NOMBRE DE LA PRÁCTICA

PROMEDIO Y RANGO

1
Preparado por Fabián Restrepo.
 1 OBJETIVO

Simular un sistema de producción para poder estudiar las circunstancias que permitan el
control de procesos por variables y la construcción de los gráficos de control por variables
para promedio y rango. El grupo debe definir los términos: gráfico de control por variables,
control de promedios, control de rangos, situación fuera de control, situación bajo control,
variación especial y variación natural.

2 MARCO TEÓRICO

El método de la gráfica de control

Una gráfica de control es un método estadístico que distingue entre la variación natural y
la no natural. La variación no natural es el resultado de causas asignables. En general,
pero no siempre, requiere acciones correctivas por parte del personal cercano al proceso,
como operadores, técnicos, empleados, trabajadores de mantenimiento y supervisores de
primera línea.

Para indicar cuándo las variaciones observadas en la calidad son mayores que las que
causaría la casualidad, se usa el método de análisis y presentación de datos llamado
gráfica de control. El método de la gráfica de control para variables es un medio de
visualizar las variaciones que se presentan en la tendencia central y en la dispersión de
un conjunto de observaciones. Es un registro gráfico de la calidad de determinada
característica. Muestra si el proceso está o no en un estado estable.

La variación natural es el resultado de causas fortuitas. Se necesita la intervención de la

administración para mejorar la calidad. A este respecto, entre 80 y 85% de los problemas
con la calidad se deben a la administración o al sistema, y de 15 a 20% se deben a las
operaciones.

La gráfica de control sirve para tener un registro continuo de determinada característica

de calidad. Es una fotografía del proceso a través del tiempo. Cuando se completa la
gráfica, se sustituye por una nueva y la gráfica llena se guarda en un archivo en la oficina.
La gráfica se usa para mejorar la calidad del proceso, para determinar la capacidad del
proceso, para ayudar a determinar especificaciones efectivas, para determinar cuándo
dejar al proceso por sí solo, y cuándo hacer ajustes, y para investigar las causas de la
calidad inaceptable o marginal.

Con frecuencia, los límites de control se confunden con los límites de especificación, que
son los límites admisibles de una característica de calidad de cada unidad individual de un
producto. Sin embargo, los límites de control se usan para evaluar las variaciones en la
calidad de un subgrupo a otro. Por lo anterior, para la gráfica, los límites de control son
función de los promedios de subgrupo. Una distribución de frecuencias de los promedios
de subgrupo se puede determinar con su promedio y desviación estándar
correspondientes.

2
Preparado por Fabián Restrepo.
Los límites de control se suelen establecer en ±3 desviaciones estándar de la línea
central. Recuerde, de la descripción de la curva normal, que la cantidad de elementos
entre +3s y -3s es igual a 99.73%. Entonces, se espera que más de 9973 veces de 10000,
los valores de subgrupo caigan entre los límites superior e inferior; cuando eso sucede, se
considera que el proceso está bajo control. Cuando un valor de subgrupo cae fuera de los
límites, se considera que el proceso está fuera de control, y que hay una causa asignable
de la variación. Hay otras clases de condiciones de fuera de control que se describirán
más adelante. También es cierto que la condición de fuera de control se pueda deber a
una causa fortuita o casual, lo cual puede suceder 27 veces de cada 10000. La longitud
promedio de corrida (ARL, de average run length) para que se presente una causa fortuita
se presenta a las 370 unidades (10000 / 27).

En la práctica, las gráficas de control se colocan en lugares visibles de los centros de

trabajo para controlar determinada característica de la calidad. En general, se usan juntas
una gráfica X para el control de la tendencia central, y una gráfica R para la dispersión. La
frecuencia con que el operador inspecciona un producto en determinado centro de
trabajo, está determinada por la calidad del producto. Cuando el proceso está bajo control
y no se encuentran dificultades, puede requerir menos inspecciones; y al revés, cuando el
proceso está fuera de control o durante el arranque, se podrán necesitar más
inspecciones. La frecuencia de inspección en un centro de trabajo se puede determinar
también por la cantidad de tiempo que debe dedicarse a las actividades que no sean de
inspección.

Gráficos de control por variable, Gráficas X y R

Este tipo de gráficas utiliza el valor promedio de las medias muestrales y el rango medio
de dispersión de las mismas son las más utilizadas por la sencillez del cálculo de “R” y
porque al tomar tamaños de muestra pequeños, la eficiencia de “R” y “s” es la misma.

La construcción se inicia con la toma de muchas muestras pequeñas (20 muestras como
mínimo), de igual tamaño y de 4, 5 o 6 observaciones cada una, las razones que justifican
el uso de subgrupos son:
• El subgrupo es más homogéneo, ya que las pocas observaciones corresponden a
un mismo instante. Esto permite detectar con facilidad las variaciones en el proceso a lo
largo del tiempo mediante la variación entre las medias de los diferentes subgrupos.
• La toma de muestras pequeñas varias veces en vez de tomar una grande rara vez
permite identificar más fácilmente la causa asignable cuando el proceso cae “fuera de
control”.

Análisis de las gráficas

Una vez que el diagrama ha sido construido pueden ocurrir las siguientes situaciones:
1. Que todos los puntos muestrales, tanto del gráfico para la media como del gráfico
para el rango, estén dentro de los límites de control. En este caso se puede decir que no
hay evidencia significativa para decir que el proceso no está bajo control.

