Sesión #3 Herramientas para La Mejora de Procesos

Centro de Tecnologías de Información y Comunicaciones
Universidad Nacional de Ingeniería
CURSO DE ESPECIALIZACION GESTIÓN POR

PROCESOS Y MEJORA CONTINUA
SESIÓN III: GRAFICAS DE CONTROL
MBA. CARLOS L. GRAJEDA R.

Agenda
• Definición de Graficas de Control

• Tipos de graficas
• Graficas de control por variables
• Comportamiento de las graficas de control
• Graficas de control por atributos
Gráfica de Control
Es un diagrama estadístico que representa el comportamiento

de un proceso, utilizando para ello, el promedio, el rango, etc.
de una muestra de datos.
Utilidad
• La gráfica de control indica cuándo corregir o ajustar un

proceso y cuándo dejarlo solo.
• Sirven para vigilar la estabilidad de un proceso.
• Indica la conducta de la organización en forma gráfica.

Grafica de control
LCS = Limite de
control Superior
LC = Línea central
LCI = Limite de
control Inferior
El objetivo de una grafica de control no es alcanzar un estado de control

estadístico en sí mismo, sino reducir la variación. (Gryna, Chua & Defeo, 2007)
Tipos de Graficas de Control
1. Gráfica de control de variables
Cuando se trata de características de calidad cuantitativas o medibles en

el producto resultado del proceso. Ejemplos:
• Longitud,
• Peso,
• Resistencia,
• Concentración,
• Etc.
Tipos de Graficas de Control
2. Gráfica de control por atributos
Cuando se trata del cumplimiento de requisitos o

especificaciones. Ejemplo:
• Conforme / No conforme
• Cumple / No cumple
• Defectuoso / No defectuso
Tipos de Graficas de Control Universidad Nacional de Ingeniería
Gráfico de control por variables

* Gráfico promedio-rango (Ẋ-R)
* Gráfico promedio-desviación estándar (Ẋ- S)
* Gráfico de mediciones individuales
Gráfico de control por atributos
* Gráfico p (proporción o fracción defectuosa)
* Gráfico np (número de unidades defectuosas)
* Gráfico c (número de defectos por subgrupo)
* Gráfico u (número de defectos por unidad)
Tipos de causas de variabilidad en un proceso
Causas comunes o Causas fortuitas Causas especiales o Causas

Asignables
• Suelen ser muchas y cada una

produce pequeñas variaciones. • Suelen ser pocas, pero con efectos
importantes en la variabilidad.
• Son parte permanente del
proceso. • Aparecen esporádicamente.
• Son difíciles de eliminar y forman • Son relativamente fáciles de
parte del sistema. eliminar.
• Afectan a todo el conjunto de • Por lo general, su efecto está
máquinas y operarios. localizado en una(s) maquina(s) u
operario(s).
NOTA:
Gutiérrez: Causas Comunes y especiales
Montgomery: Causas fortuitas y asignables
Diseño de tolerancias (Especificaciones)
Un paso importante en el desarrollo de un producto es la conversión

de sus peculiaridades a características dimensionales, químicas,
eléctricas u otras.
Requisitos del cliente → especificaciones técnicas
Se debe de tomar en consideración dos aspectos:
1. El promedio deseado (o “valor nominal”, N)
2. Los límites de especificaciones (o “limites de tolerancia”) arriba y
abajo del valor nominal que deben cumplir los componentes
individuales del producto o el producto.
Para fijar los limites de las especificaciones se deben de tomar

en cuenta dos aspectos:
1. Las necesidades funcionales del producto.
2. Lo que el proceso realmente puede hacer.
Muchas veces, estos dos aspectos son antagónicos:
• Desde la perspectiva de calidad (producto), entre más
estrechos las especificaciones será mejor.
• Desde la perspectiva de producción, entre más estrechos
sean estos limites, más difícil será de cumplir.
Límites Naturales o Reales
Los límites naturales o reales de un proceso indican los puntos

entre los cuales varia la salida de un proceso y, por lo general, se
obtiene de la siguiente manera:
Límite Real Inferior (LRI) = µ - 3δ
Límite Real Superior (LRS) = µ + 3δ

Comparación con las Especificaciones

Fuente: Montgomery. Control de estadístico de la calidad.
• Los límites de control se hacen para proporcionar un juicio

sobre si el proceso está en el estado de control o no, mientras
que las especificaciones se hacen para proporcionar un juicio
sobre si cada producto es defectuoso o no.
• La amplitud de los límites de control se determina basándose
en la variación debida al azar. Por otra parte, las
especificaciones se deciden por las demandas de los
consumidores o los usuarios.
Ejemplo: cálculo de límites reales
Las especificaciones para una característica de calidad son que esta

debe tener dimensiones de 800 ± 5.
Entonces:
EI = 795 y ES = 805
Se sabe que la media y la desviación estándar son 800.6 y 1.2
respectivamente.
Limite Real Inferior (LRI) = 800.6 – 3(1.2) = 797.0

