REPÚBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA

EDUCACIÓN UNIVERSITARIA,
CIENCIA Y TECNOLOGÍA
INSTITUTO UNIVERSITARIO POLITÉCNICO
“SANTIAGO MARIÑO”
EXTENSIÓN MATURÍN

VARIABILIDAD EN LOS PROCESOS DE PRODUCIÓN

Autor(a): Fernando Bellízia.

C.I. V-23.552.578

Maturín, 13 de noviembre de 2020.

 INDICE

Pág.

INTRODUCCIÓN………………………………………………………………………. 3
EXPLICAR A QUÉ SE REFIERE LA VARIABILIDAD EN LOS
PROCESOS DE PRODUCIÓN O DE PRESTACIÓN
DE UN SERVICIO Y SUS CAUSAS…………………………………………….. 4
EXPLICAR QUÉ SON GRÁFICOS DE CONTROL…………………………. 7
EXPLICAR QUÉ SON GRÁFICOS DE CONTROL POR
ATRIBUTOS Y GRÁFICOS DE CONTROL POR VARIABLES………… 8
EXPLICAR A QUÉ SE REFIERE DISCONFORMIDAD (DEFECTO)
Y UNIDAD NO CONFORME (UNIDAD DEFECTUOSA)………………… 15
EXPLICAR LOS PASOS PARA LA ELECCIÓN DEL TIPO DE
GRÁFICO DE CONTROL POR ATRIBUTO A APLICAR………………… 16
EXPLICAR LOS PASOS PARA LA CONSTRUCCIÓN
DE LOS GRÁFICOS DE CONTROL DE FRACCIÓN
DE UNIDADES NO CONFORMES (“P”)………………………………………. 21
EXPLICAR LOS PASOS PARA LAS CONSTRUCCIÓN
DE LOS GRÁFICOS DE CONTROL DE NÚMEROS
DE UNIDADES NO CONFORMES (“np”)…………………………………….. 27
EXPLICAR LOS PASOS PARA LA CONSTRUCCIÓN DE
LOS GRÁFICOS DE CONTROL DE NÚMERO DE
DISCONFORMIDADES POR UNIDAD (“U”)……………………………….. 31
EXPLICAR LOS PASOS PARA LA ELECCIÓN DEL TIPO
DE GRÁFICOS DE CONTROL POR VARIABLES A APLICAR…………………. 37
EXPLICAR LOS PASOS PARA LA CONSTRUCCIÓN
DE LOS GRÁFICOS DE CONTROL POR VARIABLES X, R…………… 38
EXPLICAR LOS PASOS PARA LA CONSTRUCCIÓN
DE LOS GRÁFICOS DE CONTROL POR VARIABLES X, S……………. 41
CONCLUSIÓN…………………………………………………………………………….. 44
REFERENCIAS BIBLIOGRÁFICAS…………………………………………….. 45

INTRODUCCIÓN
 En el presente trabajo abordaremos el tema concerniente a la variabilidad
en los procesos de producción a través de gráficas de control, las cuales nos
aportan importante información y datos estadísticos en dichos procesos.
Cuando hablamos de gráficas de control, nos referimos a aquellas que son
utilizadas para evaluar cómo cambia el proceso a lo largo del tiempo. Todo
proceso presenta variaciones debido a diferentes motivos o causas, unas
evidentes y otras no. Estas variaciones se pueden presentar en un tiempo
específico o a medida que transcurre el tiempo.

Los procesos siempre tienen variaciones ocasionadas por factores como:

los materiales, métodos, mediciones, mano de obra, el medio ambiente, la
gerencia y otros. En condiciones normales, esos factores contribuyen
individualmente o simultáneamente a variaciones en las variables de los
procesos. Los gráficos de control estadístico indican los puntos de los límites
superiores de control, indicando con ello la presencia de causas asignables de
variación.

1. EXPLICAR A QUÉ SE REFIERE LA VARIABILIDAD EN LOS

PROCESOS DE PRODUCIÓN O DE PRESTACIÓN DE UN
SERVICIO Y SUS CAUSAS.
 La variabilidad del proceso de producción se define como cambios
inevitables o imperceptibles que modifican el proceso que afectan al producto
que se produce o al servicio que se ofrece.

“El enemigo de todo proceso es la variación". Un administrador exitoso es

aquel que logra controlarla. La teoría de la variabilidad es una de las cuatro
que el Dr. Deming propuso a los japoneses dentro de su filosofía del
Conocimiento Profundo, otra teoría que complementa la anterior es la "teoría
de la causalidad", en donde plantea que todo efecto tiene una causa, todo
defecto también. El control de la variación, solo puede darse en sus causas,
principalmente en el control de su causa raíz.

La problemática encontrada es que se acepta que hay problemas con la

variación, pero no hay interés en estudiar el por qué se produce y ni cómo
medir esa variabilidad.

La desviación estándar es muy importante pues es una de las formas más

sencillas de controlar la variabilidad, llámese presupuestos, ventas,
productos, tiempos de atención y para todo el nuevo conjunto de indicadores
que están de moda.

Por medio de la desviación estándar se pueden analizar encuestas a

clientes y determinar qué tan concluyentes son las respuestas, se puede
inferir la probabilidad de que se alcancen las metas, que los productos estén
fuera de especificación, que un empleado llegue tarde, que un estudiante no
logre la nota mínima etc.

Causas de variación: las causas por las que en una operación se presenta
la variabilidad son: Medio ambiente.- pues este puede tergiversar el tiempo y
la calidad del producto o servicio. Cambio de operación.- este tipo de factores
provocan variabilidad, pues en ocasiones el trabajador debe adaptarse a esta
forma de trabajo o en ocasiones no le agrado o simplemente le parece
incómodo. Esto retrasa la producción.

Tipos de causas de operación : estas son las causas comunes y las

especiales.