Sin embargo ya que el gráfico de control en el fondo es una prueba de hipótesis con una
probabilidad alta de error tipo ii, existen algunos detalles que se pueden interpretar como
falta de control. Algunos de estos síntomas son:
a. Tendencias o desplazamiento continuo en una dirección, tanto de la media como
del rango. (Esto podría interpretarse como un desgaste de una maquinaria).
3
b. siete o más puntos consecutivos de un mismo lado constituyen una seria
sospecha de que el proceso está fuera de control.
c. Existencia de patrones cíclicos, que revelen que cada cierto tiempo se produce un
cambio en la ubicación de los puntos con respecto a la línea central. Pueden interpretarse
como fatiga de operario, cambios de turno, encendido y apagado de maquinaria, ciclo de
mantenimiento, etc.
d. Correlación entre los valores de la media y del rango. Cuando el proceso está bajo
control el valor de la media y el rango para una misma muestra son independientes

2. Que alguno de los puntos muestrales se salga de los límites de control. En este
caso se ha detectado una causa asignable y debe iniciarse una investigación que
concluya en su identificación. Después esta muestra puede ser extraída del conjunto de
datos y se recalculan los límites del proceso.

3 MATERIALES

Banda transportadora
Tolva de llenado con válvula manual
Sistema de control de avance
Resina plástica, pellet
Tarros plásticos
Tapas plásticas
Algodón
Etiquetas
Cajas de cartón para empacar
Balanzas grameras
Calibrador o pie de rey

4 PARTICIPANTES

Cada uno de los integrantes del grupo debe hacer la revisión de los conceptos
relacionados con: control de procesos por variables y la construcción de los gráficos de
control por variables para promedio y rango. Para efectos de los cálculos y resultados de
la práctica, los datos de trabajo individuales se publican en el site del curso en internet en
el archivo “Datos Promedio y Rango” asignados por el apellido de cada estudiante.

5 ESPACIO REQUERIDO

La práctica se hará en el laboratorio de Métodos y tiempos, y será agendada de acuerdo a

la disponibilidad de uso del laboratorio.

6 DESARROLLO DE LA PRÁCTICA

1. Los estudiantes adoptan cada una de las posiciones del diseño de la práctica,
siguiendo la explicación en clase que el profesor hace del laboratorio.
4
2. Se requiere que cada estudiante ocupe cada una de las posiciones alrededor de la
banda transportadora, por el lapso de tiempo dispuesto por el profesor en la explicación
en clase, así:
Posición 1: entrada a la línea e inicio del trabajo.
Posición 2: valoración por variables de la medida en centímetros, del diámetro interno de
la boca del tarro plástico, con el calibrador y reporte de la medición en la hoja de datos de
la práctica.
Posición 3: valoración por variables de la medida en gramos del peso del tarro plástico
vacío y reporte de la medición en la hoja de datos de la práctica.
Posición 4: transferencia del tarro vacío a la banda transportadora.
Posición 5: llenado del tarro plástico con resina hasta el cuello del tarro, accionando la
válvula manual de descarga de la tolva de llenado.
Posición 6: empacado del tarro lleno en cajas de cartón, con algodón, con tapa, con
sticker y valorado por variables y atributos.
Posición 7: valoración por atributos del tarro lleno en cajas de cartón, con algodón, con
tapa y con sticker.
Posición 8: valoración por variables de la medida en gramos del tarro lleno, con algodón,
con tapa y con sticker.
Posición 9: postura del sticker en la superficie lateral del tarro lleno, con algodón y con
tapa.
Posición 10: valoración por variables de la medida en gramos del tarro lleno, con algodón,
y con tapa.
Posición 11: postura de la tapa plástica en el tarro lleno y con algodón.
Posición 12: valoración por variables de la medida en gramos del tarro lleno y con
algodón.
Posición 13: postura del algodón en el tarro lleno que sale de la tolva de llenado.
Posición 14: salida de la línea y espera para el reinicio del trabajo.

3. Las hojas de datos son diligenciadas y entregadas al profesor, para el control de

asistencia a la práctica y la asignación de datos de trabajo individual.

4. Para efectos de los cálculos y resultados de la práctica, los datos de trabajo

individuales se publican en el site del curso en internet en el archivo “Datos Promedio y
Rango” asignados por el apellido de cada estudiante.

7. INFORME DE LA PRÁCTICA PROMEDIO Y RANGO

7.1. Construcción de la hoja de datos

Transcriba la hoja de datos de trabajo individuales para promedio y rango que se publica
en el site del curso en internet en el archivo “Datos Promedio y Rango” asignados por
apellido de cada estudiante, como en el ejemplo a continuación.

En el ejemplo de la hoja de datos que aparece a continuación, se ha dispuesto de tres

columnas, a saber: la primera columna a la izquierda presenta en su orden los subgrupos
o muestras numerados de 1 a 25, que se toman en el laboratorio para hacer la valoración

5
por variables; la segunda columna presenta el valor individual del promedio X de las
medidas de los valores de las muestras tomadas de cada subgrupo; y la tercera columna
presenta el valor individual del rango R de las medidas de los valores de las muestras
tomadas de cada subgrupo:

Ejemplo de hoja de datos:

Subgrupo “g” Promedio “ X ” Rango “ R ”
1 52,1 24,6
2 64,0 52,2
3 55,7 20,0
4 72,6 38,1
5 74,2 7,3
6 75,5 41,2
7 61,0 36,7
8 65,0 35,9
9 55,9 5,6
10 47,8 12,0
11 53,0 37,9
12 60,2 31,8
13 64,8 29,3
14 67,9 50,1
15 68,8 35,8
16 55,5 24,6
17 47,9 13,7
18 45,3 4,0
19 63,2 49,7
20 48,3 17,3
21 60,6 38,0
22 57,0 33,5
23 64,7 51,8
24 48,3 21,4
25 57,8 36,9

En la tabla se ha hecho la suma de los datos en cada uno de los subgrupos, el cálculo del
promedio de los datos en cada uno de los subgrupos y el cálculo del rango de los datos
en cada uno de los subgrupos, tal como se hace a partir de los datos de la práctica de
laboratorio.