Limite Real Superior (LRS) = 800.6 + 3(1.2) = 804.2
Ejemplo: cálculo de límites reales
EI = 795 N = 800 EI = 805
LRI = 797  = 800.6 LRS = 804.2
Se observa que los límites reales caen dentro de las

especificaciones, entonces se concluye que el proceso es capaz de
cumplir con tales especificaciones.
Grafica XR
• Se usa para controlar y analizar un proceso en el cual las

características de calidad del producto esta dado en valores
continuos, tales como: longitud, peso o concentraciones.
• Una grafica R se usa en combinación con una grafica X.
• Se emplean para procesos masivos, de mediano a a alto volumen.
• A medida que n crece, las cartas son capaces de detectar cambios en

el proceso.
Formulas XR
LCS  x  A 2 R LCS  D 4 R
LC  x LC  R
LCI  x  A 2 R LCI  D 3 R
 R
d
2
Nota / ojo: se usa el promedio del promedio de x
Ejemplo N° 1
En una corrida de producción, se extrajeron 20 muestras de los

resultados de un máquina que produce remaches de acero para
la construcción industrial. Las muestras se tomaron a intervalos
de 10 minutos, y cada una consistía en n = 4 remaches, cuyas
longitudes fueron medidas.
Ejemplo
G H I J K
1 Sample Item 1 Item 2 Item 3 Item 4
2 1 1.405 1.419 1.377 1.400
3 2 1.407 1.397 1.377 1.393
4 3 1.385 1.392 1.399 1.392
5 4 1.386 1.419 1.387 1.417
6 5 1.382 1.391 1.390 1.397
7 6 1.404 1.406 1.404 1.402
8 7 1.409 1.386 1.399 1.403
9 8 1.399 1.382 1.389 1.410
10 9 1.408 1.411 1.394 1.388
11 10 1.399 1.421 1.400 1.407
12 11 1.394 1.397 1.396 1.409
13 12 1.409 1.389 1.398 1.399
14 13 1.405 1.387 1.399 1.393
15 14 1.390 1.410 1.388 1.384
16 15 1.393 1.403 1.387 1.415
17 16 1.413 1.390 1.395 1.411
18 17 1.410 1.415 1.392 1.397
19 18 1.407 1.386 1.396 1.393
20 19 1.411 1.406 1.392 1.387
21 20 1.404 1.396 1.391 1.390
G H I J K L M
1 Sample Item 1 Item 2 Item 3 Item 4 Universidad Nacional
Rango Promediode Ingeniería
2 1 1.405 1.419 1.377 1.400 0.042 1.400
3 2 1.407 1.397 1.377 1.393 0.030 1.394
4 3 1.385 1.392 1.399 1.392 0.014 1.392
5 4 1.386 1.419 1.387 1.417 0.033 1.402
6 5 1.382 1.391 1.390 1.397 0.015 1.390
7 6 1.404 1.406 1.404 1.402 0.004 1.404
8 7 1.409 1.386 1.399 1.403 0.023 1.399
9 8 1.399 1.382 1.389 1.410 0.028 1.395
10 9 1.408 1.411 1.394 1.388 0.023 1.400
11 10 1.399 1.421 1.400 1.407 0.022 1.407
12 11 1.394 1.397 1.396 1.409 0.015 1.399
13 12 1.409 1.389 1.398 1.399 0.020 1.399
14 13 1.405 1.387 1.399 1.393 0.018 1.396
15 14 1.390 1.410 1.388 1.384 0.026 1.393
16 15 1.393 1.403 1.387 1.415 0.028 1.400
17 16 1.413 1.390 1.395 1.411 0.023 1.402
18 17 1.410 1.415 1.392 1.397 0.023 1.404
19 18 1.407 1.386 1.396 1.393 0.021 1.396
20 19 1.411 1.406 1.392 1.387 0.024 1.399
21 20 1.404 1.396 1.391 1.390 0.014 1.395
22 0.022 1.398
Gráfica R
0.05 UCL=0.05087
0.04
Rango de la muestra
0.03
_
R=0.0223
0.02
0.01
0.00 LCL=0
1 3 5 7 9 11 13 15 17 19
Muestra
Xbar-R Chart of C1, ..., C4 Universidad Nacional de Ingeniería
UCL=1.41450
1.41
Sample Mean
__
1.40
X=1.39825
1.39
LCL=1.38200
1.38
1 3 5 7 9 11 13 15 17 19
Sample
UCL=0.05087
0.048
0.036
Sample Range
_
0.024 R=0.0223
0.012
0.000 LCL=0
1 3 5 7 9 11 13 15 17 19
Sample
Xbar-R Chart of C1, ..., C4 Universidad Nacional de Ingeniería
UCL=1.41450
1.41 +2SL=1.40908
Sample Mean
+1SL=1.40367
__
1.40
X=1.39825
-1SL=1.39283
1.39
-2SL=1.38742
LCL=1.38200
1.38
1 3 5 7 9 11 13 15 17 19
Sample
UCL=0.05087
0.048
+2SL=0.04135
0.036
Sample Range
+1SL=0.03182
_
0.024 R=0.0223
0.012 -1SL=0.01278
-2SL=0.00325
0.000 LCL=0
1 3 5 7 9 11 13 15 17 19
Sample
Ejemplo N° 2
Una fuente de poder de alto voltaje debería tener un voltaje de

