INSTITUTO UNIVERSITARIO DEL CENTRO DE MEXICO

MATERIA:

SISTEMAS DE LA CALIDAD

PROCEDIMIENTOS PARA GENERAR GRAFICAS DE:

“Gráficos de control por variables: x-R y x-S.

Gráficos de control de artículos defectuosos: p y np.”
Presenta:

PT. Manto a S. Electrónicos: Mata Arcaya Felipe De Jesús.

Álvarez Gutiérrez Ramiro

Nava Pérez Miguel Ángel

Docente:

Ortega Mulia Gabriela Magdalena

Que para obtener el título de:

INGENIERIA INDUSTRIAL (T3IND0621)

6° CUATRIMESTRE

SAN JOSE ITURBIDE GTO. 22-11-2024

Contenido
Gráficos de control por variables: x-R y x-S. Gráficos de control de artículos defectuosos:
p y np. Gráficos de control de defectos: u y c. ............................................................................. 3
INTRODUCCION .............................................................................................................................. 3
Gráficos de control por variables: x-R y x-S....................................................................... 3
Carta de control X-R .................................................................................................................... 5
Límites de control ......................................................................................................................... 6
Interpretación de los límites de control en una carta X .......................................................... 6
Carta X -S ...................................................................................................................................... 9
GRAFICOS DE CONTROL DE ARTICULOS DESFECTUOSOS: P Y NP ........................... 13
Cartas p y np (para defectuosos) ............................................................................................. 13
Carta p (proporción de defectuosos) ....................................................................................... 13
Interpretación de los límites de control de la carta p ............................................................ 19
Carta p con límites variables .................................................................................................... 20
Carta np (número de defectuosos) .......................................................................................... 24
Interpretación de los límites de control de la carta np .......................................................... 26
Carta p frente a carta np ........................................................................................................... 25
Gráficos de control de defectos: u y c. .................................................................................... 27
Carta c .......................................................................................................................................... 28
Interpretación de los límites de control de la carta c............................................................. 30
Carta u (número de defectos por unidad) ............................................................................... 30
Carta u con límites variables .................................................................................................... 33
Carta u estandarizada ............................................................................................................... 36
CONCLUCION ................................................................................................................................ 36
Fuente: ............................................................................................................................................. 37
Gráficos de control por variables: x-R y x-S. Gráficos de control de
artículos defectuosos: p y np. Gráficos de control de defectos: u y c.

INTRODUCCION
Los gráficos de control son herramientas fundamentales en el control estadístico
de procesos, permitiendo analizar y supervisar la variabilidad a lo largo del tiempo.
En particular, los gráficos x-R y x-S se centran en las variables de salida,
facilitando la identificación de variaciones atribuibles a causas comunes o
especiales. Esto es esencial para caracterizar el rendimiento del proceso y
determinar acciones correctivas adecuadas. A través de estas cartas, es posible
observar cómo fluctúan estadísticas como la media muestral y el rango,
identificando patrones que podrían indicar cambios significativos en el proceso.

Por otro lado, las cartas de control p y np se enfocan en la calidad de los

productos, clasificándolos como defectuosos o no defectuosos. Estas
herramientas son cruciales para evaluar si los productos cumplen con las
especificaciones establecidas, asegurando que solo aquellos que alcanzan el
estándar avancen en el proceso. Además, se introduce el uso de gráficos de
control u y c para contar defectos en unidades inspeccionadas, permitiendo una
evaluación más detallada de la calidad. En conjunto, estas cartas son esenciales
para mantener y mejorar la calidad en la producción, garantizando la estabilidad y
eficiencia del proceso manufacturero.

Gráficos de control por variables: x-R y x-S.

El objetivo básico de una carta de control es observar y analizar el
comportamiento de un proceso a través del tiempo. Así, es posible distinguir entre
variaciones por causas comunes y especiales (atribuibles), lo que ayudará a
caracterizar el funcionamiento del proceso y decidir las mejores acciones de
control y de mejora, cuando se habla de analizar el proceso nos referimos
principalmente a las variables de salida (características de calidad), pero las cartas
de control también pueden aplicarse para analizar la variabilidad de variables de
entrada o de control del proceso mismo.

1
En la figura 1.1 se muestra una típica carta de control en la cual se aprecia que el
objetivo es analizar de dónde a dónde varía (ver campana) y cómo varía el
estadístico W a través del tiempo y este estadístico puede ser una media muestral,
un rango, un porcentaje, etc. Los valores que va tomando W se representan por
un punto y éstos se unen con una línea recta, la línea central representa el
promedio de W. Los límites de control, inferior y superior definen el inicio y final del
rango de variación de W, de forma que cuando el proceso está en control
estadístico existe una alta probabilidad de que prácticamente todos los valores de
W caigan dentro de los límites, por ello, si se observa un punto fuera de los límites
de control, es señal de que ocurrió algo fuera de lo usual en el proceso. Por el
contrario, si todos los puntos están dentro de los límites y no tienen algunos
patrones no aleatorios de comportamiento, que veremos más adelante, entonces
será señal de que en el proceso no ha ocurrido ningún cambio fuera de lo común,
y funciona de manera estable (que está en control estadístico). Así, la carta se
convierte en una herramienta para detectar cambios en los procesos

FIGURA 1.1 IDEA Y ELEMENTO DE UNA CARTA DE CONTRO

2
Tipos de cartas de control

Existen dos tipos generales de cartas de control: para variables y para atributos.
Las cartas de control para variables se aplican a características de calidad de tipo
continuo, que intuitivamente son aquellas que requieren un instrumento de
medición (peso, volumen, voltaje, longitud, resistencia, temperatura, humedad,
etc.). Las cartas para variables tipo Shewhart más usuales son:

• X– (de medias).

• R (de rangos).

• S (de desviaciones estándar).

• X (de medidas individuales).