6
7.2. Cálculo de la suma de la columna de los promedios, X de los subgrupos:
En la tabla del ejemplo se han colocado solo los valores de los promedios calculados de
cada subgrupo, y a partir de esos valores se procede a hacer el cálculo de la suma de la
columna de los valores los promedios de los subgrupos:

Ejemplo de hoja de datos:

Subgrupo “g” Promedio “ X ”
1 52,1
2 64,0
3 55,7
4 72,6
5 74,2
6 75,5
7 61,0
8 65,0
9 55,9
10 47,8
11 53,0
12 60,2
13 64,8
14 67,9
15 68,8
16 55,5
17 47,9
18 45,3
19 63,2
20 48,3
21 60,6
22 57,0
23 64,7
24 48,3
25 57,8
1486,9

Por tanto la suma de los promedios de los subgrupos en la tabla es:

X
I 1
I  1486,9

7
7.3. Cálculo de la suma de la columna de los Rangos “ R ” de los subgrupos:
En la tabla del ejemplo se han colocado solo los valores de los rangos calculados de cada
subgrupo, y a partir de esos valores se procede a hacer el cálculo de la suma de la
columna de los valores de los rangos de los subgrupos:

Ejemplo de hoja de datos:

Subgrupo “g” Rango “ R ”
1 24,6
2 52,2
3 20,0
4 38,1
5 7,3
6 41,2
7 36,7
8 35,9
9 5,6
10 12,0
11 37,9
12 31,8
13 29,3
14 50,1
15 35,8
16 24,6
17 13,7
18 4,0
19 49,7
20 17,3
21 38,0
22 33,5
23 51,8
24 21,4
25 36,9
749,2

Por tanto la suma de los rangos de los subgrupos en la tabla es:

R
I 1
I  749,2

8
7.4. Cálculo del valor del promedio de los promedios:
Se hace el cálculo con la siguiente fórmula:

X I

X I 1
g

Donde:

X
I 1
I  1486,9

g = 25

Por tanto:

1486,9
X   59,48
25
El promedio de promedios de los datos de los subgrupos es 59,48.

7.5. Cálculo del valor del promedio de los rangos:

Se hace el cálculo con la siguiente fórmula:

R I
R I 1
g

Donde:

R
I 1
I  749,2

g = 25.

Por tanto:

749,2
R  29,97
25

El promedio de rangos de los datos de los subgrupos es 29,97.

9
7.6. Cálculo de los Límites de Control de ensayo 3σ de la gráfica de promedios:
Se procede a hacer el cálculo de los Límites de Control de Ensayo para el gráfico de
promedios como se presenta a continuación.

7.6.1. Cálculo del Límite de Control Superior:

Se hace el cálculo con la siguiente fórmula:

LCS X  X  A2 R

7.6.1.1. Consulta del valor de los factores

En la tabla B “Factores para calcular línea central y límites de control” del libro Control de
Calidad de Dale Besterfield, consulte el valor de “A2“ para el tamaño de subgrupo, número
de observaciones, asignado en su hoja de datos individual, para el caso del presente
ejemplo:

n = 15

Donde:

A2 = 0,223

Como:

X  59,48

R  29,97

Por tanto:

LCS X  59,48  0,223 * 29,97  66,16

Entonces el valor del Límite de Control Superior para el gráfico de promedios es 66,16.

7.6.2. Cálculo del Límite de Control Inferior:

Se hace el cálculo con la siguiente fórmula:

LCI X  X  A2 R

Donde:

A2 = 0,223

10
Como:

X  59,48

R  29,97

Por tanto:

LCI X  59,48  0,223 * 29,97  52,79

Entonces el valor del Límite de Control Inferior para el gráfico de promedios es 52,79.

7.6.3. Gráfico de ensayo o inicial de los promedios del monitoreo del sistema.
Una vez calculados los Límites de Control de Ensayo para el gráfico de promedios, se
procede a elaborar dicho gráfico, disponiendo de los puntos o pares ordenados sobre el
gráfico para: cada uno de los valores de los subgrupos de la tabla de datos en el eje de X,
y cada uno de los valores de los promedios en el eje de Y:

Ejemplo de hoja de datos:

Subgrupo “g” Promedio “ X ”
1 52,1
2 64,0
3 55,7
4 72,6
5 74,2
6 75,5
7 61,0
8 65,0
9 55,9
10 47,8
11 53,0
12 60,2
13 64,8
14 67,9
15 68,8
16 55,5
17 47,9
18 45,3
19 63,2
20 48,3

11
 21 60,6
22 57,0
23 64,7
24 48,3
25 57,8

En la tabla anterior se listan los 25 subgrupos y los 25 valores de los promedios de cada
uno de los subgrupos. Con lo que el gráfico queda así:

Ejemplo de gráfico de control de ensayo para los promedios

7.6.4. Análisis del gráfico de ensayo de los promedios.

Una vez hecho el gráfico se procede al análisis correspondiente en términos de patrones
no aleatorios presentes en el conjunto de puntos, que indiquen la condición de control del
proceso: condición de variación natural o condición de control estadístico, ó condición de
variación especial o condición fuera de control estadístico.

En este punto se deben detectar los puntos más allá de los límites de control del gráfico,
para ello se estimará primero la suma de los valores de los puntos que están más allá de
los límites de control, tanto los que son mayores que el Límite Superior, como los que son
menores que el Límite Inferior, a lo cual se le denomina “ ”, del siguiente modo:
Xd

X d  52,1 + 72,6 + 74,2 + 75,5 + 47,8 + 67,9 + 68,8 + 47,9 + 45,3 + 48,3 + 48,3  648,70

12
Segundo, se hace el conteo de a cuantos subgrupos equivalen esos valores, a lo cual se
le denomina, “ ”, contando el número de puntos que están más allá de los límites de
gd
control:

g d  1  1  1  1  1  1  1  1  1  1  1  11

Con estos dos resultados del análisis se hará la corrección de la línea central del gráfico
de promedios, o promedio de promedios corregido.

