Graficas de control de procesos.

1. UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE QUÍMICA E ING. QUÍMICA
Escuela de Ingeniería Agroindustrial
Lima - 2023
Estadística General
CONTROL ESTADÍSTICO DE LA CALIDAD

2. • Reconocer los principios estadísticos del control de
calidad de un proceso productivo.
• Resolver la forma de construir los diagramas de
control por mediciones y por atributos para mejorar
la calidad de los productos finales de una empresa.
OBJETIVOS

3. CALIDAD CONCEPTOS
Calidad es satisfacción del cliente.
William Deming.
Grado en que un conjunto de características
inherentes a un objeto (producto, servicio,
proceso, persona, organización, sistema o
recurso) cumple con los requisitos.
ISO 9000:2015

4. CALIDAD CONCEPTOS
Una definición de calidad de un producto o servicio es su
aptitud para el uso demandado por el mercado. En los
procesos de producción las demandas del mercado pueden ser
controlados a partir de mediciones de una o más características
de calidad.

5. CALIDAD CONCEPTOS
Los parámetros o características de calidad son aquellos
atributos (variables discretas) o variables medibles (continuas)
del producto que describen su aptitud demandada. Un
concepto clave a controlar en cualquier proceso industrial es el
de la variabilidad o dispersión de dichas variables de calidad.

6. ¿Qué es el Control Estadístico de Proceso?
• Control: Para lograr que el proceso se comporte como
nosotros lo deseamos…
• Estadísticos: Ocupamos la ayuda de datos y números …
• Proceso: Así estudiamos las características del proceso
Fuente: The Statistical Quality Control Handbook

7. Un cambio de mentalidad
• Control de Calidad del Producto
Actividades para evaluar y regular la calidad al final de la
producción (“inspección, desperdicio y retrabajo).
• Control de Calidad del Proceso
Actividades para asegurar que un producto de calidad es
producido durante todo el proceso de su manufactura
prevención del defecto.

8. ¿Quién necesita entender y emplear el CEP?
Todos en la planta
• Administración
• Producción
• Ingeniería y diseño
• Ventas
Dar a una sola persona la responsabilidad para
Controlar Estadísticamente el proceso no funciona.

9. Beneficios del CEP
• Incremento de ganancias debido a:
 Reducción del desperdicio
 Reducción del retrabajo
 Incremento en la producción
• Mejora la moral de los empleados
• Mejora la confianza del cliente
• Mejora del conocimiento del proceso
• Mejora el control de documentos y rastreabilidad
• Un aspecto a considerar para alcanzar la certificación ISO
9001

10. DIAGRAMAS DE CONTROL
Son un método para controlar
estadísticamente procesos
productivos detectando cuando
éste está fuera de control, varía
demasiado.
Ventajas
Permite visualizar el comportamiento
productivo
Herramienta simple y efectiva
Fácil de usar durante el proceso
productivo
Permite niveles consistentes de
calidad

11. Beneficios del CEP
Una característica de calidad importante es
el peso de la taza de plástico, porque indica
la cantidad de PVC que la máquina inyectó
en la matriz
Máquina inyectora que produce tazas

12. Beneficios del CEP

13. DIAGRAMAS DE CONTROL
• Los diagramas de control
enfocan la atención
hacia las causas no
aleatorias de variación
cuando estas aparecen y
también reflejan la
magnitud de la variación
debida a las causas
aleatorias.
Causas aleatorias
• Se deben a la variación natural del
proceso
Causas no aleatorias
• Son aquellas controlables como: un mal
ajuste de máquina, errores del
operador, defectos en materias primas.

14. DIAGRAMAS DE CONTROL

15. DIAGRAMAS DE CONTROL
• Cuando existen causas no aleatorias el proceso está fuera de Control Estadístico; los
diagramas de control detectan la existencia de estas causas en el momento en que se
dan, lo cual permite que podamos tomar acciones al momento.
• Generalmente en los procesos que se quieren controlar de deben se tomar muestras
a intervalos aproximadamente regulares. De cada muestra se mide una o varias
variables (diagramas de control por mediciones) ó se determina el número o
porcentaje de unidades defectuosas en la muestra (diagramas de control por
atributos). Las muestras correspondientes a un mismo intervalo constituyen un
grupo. Los intervalos pueden ser definidos en términos de tiempo (8 muestras cada
hora o turno) o de cantidad (25 muestras cada 500 unidades fabricadas).

16. DIAGRAMAS DE CONTROL
• Los valores medidos se comparan con unos límites (líneas paralelas al eje central).
Los límites más comunes son los siguientes: el Límite superior de control (LSC) y el
inferior (LIC), paralelos a una línea central (LC) representativa del valor medio.