salida nominal de 350 V. Se selecciona una muestra de cuatro
unidades cada día y se prueban para fines de control de proceso.
Establecer las cartas y R para este proceso.
¿El proceso está bajo control estadístico?

Número de Universidad Nacional de Ingeniería
x1 x2 x3 x4
muestra
1 6 9 10 15
2 10 4 6 11
3 7 8 10 5
4 8 9 6 13
5 9 10 7 13
6 12 11 10 10
7 16 10 8 9
8 7 5 10 4
9 9 7 8 12
10 15 16 10 13
11 8 12 14 16
12 6 13 9 11
13 16 9 13 15
14 7 13 10 12
15 11 7 10 16
16 15 10 11 14
17 9 8 12 10
18 15 7 10 11
19 8 6 9 12
20 14 15 12 16
Ejemplo N° 3
El espesor de una tarjeta de circuitos impresos es un

parámetro importante de la calidad. Se presentan abajo los
datos del espesor de las tarjetas (en pulgadas) para 25
muestras de tres tarjetas cada una.
Establecer las cartas x y R para este proceso.
¿El proceso parece estar bajo control estadístico?

Número de
X1 X2 X3 Centro de Tecnologías de Información y Comunicaciones
muestra Universidad Nacional de Ingeniería
1 0.0629 0.0636 0.064
2 0.063 0.0631 0.0622
3 0.0628 0.0631 0.0633
4 0.0634 0.063 0.0631
5 0.0619 0.0628 0.063
6 0.0613 0.0629 0.0634
7 0.063 0.0639 0.0625
8 0.0628 0.0627 0.0622
9 0.0623 0.0626 0.0633
10 0.0631 0.0631 0.0633
11 0.0635 0.063 0.0638
12 0.0623 0.063 0.063
13 0.0635 0.0631 0.063
14 0.0645 0.064 0.0631
15 0.0619 0.0644 0.0632
16 0.0631 0.0627 0.063
17 0.0616 0.0623 0.0631
18 0.063 0.063 0.0626
19 0.0636 0.0631 0.0629
20 0.064 0.0635 0.0629
21 0.0628 0.0625 0.0616
22 0.0615 0.0625 0.0619
23 0.063 0.0632 0.063
24 0.0635 0.0629 0.0635
25 0.0623 0.0629 0.063
Comportamiento de las Graficas de Control y

causas de la inestabilidad
Proceso estable e inestable
LCS
2σ
1σ
LC
1σ
2σ
LCI
Desplazamiento o cambios en el nivel del proceso

Cuando uno o mas puntos se salen de los limites de control, o cuando hay una
tendencia larga y clara que los puntos consecutivos caigan de un solo lado
de la línea central. Las posibles causas son:
• Nuevos trabajadores, maquinas, materiales o métodos.
• Cambio en los métodos de inspección.
• Mayor o menos atención de los trabajadores.
• El proceso a mejorado o empeorado.
Tendencias en el nivel del proceso

Este patrón consiste en una tendencia a incrementarse o disminución de los
valores de los puntos de la carta. Las posibles causas son:
• Deterioro o desajuste gradual del equipo de producción.
• Cambios graduales en las condiciones ambientales.
• Desgaste de las herramientas.
• Acumulación de desperdicios en la línea de producción.
• Calentamiento de los equipos.
Ciclos recurrentes (periodicidad)

• Cambios periódicos en el ambiente.
• Diferencias en los dispositivos de medición o de prueba que se utilizan
en cierto orden.
• Rotación regular de ciertas maquinas u operarios.
• Efecto sistemático producido por dos maquinas, operarios o materiales
que se usan alternadamente.
Alta variabilidad
•Alta proporción de los puntos cerca de los limites de control; señal de
causas especiales.
•Pocos puntos en la línea central; causas especiales.
•Sobre control o ajustes innecesarios en el proceso.
•Diferencias sistemáticas en la calidad del material o en los métodos de
prueba.
•Control de dos o mas personas en la misma carta con diferentes
promedios.
Falta de variabilidad (estatificación)