Ejemplo de hoja de datos:

Subgrupo “g” Promedio “ X ”
1 52,1
2 64,0
3 55,7
4 72,6
5 74,2
6 75,5
7 61,0
8 65,0
9 55,9
10 47,8
11 53,0
12 60,2
13 64,8
14 67,9
15 68,8
16 55,5
17 47,9
18 45,3
19 63,2
20 48,3
21 60,6
22 57,0
23 64,7
24 48,3
25 57,8

En la tabla anterior se presentan los subgrupos y los valores de los promedios

correspondientes sombreando en tono naranja los valores a eliminar.

13
7.7. Cálculo de los Límites de Control de ensayo 3σ de la gráfica de rangos:
Se procede a hacer el cálculo de los Límites de Control de Ensayo para el gráfico de
rangos como se presenta a continuación.

7.7.1. Cálculo del Límite de Control Superior:

Se hace el cálculo con la siguiente fórmula:

LCS R  RD4

7.7.1.1. Consulta del valor de los factores

En la tabla B “Factores para calcular línea central y límites de control” del libro Control de
Calidad de Dale Besterfield, consulte los valores de “D4“ y “D3” para el tamaño de
subgrupo, número de observaciones, asignado en su hoja de datos individual, para el
caso del presente ejemplo:

n = 15

Donde:

D4 = 1,653

Como:

R  29,97

Por tanto:

LCS R  29,97 *1,653  49,54

Entonces el valor del Límite de Control Superior para el gráfico de rangos es 49,54.

7.7.2. Cálculo del Límite de Control Inferior:

Se hace el cálculo con la siguiente fórmula:

LCI R  RD3

Donde:

D3 = 0,347

Como:

R  29,97
14
Por tanto:

LCI R  29,97 * 0,347  10,40

Entonces el valor del Límite de Control Inferior para el gráfico de rangos es 10,40.

7.7.3. Gráfico de ensayo o inicial de los rangos del monitoreo del sistema.
Una vez calculados los Límites de Control de Ensayo para el gráfico de rangos, se
procede a elaborar dicho gráfico, disponiendo de los puntos o pares ordenados sobre el
gráfico para: cada uno de los valores de los subgrupos de la tabla de datos en el eje de X,
y cada uno de los valores de los rangos en el eje de Y:

Ejemplo de hoja de datos:

Subgrupo “g” Rango “ R ”
1 24,6
2 52,2
3 20,0
4 38,1
5 7,3
6 41,2
7 36,7
8 35,9
9 5,6
10 12,0
11 37,9
12 31,8
13 29,3
14 50,1
15 35,8
16 24,6
17 13,7
18 4,0
19 49,7
20 17,3
21 38,0
22 33,5
23 51,8
24 21,4
25 36,9

15
En la tabla anterior se listan los 25 subgrupos y los 25 valores de los rangos de cada uno
de los subgrupos. Con lo que el gráfico queda así:

Ejemplo de gráfico de control de ensayo para los rangos

7.7.4. Análisis del gráfico de ensayo de los rangos.

Una vez hecho el gráfico se procede al análisis correspondiente en términos de patrones
no aleatorios presentes en el conjunto de puntos, que indiquen la condición de control del
proceso: condición de variación natural o condición de control estadístico, ó condición de
variación especial o condición fuera de control estadístico.

En este punto se deben detectar los puntos más allá de los límites de control del gráfico,
para ello se estimará primero la suma de los valores de los puntos que están más allá de
los límites de control, tanto los que son mayores que el Límite Superior, como los que son
menores que el Límite Inferior, a lo cual se le denomina “ ”, del siguiente modo:
Rd

Rd  52,2 + 7,3 + 5,6 + 50,1 + 4 + 49,7 + 51,8  220,70

Segundo, se hace el conteo de a cuantos subgrupos equivalen esos valores, a lo cual se

le denomina, “ ”, contando el número de puntos que están más allá de los límites de
gd
control:

gd  1 1 1 1 1 1 1  7

Con estos dos resultados del análisis se hará la corrección de la línea central del gráfico
de rangos, o promedio de rangos corregido.

16
 Ejemplo de hoja de datos:
Subgrupo “g” Rango “ R ”
1 24,6
2 52,2
3 20,0
4 38,1
5 7,3
6 41,2
7 36,7
8 35,9
9 5,6
10 12,0
11 37,9
12 31,8
13 29,3
14 50,1
15 35,8
16 24,6
17 13,7
18 4,0
19 49,7
20 17,3
21 38,0
22 33,5
23 51,8
24 21,4
25 36,9

En la tabla anterior se presentan los subgrupos y los valores de los rangos

correspondientes sombreando en tono naranja los valores a eliminar.

7.8.1. Línea central corregida del gráfico de promedios

De haber puntos por fuera del gráfico de promedios elimínelos y corrija la línea central
usando la siguiente ecuación:

X I X d
Xo  I 1
g  gd

17
Donde:

X
I 1
I  1486,9

X d  648,70

g = 25

g d  11

Por tanto:

1486,9  648,70
Xo   59,87
25  11

Entonces, la línea central del gráfico de promedios, o promedio de promedios corregido es

59,87.

7.8.2. Línea central corregida del gráfico de rangos

De haber puntos por fuera del gráfico de rangos elimínelos y corrija la línea central
usando la siguiente ecuación:

R I Rd
Ro  I 1
g  gd

Donde:

R
I 1
I  749,2

Rd  220,70

g = 25

gd  7

Por tanto:

18
 749,2  220,70
Ro   29,36
25  7

Entonces, la línea central del gráfico de rangos, o promedio de rangos corregido es 29,36.

7.9. Cálculo de los Límites de Control 3σ corregidos de la gráfica de promedios:

Se procede a hacer el cálculo de los Límites de Control de Corregidos para el gráfico de
promedios como se presenta a continuación.