17. DIAGRAMAS DE CONTROL
Para ser útil, el Diagrama de Control debe ser
actualizada e interpretada, y deben tomarse acciones al
momento, en tiempo real.

18. DIAGRAMAS DE CONTROL

19. TIPOS DE GRÁFICOS DE CONTROL
Los gráficos de control pueden ser de dos tipos según la característica del producto
o servicio a analizar: Gráficos de control por variables y gráficos de control por
atributos.
• Gráficos de control por variables: En estos el control del proceso se realiza
mediante variables susceptibles de ser medidas (cantidades, pesos, diámetros,
espesores, frecuencia, etc.). El gráfico X-R, es el más usado en este ámbito.
• Gráficos de control por atributos: El control del proceso se realiza mediante
atributos de tipo dicotómico. Así, se puede analizar si el producto o servicio
posee o no una determinada característica (atributo): color, forma, defecto,
tipo, etc. Y en general se aborda dicho análisis mediante preguntas del tipo:
aceptable/no aceptable, si/no, funciona/no funciona, etc. Los principales gráficos
por atributos son: los que controlan número de unidades defectuosas “p” y
“np”, y los que controlan el número de defectos “c” y “u”

20. ETAPAS EN LA CONSTRUCCIÓN DE GRÁFICOS DE CONTROL
Las etapas a seguir en la construcción de un gráfico de control son:
1. Selección de la característica más adecuada.
2. Recogida de los datos, en muestras de igual tamaño.
3. Determinación de los límites de control, según la información tomada por los
datos de la muestra.
4. Decidir si los límites son satisfactorios desde el punto de vista económico.
5. Trazar los límites de control y registrar sobre la gráfica la información de las
sucesivas muestras, tomadas a intervalos constantes de tiempo.
6. Ante la información dada por el gráfico, tomar las medidas de acción correctivas
ante la presencia de algún punto fuera de los límites de control, buscando las
causas de tal ocurrencia y, si son determinadas, eliminar los puntos y repetir el
proceso.

21. GRÁFICOS DE CONTROL POR VARIABLES
En este caso, en cada grupo son medidas o
pesadas una o más características. Para cada
grupo se calculan diversos estadísticos, tales
como media del grupo, 𝑋 rango, R, o la
desviación estándar, S.

22. GRÁFICOS DE CONTROL POR VARIABLES
En el supuesto en el que la característica a controlar sea una
variable continua, las medias de las muestras que se vayan
tomando seguirán aproximadamente una distribución N (μ,σ).
Los Límites de control se consideran habitualmente aquellos
que contienen el 99.7 % de la producción. Por tanto vendrán
dados por: LC =μ ± 3 σ.
Estos límites pueden ser conocidos por experiencias previas y
de no ser así es necesario estimarlos a partir de las
observaciones de varios grupos de muestreo. Es así que se
deben calcular estimadores de los parámetros μ y σ.

23. GRÁFICOS X-R
Este diagrama permite observar cómo varían los promedios
de los diferentes grupos o muestras. Permite identificar si
una un grupo de muestras está alterando su promedio.
Para entender los gráficos X-R, es necesario conocer el
concepto de Subgrupos.
Trabajar con subgrupos significa agrupar las mediciones que
se obtienen de un proceso, de acuerdo algún criterio.

24. GRÁFICOS X-R
Los subgrupos se realizan agrupando las mediciones de tal
modo que haya la máxima variabilidad entre subgrupos y la
mínima variabilidad de cada subgrupo.
Por ejemplo, si hay tres turnos de trabajo en un día, las
mediciones de cada turno podrían constituir un subgrupo.

25. GRÁFICOS X-R
Se construye un gráfico para la evolución de las medias de
los grupos (asociado a la ubicación de la característica µ) y
otro para la evolución de los rangos (asociado con la
dispersión de la característica σ).
Se utilizan los rangos para medir la variabilidad que son
fáciles de calcular y tienen una eficiencia similar a la
desviación estándar para subgrupos pequeños.

26. GRÁFICOS X-R
Si se conocen µ y σ, estos se pueden usar para calcular los
límites de control:
• Medias
• Rangos
𝐿𝐶𝑆 = 𝐷2𝑅 𝐿𝐶 = 𝑑2𝜎 𝐿𝐶𝐼 = 𝐷1𝑅
donde
𝐷1 = 𝑑2 − 3𝑑3 𝐷2 = 𝑑2 + 3𝑑3

27. GRÁFICOS X-R
Si no se conocen µ y σ, estos deben estimarse a partir de
los datos:
• Medias
• Rangos

28. GRÁFICOS X-R
La siguiente tabla muestra el valor de las diferentes
constantes para distintos tamaños de los subgrupos
racionales:

29. GRÁFICOS X-R
Ejemplo: En un beneficio de café, por cinco días, a
medida que llegaba el café se tomaron 5 muestras/día de
café pergamino. A estas muestras se les midió el
porcentaje humedad. Se quiere saber si el porcentaje de
humedad está variando de día en día.