Carta de control X-R

Existen muchos procesos industriales considerados de tipo “masivo”, en el sentido
de que producen muchos artículos, partes o componentes durante un lapso
pequeño. Por ejemplo: líneas de ensamble, máquinas empacadoras, procesos de
llenado, operaciones de soldadura en una línea de producción, moldeo de piezas
de plástico, torneado de una pieza metálica, el corte de una tira en pedazos
pequeños, etc. Algunos de estos procesos realizan miles de operaciones por día,
mientras que otros efectúan varias decenas o centenas. En ambos casos se está
ante un proceso masivo. Si, además, las variables de salida de interés son de tipo
continuo, entonces estamos ante el campo ideal de aplicación de las cartas de
control X– -R La idea es la siguiente: imaginemos que a la salida del proceso
fluyen (uno a uno o por lotes) las piezas resultantes del proceso, como se ilustra
en la figura 1.2, cada determinado tiempo o cantidad de piezas se toma un número
pequeño de piezas (subgrupo) a las que se les medirá una o más características
de calidad. Con las mediciones de cada subgrupo se calculará la media y el rango,
de modo que cada periodo de tiempo (media hora, por ejemplo) se tendrá una
media y un rango muestral que aportarán información sobre la tendencia central y
la variabilidad del proceso, respectivamente. Con la carta X se analiza la variación

3
entre las medias de los subgrupos, para detectar cambios en la media del
proceso, como los que se muestran en la figura 1.3. Mientras que con la carta R
se analiza la variación entre los rangos de los subgrupos, lo cual permite detectar
cambios en la amplitud o magnitud de la variación del proceso, como se ilustra en
la figura 1.4. Con respecto a las figuras 1.3 y 1.4, al afirmar que el proceso es
estable se está diciendo que es predecible en el futuro inmediato y, por lo tanto, la
distribución o comportamiento del proceso no necesariamente tiene la forma de
campana como se sugiere en las figuras referidas. Éstas pueden ser una curva
con sesgo o incluso otras formas más inusuales, claro que, si la forma es poco
usual, se recomienda investigar la causa.

FIGURA 1.3La carta X – detecta cambios significativos en la media del proceso.

Cuando la curva se desplaza la carta manda una o varias señales de fuera de
control

FIGURA 1.4 La carta X – detecta cambios signifi cativos en la media del proceso.
Cuando la curva se desplaza la carta manda una o varias señales de fuera de
contro

4
l

Ejemplo

En una empresa del ramo metalmecánico se fabrican punterías para motores de

automóviles. Cierta puntería debe tener un diámetro exterior de 20 000 micras
(μm); donde 1 μm es igual a 0.000001 m, con una tolerancia de +- 25 μm. De esta
manera, si a las mediciones del diámetro se les resta el valor nominal deseado,
entonces las especificaciones serán EI = −25 y ES = 25. Para evaluar la
estabilidad del proceso se realiza un estudio inicial, donde es usual obtener por lo
menos de 20 a 25 subgrupos (muestras) de tamaño pequeño (entre 5 y 10 por lo
general). Además, estos subgrupos deben estar espaciados, de forma que capten
el funcionamiento del proceso en un periodo suficientemente amplio para que se
capten diferentes cambios en el proceso (turnos, lotes, etc.). En el caso de las
punterías, cada hora se mide el diámetro de cinco de éstas y en la tabla 1.1 se
muestran los datos de cuatro turnos (dos días). Para evaluar la estabilidad de la
tendencia central se analizará la variación de la columna de medias de la tabla 1.1
mediante la carta X, y de la misma manera mediante la carta R se analizará la
columna de rangos para investigar la estabilidad de la variación del diámetro de
las punterías, sin embargo, primero se necesitan calcular los límites de control.

5
TABLA 7.1 Datos para diámetro de punterías, ejemplo 7.2

Límites de control
Valores que se calculan a partir del conocimiento de la variación de un proceso, de
tal forma que, entre estos, caiga el estadístico que se grafica en la carta mientras
el proceso permanece sin cambios importantes.

Interpretación de los límites de control en una carta X

Estos límites reflejan la variación esperada para las medias muestrales de tamaño
n, mientras el proceso no tenga cambios importantes. Por ejemplo, en el caso del
diámetro de las punterías se espera que las medias del diámetro de 5 punterías

6
varíen de −14.59 a 15.7 μm. De esta manera, estos límites son utilizados para
detectar cambios en la media del proceso y evaluar su estabilidad, de ninguna
manera se deben utilizar para evaluar la capacidad, puesto que estos límites de
control no son los de especificaciones o tolerancias, ya que mientras que los
primeros se han calculado a partir de la información del proceso, las
especificaciones son fijadas desde el diseño del producto. Los límites de control
en una carta de medias tampoco son iguales a los límites reales o naturales del
proceso, ya que como vimos en el capítulo 2, estos últimos están dados por:

Límite real superior = μ + 3σ

Límite real inferior = μ − 3σ

FIGURA 1.5 Carta de medias para el diámetro de las punterías.

y reflejan la variación esperada para las mediciones individuales (el diámetro de

cada puntería), y no para la media de n punterías. De hecho, si se compara la
fórmula (1.2) para los límites de control de la carta X con la fórmula anterior para
calcular los límites reales, se ve que sólo coinciden cuando el tamaño de subgrupo
es igual a 1 (n = 1). Así, los límites reales para el diámetro de las punterías se
pueden obtener estimando la desviación estándar del proceso, σ, a través del
método de rangos:

7
luego, los límites reales son: 0.59 +-} 3(11.3); con LRI = −33.3 y LRS = 34.5. Así,
se espera que el diámetro de cada puntería en lo individual varíe de –33.3 a 34.5
μm, que por cierto exceden las especificaciones (EI = −25, ES = 25) y, por lo tanto,
el proceso es incapaz, como también puede verse con el índice Cp = 50/(6*11.3) =
0.74. La interpretación correcta de los límites de control es de especial relevancia
para una adecuada aplicación de la carta X, ya que de lo contrario se caerá en el
error de confundir los límites de control con las especificaciones o con los límites
reales. Por lo general, estos errores provocan que se trate de utilizar la carta para
evaluar capacidad, cuando se debe usar para analizar estabilidad y detectar de
manera oportuna cambios en la media del proceso.