7.9.1. Cálculo del Límite de Control Superior corregido:

Se hace el cálculo con la siguiente fórmula:

LCS X o  X o  A o

7.9.1.1. Cálculo de la desviación estándar:

Se hace el cálculo de la desviación estándar con la siguiente formula:

Ro
o 
d2

7.9.1.2. Consulta del valor de los factores

En la tabla B “Factores para calcular línea central y límites de control” del libro Control de
Calidad de Dale Besterfield, consulte el valor de “A” y “d2“ para el tamaño de subgrupo,
número de observaciones, asignado en su hoja de datos individual, para el caso del
presente ejemplo:

n = 15

Donde:

A = 0,775

X o  59,87

Ro  29,36

d2 = 3,472

Por tanto:

19
 29,36
o   8,46
3,472

En consecuencia

LCS X o  59,87  0,775 * 8,46  66,43

Entonces el valor del Límite de Control Superior corregido para el gráfico de promedios es
66,43.

7.9.2. Cálculo del Límite de Control Inferior corregido:

Se hace el cálculo con la siguiente fórmula:

LCI X o  X o  A o

Donde:

A = 0,775

X o  59,87

 o  8,46

Por tanto:

LCI X o  59,87  0,775 * 8,46  53,32

Entonces el valor del Límite de Control Inferior corregido para el gráfico de promedios es
53,32.

7.9.3. Gráfico de corregido de los promedios del monitoreo del sistema.

Una vez calculados los Límites de Control de corregidos para el gráfico de promedios, se
procede a elaborar dicho gráfico, disponiendo de los puntos o pares ordenados sobre el
gráfico para: cada uno de los valores de los subgrupos, que no han sido eliminados de la
tabla de datos en el eje de X, y cada uno de los valores de los promedios, que no han sido
eliminados en el eje de Y:

20
 Ejemplo de hoja de datos:
Subgrupo “g” Promedio “ X ”
1 64,0
2 55,7
3 61,0
4 65,0
5 55,9
6 53,0
7 60,2
8 64,8
9 55,5
10 63,2
11 60,6
12 57,0
13 64,7
14 57,8

En la tabla anterior se presentan los subgrupos y los valores de los promedios

correspondientes, sombreando en tono amarillo los valores restantes luego de eliminar los
puntos más allá de los límites de control. Con lo que el gráfico queda así:

Ejemplo de gráfico de control corregido para los promedios

7.9.4. Análisis del gráfico de corregido de los promedios.

Una vez hecho el gráfico se procede al análisis correspondiente en términos de patrones
no aleatorios presentes en el conjunto de puntos, que indiquen la condición de control del

21
proceso: condición de variación natural o condición de control estadístico, ó condición de
variación especial o condición fuera de control estadístico.

7.10. Cálculo de los Límites de Control 3σ corregidos de la gráfica de rangos:

Se procede a hacer el cálculo de los Límites de Control de Ensayo para el gráfico de
rangos como se presenta a continuación.

7.10.1. Cálculo del Límite de Control Superior corregido:

Se hace el cálculo con la siguiente fórmula:

LCSRo   o D2

7.10.1.1. Consulta del valor de los factores

En la tabla B “Factores para calcular línea central y límites de control” del libro Control de
Calidad de Dale Besterfield, consulte los valores de “D2“ y “D1” para el tamaño de
subgrupo, número de observaciones, asignado en su hoja de datos individual, para el
caso del presente ejemplo:

n = 15

Donde:

D2 = 5,741

Como:

 o  8,46

Por tanto:
LCSRo  8,46 * 5,741  48,55

Entonces el valor del Límite de Control Superior corregido para el gráfico de rangos es
48,55.

7.10.2. Cálculo del Límite de Control Inferior corregido:

Se hace el cálculo con la siguiente fórmula:

LCIRo   o D1

Donde:

D1 = 1,203

22
Como:

 o  8,46

Por tanto:
LCIRo  8,46 *1,203  10,17

Entonces el valor del Límite de Control Inferior corregido para el gráfico de rangos es
10,17.

7.10.3. Gráfico corregido de los rangos del monitoreo del sistema.

Una vez calculados los Límites de Control de corregidos para el gráfico de rangos, se
procede a elaborar dicho gráfico, disponiendo de los puntos o pares ordenados sobre el
gráfico para: cada uno de los valores de los subgrupos, que no han sido eliminados de la
tabla de datos en el eje de X, y cada uno de los valores de los rangos, que no han sido
eliminados en el eje de Y:

Ejemplo de hoja de datos:

Subgrupo “g” Rango “ R ”
1 24,6
2 20,0
3 38,1
4 41,2
5 36,7
6 35,9
7 12,0
8 37,9
9 31,8
10 29,3
11 35,8
12 24,6
13 13,7
14 17,3
15 38,0
16 33,5
17 21,4
18 36,9

23
En la tabla anterior se presentan los subgrupos y los valores de los rangos
correspondientes, sombreando en tono amarillo los valores restantes luego de eliminar los
puntos más allá de los límites de control. Con lo que el gráfico queda así:

Ejemplo de gráfico de control corregido para los rangos

7.7.4. Análisis del gráfico corregido de los rangos.

Una vez hecho el gráfico se procede al análisis correspondiente en términos de patrones
no aleatorios presentes en el conjunto de puntos, que indiquen la condición de control del
proceso: condición de variación natural o condición de control estadístico, ó condición de
variación especial o condición fuera de control estadístico.

8. ESTUDIO DE CAPACIDAD DEL SISTEMA E INDICADORES DE CAPACIDAD

Para dar inicio al estudio de capacidad se hace el cálculo de las especificaciones a partir
del valor nominal y la tolerancia de especificaciones, que aparecen en la hoja de datos de
trabajo individuales, para promedio y rango que se publican en el site del curso en internet
en el archivo “Datos Promedio y Rango” asignados por el apellido de cada estudiante,
como en el ejemplo a continuación.