30. GRÁFICOS X-R

31. GRÁFICOS X-R

32. GRÁFICO DE RANGO
Este diagrama permite observar como varía la
variabilidad, construida por los rangos, de los diferentes
grupos, permite identificar cuando la variabilidad se hace
demasiado grande, lo que nunca es deseable. Siendo:
Siendo D3 y D4 valores tabulares variables en función del
n de los grupos. (Ver tabla). Para el ejemplo anterior:
LC= 3.68, LCS= 3.68 (2.144)= 7.78, LCI= 3.68 (0) = 0.

33. GRÁFICOS DE RANGO (R)

34. GRÁFICOS X-S
Utiliza el mismo gráfico medias anterior pero ahora se
estudia la dispersión usando un gráfico de las
desviaciones estándar de cada subgrupo.
La desviación muestral es un mejor estimador de la
variabilidad, pero más difícil de calcular. Se prefiere en
procesos con subgrupos racionales grandes (8 o más) o en
procesos automatizados.

35. GRÁFICOS X-S
El diagrama de S es muy parecido al diagrama de rangos,
pero los límites se hacen con los valores de los desvíos
estándares. Las formas de cálculo de los límites son:
Ejemplo con los datos del ejercicio de muestras de café:

36. GRÁFICOS X-S

37. GRÁFICOS I-MR
Este diagrama se construye cuando hay un solo grupo con
muchas repeticiones. Los límites superiores e inferiores se hacen
con rangos móviles, por ejemplo se calculan los rangos de dos
medidas sucesivas, obteniéndose así n-1 rangos. Las formas de
cálculo de los límites son:
siendo 𝑋 la media de las mediciones, 𝑅 la media de los rangos
móviles y 𝐷2 un valor de tabla que considera el tamaño de datos
de cada rango móvil (ver tabla). Cada valor observado es un
punto del diagrama.

38. GRÁFICOS I-MR
Ejemplo con los datos del ejercicio de humedad de los granos de
café, considerando que todas las muestras fueron tomadas al
mismo tiempo:

39. GRÁFICOS I-MR

40. GRÁFICOS DE CONTROL POR ATRIBUTOS
Definiciones importantes
Defecto: una característica del producto que no cumple con los
requisitos de la especificación aplicable.
Unidad defectuosa: una unidad de producto que contiene uno
o más defectos.

41. GRÁFICOS DE CONTROL POR ATRIBUTOS
Los diagramas de control por atributos se construye a partir de
la observación de la presencia o ausencia de una determinada
característica (atributo o defecto) en cada una de las unidades,
entonces se acepta o se rechaza contando cuantas unidades
tienen o no el defecto, o comprobando el número de tales
eventos que ocurren en la unidad, grupo o área, y comparando
con el criterio de aceptación establecido.
Se acepta o rechaza la pieza o el lote sin asociar un valor
concreto. El atributo a controlar se suele elegir de forma que
sea fácilmente observable y por tanto económico de controlar.

42. GRÁFICOS DE CONTROL POR ATRIBUTOS
En general los diagramas de Control por Atributos se utilizan
con muestras grandes (cientos o miles). Por otro lado el costo
unitario de inspeccionar un atributo es menor y más fácil que el
de inspeccionar una variable que se mide o se pesa.
Estas gráficas son útiles como medida del desempeño de un
taller, departamento, empresa, etc. Generalmente el
desempeño de la industria mejora después de introducir una
gráfica para atributos como control de la calidad productiva,
pues la gráfica es una representación visual continua de su
funcionamiento.

43. GRÁFICOS DE CONTROL POR ATRIBUTOS
Ejemplos de control por atributos:
a) La pieza se rechaza si visualmente se observan una o más
ralladuras de 0.5 cm.
b) Un tornillo se acepta si su diámetro está comprendido entre
2.1 y 2.2 mm y se rechaza en otro caso (no es necesario medir
el diámetro, basta utilizar un calibre que permita comprobar si
se cumple la característica).
c) Un lote se rechaza si posee más de 15 piezas defectuosas.

44. GRÁFICOS DE CONTROL POR ATRIBUTOS
Los tipos más frecuentes de diagramas de control por atributos
son:
• Diagrama “p”:, ejemplo: fracción de piezas defectuosas (p)
• Diagrama “np”, ejemplo: número de piezas defectuosas por
muestra.
• Diagrama “c”, Nº de defectos por muestra.
• Diagrama “u”, Nº de defectos por unidad.