Por último, aunque los límites de control de una carta X se deducen a partir del
supuesto de normalidad, si la característica de calidad tiene desviaciones
moderadas de la normalidad, la carta X se puede seguir aplicando debido al
teorema central del límite respecto, existen varios estudios que han concluido la
robustez a la suposición de normalidad.

Interpretación de los límites de control en una carta R

Estos límites reflejan la variación esperada para los rangos muestrales de tamaño
n, mientras que el proceso no tenga un cambio significativo. Por ejemplo, en el
caso del diámetro de las punterías, se espera que los rangos de los subgrupos de
cinco punterías varíen de 0 a 55.6 micras. Estos límites son utilizados para
detectar cambios en la amplitud o magnitud de la variación del proceso y para ver
qué tan estable permanece a lo largo del tiempo, pero de ninguna manera se debe
utilizar para evaluar la capacidad.

8
FIGURA 7.6 Carta de rangos para el diámetro de las punterías

Estado del proceso en cuanto a capacidad y estabilidad

En el caso del diámetro de las punterías, a partir de las figuras 1.5 y 1.6 se
concluye que el proceso es estable (o que está en control estadístico). Pero como
se vio, el Cp = 0.74 < 1, así que el proceso es incapaz de cumplir
especificaciones. Por lo tanto, el proceso correspondiente es considerado
establemente incapaz (es decir, establemente malo), por lo que se deben hacer
análisis en busca de detectar fuentes de variación que de manera permanente
estén en el proceso, como exceso de variación en materiales, en gente o en
alguna de las 6 M.

Carta X -S
Diagrama para variables que se aplican a procesos masivos, en los que se quiere
tener una mayor potencia para detectar pequeños cambios, por lo general, el
tamaño de los subgrupos es n > 10.

Límites de control de la carta S

9
A cada subgrupo se le calcula S, que, al ser una variable aleatoria, sus límites se
determinan a partir de su media y su desviación estándar. Por ello, los límites se
obtienen con la expresión:

donde μS representa la media o valor esperado de S, y σS la desviación estándar

de S, y están dados por.

donde σ es la desviación estándar del proceso y c4 es una constante que depende

del tamaño de subgrupo y está tabulada en el apéndice. Como por lo general en
un estudio inicial no se conoce σ, ésta puede estimarse, pero ya no a través del
método de rangos, sino ahora con:

donde S es la media de las desviaciones estándar de los subgrupos. La razón de

que σ no se estime de manera directa con el promedio de las desviaciones
estándar, es que S no es un estimador insesgado de σ, es decir, la esperanza
matemática de S ,E(S) no es igual a σ, más bien, E(S) = c4σ. Por ello, al dividir S
entre la constante c4, se convierte en un estimador insesgado, de esta manera,
los límites de control para una carta S están dados por:

10
La forma en la que ahora se estimó σ, modifica la forma de obtener los límites de
control en la carta X cuando ésta es acompañada de la carta S. En este caso se
ob tienen de la siguiente manera:

Interpretación de los límites de control en una carta S

Estos límites reflejan la variación esperada para las desviaciones estándar de

muestras de tamaño n, mientras el proceso no tenga cambios importantes y, por lo
tanto, son útiles para detectar cambios significativos en la magnitud de la variación
del proceso.

EJEMPLO

En la elaboración de envases de plástico primero se elabora la preforma, para la

cual se tienen varios criterios de calidad, uno de ellos es el peso de la preforma.
Para cierto envase, el peso debe estar entre 28.00 +-} 0.5 g. Cada media hora se
toma un subgrupo de 10 preformas y se pesan. Las medias y desviaciones
estándar de los últimos 20 subgrupos se muestran enseguida:

Medias

28.048 28.042 27.985 27.968 28.044 28.162 27.981

27.985 28.024 27.973 28.021 28.026 28.004 27.993

27.949 28.028 27.99 28.004 27.997 28.014

Desviaciones estándar

0.1343 0.1596 0.0846 0.0868 0.1086 0.1029 0.1241

11
0.1010 0.0924 0.1049 0.1157 0.1127 0.0841 0.1090

0.1285 0.1116 0.0927 0.1691 0.1083 0.1031

En la fi gura 1.7 se presenta la carta X-S para estos datos, los límites se muestran
en la carta correspondiente, y se obtuvieron considerando que la media de las
medias fue igual a 28.01, la media de las desviaciones estándar fue igual a 0.1117
y del apéndice se obtiene que para n = 10, la constante c4 = 0.9727. Así, al aplicar
las fórmulas indicadas antes se obtienen los límites que se muestran en la fi gura
1.7. Además, se obtiene la desviación estándar del proceso σˆ = 0.1117/0.9727 =
0.1148. De la carta X se observa que la media del subgrupo 6 fue mayor que el
límite de control superior, lo cual indica que cuando se obtuvieron los datos de ese
subgrupo el proceso estaba operando con una causa especial de variación, que
provocó un desplazamiento del promedio del proceso. No se sabe de qué
magnitud fue ese desplazamiento, puesto que sólo se han obtenido 10 datos, pero
existe una alta seguridad de que durante ese momento se desplazó la media del
proceso. El comportamiento del proceso en los subsecuentes subgrupos muestra
que, al parecer, esa causa especial dejó de actuar. En cuanto a la carta S, no se
muestra ningún punto fuera de sus límites, ni algún patrón especial, por lo que la
magnitud de la variación del proceso se mantuvo durante este tiempo.

FIGURA 7.7 Carta X —-S para el ejemplo 7.3.