8.1. Valor nominal del sistema

Se toma el valor nominal o valor promedio deseado por el cliente, de la hoja de datos en
el site, así:

o  51,541

24
8.2. Tolerancia de especificaciones del sistema
Se toma el valor de la tolerancia de especificaciones o valor máximo de variación
permitido por el cliente a partir del valor nominal, de la hoja de datos en el site, así:

tolerancia  28,097

8.3. Cálculo de las tolerancias de las Especificaciones:

Las tolerancias de especificaciones se calculan con la siguiente formula:
Tolerancias  LES  LEI

8.3.1. Cálculo del Límite Superior de Especificaciones

El Límite Superior de Especificaciones se calcula con la siguiente formula:

LES  o  tolerancia

Donde:

o  51,541
tolerancia  28,097

Por tanto:
LES  51,541  28,097  79,638

El Límite Superior de Especificaciones es 79,638, y representa el valor máximo del rango

de trabajo en el que el cliente admite resultados.

8.3.2. Cálculo del Límite Inferior de Especificaciones

El Límite Inferior de Especificaciones se calcula con la siguiente formula:

LEI  o  tolerancia

Donde:

o  51,541
tolerancia  28,097

Por tanto:
LEI  51,541  28,097  23,444

El Límite Inferior de Especificaciones es 23,444, y representa el valor mínimo del rango de

trabajo en el que el cliente admite resultados.
25
Donde:
LES  79,638
LEI  23,444

8.3.3. Valor de las tolerancias de las Especificaciones:

Por tanto:
Tolerancias  79,638  23,444  56,194

Las tolerancias de especificaciones del sistema son 56,194, y representan la amplitud o

rango de trabajo en el que el cliente admite resultados.

Ejemplo de gráfico normalizado de las especificaciones del cliente

8.6. Cálculo de la capacidad del sistema monitoreado:

La capacidad del sistema se calcula con la siguiente formula:

Capacidad  6 o  LNS  LNI

8.6.1. Cálculo del Límite Natural Superior:

El Límite Natural Superior del sistema se calcula con la siguiente formula:

LNS  X o  3 o

Donde:

X o  59,87

 o  8,46

Por tanto:
26
LNS  59,87  3 * 8,46  85,241

El Límite Natural Superior del sistema es 85,241, y representa el valor máximo del rango
de trabajo en el que el sistema genera los resultados.

8.6.2. Cálculo del Límite Natural Inferior:

El Límite Natural Inferior del sistema se calcula con la siguiente formula:

LNI  X o  3 o

Donde:

X o  59,87

 o  8,46

Por tanto:
LNI  59,87  3 * 8,46  34,502

El Límite Natural Inferior del sistema es 34,502, y representa el valor mínimo del rango de
trabajo en el que el sistema genera los resultados.

8.6.3. Valor de la capacidad del sistema monitoreado:

Por tanto:

Capacidad  6 o  85,241  34,502  50,739

La capacidad del sistema es 50,739, y representan la amplitud o rango de trabajo en el

que el sistema genera los resultados.

Ejemplo de gráfico normalizado de la capacidad del sistema

27
8.7. Cálculo de los indicadores de la capacidad del sistema monitoreado:
Los indicadores muestran cuál es el desempeño del sistema al comparar tanto: el Valor
Nominal y las Especificaciones, como los Límites Naturales y la Capacidad.

8.7.1. Cálculo del Índice de Capacidad “Cp” del sistema monitoreado:

El Índice de Capacidad del sistema compara las tolerancias con la capacidad y se calcula
con la siguiente formula:

Tolerancias LES  LEI

Cp  
Capacidad LNS  LNI

Ejemplo de gráfico que representa Cp

Donde:

Tolerancias  56,194
Capacidad  50,739

Por tanto:

56,194
Cp   1,108
50,739

El Índice de capacidad del sistema es 1,108, y al comparar las tolerancias de

especificaciones contra la capacidad del sistema representan la habilidad del sistema
para satisfacer los requerimientos del cliente. Para hacer el análisis del valor de Cp se
compara con la unidad y puede suceder que:

Si Cp > 1 el sistema es capaz de satisfacer las especificaciones del cliente, dado que las
tolerancias son mayores que la capacidad.
28
Si Cp < 1 el sistema no es capaz de satisfacer las especificaciones del cliente, dado que
las tolerancias son menores que la capacidad.
Si Cp = 1 el sistema es apenas capaz de satisfacer las especificaciones del cliente, dado
que las tolerancias son iguales a la capacidad.

Para el ejercicio del ejemplo Cp = 1,108 > 1, en consecuencia el sistema es capaz de

satisfacer las especificaciones del cliente.

8.7.2. Cálculo del Índice de Capacidad Real “Cpk” del sistema monitoreado:
El Índice de Capacidad Real del sistema compara la menor de las tolerancias de las
especificaciones, con la semi capacidad alrededor de cada especificación y se calcula con
la siguiente formula:

menor  tolerancia
C pk 
semi  capacidad

Ejemplo de gráfico que representa Cpk

8.7.2.1. Cálculo del Índice de Capacidad Real de la Especificación Superior “CpS” del
sistema monitoreado:
El Índice de Capacidad Real de la Especificación Superior compara la tolerancia superior
de las especificaciones con la semi capacidad y se calcula con la siguiente formula:

LES  X o
C pS 
3 o
Donde:

LES  79,638

X o  59,87

 o  8,46

29
Por tanto:

79,638  59,87
C pS   0,799
3 * 8,46

El Índice de Capacidad Real de la Especificación Superior es 0,799.

8.7.2.2. Cálculo del Índice de Capacidad Real de la Especificación Inferior “CpI” del
sistema monitoreado:
El Índice de Capacidad Real de la Especificación Inferior compara la tolerancia inferior de
las especificaciones con la semi capacidad y se calcula con la siguiente formula:

X o  LEI
C pI 
3 o
Donde:

LEI  23,444

X o  59,87

 o  8,46

Por tanto:

59,87  23,444
C pI   1,436
3 * 8,46

El Índice de Capacidad Real de la Especificación Inferior es 1,436.