45. DIAGRAMA “p”
Este diagrama presenta las variaciones expresadas en
proporción de artículos defectuosos, que son los que no
cumplen cierto atributo que no le permite pasar a la siguiente
etapa del proceso productivo. Para obtener los datos, en cada
lote i se toma una muestra de 𝑛𝑖 artículos, éstos son revisados y
se determina el número de defectuosos 𝑑𝑖 . Con esta
información se construyen los valores 𝑝𝑖 =
𝑑𝑖
𝑛𝑖

46. DIAGRAMA “p”
Considerando que la variable defectuoso y no defectuoso es una
variable binomial, se determina:
donde n es el tamaño de cada muestra y es la proporción
promedio de artículos defectuosos. Los límites de control
superior e inferior quedan determinados por:
𝑝

47. DIAGRAMA “p”
Un problema de ésta técnica es que las gráficas de control
pueden no tener Límite Inferior de Control y por otro lado, a
medida que se mejora el proceso, p disminuye y por lo tanto se
requiere incrementar el tamaño de los subgrupos.
Ejemplo: En una fábrica de tabaco que produce puros de
exportación, al final del proceso de manufactura se hace
inspección de la calidad e los mismos. Se evalúan lotes de 500
puros cada uno, en la tabla siguiente se tienen el número de
puros rechazados

48. DIAGRAMA “p”

49. DIAGRAMA “p”

50. DIAGRAMA “p”

51. DIAGRAMA “np”
Cuando el tamaño de las muestras en los diagramas p es
constante se puede usar el diagrama np, o diagrama del número
de defectuosos. Las gráficas p y np muestran el mismo
comportamiento pero a diferente escala. Las gráficas np se
grafican directamente con los datos de piezas defectuosas y no
es necesario calcular proporciones.
Los límites de control, LC, queden determinados por:
Ejercicio. Diagrama de Control np, a partir de los datos del
problema de puros.

52. DIAGRAMA “np”

53. DIAGRAMA “c”, NÚMERO DE DEFECTOS
Es frecuente que en los procesos industriales existan más de un
tipo de defecto por objeto de estudio y sin embargo no hacen
que se clasifica al producto como descartable, son
características indeseables pero que no necesariamente impidan
que el producto pase o no a la siguiente fase del proceso como
sucede con los diagramas “p” y “np”. En esto caso se utilizan los
diagramas “c” y “u”. También se pueden usar éstos diagramas en
casos como: número de fallas por operario, números de quejas
por un mal servicio, número de fallas de una máquina, etc.

54. DIAGRAMA “c”, NÚMERO DE DEFECTOS
El objetivo de diagrama “c” es analizar la variabilidad del
número de defectos por muestra de tamaño uniforme, siendo
“ci” el número de defectos en la muestra “i”. Se parte de que “c”
sigue una distribución de Poisson, en la cual el promedio y la
variancia tienen igual valor, quedando:
Y LSC Y LIC:

55. DIAGRAMA “c”, NÚMERO DE DEFECTOS
Ejemplo: Se posee los datos de 30 meses del número de quejas
de clientes por mes de una central telefónica atendida por tres
operarios los meses 1-15 y por dos operarios los meses 16-30.
Se quiere saber si las quejas por servicio se han mantenido
estables en el tiempo.

56. DIAGRAMA “c”, NÚMERO DE DEFECTOS

57. DIAGRAMA “c”, NÚMERO DE DEFECTOS

58. DIAGRAMA “u”, NÚMERO DE DEFECTOS POR UNIDAD
El diagrama u, se utiliza cuando el número de elementos por
muestras no es constante ó cuando se quiere estudiar el número
promedio de defectos por unidad o artículo estudiado, en lugar
del número de defectos por muestra.
Se define la media “i” de defectos por muestra de “n” elementos

59. DIAGRAMA “u”, NÚMERO DE DEFECTOS POR UNIDAD

60. DIAGRAMA “u”, NÚMERO DE DEFECTOS POR UNIDAD

61. EJERCICIOS
1. En una línea de fabricación de cajas de madera se han
inspeccionado 30 lotes de 500 unidades cada uno. El número
de unidades defectuosas por lote resultó en: 8, 10, 10, 4, 13,
9, 7, 11, 13, 13, 5, 14, 12, 8, 15, 11, 9, 17, 6, 12, 6, 12, 8, 12,
14, 6, 5, 9, 5 y 11. Construir una carta de control “p” y “np”.
2. En un proceso de fabricación de computadoras el número de
defectos totales por cada 5 computadoras fue de 5, 6, 4, 5, 3,
4, 2, 3, 4, 4, 5, 3, 3, 3, 3, 2, 3, 1, 2, 3,1. Construir una carta de
control c y otra u, comente lo observado.

62. ¡GRACIAS!