Las causas comunes son: El punto crítico al controlar procesos es

comprender si la variación es debida a causas comunes o especiales. Esto es
crítico porque la estrategia para tratar las causas comunes es diferente que la
usada para tratar causas especiales. El problema fundamental es que la
mayoría de las veces se trata toda variación como si ésta fuera especial. Si
hace esto, solo provocará una mayor cantidad de variación, defectos y
errores.

Por causas comunes de variación se entienden aquellas fuentes de

variación en un proceso que están bajo control estadístico. Esto significa que
todas las mediciones se encuentran dentro de los límites de variación normal,
los cuales se determinan sumando y restando tres desviaciones estándar al
promedio de esas mediciones.

Las causas comunes de variación se comportan como un sistema

constante de causas totalmente aleatorias. Aun cuando los valores
individualmente medidos son todos diferentes, como grupo, ellos tienden a
formar un patrón que puede describirse como una distribución.

Cuando en un sistema sólo existen causas comunes de variación, el proceso

forma una distribución que es estable a través del tiempo y además
predecible.
 Conocer que un sistema solo está variando por causas comunes es
normalmente simple a través de técnicas estadísticas. Sin embargo,
identificar esas causas requiere un análisis más detallado por parte de
quienes operan el sistema. La solución o eliminación de estas causas
comunes normalmente requiere la intervención de la gerencia para tomar
acciones sobre el sistema o proceso como un todo, ya que las variaciones
comunes son propias o inherentes a cada proceso.

Las causas especiales son: Las causas especiales de variación

frecuentemente son llamadas causas asignables. Se refiere a cualquier factor
o factores que causan variación en relación con una operación específica o en
un momento particular en el tiempo.

Solo si todas las causas especiales de variación son identificadas y

corregidas, ellas continuarán afectando la salida del proceso de una manera
impredecible. Si hay causas especiales de variación, la salida del proceso no
es estable a través del tiempo y por supuesto tampoco es predecible.

Cuando en el proceso existen causas especiales de variación, la distribución

del proceso toma cualquier forma y es por lo tanto impredecible.

En general se acepta que el 85% de la variación es originada por causas

comunes y el 15% por causas especiales. Un antídoto para reducir la
variación es la normalización o documentación del proceso como requiere ISO
9000.

2.- EXPLICAR QUÉ SON GRÁFICOS DE CONTROL

Creado por Walter Andrew Shewhart en 1920, el diagrama o gráfico de

control, también conocido como diagrama de Shewhart, carta de control o
diagrama de comportamiento de proceso, es una de las 7 herramientas de
calidad definidas por Ishikawa.

Básicamente consiste en los datos de un proceso plasmados de forma

cronológica en una gráfica con límites establecidos, lo que permite
determinar cuándo una variación no es normal.

Los beneficios de los gráficos de control son:

Análisis de proceso: Puede que nunca se haya hecho un control estadístico

de proceso. Un análisis con gráfico de control donde estableces los límites de
control, te permitirá analizar ese proceso y determinar qué es lo normal en él,
cuando algo no está bien, o si ha mejorado o empeorado a través del tiempo.
Un proceso analizado con esta herramienta, es un proceso controlado, que es
precisamente el segundo beneficio.

Control de proceso: Conoces el comportamiento del proceso. ¿Es estable?,

¿se mantiene? ¿Qué tan frecuente se sale de control? Esto te permite
intervenir sobre el proceso para mejorarlo. Este, a continuación es el tercer
beneficio.

Mejoramiento del proceso: No basta analizar y controlar un proceso. Es

necesario mejorarlo. Con el diagrama de Shewhart identificamos dónde se
generaron las fallas y tenemos datos de entrada para hacer análisis de
causas en aras de plantear soluciones a las fallas.

3.- EXPLICAR QUÉ SON GRÁFICOS DE CONTROL POR ATRIBUTOS Y

GRÁFICOS DE CONTROL POR VARIABLES.
 Gráficos de control por atributos.

Si se piensa en una característica de calidad basada en atributos como el

cumplimiento con respecto a una especificación. Lo hacemos con variables
discretas. De aquí se derivan cuatro tipos de gráficos:

Gráfico p: En él medimos el porcentaje de defectos por muestra. Por

ejemplo si tenemos una muestra de 100 productos y 10 de ellos tienen al
menos un defecto, hay una fracción defectuosa de 0,1. Este valor se ubica en
el gráfico sobre el eje y.

Gráfico np: A diferencia de p, este valor no es una fracción. Es el número

de unidades defectuosas en una muestra. Si es una muestra de 100
productos, 10 de ellos tienen al menos un defecto, 10 será el valor a ubicar
en el gráfico sobre el eje y.

Gráfico c: Es el número de defectos por unidad de producción durante un

período de muestreo. En este caso, los defectos por producto se cuentan, y
establecemos un valor para definir a partir de cuántos defectos una unidad es
defectuosa. Por ejemplo, el número de zonas desgastadas que tenga una
chaqueta de cuero, si la chaqueta tiene más de 5 zonas desgastadas, se
considera una unidad no conforme.

Gráfico u: Similar a p pero parte del gráfico c. En él medimos el

porcentaje de defectos en una unidad durante un período de muestreo.

Este último apartado pretende mostrar cómo trazar e interpretar un

gráfico de control cuando la característica que se estudia es una variable
cualitativa o atributo.
 Los gráficos de control por atributos se utilizan para representar la
evolución de características no medibles ni cuantificables, tan solo se puede
representar si se verifica o no dicha característica.

Se trata de características que no pueden medirse, pero que sin embargo

hay que controlar:

 Aspecto de la pieza.
 Presencia de golpes, marcas, abolladuras,...
 Etiquetada o no,...
 Aparición o no de fugas, ruidos,...

Los gráficos de control por atributos se basarán en el control de unidades

defectuosas o número de defectos que aparecen en las piezas y/o muestras.

