49 1.483
20 0.9869 0.671 0.68 0.51 1.49 0.504 1.47
21 0.9876 0.655 0.663 0.523 1.477 0.516 1.459
22 0.9882 0.64 0.647 0.534 1.466 0.528 1.448
23 0.9887 0.626 0.633 0.545 1.455 0.539 1.438
24 0.9892 0.612 0.619 0.555 1.445 0.549 1.429
25 0.9896 0.6 0.606 0.565 1.435 0.559 1.42

Ahora veremos un ejemplo de una combinacin de estos grficos de control X-S. En la siguiente figura
tenemos los datos de 40 subgrupos de tamao 5.


Las ecuaciones del grfico de control de medias vienen dados por las siguientes frmulas:


Mientras que las frmulas para el grfico de control de desviacin estndar vienen dadas por:


Los valores de las contantes A3, B3 y B4, para tamaos de subgrupos de 5, resultan ser: A3 = 1.427, B3
= 0 y B4 = 2.089
Graficaremos en el grfico control de medias, el promedio de cada subgrupo, as que tendremos que
realizar este clculo para cada subgrupo. Por otra parte, en el grfico de desviacin estndar
graficaremos el valor de la desviacin estndar de cada subgrupo, la cual se calcula como:


La media de los promedios de subgrupos ser X= y la media de desviaciones estndar de los subgrupos
ser S-. Con todos estos elementos y los valores de las constantes antes mencionadas podemos
calcular los lmites de control de los grficos X-S.

Los valores para el clculo del grfico de control de medias (X-) nos quedaran entonces:


Los valores para el clculo del grfico de control de desviaciones estndar, nos quedara:


Ya con estos rangos de datos podemos construir los grficos de control. Una vez hechos los grficos de
control, estos nos quedan as:






2.2.3 Grfico X de individuales

Los grficos de control por variables pueden tambin construirse para observaciones individuales
procedentes de la lnea de produccin. Esto puede resultar necesario cuando el considerar muestras de
tamao mayor que 1 resulte demasiado caro, inconveniente, o imposible. En este procedimiento de
control se emplea el rango mvil de dos observaciones sucesivas para estimar la variabilidad del
proceso.


Sea X la caracterstica de calidad que nos interesa medir, donde X N(,). Denotaremos por X1 , X2 ,
..., XK a las k observaciones. Veamos cmo construir un grfico Individual:


Observar que i = 1,2,...,k , Xi N(,) .


Segn el modelo de Shewart tendremos que:






















ANEXOS: FORMATOS DE RECOLECCIN DE DATOS Y ELABORACIN DE GRFICAS












F
E
C
H
A

D
E

T
E
R
M
I
N
O
C
p
.

:
C
P
K
:


M
U
E
S
T
R
A
F
R
E
C
U
E
N
C
I
A
T
IP
O
D
E
E
V
A
L
U
A
C
I
N
%

Z

S
u
p
.
:







%

Z

I
n
f
.
:
%

N
C
:

1
2
3
4
5
6
7
8
9
1
0
1
1
1
2
1
3
1
4
1
5
1
6
1
7
1
8
1
9
2
0
2
1
2
2
2
3
2
4
2
5
2
6
2
7
2
8
2
9
3
0
F E C H A
H O R A
1
n
A
2
D
4
D
3
d
2
B
4
B
3
2
2
1
.
8
8
3
.
2
7
0
1
.
1
3
3
.
2
7
0
3
3
1
.
0
2
2
.
5
7
0
1
.
7
0
2
.
5
7
0
4
4
0
.
7
3
2
.
2
8
0
2
.
0
6
2
.
2
7
0
5
5
0
.
5
8
2
.
1
1
0
2
.
3
3
2
.
0
9
0

X

R
S
U
M
A
C
A
U
S
A
S
D
E
N
O

R
E
G
IS
T
R
O
R
R A N G O S







C
O
N
S
T
A
N
T
E
S
L E C T U R A S
I
N
I
C
I
A
L
E
S
P R O M E D I O S
x
L
.
S
.
C
.


R
L
.
I
.
C
.

