MANUAL DE CONTROL ESTADÍSTICO DE PROCESOS

Introducción

Un sistema de control del proceso puede definirse como un sistema de realimentación de la

información en el que hay 4 elementos fundamentales:

Proceso
Por proceso entendemos la combinación global de personas, equipo, materiales
utilizados, métodos y medio ambiente, que colaboran en la producción. El
comportamiento real del proceso -la calidad de la producción y su eficacia productiva-
dependen de la forma en que se diseñó y construyó, y de la forma en que es
administrado. El sistema de control del proceso sólo es útil si contribuye a mejorar
dicho comportamiento.
Información Sobre el Comportamiento
El proceso de producción incluye no solo los productos producidos, sino también los
“estados” intermedios que definen el estado operativo del proceso tales como
temperaturas, duración de los ciclos, etc. Si esta información se recopila e interpreta
correctamente, podrá indicar si son necesarias medidas para corregir el proceso o la
producción que se acaba de obtener. No obstante, si no se toman las medidas
adecuadas y oportunas, todo el trabajo de recogida de información será un trabajo
perdido.
Actuación Sobre el Proceso
Las actuaciones sobre el proceso están orientadas al futuro, ya que se toman en caso
necesario para impedir que éste se deteriore. Estas medidas pueden consistir en la
modificación de las operaciones (por ejemplo, instrucciones de operarios, cambios en
los materiales de entrada, etc) o en los elementos básicos del proceso mismo (por
ejemplo, el equipo -que puede necesitar mantenimiento, o el diseño del proceso en su
conjunto- que puede ser sensible a los cambios de temperatura o de humedad del
taller). Debe llevarse un control sobre el efecto de estas medidas, realizándose
ulteriores análisis y tomando las medidas que se estimen necesarias.
Actuación sobre la Producción

Las actuaciones sobre la producción están orientadas al pasado, porque la misma

implica la detección de productos ya producidos que no se ajustan a las
especificaciones.

Si los productos fabricados no satisfacen las especificaciones, será necesario

 clasificarlos y retirar o reprocesar aquellos no conformes con las especificaciones.

Este procedimiento deberá continuar hasta haberse tomado las medidas correctoras
necesarias sobre el proceso y haberse verificado las mismas, o hasta que se
modifiquen las especificaciones del producto.

Es obvio que la inspección seguida por la actuación únicamente sobre la producción es

un pobre sustituto de un rendimiento eficaz del proceso desde el comienzo. El Control
del Proceso centra la atención en la recogida y análisis de información sobre el
proceso, a fin de que puedan tomarse medidas para perfeccionar el mismo.
Hay dos formas diferentes de diseño y análisis de sistemas de control que utilizan
herramientas estadísticas :

• Control Estadístico de Proceso (CEP) del que trata este manual.

• Control adaptativo, que utiliza lazos de retroalimentación para predecir futuros

valores de las variables de proceso. Este control dice cuando hay que corregir para
mantener a las variables con oscilaciones mínimas alrededor de los valores objetivos y
está basado en el Análisis de series Temporales (Box-Jenkins).

Este tipo de control puede implementarse mediante sistemas de control automático digital
(caso más habitual) o mediante gráficos de control.

En o sucesivo nos referiremos únicamente al Control Estadístico del Proceso.

GRAFICOS DE CONTROL POR VARIABLES

Introducción. Gráficos basado en un estudio inicial

Muchas características de calidad pueden expresarse en términos de medida numérica. Por