El procedimiento a seguir para la realización de cualquiera de los gráficos

de control por atributos es el mismo, difieren únicamente en el cálculo de los
parámetros y límites de control.

 La función primaria de una Gráfica de Control es mostrar el

comportamiento de un proceso.
 Identificar la existencia de causas de variación especiales (proceso
fuera de control).
 Monitorear las variables claves en un proceso de manera preventiva.
 Indicar cambios fundamentales en el proceso.

Gráficos de control por variables.

 La característica de calidad que se mide es una variable continúa (peso,
pulgadas, temperatura, etc). Si ese es el caso, podemos encontrar gráficos
_
basados en la tendencia central (X) y en el rango.
_
Gráfica X: Qué tanto se está alejando las mediciones de la tendencia
central, que en este caso es la media o promedio. Por ejemplo un nuevo
trabajador o nuevos instrumentos de trabajo harán que las mediciones se
alejen más de línea central.
_
Gráfica X-R: Qué tanta ganancia o pérdida de uniformidad hay en la
dispersión de un proceso dentro de una muestra. En otras palabras, el rango
es la resta del valor más grande con el valor más pequeño de una muestra, lo
que nos permite determinar la variabilidad. El valor resultante es plasmado
en un gráfico de control para ser comparado con el rango de otra serie de
muestras. Con esto logramos ver si hay presencia de uniformidad en los
puntos ubicados o si no, para intervenir.

Gráfica R: Utilizamos ambos tipos de gráficas cuando se miden la relación

de las especificaciones de calidad con la tendencia central y la dispersión. En
este sentido, ubicamos una gráfica ligeramente encima de la otra y
analizamos el comportamiento de cada punto.

Cada punto en la gráfica representa a un subgrupo; es decir, a un grupo

de unidades producidas en las mismas condiciones. Por ejemplo, usted desea
graficar una medición particular de su proceso. Si recoge y mide cinco partes
cada hora, el tamaño de su subgrupo debería ser 5.

Las gráficas de control de variables para subgrupos incluyen Xbarra, R, S

y Zona.
Gráfica Xbarra

Grafica la media del proceso en el tiempo. Utilícese para rastrear el nivel

del proceso y detectar la presencia de causas especiales que afecten la
media.

Gráfica R

Grafica el rango del proceso en el tiempo. Utilícese para rastrear la

variación del proceso y detectar una variación inesperada.
Gráfica S

Grafica la desviación estándar del proceso en el tiempo. Utilícese para

rastrear la variación del proceso y detectar una variación inesperada.

Gráfica de zona

Grafica las puntuaciones acumuladas sobre la base de "zonas" en 1, 2 y 3

desviaciones estándar desde la línea central. Utilícese para detectar una
variación inesperada.
Gráficas de control de variables para datos individuales

Cada punto en la gráfica representa una medición individual; de esta

manera, el tamaño del subgrupo es 1. Las gráficas de observaciones
individuales se utilizan cuando las mediciones son costosas, el volumen de
producción es bajo o los productos tienen un tiempo largo entre ciclos; por
ejemplo, para probar la resistencia al impacto de las piezas (pruebas de
destrucción). Las gráficas de control de observaciones individuales incluyen
gráficas I y MR.

Gráfica I

Grafica observaciones individuales en el tiempo. Utilícese para rastrear el

nivel del proceso y detectar la presencia de causas especiales.
Gráfica de rangos móviles

Grafica el rango móvil en el tiempo. Utilícese para rastrear la variación del

proceso y detectar la presencia de causas especiales

4.- EXPLICAR A QUÉ SE REFIERE DISCONFORMIDAD (DEFECTO) Y

UNIDAD NO CONFORME (UNIDAD DEFECTUOSA).

Un Artículo disconforme es una unidad del producto que no satisface una

o más de las especificaciones para ese producto. Cada punto específico en el
que no se satisface una especificación resulta en un defecto o
disconformidad. Sin embargo dependiendo de su naturaleza y gravedad, es
muy posible que una unidad contenga varias disconformidades y no se
clasifique como disconforme. Hay muchas situaciones prácticas en las que es
preferible trabajar directamente con el número de defectos o
disconformidades en vez de usar la fracción disconforme.

Disconformidad (defecto).

Estado, modo o condición con que se presenta una cualidad (atributo) con
una gravedad, cuantía o intensidad para que el producto que la posee no
cumpla con los requisitos de la especificación.

Unidad No Conforme (Unidad defectuosa).

Unidad de producto o servicio que contiene una o varias

disconformidades.

5.- EXPLICAR LOS PASOS PARA LA ELECCIÓN DEL TIPO DE GRÁFICO

DE CONTROL POR ATRIBUTO A APLICAR.

Elaboración de gráficos de control por atributos

Elección del tipo de gráfica

 Paso 1: Establecer los objetivos del control estadístico del proceso

La finalidad es establecer qué se desea conseguir con el mismo.

Paso 2: Identificar la característica a controlar

Es necesario determinar qué característica o atributo del producto/servicio

o proceso se van a controlar para conseguir satisfacer las necesidades de
información establecidas en el paso anterior.

Paso 3: Determinar el tipo de Gráfica de Control que es conveniente

utilizar

Conjugando aspectos como:

 Tipo de información requerida.

 Características del proceso.
 Características del producto.
 Nivel de frecuencia de las unidades no conformes o disconformidades.