12
GRAFICOS DE CONTROL DE ARTICULOS DESFECTUOSOS: P Y NP
Cartas de control para atributos

Cartas p y np (para defectuosos)

La calidad de los productos es un aspecto fundamental en cualquier proceso de
manufactura, y se mide a través de diversas características que determinan si un
artículo cumple con las especificaciones establecidas. En este contexto, los
productos son clasificados como defectuosos o no defectuosos, lo que significa
que pueden ser conformes o no conformes a los criterios de calidad. Cuando un
producto no alcanza el estándar deseado, se le niega el paso a la siguiente etapa
del proceso y es segregado como un artículo defectuoso. Para gestionar y
monitorear estos aspectos de calidad, se utilizan herramientas estadísticas como
las cartas de control P y NP. Estas cartas son esenciales en el control estadístico
de procesos (CEP), ya que permiten a las organizaciones evaluar la calidad de
sus productos y procesos. A continuación, exploraremos cómo cada una de estas
cartas contribuye al mantenimiento y mejora de la calidad en la producción.

A continuación, se explicara para se utiliza cada carta y cómo podemos generar

graficas con las mismas:

Carta p (proporción de defectuosos)

En esta carta se muestran las variaciones en la fracción o proporción de artículos
defectuosos por muestra o subgrupo. La carta p (proporción de defectuosos) es
ampliamente usada para evaluar el desempeño de una parte o de todo un
proceso, tomando en cuenta su variabilidad con el propósito de detectar causas o
cambios especiales en el proceso. La idea de la carta es la siguiente:

• De cada lote, embarque, pedido o de cada cierta parte de la producción, se toma

una muestra o subgrupo de ni artículos, que puede ser la totalidad o una parte de
las piezas bajo análisis.

• Las ni piezas de cada subgrupo son inspeccionadas y cada una es catalogada

como defectuosa o no. Las características o atributos de calidad por los que una
pieza es evaluada como defectuosa, pueden ser más de uno. Una vez

13
determinados los atributos bajo análisis, es preciso aplicar criterios y/o análisis
bien definidos y estandarizados.

• Si de las ni piezas del subgrupo i se encuentra que di son defectuosas (no

pasan), entonces en la carta p se gráfica y se analiza la variación de la proporción
pi de unidades defectuosas por subgrupo

Para calcular los límites de control se parte del supuesto de que la cantidad de
piezas defectuosas por subgrupo sigue una distribución binomial, y a partir de esto
se aplica el mismo esquema general, el cual señala que los límites están dados
por μw ± 3σw la media, más menos tres desviaciones estándar del estadístico W
que se grafica en la carta. Por lo tanto, en el caso que nos ocupa W = pi . Así, de
acuerdo con la distribución binomial se sabe que la media y la desviación estándar
de una proporción están dadas, respectivamente, por:

donde n es el tamaño de subgrupo y p es la proporción promedio de artículos

defectuosos en el proceso. De acuerdo con esto, los límites de control de la carta
p con tamaño de subgrupo constante, están dados por:

Cuando el tamaño de subgrupo n no se mantiene constante a lo largo de las

muestras se tienen dos alternativas: la primera es usar el tamaño promedio de
14
subgrupo n _, en lugar de n. La segunda es construir una carta de control con
límites variables que comentaremos más adelante. Si el promedio del proceso
medido a través de p_ es desconocido, entonces será necesario estimarlo por
medio de un estudio inicial

EJEMPLO

En una empresa del ramo alimenticio, mediante ciertas máquinas se empaquetan

salchichas en sobres o paquetes. Un problema que se ha tenido es que dentro del
sobre queda aire (falta de vacío). 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 vacío es importante
debido a que si un paquete con aire llega al mercado, la vida de 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. Esta situación repercute en clientes insatisfechos y genera una
mala imagen de la compañía. Por lo anterior, a los operadores de las diferentes
máquinas continuamente se les recordaba la importancia de no dejar pasar
paquetes con aire. Sin embargo, como no se llevaba un registro de la magnitud del
problema, no existían bases tangibles para detectar cambios en el desempeño de
las máquinas, ni había forma de saber si las medidas tomadas para reducir el
problema habían dado resultado. De ahí surgió la necesidad de registrar los
resultados y analizarlos mediante una carta de control. Cada hora se registra el
número de paquetes detectados con aire di y del contador de la máquina se
obtiene el total de paquetes ni durante esa hora. Los datos obtenidos durante tres
días en una máquina se muestran en la tabla 2.1.

15
TABLA 2.1 Datos para el proceso de empaquetado de salchichas.

Es claro que el problema de falta de vacío es del tipo pasa-no pasa; por lo tanto,
para analizar la variación de las proporciones de la tabla 2.1 se debe aplicar la
carta p. Para calcular los límites de control provisionales se necesita calcular la
proporción promedio p – y el tamaño de subgrupo promedio n –, que corresponde
al número promedio de salchichas empaquetadas por hora. De la tabla 2.1 se
obtiene que el número total de paquetes inspeccionados fue de 23 942, y de
éstos, 257 tuvieron el problema de falta de vacío, por lo que la proporción
promedio de paquetes defectuosos está dada por:

Y como:

16
entonces los límites de control están dados por

Pero como el límite de control inferior no puede ser negativo debido a que las
proporciones siempre son mayores o iguales a cero, entonces se toma LCI = 0. La
carta p con estos límites se muestra en la figura 2.1. En ésta se aprecia que el
proceso de empaquetado no fue estable, ya que las proporciones de los
subgrupos 1, 12 y 36 rebasan el LCS. De aquí se desprende que durante el
empaquetado de esos subgrupos el proceso funcionó en presencia de causas o
situaciones especiales que por lo general no están presentes en el proceso, y que
causaron que la proporción de defectuosos fuera anormalmente grande. Además
de lo ya considerado, no hay ningún otro patrón no aleatorio en la carta.

