UNIVERSIDAD RICARDO PALMA

INGENIERÍA INDUSTRIAL

CONTROL ESTADÍSTICO DE LA
CALIDAD (IN 0601)

Profesor: Ing. Carlos Oqueliz Martínez

Reg. CIP Nº 105061
[Link]@[Link]

1
 CONTROL ESTADÍSTICO DE LA
CALIDAD
Unidad : CONTROL ESTADÍSTICO DEL PROCESO Y ANÁLISIS DEL
PROCESO.
Logros de aprendizaje:
• Evaluar la capacidad de un proceso y determinar si es capaz de producir
un producto según las especificaciones.
• Estabilizar los procesos y reducir su variabilidad.
SEMANA TEMA ACTIVIDADES
1. Diagramas de Control para  Exposición del Profesor.
04 Variables.  Ejercicios.
2. Diagrama de control de la media.  Interrogación didáctica.
3. Diagrama de control del rango.  Lecturas.
4. Diagrama de control de la
desviación estándar.

19/05/2020 2
Diagramas de Control para
Variables

CONTROL ESTADÍSTICO DE LA
CALIDAD (IN 0601)
19/05/2020 3
 CONTROL POR VARIABLES
• Los Gráficos de Control por Variables
están diseñadas para registrar
características mensurables.
• Ventajas:
• * Es ampliamente utilizado porque la
mayoría de características de los
procesos se pueden medir.
• *Proporcionan información estadística
más valiosa que la de los atributos,
ocasionando menor costo de inspección.
4 19/05/2020
GRAFICAS DE CONTROL: Requisitos

• Límites de control: se determinan a partir de los datos

y reflejan la variación que ha sido generada en el
proceso debido a la aparición aleatoria de causas
comunes.
• Control del proceso: consiste en representar el gráfico
los datos de las muestras de producción siguientes a las
utilizadas en la determinación de los límites de control.
La existencia de puntos fuera de los límites de control
indicará la probable presencia de causas especiales de
variación.

5 19/05/2020
El número de unidades defectuosas
de un proceso puede incrementarse
por:

•Un desplazamiento de la media del

proceso respecto al valor nominal.
•Un aumento de la variabilidad o
dispersión de los datos en relación a la
media.

•Ing. Guillermo A. Corres - 2006

CONTROL DE CALIDAD
ANALISIS DEL PROCESO

MEDIA
TENDENCIA
MEDIANA
CENTRAL
MODA

PARÁMETROS
ESTADISTICOS DESVIACION
ESTANDAR
DISPERSION O
VARIABILIDAD

RANGO

•7
Tipos de Ejemplos de
Gráfica de Control Característica
Datos aplicaciones
a) X-R(Medias y La más versátil y la más utilizada de Control de
Rangos) mayor sensibilidad para identificar turbiedad, etc
causas del problema.

b) X- (Medias y Se usa cuando los grupos son Parámetros de

Desviación) considerablemente grandes y de control tomados
diferentes fuentes, por lo que cada hora
Variables
requieren de pruebas de
o
homogeneidad.
Medibles
c) X-R(Medianas y Empleadas bajo control estable y ph y calidad
Rangos) donde no se requiere calcular la media. microbiológicas

d) X-R(Lecturas Para pruebas costosas y/o destructivas Dosificación y

Individuales) reactivos químicos

a) “p” (fracción Son poco sensibles a los cambios y no Control / Tiempo

defectiva) es posible determinar la tendencia
central
Atributos b) “np”(número de La más versátil y más utilizada con Procesos
o defectivos) muestras variables administrativos
Discretos
c) “u” Cantidad de defectos sobre muestras Controles del agua
variables o constantes. de mesa

d) “c” Defectos por unidad constante.

8 19/05/2020
 GRÁFICOS DE CONTROL (II)

• Límites de control:
– Límite inferior de control :
– (Lower control limit – LCL)
– (LIC) = x  3

– Límite superior de control :

– (Upper control limit - UCL):
– (LSC) = x  3

19/05/2020 9
Control estadístico de procesos
Ejemplo: Peso de un mueble (µ: 41.2kg y σ:
2.08kg)
UCL = 41.2 + 3 * (2.08) = 47.44 kg
LCL = 41.2 – 3 * (2.08) = 34.96 kg

m + 3
Límite Superior
de Control (UCL)