• Equivocación en el calculo de los limites de control.
• Agrupamiento en una misma muestra a datos provenientes de
universos con medidas bastante diferentes, que al combinarse se
compensan unos con otros.
• Grafica de control inapropiada para el control.
Interpretaciones de procesos fuera de control

9 puntos seguidos a un mismo lado de la línea central

6 puntos en tendencia
14 puntos seguidos, subiendo y bajando Universidad Nacional de Ingeniería
alternativamente
2 de 3 puntos a 3  de la línea central
(mismo lado)
4 de 5 puntos a 1  de la línea central
(mismo lado)
15 puntos seguidos a menos de 1s de la línea central
(ambos lados)
8 puntos seguidos a más de 1 de la línea central Universidad Nacional de Ingeniería
(ambos lados)
Gráfico X  S
• Diagrama para varianzas que aplican a procesos masivos, en los que

se quiere tener una mayor potencia para detectar pequeños
cambios.
• Se emplean para procesos masivos, de mediano a a alto volumen.
• A medida que n crece, las cartas son capaces de detectar cambios

en el proceso.
• Por lo general, el tamaño de los subgrupos (n) es mayor a 10.

Formulas Ẋ - S
S S
LCS  X  3 LCS  S  3 1  c2 4
c4 n c4
LC  X LCC  S
S S
LCI  X  3 LCI  S  3 1 c 4
2
c4 n c4
S

c
4
Nota / ojo: se usa el promedio del promedio de x
Ejemplo N° 4
En la elaboración de embaces de plástico, se debe tener pesos

entre 28 ± 0.5 g. Cada media hora se toma un sub grupos de
10 embaces y se pesan. Las medidas de los últimos 20
subgrupos se muestran en la tabla adjunta.
N° medias desviacion
1 28.048 0.1343
2 28.042 0.1596
3 27.985 0.0846
4 27.968 0.0868
5 28.044 0.1086
6 28.162 0.1029
7 27.981 0.1241
8 27.985 0.101
9 28.024 0.0924
10 27.973 0.1049
11 28.021 0.1157
12 28.026 0.1127
13 28.004 0.0841
14 27.993 0.109
15 27.949 0.1285
16 28.028 0.1116
17 27.99 0.0927
18 28.004 0.1691
19 27.997 0.1083
20 28.014 0.1031
Gráfica X
28.20
1
28.15
UCL=28.1286
28.10
Valor individual
28.05
_
X=28.0119
28.00
27.95
27.90 LCL=27.8952
1 3 5 7 9 11 13 15 17 19
Observación
Gráfica S
0.175 UCL=0.1761
0.150
Valor individual
0.125
_
X =0.1117
0.100
0.075
0.050 LCL=0.0473
1 3 5 7 9 11 13 15 17 19
Observ ación
Ejemplo N° 5
El volumen de llenado de las botellas de refresco es una característica de

la calidad importante. El volumen se mide (aproximadamente) colocando
un medidor sobre la boca de la botella y comparando la altura del líquido
en el cuello de la botella con una escala codificada. En esta escala, una
lectura cero corresponde a la altura de llenado correcta. Se analizan 15
muestras de tamaño n = 10 y las alturas de llenado se muestran abajo.
Establecer las cartas de control x y S para este proceso.
¿El proceso muestra control estadístico?

Número de
x1 x2 x3 x4 x5 x6 x7 x8 x9 x10
muestra
1 2.5 0.5 2 -1 1 -1 0.5 1.5 0.5 -1.5
2 0 0 0.5 1 1.5 1 -1 1 1.5 -1
3 1.5 1 1 -1 0 -1.5 -1 -1 1 -1
4 0 0.5 -2 0 -1 1.5 -1.5 0 -2 -1.5
5 0 0 0 -0.5 0.5 1 -0.5 -0.5 0 0
6 1 -0.5 0 0 0 0.5 -1 1 -2 1
7 1 -1 -1 -1 0 1.5 0 1 0 0
8 0 -1.5 -0.5 1.5 0 0 0 -1 0.5 -0.5
9 -2 -1.5 1.5 1.5 0 0 0.5 1 0 1
10 -0.5 3.5 0 -1 -1.5 -1.5 -1 -1 1 0.5
11 0 1.5 0 0 2 -1.5 0.5 -0.5 2 -1
12 0 -2 -0.5 0 -0.5 2 1.5 0 0.5 -1
13 -1 -0.5 -0.5 -1 0 0.5 0.5 -1.5 -1 -1
14 0.5 1 -1 -0.5 -2 -1 -1.5 0 1.5 1.5
15 1 0 1.5 1.5 1 -1 0 1 -2 -1.5
Cartas Individuales
Es un diagrama para variables de tipo continuo que se aplica a procesos