ejemplo, el diámetro de una pieza puede medirse con un micrómetro y expresarse en
milímetros. Una característica cualitativa que sea medible tal como un volumen, un peso, o
cualquier dimensión, en general, es una variable.
Cuando nos referimos a una variable, es una práctica normal el controlar tanto el valor
medio como la dispersión. El control del valor medio se realiza, habitualmente, con el gráfico
de control para medias, o gráfico . El control de la dispersión puede efectuarse bien con el
gráfico de control de la desviación típica (gráfico S) o con el gráfico de control de rangos
(gráfico R). El uso del gráfico R está más extendido que el del gráfico S.
Debemos señalar que es necesario mantener el control sobre ambos: Media y dispersión del
proceso. La figura 2 representa la situación de un proceso. En a) tanto la media μ como la
desviación típica σ están bajo control a sus valores nominales (μ o, σo) y en consecuencia la
mayor parte de la producción del proceso cae dentro de los límites de especificación. En la
figura b) la media se ha trasladado μ 1 > μo dando como resultado una cierta fracción de la
producción fuera de especificación. En la figura c) la desviación típica ha cambiado σ 1 > σo
lo que origina también que un parte de la producción esté fuera de norma.
Los gráficos X-R se utilizan cuando la característica de calidad que se desea controlar es una
variable continua.

A.- Gráfico de la media

Supongamos que una variable está normalmente distribuida con media μ y desviación típica
σ y que ambas son conocidas. Si X1, X2, ... son mediciones de una muestra de tamaño n, la
media muestral, dada por :

está normalmente distribuida con media μ y desviación típica . Además, la

probabilidad de que cualquier media muestral caiga en el intervalo

es 1 - α, siendo α el error tipo I o Nivel de significación (probabilidad de decir que el proceso

se ha descorregido cuando en realidad el proceso sigue la distribución N(μ , σ)),
 Por consiguiente, si μ y σ son conocidos la expresión
anterior puede utilizarse para determinar los límites
de control de la media muestral. Habitualmente
usaremos los límites 3σ reemplazando Zα/2 por 3. Si
la media muestral cae fuera de estos límites, esto
indicará que la media del proceso no permanece en
μ.

Hemos supuesto que la distribución original era

normal. Si no lo fuera, los anteriores resultados
serían también aproximadamente válidos por
aplicación del teorema central del límite.
En la práctica no conocemos μ ni σ, por
consiguiente, debemos estimarlas a partir de
muestras previas obtenidas del proceso cuando se
cree que éste está bajo control. Esta estimación
debe basase como mínimo en 20 o 25 muestras.

Supongamos que disponemos de (m) muestras, cada una de ellas con (n) observaciones.
Típicamente, n será pequeño 4 ó 5. En esa situación, el mejor estimador de la media del
proceso será

se utilizará como valor de la línea central del gráfico.

Para construir los límites de control, necesitamos un estimador de la desviación típica s.

Podemos estimar s a partir de los rangos o de las desviaciones típicas de las (m) muestras.
De momento, haremos la estimación a partir de los rangos. Si X1, X2,..., Xn, son mediciones
de una muestra de tamaño n, el rango de la muestra es R =Xmax - Xmin.

La variable aleatoria W = R/s sigue una distribución conocida denominada distribución del
rango relativo. Los parámetros de esta distribución son función del tamaño de muestra (n).
La media de W es (d2) y la desviación típica (d3). En consecuencia, un estimador de s es
R/d2. Los valores de d2 están tabulados (Tablas II y III). Si

la mejor estima de s será

Cuando el tamaño de la muestra es pequeño: n = 4 ó 5 el método de estimar a partir del

rango da casi tan buen resultado como estimarla a partir de la varianza muestral. Sin
embargo, para valores de n, digamos no mayores de 10, pierde rápidamente eficiencia ya
que ignora toda la información comprendida entre Xmax y Xmin.
Si usamos como estimador de m y como estimador de s entonces los límites de
control del gráfico de medias quedarían:

Za/2 lo obtendríamos de las tablas de Distribución Normal (Tabla I), una vez elegido a (error
tipo I).

Normalmente Za/2 = 3 (a = 0,0027), en este caso la cantidad esta tabulada y el

calculo de los límites de control da:

CAPACIDAD DEL PROCESO

Introducción

Un proceso de fabricación es un conjunto de equipos, materiales, personas y métodos de

trabajo que genera un producto fabricado.