Paso 4: Elaborar el plan de muestreo (Tamaño de muestra, frecuencia de

maestreo y número de muestras)

 Las Gráficas de control por atributos requieren generalmente tamaños

de
muestras grandes para poder detectar cambios en los resultados.
 Para que el gráfico pueda mostrar pautas analizables, el tamaño de
muestra, será lo suficientemente grande (entre 50 y 200 unidades e
incluso superior) para tener varias unidades no conformes por
muestra, de forma que puedan evidenciarse cambios
 significativamente favorables (por ejemplo, aparición de muestras con
cero unidades no conformes).
 El tamaño de cada muestra oscilará entre +/- 20% respecto al tamaño
medio de las muestras
 n = (n^ + n2 + ... + nN) / N N = Número de muestras
 La frecuencia de muestreo será la adecuada para detectar
rápidamente los cambios y permitir una realimentación eficaz.
 El periodo de recogida de muestras debe ser lo suficientemente largo
como para recoger todas las posibles causas internas de variación del
proceso.
 Se recogerán al menos 20 muestras para proporcionar una prueba
fiable de estabilidad en el proceso.

Paso 5: Recoger los datos según el plan establecido

 Se tendrá un especial cuidado de que la muestra sea aleatoria y

representativa de todo el periodo de producción o lote del que se
extrae.
 Cada unidad de la muestra se tomará de forma que todas las unidades
del periodo de producción o lote tengan la misma probabilidad de ser
extraídas. (Toma de muestras al azar).
 Se indicarán en las hojas de recogida de datos todas las informaciones
y circunstancias que sean relevantes en la toma de los mismos.

Paso 6: Calcular la fracción de unidades

 Para cada muestra se registran los siguientes datos:

 El número de unidades inspeccionadas "n".
 El número de unidades no conformes.
 La fracción de unidades no conformes
 El número de defectos en una pieza
 La fracción de defectos por pieza

Paso 7: Calcular los Límites de Control

Paso 8: Definir las escalas de la gráfica

 El eje horizontal representa el número de la muestra en el orden en

que ha sido tomada.
 El eje vertical representa los valores de la fracción de unidades
 La escala de este eje irá desde cero hasta dos veces la fracción de
unidades no conformes máxima.

Paso 9: Representar en el gráfico la Línea Central y los Límites de Control

 Línea Central
 Marcar en el eje vertical, correspondiente al valor de la fracción
  Línea de Control Superior
 Marcar en el eje vertical el valor de UCL. A partir de este punto trazar
una recta horizontal discontinua (a trazos). Identificarla con UCL.
 Límite de Control Inferior
 Marcar en el eje vertical el valor de LCL. A partir de este punto trazar
una recta horizontal discontinua (a trazos). Identificarla con LCL.

Nota: Usualmente la línea que representa el valor central se dibuja de color

azul y las líneas correspondientes a los límites de control de color rojo.
Cuando LCL es cero, no se suele representar en la gráfica.

Paso 10: Incluir los datos pertenecientes a las muestras en la gráfica

 Representar cada muestra con un punto, buscando la intersección

entre el número de la muestra (eje horizontal) y el valor de su fracción
de unidades no conformes (eje vertical).
 Unir los puntos representados por medio de trazos rectos.

Paso 11: Comprobación de los datos de construcción de la Gráfica de

Control

 Se comprobará que todos los valores de la fracción de unidades de las

muestras utilizadas para la construcción de la gráfica correspondiente
están dentro de sus Límites de Control.
 LCL < gráfica < UCL
 Si esta condición no se cumple para alguna muestra, esta deberá ser
desechada para el cálculo de los Límites de Control.
 Se repetirán todos los cálculos realizados hasta el momento, sin tener
en cuenta los valores de las muestras anteriormente señaladas.
  Este proceso se repetirá hasta que todas las muestras utilizadas para
el cálculo de los Límites de Control muestren un proceso dentro de
control.
 Los Límites, finalmente así obtenidos, son los definitivos que se
utilizarán para la construcción de las Gráficas de Control.

Paso 12: Análisis y resultados

La Gráfica de Control, resultado de este proceso de construcción, se

utilizará para el control habitual del proceso.

Gráfica p

n np P=np/n (1-p) = 0,985

1 900 18 0,020
2 1135 15 0,013 raiz cuadrada de n = 101,0742301
3 1005 3 0,003
4 1001 17 0,017 p(1-p)= 0,014847156
5 1020 8 0,008
6 1015 22 0,022 raiz cuad p(1-p)= 0,121848906
7 1035 24 0,023
8 1010 31 0,031 raiz cuad p(1-p)*3= 0,365546717
9 980 7 0,007
10 1115 9 0,008 raiz cuad p(1-p)*3/raiz cuad de n= 0,003616616
10216 154 0,152
raiz cuad p(1-p)*3/raiz
ucl=cuad de n+p= 0,018691009
n= 10216
cl=p 0,015 raiz cuad p(1-p)*3/raiz
lcl=cuad de n-p= -0,148181429

0.035

0.030

0.025

0.020
Grafica P
0.015

0.010

0.005

0.000
1 2 3 4 5 6 7 8 9 10
6.- EXPLICAR LOS PASOS PARA LA CONSTRUCCIÓN DE LOS
GRÁFICOS DE CONTROL DE FRACCIÓN DE UNIDADES NO
CONFORMES (“P”).

La fracción no conforme de un colectivo se define como el cociente entre

el número de unidades defectuosas y el número total de unidades en dicho
colectivo. Cada unidad de producto puede ser examinada por el inspector
respecto de una o varias características cualitativas. Si la unidad
inspeccionada no es conforme respecto a la especificación en una o más
características, se clasifica como no conforme. Habitualmente, la fracción no
conforme se expresa en forma decimal aunque puede también indicarse en
tanto por ciento.
La distribución binomial es la base estadística del gráfico de control por
atributos. Supondremos que el proceso está operando de forma estable y que
la posibilidad de que una unidad de producto sea defectuosa es constante y
de valor p. También, supondremos que las unidades producidas
sucesivamente son independientes. Entonces, si tomamos una muestra de n
unidades, y llamamos x al número de unidades no conformes, la probabilidad
de que x tome los valores 0, 1, 2.... n vendrá determinada por la distribución
binomial con parámetros n, p:

P(x)=(nx)⋅px⋅(1−p)n−x;x=0,1,2,⋅⋅⋅,n
El valor medio y la varianza de esta distribución son:
 μx=np;σ2x=np(1−p)
La fracción muestral no conforme se define como el cociente entre el
número de unidades no conformes en la muestra x y el tamaño de la misma
p = x/n.