8.7.2.3. Valor del Índice de Capacidad Real “Cpk” del sistema monitoreado:
El valor del Índice de Capacidad Real del sistema se estima por comparación entre los
valores del “CpS” y el “CpI“ como el menor de los dos:

Si “CpS” < “CpI” entonces el “Cpk” = “CpS”.

Si “CpI” < “CpS” entonces el “Cpk” = “CpI”.

En el ejemplo se cumple que “CpS = 0,799” < “CpI = 1,436”, entonces el “Cpk” = “CpS =
0,799”, en este caso.

30
 Ejemplo de gráfico que representa Cpk

Para hacer el análisis del valor del CpK se compara con el valor del Cp y puede suceder
que:

Si CpK > Cp se debe repetir el cálculo, pues por la forma de las ecuaciones en ningún caso
ocurrirá que el CpK > Cp.
Si CpK < Cp el promedio del sistema no está en condición de satisfacer el valor nominal de
especificaciones, en este caso la desviación del promedio del sistema a derecha o
izquierda del valor nominal depende de la comparación entre “CpS” y el “CpI“, y puede
ocurrir que:
Si “CpS” < “CpI” entonces el “Cpk” = “CpS” y por tanto el valor nominal es menor que el
promedio del sistema.
Si “CpI” < “CpS” entonces el “Cpk” = “CpI” y por tanto el valor nominal es mayor que el
promedio del sistema.
Si CpK = Cp el promedio del sistema está en condición de satisfacer el valor nominal de
especificaciones, es decir, el valor nominal es igual que el promedio del sistema.

Como “CpS” < “CpI” y el “Cpk” = “CpS”, el sistema no está en condición de satisfacer el valor
nominal de especificaciones, pues el valor nominal = 51,541 es menor que el promedio
del sistema = 59,87.

8.7.3. Cálculo del Índice de Taguchi “Cpm” del sistema monitoreado:

El Índice de Taguchi “Cpm” mide la capacidad del sistema para generar costos de no
calidad y se calcula con la siguiente formula:

Tolerancias LES  LEI

C pm  
6 * 6 * [ 2  ( X   ) 2 ]

31
 Ejemplo de gráfico que representa Cpm

Donde:

Tolerancias  56,194

o  51,541

X o  59,87

 o  8,46

Por tanto:

  [8,46 2  (59,87  51,541) 2 ]  11,87

56,194
C pm   0,789
6 *11,87

El Índice de Taguchi del sistema es 0,789. Para hacer el análisis del valor del Cpm se
compara con el valor de Cp y puede suceder que:

Si Cpm > Cp se debe repetir el cálculo, pues por la forma de las ecuaciones en ningún caso
ocurrirá que el Cpm > Cp.
Si Cpm < Cp el sistema no es capaz de satisfacer las especificaciones del cliente, y los
costos de la no calidad aumentarán en función de la diferencia que exista entre el valor
nominal y el promedio del sistema.
Si Cpm = Cp el sistema es capaz de satisfacer las especificaciones del cliente, y los costos
de la no calidad se mantendrán en el valor mínimo posible ya que la diferencia entre el
valor nominal y el promedio del sistema es pequeña o no existe.

32
Para el ejemplo Cpm = 0,789 < Cp = 1,108, en consecuencia los costos de la no calidad
aumentarán en función de la diferencia que exista entre el valor nominal y el promedio del
sistema.

8.7.4. Cálculo del Índice Razón de Capacidad “Cr” del sistema monitoreado:
El Índice de Razón Capacidad del sistema compara la capacidad con las tolerancias y se
calcula con la siguiente formula:

Capacidad 6
Cr  
Tolerancias LES  LEI

Ejemplo de gráfico que representa Cr

Donde:

Capacidad  50,739
Tolerancias  56,194

Por tanto:

50,739
Cr   0,903
56,194

El Índice razón de capacidad del sistema es 0,903, y al comparar la capacidad del sistema
contra las tolerancias de especificaciones representan la habilidad del sistema para
satisfacer los requerimientos del cliente. Para hacer el análisis del valor de Cr se compara
con la unidad y puede suceder que:

Si Cr < 1 el sistema es capaz de satisfacer las especificaciones del cliente, dado que las
tolerancias son mayores que la capacidad.

33
Si Cr > 1 el sistema no es capaz de satisfacer las especificaciones del cliente, dado que
las tolerancias son menores que la capacidad.
Si Cr = 1 el sistema es apenas capaz de satisfacer las especificaciones del cliente, dado
que las tolerancias son iguales a la capacidad.

Para el ejercicio del ejemplo Cr = 0,903 < 1, en consecuencia el sistema es capaz de

satisfacer las especificaciones del cliente.

8.7.5. Cálculo del Índice de Localización “K” del sistema monitoreado:

El Índice de Localización del sistema compara la diferencia entre el promedio y el valor
nominal con las semi tolerancias de especificaciones y se calcula con la siguiente formula:

( X  )
K
( LES  LEI ) / 2

Donde:

X o  59,87

o  51,541
Tolerancias  56,194

Por tanto:

(59,87  51,541)
K  0,296
[(56,194) / 2]

El Índice de Localización del sistema es 0,296, y al comparar la diferencia entre el

promedio y el valor nominal con las semi tolerancias de especificaciones representan la
proporción en la que el sistema está o no centrado con respecto al valor nominal de
especificaciones, para satisfacer los requerimientos del cliente. Para hacer el análisis del
valor de K se compara con cero y puede suceder que:

Si K < 0 el promedio del sistema es menor que el valor nominal y por tanto está
descentrado por debajo del valor nominal de las especificaciones.
Si K > 0 el promedio del sistema es mayor que el valor nominal y por tanto está
descentrado por encima del valor nominal de las especificaciones.
Si K = 0 el promedio del sistema es igual que el valor nominal y por tanto está centrado
respecto del valor nominal de las especificaciones.