Para analizar el comportamiento del proceso, se toman muestras de producto fabricado y se

realizan ensayos para determinar el valor de una característica de calidad seleccionada
previamente. Desde el punto de vista del control estadístico, es conveniente incluir la etapa
de muestreo y ensayo dentro del proceso mismo.

Conceptualmente debemos considerar que

cualquier variación en las condiciones de un
proceso (Modificación en el equipo, cambio de
materias primas, etc.) da lugar a otro proceso,
diferente del anterior.

El primer paso para aplicar una técnica estadística es definir la característica de calidad que
se va a medir en el producto fabricado. Desde el punto de vista estadístico, esta
característica de calidad constituye una variable aleatoria, porque aún después de realizar
una serie de mediciones, el valor que se obtendría en la siguiente medición no puede
predecirse por cálculo.

El conjunto de todos los resultados de mediciones que pueden obtenerse es nuestro

universo o población. Cualquier subconjunto de mediciones extraído del universo constituye
una muestra. Con respecto al concepto de universo o población, cuando se aplica a
resultados de mediciones en un proceso, es necesario puntualizar lo siguiente: La población
o universo de resultados es el conjunto de datos que se obtuvieron hasta ese momento mas
aquellos que se obtendrían si el proceso continuara funcionando siempre bajo las mismas
condiciones. Esto se conoce como Universo Hipotético de mediciones de la característica de
calidad.

Antes de aplicar cualquier técnica estadística, es necesario establecer algunas hipótesis bajo
las cuales se va a desarrollar el análisis. En primer lugar, vamos a suponer que la
característica de calidad (Variable aleatoria) es continua y de distribución normal. En
segundo lugar, consideraremos que el proceso está bajo control estadístico, es decir que la
variabilidad se debe solamente a un sistema constante de causas aleatorias (No intervienen
causas asignables).

Al realizar una sucesión de mediciones de la característica de calidad sobre muestras del

producto fabricado, encontramos que los valores fluctúan alrededor de un valor central. Esto
es lo que llamamos la fluctuación natural y esperable del proceso. Esta variación de la
característica de calidad medida se debe a un conjunto muy grande de causas que afectan el
proceso, cuyo efecto individual es pequeño y que actúan en forma aleatoria (Sistema
constante de causas aleatorias). La fluctuación natural del proceso es inherente al mismo y
no puede eliminarse, sólo puede reducirse realizando modificaciones al proceso mismo, lo
cual significa, como ya hemos dicho, trabajar con otro proceso. La fluctuación natural de un
proceso puede cuantificarse a través de la desviación standard del mismo, con la cual
podemos calcular Límites de Tolerancia Natural del proceso. Se debe insistir en que estos
límites no pueden fijarse voluntariamente, dependen del proceso y de las variables no
controlables del mismo. Generalmente se toma un rango para la fluctuación natural de 6
sigmas.

Los Límites de Especificación de un producto son fijados voluntariamente por el cliente, por
el fabricante o por alguna norma. Estos límites constituyen un requisito a cumplir por el
producto y no deben confundirse en ningún caso con los Límites de Control o con los
Límites de Tolerancia Natural del proceso.

La Capacidad de un proceso es la aptitud para generar un producto que cumpla con

determinadas especificaciones. En el mejor de los casos, es conveniente que los Límites de
Tolerancia Natural del proceso se encuentren dentro de los Límites de Especificación del
producto. De esta manera nos aseguramos que toda la producción cumplirá con las
especificaciones.

Para analizar la capacidad del proceso se puede utilizar un histograma de frecuencias. Si se

dispusiera de todos los datos del universo para la característica de calidad medida y se
hiciera un histograma este permitiría tener una idea exacta de la fluctuación natural del
proceso. Como esto es imposible, es necesario tomar un cierto número de mediciones
(Mínimo 100-200) y efectuar con ellas un histograma de frecuencias.
Este es el histograma de una muestra y por lo tanto es sólo una estimación del verdadero
histograma del universo. Si representamos en las abscisas los Límites de Especificación del
producto, podemos ver gráficamente si el proceso tiene aptitud (Capacidad) para fabricar
dicho producto.