Al investigar lo ocurrido en los subgrupos 1, 12 y 36 se encontró que durante esas

horas se cambió el rollo de la película plástica de empaque, ya sea porque se

17
terminó o porque se empezó a empaquetar otra presentación. Se investigó en
otras máquinas y se encontró una situación similar. A partir de esto se adquirió
conciencia de que no había un método estandarizado para cambiar la película,
pues cada operador usaba su criterio. Al consultar los manuales de las máquinas
empaquetadoras se descubrió que ahí se daban instrucciones y recomendaciones
precisas para cambiar la película y se advertía que en caso de no seguirlas se
podrían tener problemas de falta de vacío. Se procedió a diseñar un método para
cambiar la película y dar el entrenamiento correspondiente a los operadores. Con
ello se espera que esos incrementos “bruscos” del problema no se vuelvan a
presentar. Lo curioso del asunto es que los operadores sabían que cuando
cambiaban la película debían estar más alertas, ya que se detectaban más
paquetes con falta de vacío. Sin embargo, esta situación fue ignorada por quienes
en la planta podían generar soluciones e implantar un método estándar, y si los
operadores se lo llegaban a comentar a una de esas personas la respuesta era:
“debes tener mucho cuidado”. Sólo el registro sistemático de los resultados del
proceso y su análisis mediante la carta de control generó la evidencia objetiva de
que recién cambiada la película el proceso funcionaba peor.

En el estudio inicial del ejemplo de las salchichas se identificaron las causas de los
puntos especiales; entonces, para calcular los límites que se usarán a futuro en
este proceso es preciso excluir de los cálculos las proporciones de los subgrupos
1, 12 y 36. Si se procede de esta manera, se obtiene que:

Por lo que los límites a usar a futuro son:

18
Interpretación de los límites de control de la carta p
Un aspecto importante en el uso de la carta de control p es la interpretación de sus
límites. Por ejemplo, en el caso particular de los últimos límites (que en el futuro se
utilizarán en el proceso de empaquetado de salchichas), muestran que de cada
599 sobres se espera que, de forma ordinaria, la proporción de paquetes con
problemas de vacío varíe entre 0.0 y 0.021, con un promedio de 0.0095. Si estos
límites se multiplican por 100, se pueden interpretar en términos porcentuales de
la siguiente manera: se espera que el porcentaje de sobres con aire varíe entre
0.0 y 2.1%, con un promedio de 0.95%. Los límites de control reflejan la realidad
del proceso. Así que mientras la proporción de defectos siga cayendo dentro de
los límites de control y no haya ningún otro patrón especial, será señal de que el
proceso funciona igual que siempre; bien o mal, pero su desempeño se encuentra
dentro de lo previsto. Por lo tanto, si en una hora en particular no se detectan
sobres con aire, no será evidencia de que el proceso ha mejorado; pero tampoco
si se detectan 2.0% paquetes con problemas significa que ha empeorado. En
ambos casos, lo único que ocurre es una variación natural del proceso. De
acuerdo con lo anterior, si no hay puntos fuera o patrones especiales, el proceso
estará en control estadístico (estable). Pero su desempeño se encuentra lejos de
ser satisfactorio, ya que el porcentaje promedio de defectos es relativamente alto
0.95% (que equivale a un Cp = 0.85. Por ello, es necesario generar un proyecto de
mejora mediante el cual se encuentren las causas comunes más importantes que
están generando el problema. Lo dicho antes para la interpretación de los límites
de control sirve de base para prevenir al usuario de las cartas p de no caer en el
error de fijar los límites de control para la carta p de acuerdo con las metas o los
deseos. Por ejemplo, a alguien se le podría ocurrir que una meta razonable en el
problema de las salchichas es buscar que el porcentaje máximo de defectuosos
sea de 1.5% y, por lo tanto 1.5% (o 0.015) debe ser el LCS para la carta p. Lo

19
anterior es un grave error, ya que fijar el límite de forma arbitraria no modifica la
realidad, pero sí obstaculiza entenderla puesto que en el futuro no se tendría una
base objetiva para identificar cambios especiales en el proceso. Más bien lo que
se tiene que hacer si se quiere cumplir la meta es generar un verdadero proyecto
de mejora que atienda las causas de fondo del problema y la actual carta de
control, con sus límites calculados y no impuestos servirá para evaluar si el plan
de mejora dio resultado. Una vez que se verifique que la realidad cambió y mejoró,
se procede a realizar un nuevo estudio para determinar los nuevos límites de
control que reflejen la nueva realidad del proceso. En ocasiones, debido a que
resulta más intuitivo para la administración el uso de porcentajes en lugar de
proporciones se multiplica por 100 toda la escala de la carta p, y se obtiene lo que
suele identificarse como carta 100p. En ésta, se registra el porcentaje en lugar de
la proporción de artículos defectuosos.

Carta p con límites variables

Existen procesos en los que se aplica una carta p, donde el tamaño de subgrupo
ni es muy variable, debido a que está asociado con tamaños de lotes o alguna otra
circunstancia que hace impráctico trabajar con el mismo tamaño de subgrupo
como referencia. El problema en estos casos es que los límites de control
dependen del valor de ni, ya que un número pequeño de éste hace que los límites
sean más amplios y viceversa: un valor grande de ni hace que los límites de la
carta p sean más estrechos. Para atender esta situación de ni variable se tienen
las siguientes tres alternativas:

• Utilizar tamaño de subgrupo promedio n _ para calcular los límites de control,

como se ilustró en el ejemplo 2.1. Esta alternativa se recomienda cuando la
variación entre los tamaños de subgrupo no es demasiada (menor a 20% es
aceptable). En el caso del ejemplo 2.1, los tamaños de subgrupo varían entre 588
y 608, con un promedio de 599; por lo tanto, la discrepancia entre el mínimo y el
promedio es (1 − (588/599)) × 100 = 1.84%, mientras que la existente entre el
máximo y el promedio es ((608/599) − 1) × 100 = 1.50%. De manera que en este
caso es adecuado usar límites con tamaño de subgrupo promedio.