lentos y/o donde hay un espacio largo de tiempo entre una medición y la
siguiente.
Ejemplo:
• Procesos químicos que trabajan por lotes.
• Procesos en los que las mediciones cercanas solo difieren por el error de
medición. Ejemplo, temperaturas en procesos, humedad relativa en el
medio ambiente, etc.
• Algunas mediciones administrativas que se obtienen cada día o semana.
Limites de control Universidad Nacional de Ingeniería
Donde:
x  X x 
R

R
d 2 1.128
 R 
Limites : X  3* 
 1.128 
Ejemplo N° 6 Universidad Nacional de Ingeniería
En una producción de pisco para medir la eficacia del proceso

de molienda se mide el grado brix residual después de la
molienda. Esta es una variable tipo, entre mas pequeño
mejor, y el valor máximo tolerado que se ha fijado en la
empresa en particular es ES = 3.5%.
En la tabla se presentan las mediciones de las 40 mediciones
(lotes).
Lote Brix residual Rango Centro de Tecnologías
Lote Brix residual Rango de Información y Comunicaciones
1 2.0 21 1.2 0.9
2 2.4 0.4 22 1.8 0.6
3 2.2 0.2 23 2.0 0.2
4 1.4 1.8 24 2.4 0.4
5 2.3 0.9 25 1.9 0.5
6 1.8 0.5 26 2.4 0.5
7 1.5 0.3 27 2.4 0.0
8 1.5 0.0 28 1.7 0.7
9 2.1 0.6 29 1.8 0.1
10 2.0 0.1 30 2.1 0.3
11 1.6 0.4 31 1.7 0.4
12 2.2 0.6 32 2.1 0.4
13 1.9 0.3 33 1.6 0.5
14 2.4 0.5 34 2.4 0.8
15 3.3 0.9 35 2.1 0.3
16 2.1 1.2 36 1.8 0.3
17 2.1 0.0 37 1.3 0.5
18 1.8 0.3 38 1.8 0.5
19 1.6 0.2 39 1.7 0.1
20 2.1 0.5 40 1.6 0.1
1.95 0.46
Ejemplo N° 7
Latas de café de una libra son llenadas por una máquina, se sellan y
después se pesan automáticamente. Después de hacer el ajuste para el
peso de la lata, cualquier paquete que pese menos de 16 onzas se retira
de la transportadora. Abajo se presentan los pesos de 25 latas sucesivas.
Establecer una carta de control de rango móvil y una carta de control para
las mediciones individuales. Estimar la media y la desviación estándar de
la cantidad de café empacado en cada lata.
¿Es razonable suponer que el peso de las latas tiene una distribución
normal?
Número de lata Peso Universidad Nacional de Ingeniería
1 16.11
2 16.08
3 16.12
4 16.1
5 16.1
6 16.11
7 16.12
8 16.09
9 16.12
10 16.1
11 16.09
12 16.07
13 16.13
14 16.12
15 16.1
16 16.08
17 16.13
18 16.15
19 16.12
20 16.1
21 16.08
22 16.07
23 16.11
24 16.13
25 16.1
Ejemplo N° 8
La viscosidad de un polímero se mide cada hora.

Las mediciones de las últimas 20 horas fueron:
¿La viscosidad sigue una distribución normal?
Establecer una carta de control para la viscosidad y una carta
del rango móvil.
¿El proceso indica control estadístico?
Prueba Viscosidad Centro de Tecnologías de Información y Comunicaciones
1 2838
2 2785
3 3058
4 3064
5 2996
6 2882
7 2878
8 2920
9 3050
10 2870
11 3174
12 3102
13 2762
14 2975
15 2719
16 2861
17 2797
18 3078
19 2964
20 2805
Tipos de Graficas de Control Universidad Nacional de Ingeniería
Gráfico de control por variables