CAPÍTULO 9.- GRAFICOS DE CONTROL POR ATRIBUTOS

Introducción

Algunas características de calidad no pueden ser representadas convenientemente por

medio de variables cuantitativas. En estos casos, las unidades de producto se clasifican en
“conformes” o en “no conformes” según la característica o características cualitativas sean
o no conformes con las especificaciones. Las características de calidad de este tipo se
denominan atributos. Los datos de tipo atributo tienen solamente dos valores: Conforme /
no conforme, pasa/no pasa, funciona / no funciona, presente / ausente. También se
consideran atributos aquellas características cuantitativas que se registran en términos de
sino como por ejemplo, el diámetro de un eje cuya conformidad solo la medimos en términos
de aceptable/no aceptable, las imperfecciones de pintura en una puerta de un automóvil, las
burbujas en la laca de un detonador, la presencia/ausencia de un percutor, etc.
Vamos a analizar cuatro tipos de gráficos de control por atributos:
Gráfico “p” para porcentajes defectuosos
Gráfico “np” para el número de unidades defectuosas
Gráfico “c” para el número de defectos
Gráfico “u” para el número de defectos por unidad inspeccionada

Gráfico “p” para porcentajes defectuosos

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:

El valor medio y la varianza de esta distribución son :

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 :

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 :
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 limites de control resultan:

La operativa consiste en tomar sucesivas muestras de n unidades, contar dentro de cada

muestra el número de unidades no conformes y calcular = D/n llevando este valor al
gráfico. En tanto 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 ; i = 1, 2... .n y la media de
estas fracciones, , estimará la media p del proceso siendo los límites de control:

Frecuentemente se utiliza solo el límite superior.

Estos límites de control se consideran como limites 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 validos 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 estandar 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

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 limites 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.

LINEAS GENERALES PARA IMPLANTAR GRAFICOS DE CONTROL

Ventajas de los gráficos de control

Existen importantes razones para implantar los gráficos de control. Destacamos las
siguientes:

a) Los gráficos de control son una técnica de eficacia probada para mejorar la productividad.
La adecuada implantación de un programa de C.E.P. reduce la repetición de las operaciones
no conformes y los rechazos por desechos que son uno de los principales enemigos de la
productividad. De esta reducción se deriva una disminución en los costes y un incremento
de producción de producto correcto

b) Los gráficos de control son eficaces en la prevención de defectos. El objetivo básico del
gráfico de control es detectar cualquier cambio en el proceso o en el producto. Siempre es
más barato hacer las cosas bien de entrada que escoger las unidades buenas dentro de un
lote de malas y buenas. Si no se posee un control eficaz, se estará pagando por fabricar
producción no conforme.

c) Los gráficos de control previenen de ajustes innecesarios del proceso. El gráfico de

control distingue entre el “ruido de fondo” y una variación anormal. Si el operador ajusta el
proceso basándose en comprobaciones periódicas no relacionadas con la implantación
sistemática de los gráficos de control, a menudo reaccionará frente al ruido de fondo y
realizará ajustes innecesarios.

d) El gráfico de control proporciona información sobre la capacidad del Proceso. El gráfico

suministra información sobre los parámetros básicos del proceso y sobre su estabilidad a lo
largo del tiempo.