R
X
L
.
S
.
C
.
x
L
.
I
.
C
.
x
R
U
N
I
D
A
D
E
S
N
O
M
I
N
A
L
L
.
S
.
E
.
L
.
I
.
E
.










G
R
A
F
I
C
A

D
E

C
O
N
T
R
O
L

D
E

P
R
O
M
E
D
I
O
S

Y

R
A
N
G
O
S
N
o
.

D
E

G
R
A
F
I
C
A
F
E
C
H
A

D
E

I
N
I
C
I
O
N
O
M
B
R
E

D
E

P
A
R
T
E
N
o
.

D
E

P
A
R
T
E

R
E
A
O
P
E
R
A
C
I

N
M
A
Q
U
I
N
A
C
A
R
A
C
T
E
R

S
T
I
C
A
C
A
L
I
B
R
A
D
O
R







































I
N
S
T
R
U
C
C
I
O
N
E
S
1
.
-

E
n
c
i
e
r
r
e

e
n

u
n

c

r
c
u
l
o

l
o
s

p
a
t
r
o
n
e
s

a
n
o
r
m
a
l
e
s

d
e

c
o
m
p
o
r
t
a
m
i
e
n
t
o

(

p
u
n
t
o
s

f
u
e
r
a

d
e

l
o
s

l

m
i
t
e
s

d
e

c
o
n
t
r
o
l
,

t
e
n
d
e
n
c
i
a
s
,

a
d
h
e
s
i
o
n
e
s
,

e
t
c
)
.
2
.
-

I
n
v
e
s
t
i
g
u
e

y

c
o
r
r
i
ja

l
a

c
a
u
s
a

d
e
l

c
o
m
p
o
r
t
a
m
i
e
n
t
o
.

S
i

n
o

e
s

p
o
s
i
b
l
e

l
l
a
m
e

a

s
u

s
u
p
e
r
v
i
s
o
r

o

I
n
g
.

d
e

M
a
n
u
f
a
c
t
u
r
a
.
3
.
-

R
e
g
i
s
t
r
e

l
a

(
s
)

c
a
u
s
a

(
s
)

d
e
l

c
o
m
p
o
r
t
a
m
i
e
n
t
o

e
n

l
a

b
i
t

c
o
r
a

(
a
l

r
e
v
e
r
s
o

d
e

l
a

g
r

f
i
c
a
)
,

a
s

c
o
m
o

l
a
s

a
c
c
i
o
n
e
s

r
e
a
l
i
z
a
d
a
s

o

p
r
o
p
u
e
s
t
a
s

p
a
r
a

c
o
r
r
e
g
i
r

l
a

f
a
l
l
a
.
4
.
-

I
n
d
i
q
u
e

e
n

e
l

l
t
i
m
o

r
e
n
g
l

n
,

ju
s
t
o

a
b
a
jo

d
e
l

s
u
b
g
r
u
p
o

c
o
r
r
e
s
p
o
n
d
i
e
n
t
e
,

l
a
s

c
a
u
s
a
s

p
o
r

l
a
s

c
u
a
l
e
s

s
e

d
e
ja

d
e

g
r
a
f
i
c
a
r

d
e

a
c
u
e
r
d
o

a

l
a

f
r
e
c
u
e
n
c
i
a

i
n
d
i
c
a
d
a
,

s
i

e
s

q
u
e

s
e

p
r
e
s
e
n
t
a
n

e
l

c
a
s
o
.

U
t
i
l
i
c
e

l
a
s

s
i
g
u
i
e
n
t
e
s

c
l
a
v
e
s
:
A
)

F
i
n

d
e

c
o
r
r
i
d
a

d
e

p
r
o
d
u
c
c
i

n
B
)

F
a
l
t
a

d
e

m
a
t
e
r
i
a
l
C
)

A
ju
s
t
e

d
e

l

n
e
a

/

m

q
u
i
n
a
D
)

C
a
m
b
i
o

d
e

m
o
d
e
l
o
E
)

F
i
n

d
e

t
u
r
n
o
F
)

O
t
r
o

(
i
n
d
i
c
a
r
)