El valor medio y la varianza de p serán respectivamente:

μp=p;σ2p=p(1−p)n
como consecuencia de la relación p = x/n

Operativa del gráfico de control “p”

La base estadística para definir los límites de control es común con los
restantes gráficos de Shewhart: Si W es un estadístico que describe una
determinada característica de calidad siendo μw y σw² su media y su varianza,
los límites de control se definen como:

LCS=μw+K⋅σw;LC=μw;LCI=μw−K⋅σw
K es la distancia de los límites de control a la línea central expresada
como un múltiplo de sw. Habitualmente escogeremos K = 3.

Supongamos que conocemos o se especifica la fracción p no conforme de

un proceso de producción. Entonces los límites de control resultan:

LCS=p+3p(1−p)−−−−−−−√n;LC=p;LCI=p−3p(1−p)−−−−−−−√n
 La operativa consiste en tomar sucesivas muestras de n unidades, contar
dentro de cada muestra el número de unidades no conformes y
calcular pˆ=D/n llevando este valor al gráfico. En tanto pˆ permanezca
dentro de los límites de control y la secuencia de puntos no señale ninguna
pauta distinta a la que puede surgir por mero azar, diremos que el proceso
está bajo control al nivel p de fracción no conforme. Si por el contrario,
observamos algún punto fuera de control o un patrón inusual diremos que la
fracción defectuosa ha cambiado a un nivel diferente y que el proceso está
fuera de control.
Cuando se desconoce p, debe estimarse a partir de los datos. El
procedimiento a seguir es seleccionar m muestras preliminares, cada una de
tamaño n. Como norma general, m estará comprendido entre 20 y 25. Si
Di es el número de unidades defectuosas en la muestra i, calcularemos la
fracción defectuosa en la muestra como pˆi=Di/n;i=1,2,⋅⋅⋅,n ; i = 1, 2... .n y
la media de estas fracciones, pˉ=∑Di/m⋅n , estimará la media p del proceso
siendo los límites de control:

LCS=pˉ+3pˉ(1−pˉ)−−−−−−−√n;LC=pˉ;LCI=pˉ+3pˉ(1−pˉ)−−−−−−−√n

Frecuentemente se utiliza solo el límite superior.

Estos límites de control se consideran como límites de prueba y sirven

para determinar si el proceso estaba bajo control cuando las m muestras
iniciales fueron seleccionadas. Si todos los puntos caen dentro de los límites
de control y no se observa ninguna pauta anormal dictaminaremos que el
proceso estaba bajo control a la toma de las m muestras y los límites de
prueba serán válidos para controlar la producción actual y la futura.
 Los límites de control para la producción actual deben basarse en datos
obtenidos de una situación estable. Por ello, cuando alguno de los puntos
iniciales está fuera de control se hace necesario revisar los límites de control.
Esto se realiza examinando cada punto fuera de control y buscando las
causas asignables. Si se localiza la causa asignable se descarta el punto
correspondiente y se vuelven a calcular los límites de control con los puntos
restantes. Puede darse el caso que alguno de estos restantes puntos se
encuentre ahora fuera de control respecto de los nuevos límites ya que estos
serán, normalmente, más estrechos que los iniciales. Entonces, deben
repetirse los pasos dados anteriormente hasta que todos los puntos se
encuentren dentro de control con lo que ya podremos adoptar los límites
hasta entonces provisionales como límites definitivos.
Si el gráfico de control se basa en un valor estándar conocido (un
objetivo) para la fracción no conforme p, entonces el cálculo de límites de
prueba es, generalmente, innecesario aunque deben tomarse ciertas
precauciones en el sentido de comprobar si el proceso está bajo control a un
valor de p diferente dei indicado en el objetivo. Por ejemplo, supongamos
que la Dirección señala como valor objetivo p = 0,01 pero que el proceso se
encuentra realmente bajo control a p = 0,05.
Utilizando el gráfico correspondiente a p = 0,01 encontraremos muchos
puntos fuera de control sin que aparezca causa asignable. No obstante, suele
ser útil esta opción para mejorar el nivel de calidad llevando el proceso al
nivel adecuado, sobre todo en procesos donde la fracción no conforme puede
ser controlada mediante un proceso sencillo de ajuste.

Diseño del gráfico p

 El gráfico p tiene tres parámetros a especificar: Tamaño y frecuencia del
desmuestre y distancia entre límites de control.
Es frecuente calcular el gráfico de control a partir de la inspección
realizada a lo largo de un periodo de tiempo determinado. Un día, un turno,
etc. En este caso, la frecuencia y el tamaño de la muestra están relacionados.
Generalmente, se selecciona inicialmente la frecuencia del desmuestre
apropiada para la producción a inspeccionar y de ahí resulta el tamaño de la
muestra,
Los subgrupos racionales pueden jugar también un papel importante en
determinar la frecuencia del desmuestre. Por ejemplo, si hay tres turnos y
sospechamos que entre turnos puede variar el nivel de calidad utilizaremos
cada turno como un subgrupo sin mezclarlos para obtener una fracción diaria
no conforme. Si p es pequeño n deberá ser suficientemente grande para
encontrar, al menos una unidad defectuosa en la muestra.
Se ha sugerido que el tamaño de muestra debe ser lo bastante grande
para tener una probabilidad de aprox. 50% de detectar un cambio de una
determinada magnitud. Por ejemplo, supongamos que p = 0,01 y que
queremos que la probabilidad de detectar un cambio a p = 0,05 sea del 50%.
Suponiendo que aproximamos la distribución binomial respecto de la normal,
escogeremos de tal forma que el límite de Control Superior coincide con la
fracción no conforme en la situación de fuera de control. Si 6 es la magnitud
del cambio del proceso, entonces n debe satisfacer

δ=Kp(1−p)−−−−−−−√n→n=(Kδ)2p(1−p)
En nuestro ejemplo, p = 0,01, δ = 0,05-0,01 = 0,04 y con K=3 → n = 56
 Los límites 3σ son los que se usan con más frecuencia aunque pueden
adaptarse otros más sensibles a costa de exponerse a situaciones más
frecuentes de falsa alarma.