20
• Cuando la alternativa anterior no es aplicable o cuando se quieren conservar las
características probabilísticas de la carta de control se utiliza la carta p con límites
variables, cuyos límites de control van cambiando su amplitud dependiendo del
tamaño de cada subgrupo ni. Para el valor ni los límites están dados por:

Es evidente que los límites de control variables pueden dificultar la aplicación de

los patrones especiales para la interpretación de las cartas presentadas.

• El problema de la alternativa anterior es que para cada tamaño de subgrupo es

necesario calcular límites de control y, con base en éstos, juzgar el estado del
proceso para ese subgrupo. De manera que es recomendable llevar esta carta
apoyándose en una computadora. Una forma de superar la situación de tener
diferentes límites de control es usar una carta p normalizada o estandarizada, en
la cual, en lugar de graficar la proporción muestral pi, se grafica la proporción
estandarizada

La línea central en esta carta es igual a cero, mientras que los límites de control
inferior y superior son –3 y 3, respectivamente.

Carta p con tamaño de subgrupo muy grande

La amplitud de los límites de control de una carta p es inversamente proporcional

a la raíz cuadrada del tamaño de muestra o subgrupo, n. Por ello, cuando n es
muy grande los límites se estrechan demasiado, de tal forma que las proporciones
con pequeñas desviaciones con respecto al promedio de artículos defectuosos

21
caen fuera de los límites. Esto puede llegar al extremo de que ningún punto caiga
dentro de los límites, situación en que la carta p resulta de nula utilidad práctica.
La alternativa en este caso es analizar las proporciones mediante una carta de
individuales, en la que el valor de pi se toma como si fuera una variable numérica
continua y sin considerar el valor de n con que se obtuvo pi. Con esta estrategia
sólo se detectan variaciones medianas y grandes en la proporción de artículos
defectuosos.

Carta np (número de defectuosos)

En ocasiones, cuando el tamaño de subgrupo o muestra en las cartas p es
constante, es más conveniente usar la carta np, en la que se grafica el número de
defectuosos por subgrupo di, en lugar de la proporción. Los límites de control para
la carta np se obtienen estimando la media y la desviación estándar de di, que
bajo el supuesto de distribución binomial están dadas por

donde n es el tamaño de subgrupo y p – es la proporción promedio de artículos

defectuosos. De aquí que los límites de control de la carta np estén dados por:

Del análisis de los datos de inspecciones y pruebas finales de un producto

ensamblado se detectó a través de una estratificación y un análisis de Pareto que
la causa principal por la que los artículos salen defectuosos está relacionada con
los problemas de un componente en particular (el componente k12). Por lo tanto,
se decide analizar más de cerca el proceso que produce tal componente. Para
ello, de cada lote de componentes k12 se decide inspeccionar una muestra de n =
120. Los datos obtenidos en 20 lotes consecutivos se muestran en la tabla 2.2.
Como n es constante, la cantidad de defectuosos por muestra se puede analizar
con una carta np. Para obtener sus límites, primero se estima p–, que se obtiene

22
de dividir el total de artículos defectuosos (183) entre el total de piezas
inspeccionadas (20 muestras de 120 piezas cada una), es decir,

Con lo cual, los límites de control están dados por:

La carta np resultante se muestra en la fi gura 2.2, donde se aprecia que el

proceso no funcionó de manera estable, ya que el número de piezas defectuosas
en la muestra del lote 12 es mayor que el límite superior; mientras que en la
muestra del lote 16 el número de defectuosos es menor que el límite inferior. De
aquí que se tenga una evidencia objetiva para afirmar que en la fabricación del
lote 12 se presentó una causa o situación especial que normalmente no está
presente en el proceso y que lo empeoró de forma seria; mientras que en el lote
16 ocurrió una causa especial que mejoró el desempeño del proceso de
fabricación de componentes k12. Es necesario localizar ambas causas, ya que así
se estará en posibilidades de prevenir la primera, y en caso de no haber un error
en el registro de los datos, fomentar la segunda.

TABLA 2.2 DEFECTOS DE COMPONENTES K12

23
En ocasiones, en un estudio inicial como el realizado en el ejemplo 2.2 es difícil
localizar las causas especiales si es que las hubo, ya que ocurrieron en el pasado.
Sin embargo, una vez que se establecen los límites de control y en la carta se van
graficando las cantidades de piezas defectuosas inmediatamente después que se
obtienen, será más fácil localizar las causas especiales que ocurran, ya que se
analizará el proceso en tiempo presente. Los límites de control que se usarán a
futuro en la carta np para los componentes k12 pueden ser los mismos que se
obtuvieron, ya que éstos se encuentran afectados por un punto máximo y otro
mínimo, por lo que de alguna manera se compensan, además de que no se
encontraron las causas especiales.

Interpretación de los límites de control de la carta np

Los límites de la carta np indican qué tanto varía la cantidad esperada de piezas
defectuosas por cada n artículos inspeccionados. Por ello, en el caso del ejemplo
2.2 se espera que, de cada muestra de 120 componentes inspeccionados, el
número de rechazados varíe entre 0.43 y 17.87, con un promedio de 9.15. Estos
límites reflejan la realidad del proceso de acuerdo con cómo se muestrea. Si bien
el uso de la carta permitirá eventualmente detectar la presencia de causas
especiales que afecten el proceso, se anticipa que, aunque tales causas se
eliminen y se logre un proceso estable, la cantidad de piezas defectuosas seguirá
siendo relativamente grande, dado el nivel promedio de rechazos observados. Por

24
ello, y dado que se ha observado el proceso en un lapso pequeño, éste se
cataloga de manera preliminar como inestable e incapaz, por lo que se deberá
aplicar la estrategia sugerida.