Media del
99.74%
proceso, m

m - 3
Límite Inferior
de Control (LCL)
Tiempo
Señal de que puede haber
10 19/05/2020
ocurrido una causa especial o
asignable.
 Control de Proceso por Variables
Función de densidad de la Distribución Normal:

µ-3σ µ-2σ µ-σ µ µ+σ µ+2σ µ+3σ

68.26%

95.44%

99.74%

Límites de variación natural: son aquellos que

agrupan el 99.74% de la producción cuando el proceso está
bajo control, quedando sólo un 0.26% fuera de los límites de
control.
19/05/2020 11
 Estadística de las gráficas de
control
• Debido a que hay incertidumbre acerca del
valor de la variable para cualquier pieza,
representamos estos valores a través de una
variable aleatoria X.
• Supongamos que para un proceso bajo control,
X tiene una distribución normal.
  
X N  m, 
 n
CO4311- Estadística para la Calidad
12
 Estadística de las gráficas de
control


P m  3 X  X  m  3 X 
P  3.00  Z  3.00   0.9974
X  mX
Z
X
Es muy probable que para un proceso

 bajo control, la media muestral caerá

X  dentro de 3 desviaciones estándar

n CO4311- Estadística para la Calidad

13
 GRAFICAS DE CONTROL DE MEDIAS Y
RANGOS: construcción

• Tamaño de muestra: el tamaño de la

muestra o subgrupo deberá ser constante.
Generalmente se utiliza por subgrupo 4 ó
5 unidades producidas consecutivamente
en el menor tiempo posible.
• Frecuencia de muestreo: de 15 a 30
minutos al inicio del estudio hasta pasar a
una frecuencia de una o dos horas cuando
el proceso está estabilizado.
14 19/05/2020
GRAFICAS DE CONTROL DE MEDIAS Y
RANGOS: construcción
• Número de muestras: desde el punto de
vista estadístico 25 ó más muestras o
subgrupos que dan un total de 100 ó más
unidades inspeccionadas, son suficientes
para tener evidencia de la estabilidad del
proceso y obtener la tendencia central y
la dispersión.
• Registro de datos: se acostumbra a
trazar el gráfico de medias en la parte
superior y debajo el gráfico de rangos,
quedando los datos en la parte inferior.
15 19/05/2020
GRAFICOS DE CONTROL DE VARIABLES.
Control de la Media: Gráfico X

• El control de variables, además de permitir

la clasificación de los artículos en
conformes o disconformes, mediante la
cuantificación de la característica de
calidad valora el grado de disconformidad
con respecto a lo especificado.
• Para el efecto se asume que la
característica de calidad sigue una
distribución normal.
16 19/05/2020
GRAFICOS DE CONTROL DE VARIABLES.
Control de la Media: Gráfico X
• En el gráfico de control de la media, el estadístico a representar es :
n
x   xi / n
i 1
con n el tamaño muestral, resultando w = x el estimador máximo verosimilitud de la
distribución normal. Tenemos, por tanto, para los límites de control, que :
X

donde :
3
A
n
Generalmente A no se calcula, sino que se toma su valor consultando en tablas, al igual
que todos los parámetros que aparecerán más adelante.

19/05/2020 17
GRAFICOS DE CONTROL DE VARIABLES.
Control de la Media: Gráfico X
• Cuando se desconocen los parámetros del proceso (µ y
σ), entonces habrá que tomar una serie de m muestras
de tamaño n cada una, determinándose entonces el
estimador máximo verosímil de μ cómo la media de las
medias de cada muestra:

• En cuanto al parámetro σ, existen dos métodos para

estimarlo: con la desviación estándar muestral o con el
recorrido muestral.

19/05/2020 18
 GRAFICOS DE CONTROL DE
VARIABLES. Control de la Media: Gráfico X

Donde A1 se consulta en tablas.

19 19/05/2020
GRAFICOS DE CONTROL DE VARIABLES.
Control de la Media: Gráfico X
• Si, por el contrario, se realiza la estimación mediante el recorrido,
tendremos:
1 m
R   U in  U i1 
m i 1
donde Ui1 y Uin son el mínimo y el máximo de la muestra ordenada
correspondiente a cada muestra xi1, …,xin con i = 1, …, m.

donde A2 se consulta en tablas.