A veces, suelen usarse límites más estrechos (por ejemplo 2σ) dentro de
una situación de urgencia para mejorar la calidad de un proceso. Estos límites
deben utilizarse con precaución porque las falsas alarmas destruyen la
confianza de los operadores en los gráficos de control.

Hay que tener en cuenta que los límites de control estudiados se basan
en la distribución binomial que considera constante la proporción defectuosa
“p’ y que los valores sucesivos son independientes. En procesos en los que
las unidades no conformes están agrupadas o en los que la probabilidad de
producir una unidad defectuosa depende de que la anterior unidad producida
haya sido no defectuosa, no son aplicables este tipo de gráficos.

Deben examinarse con cuidado aquellos puntos situados por debajo del
límite de control inferior. Estos puntos no suelen ser lo que aparentemente
indican: Una mejora en la calidad del proceso por disminución de a sino que
suelen originarse por errores en la inspección o por causa de aparatos de
medida mal calibrados. También puede deberse a que los operadores hayan
registrado datos ficticios para cubrir su responsabilidad.
7.- EXPLICAR LOS PASOS PARA LAS CONSTRUCCIÓN DE LOS
GRÁFICOS DE CONTROL DE NÚMEROS DE UNIDADES NO
CONFORMES (“np”).

Se aplica al mismo tipo de procesos que en el caso anterior. La diferencia

está en que, en lugar de monitorizar la proporción de artículos defectuosos
en una muestra, se monitoriza el número de artículos defectuosos. En
general, es útil si: (a) el número es más relevante que la proporción, (b) el
tamaño muestral es constante.

Aunque matemáticamente sería posible construir un gráfico NP con

tamaño muestral variable, su interpretación sería complicada, por lo que
supondremos que se utilizan muestras de tamaño constante ni = n, i = 1,
2, ... Llamemos di al número de artículos defectuosos en una muestra de
tamaño n. El gráfico de control será:
 Sea p la proporción total de defectuosos que produce el proceso.
Entonces di sigue una distribución binomial de media np y varianza np (1 −
p). Si n es grande (y np (1 − p) > 5), dicha distribución puede aproximarse a
la normal (ver apéndice del Capítulo 5). Por tanto, para n elevado,
aproximadamente,

Por tanto el gráfico de control NP será:

y si la aproximación a al normal es buena, contendrá al 99.7 % de los datos

si el proceso está bajo control. De nuevo, si el límite de control resultase
negativo se usaría al valor cero. Para construir el gráfico de control es
necesario estimar p, salvo que se conozca ya su valor. Al igual que en el caso
anterior, tanto el nivel medio como la variabilidad dependen sólo del
parámetro p, por lo que un solo grafico será suficiente para controlar el
proceso. Para construir el gráfico se siguen los siguientes pasos:

1. Se toman k muestras de tamaño n. El número de muestras k debe ser

elevado (más de 20). También el tamaño muestral n debe ser grande (mayor
de 50) y han de tomarse consecutivamente y a intervalos iguales

2. Contar el número de artículos defectuosos en cada muestra di

3. Contar el número total de defectuosos d1+d2+···+dk y hallar el número
medio de defectuosos por muestra:

Este valor ¯ d será un buen estimador de np, media del proceso, si el proceso
ha estado bajo control durante esta etapa de recogida de información. Este
valor medio ¯ d = np¯ será la línea central del gráfico de control.

4. Se calculan los límites de control a tres desviaciones típica, obteniéndose:

5. Se dibuja el gráfico trazando la línea central en np¯ y los límites de control.

Los límites de control serán ahora constantes, al ser constante el tamaño
muestral n. 6. Colocar los valores di de forma secuencial. Si alguno se
encuentra fuera de los límites de control habrá que eliminarlo y volver a
reconstruir el gráfico con las muestras restantes. La capacidad se sigue
definiendo de la misma manera que en los gráficos P, es decir (1-p). Por
tanto la estimación de la capacidad es

Ejemplo:

Se desea construir un gráfico de control NP para controlar un proceso que

fabrica un chip que se insertará en una tarjeta de telefonía. Se tienen 25
muestras, cada una formada por 50 chips. El número de chips defectuosos en
cada una de las muestras se muestra en la siguiente Tabla.
 El gráfico de control que resulta se encuentra en la figura. En él puede
apreciarse que hay una observación fuera de control por lo que habrá que
eliminarla antes de considerar que la estimación de p es definitiva y pueda
ser utilizada para analizar posteriores muestras. En este gráfico el LCI es
cero, pues el valor que se obtiene aplicando la fórmula correspondiente es
negativo: LCI=-1.87.
8.- EXPLICAR LOS PASOS PARA LA CONSTRUCCIÓN DE LOS
GRÁFICOS DE CONTROL DE NÚMERO DE DISCONFORMIDADES POR
UNIDAD (“U”).

El grafico U se utiliza cuando no es posible tener siempre la misma unidad

de medida para contar el número de defectos (o no conformidades, o
clientes, etc...). Entonces, se controla el número medio de defectos por
unidad de medida. Por ejemplo:

Los elementos a analizar pueden contener un número variable de

unidades: por ejemplo dos rollos de película fotográfica no tendrán
exactamente la misma longitud, diferentes láminas de vidrio tendrán distinta
superficie.
 Es difícil tomar mediciones a intervalos iguales de tiempo: el inspector
puede estar dedicado a varias tareas, por lo que es necesario un esquema
más flexible.