Carta p frente a carta np

Si el tamaño del subgrupo es variable se tendrá que optar por la carta p, pero si el
tamaño de subgrupo es constante estas cartas son la misma, salvo un cambio de
escala. Por ejemplo, para convertir la carta np de la figura 2.2 en una carta p,
basta con dividir la escala entre el tamaño de muestra (120). De aquí que cuando
se quieren analizar las variables del tipo pasa-no pasa en un proceso y se toman
muestras de tamaño constante, el criterio para elegir entre la carta p y la np es
según se prefiera entre proporción de defectuosos o número de defectuosos: en
ocasiones se considera que el número de defectuosos ofrece una cuantificación
más directa de la pérdida en dinero que se está teniendo en el proceso, lo cual
lleva a preferir la carta np en la que no es necesario calcular la proporción en cada
subgrupo. Por otra parte, con la carta p es más fácil evaluar en términos
porcentuales el nivel de defectuosos en el proceso, pero es necesario recordar el
tamaño del lote para tener una idea más precisa de la pérdida en que se está
incurriendo.

Modificación en el cálculo de los límites de control de las cartas p y np para

mejorar su aproximación a la normalidad

Los límites para las cartas p y np se fundamentan en la distribución binomial y en

su aproximación por la distribución normal. Se sabe que para tener una
aproximación razonable se requiere que np ≥ 5 y n(1 − p) ≥ 5. Por lo que cuando p
– o n son pequeños, no se cumplen tales requerimientos y la aproximación es
mala. Se propone una pequeña modificación en el cálculo de los límites de control,
que mejora la aproximación y permite aplicar con mayor amplitud y confianza los
diferentes criterios de interpretación de las cartas. Esta modificación consiste en
obtener el límite de control superior modificado (LCS*) de la carta np de la
siguiente manera:

25
donde EM[x] es la función mayor entero o igual que x, que a un número entero lo
deja igual, pero a un número no entero lo convierte en el entero inmediato mayor a
tal número. Por ejemplo, en el caso de la carta de control de la figura 2.2,
EM[17.872] = 18. Por lo tanto, LCS* = 18. La línea central se calcula de la forma
tradicional y el límite de control inferior modificado (LCI*) está dado por

donde S* se obtiene de dividir entre tres la distancia entre la línea central y el

LCS*, esto es,

De esta manera, las zonas de la carta de control tendrán una amplitud igual a S*.
Por su parte, el límite de control superior modificado (LCS´) para una carta p está
dado por

La línea central es p –, y el límite de control inferior modificado (LCI´) es

26
TABLA:2.3 ELEMENTOS PARA SELECCIÓN DE UN ACARTA DE CONTROL
POR ATRIBUTOS.

Gráficos de control de defectos: u y c.

Es frecuente que al inspeccionar una unidad (unidad representa un artículo, un

lote de artículos, una medida lineal —metros, tiempo—, una medida de área o de
volumen) se cuente el número de defectos que tiene en lugar de limitarse a
concluir que es o no defectuosa. Algunos ejemplos de unidades que se
inspeccionan para contar sus defectos son: una mesa, x metros de rollo
fotográfico, un zapato, z sartenes de teflón, una prenda de vestir, w metros
cuadrados de pintura, etc. Cada una de estas unidades puede tener más de un

27
defecto, suceso o atributo y no necesariamente se cataloga al producto o unidad
como defectuoso. Por ejemplo, un mueble quizá tenga algunos defectos en su
acabado, pero puede cumplir con relativa normalidad la función para la que fue
fabricado. Aunque se detecten defectos en la operación intermedia de un proceso,
la unidad inspeccionada podría pasar a la siguiente etapa, caso contrario de lo que
ocurre en las cartas p y np. Otro tipo de variables que también es importante
evaluar, que cuentan el número de eventos o sucesos en lugar de defectos, son
las siguientes: número de errores por trabajador, cantidad de accidentes, número
de quejas por mal servicio, número de nuevos clientes, cantidad de llamadas
telefónicas en un periodo de tiempo, clientes atendidos en un lapso, errores
tipográficos por página en un periódico, número de fallas de un equipo, etc. Note
que en estas variables la unidad de referencia es cierto periodo de tiempo o una
cantidad de actividades que se realizan.

Carta c
Su objetivo es analizar la variabilidad del número de defectos por subgrupo o
unidad con un tamaño de subgrupo constante, por lo tanto, las estimaciones de la
media y la desviación estándar de este estadístico están dadas por:

por ello, los límites de control de la carta c se obtienen con las expresiones

Ejemplo:

En una fábrica 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 es registrada con el fin de conocer y mejorar el
proceso. En la tabla 2.3 se muestran los defectos encontrados en las últimas 30
mesas, es claro que estamos ante una variable que debe ser analizada con la
carta c, debido a que una misma mesa puede tener varios defectos de diferente

28
tipo; además, los defectos son relativamente menores, y aunque influyen en la
calidad final del producto, no causan que la mesa sea rechazada.

TABLA 2.3 DATOS PARA EL EJEMPLO 2.3

De la tabla 2.3 se obtiene que el número promedio de defectos por unidad (mesa)
es:

por lo tanto, los límites de control de la carta c están dados por:

Observe que el LCI resulta negativo, pero como no puede haber cantidades
negativas de defectos, entonces el límite inferior se iguala a cero. La carta
obtenida se muestra en la fi gura 8.3, a partir de la cual se aprecia que el proceso
de producción de mesas estuvo funcionando de manera estable, ya que no hay

29
puntos fuera de los límites ni otro patrón no aleatorio. Por lo anterior, los límites de
control a usar en el futuro son esos mismos.