19/05/2020 20
 GRAFICOS DE CONTROL DE VARIABLES.
Control del Rango: Gráfico R
Pretendemos controlar la variabilidad tomando w = R. Si σ
es un valor histórico conocido, los límites de control
resultante serán entonces los siguientes:

si hubiera que estimar el parámetro σ, entonces los

límites de control valdrían:

cuyos coeficientes se consulta en tablas.

19/05/2020 21
 Gráficos de medias y rangos (I)
Ejemplo .- Se Muestra Observaciones en la muestra Media Rango
muestran datos 1
2
33.00 29.00 31.00 32.00 33.00
33.00 31.00 35.00 37.00 31.00
31.60
33.40
4.00
6.00
3 35.00 37.00 33.00 34.00 36.00 35.00 4.00
correspondientes a la 4 30.00 31.00 33.00 34.00 33.00 32.20 4.00
5 33.00 34.00 35.00 33.00 34.00 33.80 2.00
apertura del alabe 6 38.00 37.00 39.00 40.00 38.00 38.40 3.00
7 30.00 31.00 32.00 34.00 31.00 31.60 4.00
(en mm) para un 8 29.00 39.00 38.00 39.00 39.00 36.80 10.00
9 28.00 33.00 35.00 36.00 43.00 35.00 15.00
componente de la 10
11
38.00 33.00 32.00 35.00 32.00
28.00 30.00 28.00 32.00 31.00
34.00
29.80
6.00
4.00
turbina de un avión. 12
13
31.00 35.00 35.00 35.00 34.00
27.00 32.00 34.00 35.00 37.00
34.00
33.00
4.00
10.00
14 33.00 33.00 35.00 37.00 36.00 34.80 4.00
Se pueden ver los 15 35.00 37.00 32.00 35.00 39.00 35.60 7.00
16 33.00 33.00 27.00 31.00 30.00 30.80 6.00
cálculos preliminares 17 35.00 34.00 34.00 30.00 32.00 33.00 5.00
18 32.00 33.00 30.00 30.00 33.00 31.60 3.00
en la misma tabla. 19
20
25.00 27.00 34.00 27.00 28.00
35.00 35.00 36.00 33.00 30.00
28.20
33.80
9.00
6.00
Promedios: 33.32 5.80

22 19/05/2020
Gráficos de medias y rangos (II)

Los límites de control son, en este caso,

– Para el gráfico de medias:
LIC  X  A2 R  33,32  0,577  5,8  29,95
LSC  X  A2 R  33,32  0,577  5,8  36,65
LC  33,32
– Para el gráfico de rangos:
LSC  D4 R  2,115  5,8  12,27
LIC  D3 R  0  5,8  0
LC  5,8
23 19/05/2020
Gráficos de medias y rangos
(III)
R0 angodeprtulab5 10 15 28 30 Apertuaomdilbe32 34 36 38 40
LSC =3 6 .67

L C =3 3 .32

LIC =2 9 .98

5 10 15 20

Mues tr a

LSC =1 2 .27

L C =5 .80

24 19/05/2020
5 10 15 20

Mues tr a
 Gráficos de medias y rangos (IV)

• Las muestras 6, 8, 11 y 19 están fuera de los

límites control en gráfico de medias y la 9 lo
esta en el gráfico de rangos.
• Cuando se estudian las causas asignables,
estas llevan a una herramienta defectuosa en el
área de moldeo. Los límites deben ser
recalculados excluyendo estas observaciones
atípicas, obteniéndose así un nuevo gráfico,
previa sustitución de las muestras eliminadas.

25 19/05/2020
 Control de la Desviación Estándar:
Gráfico s
• En este gráfico se busca la desviación típica mediante el
control del estadístico representativo w = s. Se trata,
pues, del gráfico s, cuyos límites de control toman los
siguientes valores:

σ : valor histórico conocido.

donde c2, B1 y B2 se consulta en tablas.
19/05/2020 26
 Control de la Desviación Estándar:
Gráfico s
• Si la varianza poblacional es desconocida, entonces se
estimará mediante la varianza muestral como :
s

c2
resultando ahora los límites de control con los valores:

donde B3 y B4 se consultarán en tablas.

