UNIVERSIDAD NACIONAL DE SAN MARTIN

FACULTAD DE INGENIERIA AGROINDUSTRIAL

Resumen de control
de procesos
 Asignatura : ADMINISTRACION DE LA CALIDAD

 Docente : Ing. Ing. Epifanio Martínez Mena

 Alumna : Leidy Karito Sánchez Mori

Junio de 2018
I. INTRODUCCIÓN

El mejoramiento de la calidad se basa en la vigilancia continua de los

insumos y de los productos durante los procesos para la elaboración
de diferentes bienes o servicios. Cuando es posible medir o comparar
los insumos y productos, las herramientas estadísticas como gráficas
de control son útiles para evaluar el grado de conformidad alcanzado
con respecto a las especificaciones.
El Control Estadístico de Procesos (SPC; por sus siglas en inglés de
Statistical Process Control) es la aplicación de técnicas estadísticas
para determinar si el resultado de un proceso concuerda con el diseño
del producto o servicio correspondiente. Las herramientas conocidas
como gráficas de control se usan en el SPC para detectar la
elaboración de productos o servicios defectuosos; o bien, para indicar
que el proceso de producción se ha modificado y los productos o
servicios se desviarán de sus respectivas especificaciones de diseño,
a menos que se tomen medidas para corregir esa situación. El Control
Estadístico también suele utilizarse con el propósito de informar a la
gerencia sobre los cambios introducidos en los procesos que hayan
repercutido favorablemente en la producción resultante de dichos
procesos.
La aplicación de técnicas estadísticas al control está basada en el
estudio y evaluación de la variabilidad existente en cualquier tipo de
proceso que es principalmente el objeto de la Estadística.

El objetivo del Control Estadístico de la Calidad es:

- Detectar rápidamente la ocurrencia de variabilidad debida a causas
asignables.
- Investigar la(s) causa(s) que la han producido y eliminarla(s).
- Informar de ella para la toma de decisión oportuna, pues de lo
contrario se producirían gran cantidad de unidades de calidad no
aceptable, originando una disminución de la capacidad productiva
e incremento de costos del producto terminado (supervisor).
- Eliminar, si es posible, o al menos reducir al máximo la variabilidad
del proceso (dirección).
 II. REVISION BIBLIOGRAFICA
 Según Carro y González (2011), explican que el control durante el
proceso es una variabilidad innata o aleatoria, pero si hay una manera de
identificarlo por medio de cartas o gráficos. La variación puede ser de lo
más simple o lo complejo.

Se realiza, en el proceso productivo y básicamente la finalidad es mantener

la calidad uniforme (es decir deben mantenerse dentro de los rangos
establecidos). Generalmente el control se ejerce sobre:
 La materia prima, mediante una inspección, el cual nos indicará que la
materia prima entre o nó al proceso.
 Luego control de unidades durante el proceso, mediante un procedimiento
de muestreo por intervalos. Ejm. Producimos 5000 lt/ día y cada hora
tomamos una muestra.
 Luego se realizara entre los volúmenes de producción o por lotes, éste
también se realiza por muestreo.
¿Por qué varían los procesos?
Un proceso industrial está sometido a una serie de factores de carácter aleatorio
que hacen imposible fabricar dos productos exactamente iguales. Dicho de otra
manera, las características del producto fabricado no son uniformes y presentan
una variabilidad. Esta variabilidad es claramente indeseable y el objetivo ha de
ser reducirla lo más posible o al menos mantenerla dentro de unos límites. El
Control Estadístico de Procesos es una herramienta útil para alcanzar este
segundo objetivo. Dado que su aplicación es en el momento de la fabricación,
puede decirse que esta herramienta contribuye a la mejora de la calidad de la
fabricación.
Las causas de variación son:
 Causas no asignables: llamada también como causas normales,
aleatorias, no identificables, es una causa no identificable y siempre estas
causas estarán presentes en el proceso.
Son inherentes al proceso mismo y no pueden ser reducidas o eliminadas
a menos que se modifique el proceso.
Cuando el proceso trabaja afectado solamente por un sistema constante
de variables aleatorias no controlables (Causas no asignables) se dice que
está funcionando bajo Control Estadístico.
Cuando, además de las causas no asignables, aparece una o varias
causas asignables, se dice que el proceso está fuera de control.
- Estas causas van a producir variaciones relativamente pequeñas.
- Igualmente estas causas están presentes en un número
relativamente alto, es decir se presenta muchas veces.
- A pesar de ser muchas no guardan relación unas con otras es decir
son independientes entre sí.
- La variación es exceso o defecto y tienden a compensarse.
- Es posible hacer un estudio probabilístico por que responden a la
ley de Gauss.
- Por su naturaleza es difícil de controlar estas causas, si se quiere
controlar es sumamente costoso.