* Gráfico promedio-rango (Ẋ-R)
* Gráfico promedio-desviación estándar (Ẋ- S)
* Gráfico de mediciones individuales
Gráfico de control por atributos
* Gráfico p (proporción o fracción defectuosa)
* Gráfico np (número de unidades defectuosas)
* Gráfico c (número de defectos)
* Gráfico u (número de defectos por unidad)
Graficas de control por atributos
Fuente: Montgomery (2013) Control Estadístico de la Calidad
Las graficas de control para atributos no son tan informativas como

las graficas de control para variables, ya que de manera típica una
medición numérica contiene más información que la mera
clasificación de una unidad como conforme o no conforme.
Son particularmente útiles en las industrias de servicios y en los
esfuerzos de mejoramiento de calidad fuera de la manufactura,
debido a que no es sencillo medir en una escala numérica un gran
número de características de calidad que se encuentran en estos
escenarios.
Grafica p
• Estas graficas se usan cuando las características de calidad se

representan por la fracción defectuosa. Unidades rechazadas /
unidades inspeccionadas.
• La grafica p se usa para una muestra de tamaño variable. Pero

también puede usarse para n constantes.
Grafica np
• Estas graficas se usan cuando las características de calidad

se representan por el número de unidades defectuosas. O el
número de unidades rechazadas por cada muestra
inspeccionada.
• Para una muestra de tamaño muestra constante se usa la

grafica np.
Formulas np y p
p (1  p )
LCS  n p  3 n p (1  p ) LCS  p  3
n
LC  n p LC  p
LCI  n p  3 n p (1  p ) p (1  p )
LCI  p  3
n
Total de productos defectos

p
Total de productos inspeccion ados
Ejemplo N° 1: gráfica p
Para probar la integridad de un filamento, se toman muestras

de los focos que salen de una línea de manufactura y se
someten a un voltaje 30% más alto que el de su valor
nominal. Cada muestra consiste en 100 focos, y uno de ellos
se clasifica como “defectuoso” si se funde durante una
exposición de dos segundos a ese voltaje más alto.
C D E F
Piezas No Proporción
Muestra
2 defectuosas defectuosas defectuosa (p)
3 1 8 92 0.080
4 2 14 86 0.140
5 3 16 84 0.160
6 4 14 86 0.140
7 5 15 85 0.150
8 6 20 80 0.200
9 7 19 81 0.190
10 8 12 88 0.120
11 9 17 83 0.170
12 10 6 94 0.060
13 11 10 90 0.100
14 12 15 85 0.150
15 13 9 91 0.090
16 14 17 83 0.170
17 15 13 87 0.130
18 16 11 89 0.110
19 0.135
Ejemplo gráfica p Universidad Nacional de Ingeniería
Gráfica P
0.25
UCL=0.2375
0.20
Proporción
0.15 _
P=0.135
0.10
0.05
LCL=0.0325
1 3 5 7 9 11 13 15
Muestra
Ejemplo N° 2 gráfica p Universidad Nacional de Ingeniería
En una empresa de alimentos, mediante ciertas maquinas se empaquetan

salchichas en sobres o paquetes. Un problema que se ha determinado es
que dentro del sobre queda aire (falta de vació). El problema se detecta
mediante inspección visual; los paquetes con aire son segregados y después
se abren para recuperar las salchichas y volverlas a empaquetar.
El atributo de falta de vació es importante debido a que si un paquete con
aire llega al mercado, la vida en anaquel se acorta, por lo que después de
algunos días la salchicha empieza a cambiar de color y a perder su frescura, y
eso puede ocurrir en el refrigerador del distribuidor o del consumidor.
Cada hora se registra el número de paquetes detectados con aire y del
contador de la maquina se obtiene el total de paquetes durante una hora.
Los datos obtenidos durante tres días se muestran en la tabla.
Subgrupo Paquete Paq. con aire Subgrupo Paquete Paq. con
Universidad Nacionalaire
de Ingeniería
1 595 15 21 594 7
2 593 5 22 606 5
3 607 8 23 601 7
4 596 10 24 598 4
5 602 6 25 599 2
6 599 5 26 590 3
7 600 5 27 588 5
8 590 7 28 597 3
9 599 2 29 604 6
10 601 4 30 605 5
11 598 9 31 597 7
12 60 17 32 603 9
13 597 4 33 596 5
14 594 5 34 597 3
15 595 3 35 607 8
16 597 10 36 596 15
17 599 7 37 598 4
18 596 5 38 600 6
19 607 4 39 608 8
20 601 9 40 592 5
Subgrupo Paquete Paq. con aire Proporción p Subgrupo Paquete Paq. con aire Proporción p
1 595 15 0.025 21 594 7 0.012
2 593 5 0.008 22 606 5 0.008
3 607 8 0.013 23 601 7 0.012
4 596 10 0.017 24 598 4 0.007
5 602 6 0.010 25 599 2 0.003
6 599 5 0.008 26 590 3 0.005
7 600 5 0.008 27 588 5 0.009
8 590 7 0.012 28 597 3 0.005
9 599 2 0.003 29 604 6 0.010
10 601 4 0.007 30 605 5 0.008
11 598 9 0.015 31 597 7 0.012
12 60 17 0.283 32 603 9 0.015
13 597 4 0.007 33 596 5 0.008
14 594 5 0.008 34 597 3 0.005
15 595 3 0.005 35 607 8 0.013
16 597 10 0.017 36 596 15 0.025
17 599 7 0.012 37 598 4 0.007
18 596 5 0.008 38 600 6 0.010
19 607 4 0.007 39 608 8 0.013
20 601 9 0.015 40 592 5 0.008
P Chart
0.030 1
1 1
0.025
UCL=0.02344
0.020
Proportion
0.015
_
0.010 P=0.01073
0.005
0.000 LCL=0
1 5 9 13 17 21 25 29 33 37
Sample
Tests performed with unequal sample sizes
Ejemplo N° 3 Grafica np
Se inspecciona una muestra de 120 artículos de los