19/05/2020 27
Construcción de gráficos X s
• Cuando no se conocen los valores de m y  los
mismos se calculan a partir de los datos para
obtener los límites de control.
– Para el gráfico de medias:
LSC  X  A3 S LC  X LIC  X  A3 S
– Para el gráfico de desviaciones estándar:
LSC  B4 S LC  S LIC  B3 S

3 1  c4 1  c4
A3  B3  1  3 B4  1  3
c4 n c4 c284
 Varianza y Cuasivarianza

Fórmula
n 2

 X i X
s2  i 1

La varianza es un estimador sesgado de la varianza

poblacional; por ello se prefiere el uso de la “cuasivarianza”
que es igual que la varianza excepto en que se divide por n-1;
la cuasivarianza es un estimador insesgado de la varianza
poblacional¨:

n 2

 X i X
s2  i 1

n 1
 GRÁFICOS DE CONTROL PARA
VARIABLES
Ejemplo: Las medias de muestras tomadas de un
proceso de fabricación de barras de aluminio
dan una media de 2 cm. La distribución del
proceso es aproximadamente normal y tiene
una desviación típica de 0.1 cm. Determinar los
límites de control que incluirán el 99.74% de las
medias de la muestra si el proceso está
generando salidas aleatorias para los siguientes
tamaños de muestra: n=16 y n=25.

30 19/05/2020
 GRÁFICOS DE CONTROL PARA
VARIABLES
UCL  x  3 x
LCL  x  3 x

– n=16
• UCL = 2+3(0.1/√16)=2.075
• LCL = 2-3(0.1/ √ 16)=1.925
– n=25
• UCL = 2+3(0.1/ √ 25)=2.06
• LCL = 2-3(0.1/ √ 25)=1.94
– A medida que se incrementa el tamaño de la muestra
los límites se aproximan a la media del proceso.
31 19/05/2020
 GRÁFICOS DE CONTROL PARA
VARIABLES
– Ejemplo: 20 muestras de n=8 han sido
tomadas de un proceso de fresado. La media
del rango para las 20 muestras era 0.016 cm
y la media de las medias de las muestras 3
cm.
Determinar los límites de control para las
gráficas X y R.

32 19/05/2020
 SOLUCIÓN

x = 3 cm
R = 0.016 cm
n=8: A2 = 0,373
UCL = x+A2R= 3+(0.373*0.016)=3.006 cm
LCL = x-A2R = 3-(0.373*0.016)= 2.994 cm
D4=1.864 D3=0.136
UCLR=1.864*0.016=0.030 cm
LCLR= 0.136*0.016=0.002 cm
33 19/05/2020
 GRÁFICOS DE CONTROL PARA RANGO:
Ejemplo
25 muestras de 10 observaciones han sido
tomadas de un proceso de fresado. La media
de los rangos es 0.01 cm. Determinar los
límites de control.

34 19/05/2020
 SOLUCIÓN

• R=0.01 cm
n=10 D4=1.777 D3=0.223
UCLR=1.777*0.01=0.018
LCLR=0.223*0.01=0.002
Si el rango de una muestra es 0.018 o
más, la variación del proceso ha
incrementado; si es inferior a 0.002 la
variación ha disminuido
35 19/05/2020
CONSTANTES ESTADISTICAS

CO4311- Estadística para la Calidad 36

CONSTANTES ESTADISTICAS
n 2 3 4 5 6 7 8 9 10
A2 1.880 1.023 0.729 0.577 0.483 0.419 0.373 0.337 0.308
A3 2.659 1.954 1.628 1.425 1.287 1.182 1.099 1.032 0.975
B3 - - - - 0.030 0.118 0.185 0.239 0.284
B4 3.267 2.568 2.266 2.089 1.970 1.882 1.815 1.761 1.716
C2 0.5642 0.7236 0.7979 0.8407 0.8686 0.8882 0.9027 0.9139 0.9227
C4 0.7979 0.8862 0.9213 0.9400 0.9515 0.9594 0.9650 0.9693 0.9727
d2 1.128 1.693 2.059 2.326 2.534 2.704 2.847 2.970 3.078
d3 0.89 0.8884 0.8798 0.8641 0.8480 0.8332 0.8198 0.8078 0.7971
D3 - - - - - 0.076 0.136 0.184 0.223
D4 3.267 2.574 2.282 2.114 2.004 1.924 1.864 1.816 1.777
E2 2.660 1.772 1.457 1.290 1.284 1.109 1.054 1.010 0.975
K1 3.257 2.046 1.630 1.413 1.278 1.185 1.119 - -

19/05/2020 37
¡GRACIAS POR SU ATENCIÓN!

Ing. Carlos Oqueliz Martínez