34
Para el ejercicio del ejemplo K = 0,296 > 0, en consecuencia el sistema está descentrado
por encima del valor nominal de las especificaciones del cliente.

8.7.6. Cálculo de porcentajes de datos respecto de especificaciones del sistema

monitoreado:
Para calcular porcentajes de datos respecto de las especificaciones se deben calcular los
valores normales estándar para cada especificación, y luego determinar en tablas de área
bajo la curva la proporción del área asociada con el valor normal estándar, una vez
definida el área mayor o menor que una de las especificaciones se multiplica por cien
para obtener el porcentaje.

8.7.6.1. Cálculo del valor normal estándar para la especificación inferior

Para el cálculo del valor normal estándar de la especificación inferior se usa la ecuación:

LEI  X o
Z LEI 
o
Donde:

LEI  23,444

X o  59,87

 o  8,46

Por tanto:

23,444  59,87
Z LEI   4,308
8,46

8.7.6.2. Cálculo del valor de área asociado con ZLEI

El valor de área bajo la curva asociado, en la tabla de área bajo la curva, con el valor
calculado de ZLEI = -4,308, es Aiz = 0,00001, dado que el área que se busca está a la
izquierda de la especificación inferior (LEI = 23,444) se conserva este valor de área.

8.7.6.3. Cálculo del porcentaje de datos menores que la especificación inferior

Para obtener el porcentaje de datos menores que la especificación inferior se debe
multiplicar dicha área, que provee la tabla, por cien:

Porcentaje  LEI  0,00001 *100  0,001

35
En consecuencia el porcentaje de valores menores que la especificación inferior (23,444)
es de tan solo 0,001 por ciento.

Ejemplo de gráfico que representa el área a la izquierda de LEI

8.7.6.4. Cálculo del valor normal estándar para la especificación superior

Para el cálculo del valor normal estándar de la especificación superior se usa la ecuación:

LES  X o
Z LES 
o
Donde:

LES  79,638

X o  59,87

 o  8,46

Por tanto:

79,638  59,87
Z LES   2,337
8,46

8.7.6.5. Cálculo del valor de área asociado con ZLES

El valor de área bajo la curva asociado, en la tabla de área bajo la curva, con el valor
calculado de ZLES = 2,337, es Aiz = 0,99029. Dado que el área que se busca está a la
derecha de la especificación superior (LES = 79,638) se debe hallar el área de interés
como el área total bajo la curva (1,00000) menos el área de la tabla para ZLES hallada:

36
Ad  1,00000  0,99029  0,00971

8.7.6.6. Cálculo del porcentaje de datos mayores que la especificación superior

Para obtener el porcentaje de datos mayores que la especificación superior se debe
multiplicar dicha área a la derecha calculada, por cien:

Porcentaje  LES  0,00971 *100  0,971

Ejemplo de gráfico que representa el área a la derecha de LES

En consecuencia el porcentaje de valores mayores que la especificación superior (79,638)

es de tan solo 0,971 por ciento.

8.7.6.7. Cálculo del porcentaje de datos por fuera de las especificaciones

Para obtener el porcentaje de datos de desperdicio o por fuera de las especificaciones se
deben sumar: el porcentaje de datos mayores que la especificación superior con el
porcentaje de datos menores que la especificación inferior:

Desperdicio  porcentaje  LEI  porcentaje  LES

Así:

Desperdicio  0,001  0,971  0,972

De modo que el desperdicio total en el sistema del ejemplo será de 0,972 por ciento.

8.7.6.8. Cálculo del porcentaje de datos por dentro de las especificaciones

Para obtener el porcentaje de datos de producto útil o por dentro de las especificaciones
se deben restar: el porcentaje total de datos menos el desperdicio:

37
producto _ útil  producto _ total  desperdicio

Así:

producto _ útil  100  0,972  99,028

De modo que el producto útil total en el sistema del ejemplo será de 99,028 por ciento.

Una vez concluidos los cálculos, gráficos y resultados para el conjunto de datos de
Promedio y Rango, y entregados en el taller correspondiente en el site del curso, se
procede del mismo modo para hallar los cálculos, gráficos y resultados para el conjunto
de datos de Promedio y Desviación, y entregarlos en el taller correspondiente en el site
del curso.

38
 BIBLIOGRAFIA

BESTERFIELD. DALE, “Control de calidad”, PRENTICE HILL HISPANOAMERICANA,

México, 1994.
DEVOR, Richard E. et al. Statistical Quality Design and Control Singapore Maxwell Mc
Millan International Editions, 1992
DUNCAN, Acheson J. Control de Calidad y Estadística Industrial. México Alfaomega.
1989
DUNCAN, Acheson J. Control de Calidad y Producción Industrial. (3 tomos) México
Alfaomega. 1990
GRANT y LEAVENWORTH, “Control estadístico de calidad”, Compañía editorial
Continental CECSA, México, 1994.
GRÖNROOS, Christian Marketing y gestión de servicios España Editorial Díaz de Santos,
1994
GUTIERREZ. P. HUMBERTO, “Calidad total y productividad”, Mc GRAW -
HILL/INTERAMERICANA EDITORES, México, 1997.
KUME, Hitoshi. Herramientas estadísticas para el mejoramiento continuo Colombia
Editorial Norma, 1992
MARIÑO, Hernando. El sistema de control estadístico de calidad Colombia ICONTEC,
1986
MESSINA, William. Statistical Quality Control for Manufacturing Managers USA John
Wiley sons, 1987
MIZUNO, Shigeru. Management for Quality Improvement. The seven new QC tools USA
Productivity Press, 1988
MONTGOMERY, Douglas. Control estadístico de la calidad México Grupo Editorial
Iberoamérica, 1991
OTT, Ellis et al. Process quality control. Second edition USA Mc Graw Hill, 1990
PEREZ, César. Control Estadístico de la Calidad. Teoría, práctica y aplicaciones
informáticas México Alfaomega Grupo Editor, 1999

39