componentes k12. Los datos se obtienen de 20 lotes
consecutivos como se muestran en la tabla.
Ejemplo N° 3 Grafica np
Componente
Componentes
Muestra Muestra s
defectuosos
defectuosos
1 9 11 10
2 6 12 20
3 10 13 12
4 8 14 10
5 5 15 10
6 5 16 0
7 14 17 13
8 12 18 5
9 9 19 6
10 8 20 11
Total 183
NP Chart
1
20
UCL=17.87
15
Sample Count
10 __
NP=9.15
0 LCL=0.43
1
1 3 5 7 9 11 13 15 17 19
Sample
Gráfica c Universidad Nacional de Ingeniería
(número de defectos por sub grupo)
• Estas graficas se usan para controlar y analizar un proceso

por los defectos de un producto, tales como rayones,
soldaduras defectuosas o tejidos desiguales.
• La grafica c se refiere al número de defectos para un
productos cuyas dimensiones es constante.
• De ser posible se elige de tal forma que el número promedio
de defectos por subgrupo (línea central) sea mayor que
nueve.
Gráfica u Universidad Nacional de Ingeniería
(número promedio de defectos por unidad)
• Estas graficas se usan para controlar y analizar un proceso por

los defectos de un producto, tales como rayones, soldaduras
defectuosas o tejidos desiguales.
• Una grafica u se usa para productos con dimensiones variables

o constante.
Formulas gráfica c y u
LCS  c  3 c LCS  u  3
u
n
LC  c LC  u
LCI  c  3 c LCI  u  3
u
n
Donde :
Donde :
Total de defectos
c u
Total de defectos
Total de subgrupos Total de articulos inspeccion ados
Ejemplo N° 4 gráfica c
Durante la producción de laminas de acero continuas, se

examinan muestras periódicas de 10 pies de longitud, para
determinar el número de rasguños, manchas u otros defectos
en la superficie. Se han inspeccionado 20 muestras a
intervalos periódicos durante una corrida de producción.
D E
2 Muestra Defecto Centro de Tecnologías de Información y Comunicaciones
3 1 3
4 2 4
5 3 6
6 4 6
7 5 4
8 6 7
9 7 9
10 8 8
11 9 3
12 10 6
13 11 10
14 12 5
15 13 7
16 14 8
17 15 3
18 16 3
19 17 1
20 18 4
21 19 6
22 20 3
23 suma 106
24 c 5.3
Ejemplo gráfica c Centro de Tecnologías de Información y Comunicaciones
Gráfica C
12 UCL=12.21
10
Conteo de muestras
6 _
C=5.3
0 LCL=0
1 3 5 7 9 11 13 15 17 19
Muestra
Ejemplo N° 5 gráfica c
En una fabrica de muebles se inspecciona a detalle el acabado

de las mesas cuando salen del departamento de laca. La
cantidad de defectos que son encontrados en cada mesa son
registrados con el fin de conocer y mejorar el proceso. En la
tabla se muestran los defectos encontrados en las ultimas 30
mesas.
Mesa Defectos Mesa Defectos

1 7 16 12
2 5 17 8
3 10 18 10
4 2 19 4
5 6 20 7
6 5 21 3
7 4 22 10
8 9 23 6
9 7 24 6
10 5 25 7
11 6 26 4
12 7 27 5
13 8 28 6
14 4 29 8
15 5 30 5
Total 191
C Chart
14 UCL=13.94
12
10
Sample Count
8
_
C=6.37
6
0 LCL=0
1 4 7 10 13 16 19 22 25 28
Sample
Ejemplo N° 6 grafica u
Una fabrica que ensambla artículos electrónicos y al final del

proceso se hace una inspección por muestreo para detectar
defectos relativamente menores. En la tabla se muestran los
24 lotes consecutivos de piezas electrónicas. El número de
piezas inspeccionado por cada lote es variables.
Tamaño de Defectos Tamaño de Defectos