 Causas asignables: Llamadas como causas anormales, accidentales,

identificables, son causas que pueden ser identificadas y que conviene
descubrir y eliminar, por ejemplo, una falla de la máquina por desgaste de
una pieza, un cambio muy notorio en la calidad del plástico, etc. Estas
causas provocan que el proceso no funcione como se desea y por lo tanto
es necesario eliminar la causa, y retornar el proceso a un funcionamiento
correcto.
- Estas causas no siempre están presentes.
- A pesar de no estar presentes introducen variaciones relativamente
grandes, que constituyen un aviso para hacer su control.
- Se presentan en número pequeño o pocas veces.
- Estas causas pueden ser dependientes entre sí, no ocurre en este caso
el efecto compensatorio.

Por ejemplo, si en un proceso industrial se está utilizando materias primas

procedentes de un lote homogéneo y se continúa la fabricación con materias
primas procedentes de otro lote, cuyas características son muy diferentes de
las anteriores, es muy posible que las características de los productos
fabricados sean significativamente distintas a partir de la utilización del nuevo
lote.

 Determinación de frecuencia de fallas:

Cuando la pieza queda completamente inservible. Cuando a pesar de que
funciona no cumple su función satisfactoriamente. Cuando su
funcionamiento es poco confiable debido a las fallas y presenta riesgos.

- Deficiencias en el Proceso:

1. Marcas de maquinado pueden originar grietas que conducen a la falla.

2. Esfuerzos residuales causados en el proceso de deformación en frio o
en el tratamiento térmico que no se hacen bajo las normas establecidas
(Temperatura, Tiempo, Medio de enfriamiento, Velocidad).
3. Recubrimientos inadecuados.
4. Soldaduras y/o reparaciones inadecuadas.

- Curva de la bañera:
La curva de la bañera, es un gráfica que representa los fallos durante el
período de vida útil de un sistema o máquina. Se llama así porque tiene la
forma una bañera cortada a lo largo.

- Teoría de fallas. En ella se pueden apreciar tres etapas:

 Fallos iníciales: esta etapa se caracteriza por tener una elevada

tasa de fallos que desciende rápidamente con el tiempo. Estos
fallos pueden deberse a diferentes razones como equipos
defectuosos, instalaciones incorrectas, errores de diseño del
equipo, desconocimiento del equipo por parte de los operarios
o desconocimiento del procedimiento adecuado.
 Fallos normales: etapa con una tasa de errores menor y
constante.
 Los fallos no se producen debido a causas inherentes al equipo,
sino por causas aleatorias externas. Estas causas pueden ser
accidentes fortuitos, mala operación, condiciones inadecuadas
u otros.
  Fallos de desgaste: etapa caracterizada por una tasa de errores
rápidamente creciente. Los fallos se producen por desgaste
natural del equipo debido al transcurso del tiempo.