Si llamamos ci al número de defectos (u ocurrencias de cierto suceso) en

la muestra i-ésima y ni al tamaño de dicha muestra (número de metros del
cable, número de unidades de tiempo, número de cm2 de superficie
analizada...). El número de defectos por unidad de medida será:

La variable ci es una variable de Poisson de parámetro: 

donde λ es el número medio de sucesos por unidad. Por tanto:

Esta variable ui es, entonces, un promedio de variables tipo Poisson,

donde los sucesos se observan en intervalos de longitud distinta. Si el valor
de ni es suficientemente grande, la variable aleatoria ui será, por el Teorema
Central del Límite, aproximadamente normal. El gráfico de control de la
variable ui será:
y si la aproximación a al normal es buena, contendrá al 99.7% de las
observaciones. De las anteriores se obtiene que

El gráfico de control tendrá de límites:

Si la media λ es desconocida, se puede estimar con valores preliminares

de ui. La media de la distribución del número medio de defectos se estimará
con:

Y el gráfico de control U con los límites estimados será

El LCI será cero si la fórmula anterior diese un valor negativo. En resumen, el
gráfico se construirá de la siguiente manera:

1. Se toman k muestras de tamaños ni, i = 1,...,k y se cuenta el número de

defectos ci de cada muestra y el número medio por unidad de medida de
cada muestra ui = ci / ni

2. Se calcula la media del número medio de defectos por unidad de medida

. Si el proceso ha estado bajo control, este estimador  será un buen

estimador de λ y será la línea central del gráfico.

3. Se calculan los límites de control a tres desviaciones típicas de la línea

central

Estos límites varían con el tamaño muestral. Al igual que ocurría con
los gráficos P, dado que los límites de control no son constantes, la
interpretación de rachas y tendencias se ha de hacer con cautela. Una posible
opción sería representar el gráfico normalizado; es decir, representar los
valores

en un gráfico donde la línea central es cero y los límites LCS=3 y LCI=3. La

capacidad del proceso se define como  , por ello:         

Estimación de la capacidad =

Ejemplo:

        Un operario inspecciona la calidad de unos circuitos impresos (arañazos,

bandas incorrectas, grosor no uniforme, etc.). Los circuitos que inspecciona
son muy diversos. Según el tipo de circuito se apunta su superficie y el
número de defectos. Tras inspeccionar 12 placas obtiene los datos de la
tabla.

El número total de defectos es 42 y la superficie total 451cm 2. Por tanto

Los límites de control dependen de cada placa, al tener superficies distintas.
La figura muestra el gráfico de control donde se representan los valores
de ui (u1 =4/50, ..., u12 =4/38) del número de defectos por cm 2 . En el gráfico
se observa que el proceso está en estado de control.

9.- EXPLICAR LOS PASOS PARA LA ELECCIÓN DEL TIPO DE

GRÁFICOS DE CONTROL POR VARIABLES A APLICAR.
Elección del tipo de gráfico

Paso 1: Establecer los objetivos del control estadístico del proceso La

finalidad es establecer claramente qué se desea conseguir con el mismo.
Paso 2: Identificar la variable o variables a controlar Es necesario determinar
qué variable o variables del producto/servicio o proceso se van a medir para
conseguir satisfacer las necesidades de información establecidas en el paso
anterior.

Paso 3: Determinar el tipo de Gráfico de Control que es conveniente utilizar

Conjugando aspectos como:
 Tipo de información requerida.
 Características del proceso.
 Recursos Humanos.
 Recursos Materiales.

a) Gráficos de Control " X , R"

Constan de dos gráficos, uno para el control de las medidas de tendencia
central (media x ) y otro para el control de la variabilidad.
 Utilizan el recorrido (R) de los datos como medida de la variabilidad
del proceso.
 Sencillo de calcular.
 Válido para muestras pequeñas (tamaño de muestra n < 8).

b) Gráficos de Control " x , s"

Constan de dos gráficos, uno para el control de las medidas de tendencia
central (media x) y otro para el control de la variabilidad.
  Utilizan la desviación típica (s) como medida de la variabilidad del
proceso.
 Mayor dificultad de cálculo.
 Mejor indicador estadístico de variabilidad.
 Válido para cualquier tamaño de muestra.

10.- EXPLICAR LOS PASOS PARA LA CONSTRUCCIÓN DE LOS

GRÁFICOS DE CONTROL POR VARIABLES X, R.

Paso 1: Colectar los datos.

 Variables a considerar.
 La elección se basa en el propósito de reducir o impedir los rechazos,
los costos, el desperdicio, el reproceso, etc.
 Elegir algo que pueda ser medido y expresado en números:
dimensiones, dureza, fragilidad, resistencia, peso, etc.
 Elección del tamaño y la frecuencia de la obtención de los datos
representativos.
 Los datos son el resultado de la medición de las características del
producto, los cuales deben de ser registrados y agrupados de la
siguiente manera:
 Se toma una muestra (subgrupo) de 2 a 10 piezas consecutivas
(Shewhart sugiere 4) sin embargo es muy común utilizar 5 y se anotan
los resultados de la medición. Durante un estudio inicial, los subgrupos
pueden ser tomados consecutivamente o a intervalos cortos para
detectar si el proceso puede cambiar o mostrar inconsistencia en
breves periodos de tiempo. Algunos recomiendan que el intervalo sea
de ½ a 2 hrs., ya que más frecuentemente puede representar
 demasiado tiempo invertido, y si es menos frecuente pueden perderse
eventos importantes que sean poco usuales.
 Elección de cuantos subgrupos tomar.
 Mientras menor sea el número de subgrupos que tomemos, más
pronto tendremos una idea para actuar, pero menor será la seguridad
de que esta base sea confiable. Es conveniente tener al menos 25
subgrupos; la experiencia indica que las primeras muestras pueden no
ser representativas de lo que se mide posteriormente.