Lote Lote
lote encontrados lote encontrados
1 20 17 13 30 40
2 20 24 14 30 24
3 20 16 15 30 46
4 20 26 16 30 32
5 15 15 17 30 30
6 15 15 18 30 34
7 15 20 19 15 11
8 25 18 20 15 14
9 25 26 21 15 30
10 25 10 22 15 17
11 25 25 23 15 18
12 30 21 24 15 20
Tamaño de Defectos Tamaño de Defectos

Lote u Lote u
lote encontrados lote encontrados
1 20 17 0.85 13 30 40 1.33
2 20 24 1.20 14 30 24 0.80
3 20 16 0.80 15 30 46 1.53
4 20 26 1.30 16 30 32 1.07
5 15 15 1.00 17 30 30 1.00
6 15 15 1.00 18 30 34 1.13
7 15 20 1.33 19 15 11 0.73
8 25 18 0.72 20 15 14 0.93
9 25 26 1.04 21 15 30 2.00
10 25 10 0.40 22 15 17 1.13
11 25 25 1.00 23 15 18 1.20
12 30 21 0.70 24 15 20 1.33
Total 525 549
Gráfica U
2.25
1
2.00
Conteo de muestras por unidad
1.75
UCL=1.692
1.50
1.25
_
1.00 U=1.040
0.75
0.50
LCL=0.388
1 3 5 7 9 11 13 15 17 19 21 23
Muest ra
Conclusiones

Sesión #3 Herramientas para La Mejora de Procesos

Cargado por

Copyright:

Formatos disponibles

Sesión #3 Herramientas para La Mejora de Procesos

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Sesión #3 Herramientas para La Mejora de Procesos

Cargado por

Copyright:

Formatos disponibles

Centro de Tecnologías de Información y Comunicaciones

Universidad Nacional de Ingeniería

CURSO DE ESPECIALIZACION GESTIÓN POR

SESIÓN III: GRAFICAS DE CONTROL

MBA. CARLOS L. GRAJEDA R.

• Definición de Graficas de Control

Es un diagrama estadístico que representa el comportamiento

• La gráfica de control indica cuándo corregir o ajustar un

• Sirven para vigilar la estabilidad de un proceso.

• Indica la conducta de la organización en forma gráfica.

El objetivo de una grafica de control no es alcanzar un estado de control

Tipos de Graficas de Control

1. Gráfica de control de variables

Cuando se trata de características de calidad cuantitativas o medibles en

Tipos de Graficas de Control

2. Gráfica de control por atributos

Cuando se trata del cumplimiento de requisitos o

Gráfico de control por variables

Tipos de causas de variabilidad en un proceso

Causas comunes o Causas fortuitas Causas especiales o Causas

• Suelen ser muchas y cada una

Diseño de tolerancias (Especificaciones)

Un paso importante en el desarrollo de un producto es la conversión

Para fijar los limites de las especificaciones se deben de tomar

Límites Naturales o Reales

Los límites naturales o reales de un proceso indican los puntos

Límite Real Inferior (LRI) = µ - 3δ

Límite Real Superior (LRS) = µ + 3δ

Comparación con las Especificaciones

• Los límites de control se hacen para proporcionar un juicio

Ejemplo: cálculo de límites reales

Las especificaciones para una característica de calidad son que esta

Limite Real Inferior (LRI) = 800.6 – 3(1.2) = 797.0

Ejemplo: cálculo de límites reales

EI = 795 N = 800 EI = 805

LRI = 797  = 800.6 LRS = 804.2

Se observa que los límites reales caen dentro de las

• Se usa para controlar y analizar un proceso en el cual las

• Una grafica R se usa en combinación con una grafica X.

• Se emplean para procesos masivos, de mediano a a alto volumen.

• A medida que n crece, las cartas son capaces de detectar cambios en

En una corrida de producción, se extrajeron 20 muestras de los

Una fuente de poder de alto voltaje debería tener un voltaje de

Establecer las cartas y R para este proceso.

¿El proceso está bajo control estadístico?

El espesor de una tarjeta de circuitos impresos es un

Establecer las cartas x y R para este proceso.

¿El proceso parece estar bajo control estadístico?

Comportamiento de las Graficas de Control y

Proceso estable e inestable

Desplazamiento o cambios en el nivel del proceso

Tendencias en el nivel del proceso

Ciclos recurrentes (periodicidad)

Falta de variabilidad (estatificación)

Interpretaciones de procesos fuera de control

9 puntos seguidos a un mismo lado de la línea central

• Diagrama para varianzas que aplican a procesos masivos, en los que

• Se emplean para procesos masivos, de mediano a a alto volumen.

• A medida que n crece, las cartas son capaces de detectar cambios