Interpretación de los límites de control de la carta c

Los límites de una carta c reflejan la variación esperada para el número de
defectos por subgrupo. En el caso del ejemplo 2.3 se espera que, de manera
ordinaria, el número de defectos por mesa varíe entre 0 y 14.0 con un promedio de
6.4. Estos límites no representan ni deben representar dónde se quiere que estén
los datos, más bien representan la realidad. Como las cantidades de defectos son
relativamente altas, se requiere un plan de acción que reduzca esta problemática y
una forma natural de empezar sería estratificar el problema, es decir, localizar el
tipo de defecto con mayor frecuencia y el área donde se presenta. En otras
palabras, la acción de mejora no debe partir de reaccionar ante lo que se observa
en una mesa, ya que no hay problemas especiales. Toda la problemática es
común a todas las mesas; por lo tanto, la acción parte de analizar todo el proceso
enfocándose en aquellos problemas con mayor recurrencia.

Carta u (número de defectos por unidad)

Cuando en el tipo de variables que se comentaron al inicio de esta sección (con
distribución Poisson), el tamaño del subgrupo no es constante, se usa la carta u,
en la cual se analiza la variación del número promedio de defectos por artículo o
unidad, en lugar del total de defectos en el subgrupo. Así, en esta carta, un
subgrupo lo forman varias unidades. De manera que para cada subgrupo se
gráfica,

30
donde ci es la cantidad de defectos en el subgrupo i y ni es el tamaño del
subgrupo i. Para calcular los límites es necesario estimar la media y la desviación
estándar del estadístico ui, que bajo el supuesto de que ci sigue una distribución
Poisson, resultan ser

Donde n es el tamaño de subgrupo. De esta manera, los límites de control en la

carta u están dados por:

Cuando n no es el mismo en todos los subgrupos, entonces se sustituye por el

tamaño promedio de subgrupo, n–. Otra alternativa es obtener una carta con
límites variables, en la que para cada subgrupo se calculan sus límites en función
del tamaño del subgrupo ni y con éstos se evalúa el proceso para tal subgrupo.

Ejemplo:

En una fábrica se ensamblan artículos electrónicos y al final del proceso se hace

una inspección por muestreo para detectar defectos relativamente menores. En la
tabla 2.4 se presenta el número de defectos observados en muestreos realizados
en 24 lotes consecutivos de piezas electrónicas. El número de piezas
inspeccionadas en cada lote es variable, por lo que no es apropiado aplicar la

31
carta c. Es mejor analizar el número promedio de defecto por pieza, ui, mediante
la carta u. Para calcular los límites de control a partir de la tabla 2.4, se tiene que:

Como el tamaño de subgrupo o muestra es variable, se tienen dos alternativas:

usar el tamaño de subgrupo promedio o construir una carta con límites variables.
Se harán ambas. El tamaño de subgrupo promedio se obtiene dividiendo el total
de unidades inspeccionadas (525) entre el número de subgrupos (24); de esta
manera, n– = 21.875. Con esto tenemos que los límites de control son:

La carta obtenida se muestra en la fi gura 2.4, en la que se observa que el proceso

no trabaja de manera estable, ya que en la muestra del lote 21 el número
promedio de defectos por pieza sobrepasa el límite de control superior. En la
fabricación de tal lote ocurrió alguna causa especial que empeoró la calidad de las
piezas. Es preciso identificar la causa para evitarla en el futuro. Además del punto
fuera de los límites no existe ningún patrón no aleatorio.

TABLA 2.4 DEFECTOS EN PEZAS ELECTRONICAS

32
FIGURA 2.4 CARTA U PARA DEFECTOSEN PIEZA ELETRONICA, EJEMPLO 2.4

Carta u con límites variables

Para construir una carta u con límites variables para los datos de la tabla 8.4 es
necesario calcular los límites de control para cada tamaño de subgrupo. Por
ejemplo, cuando se tiene un tamaño de muestra de 25, los límites para tales lotes
son:

Al calcular tantos límites como tamaños de muestra distintos, se obtiene la carta u

de la figura 2.5. La línea central es la misma, independientemente del tamaño de
subgrupo. En la carta se observa que además del punto correspondiente al lote
21, el del 10 también aparece fuera de control; aunque este último por el límite
inferior. De esta manera, en la fabricación del lote 10 ocurrió algo especial que
mejoró el desempeño del proceso. Nótese que en la carta con límites promedio de
la figura 2.4 no se había detectado esto, aunque tal punto sí estaba muy cerca del
límite inferior. Además, la amplitud de los distintos límites en la carta u es diferente
debido a que la discrepancia entre algunos tamaños de muestra con respecto al
tamaño promedio es grande en términos relativos; por ejemplo, entre 30 y 21.8 es
de 37% ((30/21.8) – 1).V

33
 FIGURA 2.5 CARTA U CON LIMITES VARIABLES PARA DEFECTOS EN
PIEZAS ELECTRONICAS

Carta u estandarizada
Otra alternativa a usar cuando los tamaños de subgrupo son muy distintos entre
sí, es construir una carta u estandarizada, en la cual, en lugar de graficar ui se
grafica la siguiente variable estandarizada:

La variable zi sigue aproximadamente una distribución normal estándar (μ = 0, σ =

1). Por lo tanto, la línea central en esta carta es igual a cero, y los límites de
control inferior y superior son –3 y 3, respectivamente.

CONCLUCION
En conclusión, los gráficos de control son herramientas poderosas que no solo
permiten identificar variaciones en los procesos, sino que también facilitan la
detección de problemas potenciales antes de que se conviertan en fallos
significativos. Al utilizar cartas de control adecuadas para diferentes tipos de datos y
defectos, las organizaciones pueden asegurar una producción más eficiente y
mantener altos estándares de calidad, lo que es vital para su éxito a largo plazo.
 Fuente:
Gutiérrez Pulido, H., & de la Vara Salazar,
34 R. (2009). Control estadístico de calidad
y seis sigmas (2ª ed.), Capitulos: 7,8. McGraw-Hill.

35