Paso 2: Calcular el promedio y Ri para cada subgrupo :

Paso 3: Calcular el promedio de rangos y el promedio de promedios.

Paso 4: Calcular los límites de control.

 Los límites de control son calculados para determinar la variación de cada
subgrupo, están basados en el tamaño de los subgrupos y se calculan de la
siguiente forma:

Paso 5: Trazar la gráfica de control.

Una carta de control -R nos presenta dos gráficos en una hoja, la gráfica
superior es la de las medias y la gráfica inferior es la de rangos R.

En el eje de las “x” se representa el número de subgrupos (se anotan los

números cardinales que representan las muestras sucesivas).

En el eje de las “y” se representan los valores de las medias ó rangos según
corresponda a la gráfica que estemos trazando.

Para la gráfica para las medias

La grafica consiste en tres líneas de guía: Límite de control inferior LCLx,

línea central CLx y límite de control superior UCLx. La línea central es el
promedio de promedios y los dos límites de control son fijados más o menos
a tres desviaciones estándar.

 
Cada subgrupo se identifica en la gráfica como un punto, un círculo o una
cruz según se establezca, cada punto corresponde a un valor .

Para la gráfica de Rangos

La grafica consiste en tres líneas de guía: Límite de control inferior

LCLRm, línea central CLRm y límite de control superior UCLRm. La línea
central es el promedio de los rangos y los dos límites de control son fijados
más o menos a tres desviaciones estándar.

Cada subgrupo se identifica en la gráfica como un punto, un círculo o una

cruz según se establezca, cada punto corresponde a un valor Ri.

11.- EXPLICAR LOS PASOS PARA LA CONSTRUCCIÓN DE LOS

GRÁFICOS DE CONTROL POR VARIABLES X, S.

El procedimiento para realizar las cartas de control - s es similar al de las

cartas de -R la diferencia consiste en que el tamaño de la muestra puede
variar y es mucho más sensible para detectar cambios en la media o en la
variabilidad del proceso. La grafica monitorea el promedio del proceso para
vigilar tendencias y la graficas monitorea la variación en forma de desviación
estándar.

Paso 1: Colectar los datos

En este paso se siguen las mismas consideraciones que en la construcción de

los gráficos, solo que aquí el tamaño de muestra n es recomendable que sea
mayor a 9.
Paso 2: Calcular el promedio y la desviación estándar (si) para cada subgrupo

Paso 3: Calcular la desviación estándar promedio y el promedio de

promedios.

Paso 4: Calcular los límites de control.

Paso 5: Trazar la gráfica de control.

Una carta de control -s nos presenta dos gráficos en una hoja, la gráfica
superior es la de las medias y la gráfica inferior es la de las desviaciones
estándar.

En el eje de las “x” se representa el número de subgrupos (se anotan los

números cardinales que representan las muestras sucesivas).

En el eje de las “y” se representan los valores de las medias o desviaciones

estándar según corresponda a la gráfica que estemos trazando.

Para la gráfica para las medias

La grafica consiste en tres líneas de guía: Límite de control inferior LCLx,

línea central CLx y límite de control superior UCLx. La línea central es el
promedio de promedios y los dos límites de control son fijados más o menos
a tres desviaciones estándar.

Cada subgrupo se identifica en la gráfica como un punto, un círculo o una

cruz según se establezca, cada punto corresponde a un valor .

Para la gráfica de desviaciones estándar

La grafica consiste en tres líneas de guía: Límite de control inferior LCLs, línea
central CLs y límite de control superior UCLs. La línea central es el promedio
de los rangos y los dos límites de control son fijados más o menos a tres
desviaciones estándar.

Cada subgrupo se identifica en la gráfica como un punto, un círculo o una

cruz según se establezca, cada punto corresponde a un valor sí.
 CONCLUSIÓN

En conclusión se puede señalar que para que un producto satisfaga las

exigencias y especificaciones de diseño, se debe reducir el grado de
variabilidad de la producción.

Los gráficos de control estadísticos son importantes y útiles para medir y

reflejar la calidad generada por el proceso y detectar si éste ha cambiado en
función de la calidad.

Las gráficas R se utilizan para vigilar la variabilidad de los procesos, las

gráficas x- y las gráficas p detectan las variaciones anormales en el promedio
de un proceso, y las gráficas se usan para controlar el número de defectos
cuando un proceso indica múltiples defectos por unidad de producción. La
presencia de variaciones anormales pone en marcha, la búsqueda de causas
asignables.

Las gráficas de control revelan cómo se compara una característica a

través del tiempo. Si todos los puntos están dentro de los límites y no siguen
un patrón específico, se dice que el proceso está bajo control estadístico. Los
límites de control dependen del comportamiento de los datos.
 REFERENCIAS BIBLIOGRÁFICAS

http://www.matematicasypoesia.com.es/Estadist/ManualCPE09.ht
m

http://gecousb.com.ve/guias/GECO/Estad%C3%ADstica%20Para
%20la%20Calidad%20y%20Productividad%20(CO-
4311)/Material%20Te%C3%B3rico%20(CO-4311)/CO-
4311%20Gr%C3%A1ficos%20de%20control%20para
%20atributos.pdf

http://controldecalidadpsmmarcay.blogspot.com/2015/06/control-
de-calidad_22.html

http://www.bib.uia.mx/tesis/pdf/014891/014891_03.pdf

https://support.minitab.com/es-mx/minitab/18/help-and-how-
to/quality-and-process-improvement/control-charts/supporting-
topics/understanding-variables-control-charts/variables-control-
charts-in-minitab/

https://www.uv.es/ceaces/calidad/t5/u.htm

https://sites.google.com/site/estudiodeltrabajollarana/unidad-
2/2-9-elaboracion-de-graficas-de-control