La tecnología moderna, utilizando ordenadores, hacen sencilla la implantación de los gráficos

de control, en cualquier tipo de proceso.
Como resumen de lo visto en los capítulos anterores, vamos a tratar sobre los siguientes
puntos :
A) Determinación de la característica a controlar y desde donde se va a controlar

B) Selección del gráfico adecuado

A) Selección de la característica a controlar y donde controlarla

a) En el comienzo de la implantación se aplican los gráficos a aquellas características

del proceso o del producto que se consideran importantes. Los gráficos nos dirán si
son realmente necesarias.

b) Eliminar gráficos que se encuentren innecesarios.

c) Disponer de una información actualizada sobre el número y tipos de gráficos de

 control existentes en el proceso. Cuando comienza la implantación, el número de
gráficos suele crecer de forma continuada, después decrece. Cuando el proceso se
estabiliza, el número de variables seguidas por gráficos, suele mantenerse constante
aunque éstas no son necesariamente las mismas.

d) Según se va sabiendo más sobre el proceso, el número de gráficos por atributos

disminuye y el número de gráficos por variables aumenta.

e) Al comienzo, suelen utilizarse bastantes gráficos por atributos para el producto

final o intermedio. Después estos gráficos tienden a ser sustituidos por gráficos por
variables para características de las primeras fases del proceso.

f) Los gráficos de control son procedimientos a implantar en la línea tan cerca del
puesto de trabajo como sea posible, así, la información llegará con rapidez. Además,
las personas responsables de producción tendrán la responsabilidad directa de recoger
datos, realizar los gráficos e interpretar resultados. Los operadores e ingenieros que
trabajan en el proceso disponen del conocimiento del mismo necesario para corregir
fallos y utilizar el gráfico como una herramienta para mejorar la calidad. Los
ordenadores facilitan enormemente la rapidez de cálculos y presentación de gráficos
por lo que no pueden faltar en ningún procedimiento moderno de control estadístico
del proceso.

B) Selección del gráfico adecuado

Gráficos , R (o , S); Solo para variables cuantitativas.

Los gráficos por variables se utilizan en los casos siguientes:

a) Comienza un nuevo proceso, o un nuevo producto va a fabricarse en un proceso

existente.

b) El proceso tiene continuos problemas o es incapaz de cumplir las tolerancias

especificadas.
c) La verificación de la calidad producida requiere ensayos destructivos o costosos
procedimientos de ensayo.
d) Se desea reducir la inspección por desmuestre y otras verificaciones sobre el
producto al mínimo
e) Se han utilizado, sin resultado, gráficos de control por atributos.
f) Procesos con especificaciones muy estrechas.
g) Situaciones en las que el operador debe decidir si ajusta o no el proceso.
h) Cuando ha de demostrarse ante el cliente de forma continuada, la estabilidad y la
capacidad del proceso.

Gráficos CUSUM

Se puede utilizar en todos los casos señalados para el gráfico , R, pero donde
realmente muestra más ventajas es:
a) Cuando los procesos vayan descorrigiéndose lentamente (por ejemplo procesos
químicos)
b) Cuando sea necesario descubrir rápidamente pequeños desajustes.
c) Situaciones en las que es posible disponer un microordenador en la línea
Gráficos por atributos
Se recomienda utilizar los gráficos por atributos en los siguientes casos:
a) Los operadores controlan las causas asignables y es preciso reducir el porcentaje
de fallos.
b) El proceso es una operación de montaje compleja y la calidad del producto se mide
en términos de conforme/no conforme.
c) Es necesario el control del proceso pero no pueden obtenerse datos cuantitativos.
d) Para facilitar a la dirección una visión con un resumen informativo sobre la eficacia
del proceso.

Gráficos de control para valores individuales

Se puede usar conjuntamente con los gráficos de rango móvil en los siguientes casos:

a) Procesos en los que no puede obtenerse más que una medida por muestra o donde
las medidas repetidas solo difieren debido a errores analíticos. Esto suele suceder en
los procesos químicos.

b) Procesos donde la tecnología existente cuantifica cada unidad producida. En estos

casos, también pueden considerarse los gráficos de media móvil.

c) Cuando la cadencia de aparición de nuevos datos es muy lenta y sería impracticable

esperar a reunir una muestra mayor porque esto supondría una reacción demasiado
tardía ante los problemas.