 Métodos de causa y efecto de Ishikawa

Un diagrama de Causa y Efecto es la representación de varios elementos

(causas) de un sistema que pueden contribuir a un problema (efecto). Fue
desarrollado en 1943 por el Profesor Kaoru Ishikawa en Tokio. Algunas
veces es denominado Diagrama Ishikawa o Diagrama Espina de Pescado
por su parecido con el esqueleto de un pescado. Es una herramienta
efectiva para estudiar procesos y situaciones, y para desarrollar un plan de
recolección de datos. El Diagrama de Causa y Efecto es utilizado para
identificar las posibles causas de un problema específico. La naturaleza
gráfica del Diagrama permite que los grupos organicen grandes cantidades
de información sobre el problema y determinar exactamente las posibles
causas.

¿Cómo se hace un diagrama causa-efecto?

1. Determinar inequívocamente el problema a analizar. Debe ser un
problema concreto, aunque puedan intervenir diversas causas que lo
expliquen.
2. Determinar el grupo de personas que deben intervenir en el análisis.
Normalmente serán personas relacionadas con el problema directa o
indirectamente, de forma que todas ellas puedan aportar ideas.
3. Convocar al grupo, anunciándoles el problema concreto que se va a
analizar (para que vayan pensando en él).
Se dibuja el diagrama base, en el triángulo de la “cabeza del pez” se
escribe el problema considerado.

Habitualmente, los factores suelen estar predefinidos como las “5M” (incluso
6M), dependiendo del contexto:
 1ª M: Máquinas
2ª M: Mano de obra
3ª M: Método
4ª M: Materiales
5ª M: Medio (entorno de trabajo)

 Gráficos de control

Los gráficos de control o cartas de control son una importante herramienta

utilizada en control de calidad de procesos. Básicamente, una Carta de
Control es un gráfico en el cual se representan los valores de algún tipo de
medición realizada durante el funcionamiento de un proceso continuo, y
que sirve para controlar dicho proceso. Son esencialmente, un intervalo de
confianza en una escala series-tiempo. Se usa fundamentalmente para
análisis de datos, ya sean discretos o continuos, los cuales han sido
generados en un determinado periodo.
Las funciones básicas que cumplen la gráfica son:
- Definir una meta para una operación.
- Ayudar a obtener esa meta.
- Determinar si la meta ha sido alcanzada.

Los límites de control son niveles de significación con sus coeficientes

correspondientes de desviación tipo.
Los límites de control son límites de decisión de hipótesis nula, que permite
saber cuándo debe de investigarse. Sí los límites se fijan en ± 3σ, un punto
que caiga encima o más allá de los límites de control conducirá a rechazar
la hipótesis nula para el nivel de significación de 0.0013, para cada límite.
El riesgo de error, al tomar esta decisión será solo del 26 por 10,000 para
ambos límites, y del 13 por 10,000 para un solo límite (el área que cae
fuera de las líneas de límites ± 3 σ es aproximadamente igual a 0.0026).
Ejemplo:
En una lata de conserva, las etiquetas traen:
Peso aprox. = 230 grs. ----- pero nosotros hemos regulado la máquina selladora
para que nos dé un contenido de 230  5 gr.
230  5 gr. ( esto en un límite establecido).
En la producción de hoy hemos producido 1000 latas y muestreados 4 latas para
verificar.
1. 231---------- 230 + 1 bajo control (10 AM)
2. 228 --------- 230 - 2 bajo control (12 M)
3. 222 --------- 230 - 8 ? 2 PM(causa asignable fuera del límite establecido).
4. 232 --------- 230 + 2
Este límite de control es una base a experiencias anteriores.
Aun cuando universalmente se acepte y use el término gráfico de control, en
principio se debe entender que la gráfica no controla en realidad, cosa alguna.
Simple y sencillamente suministra una base para la acción, y sólo es efectiva si
los responsables de las decisiones actúan a partir de la información que revela
dicha gráfica.
- Esquema general de gráfico de control: este esquema nos da una
idea general, además se basa en la distribución normal.

El área bajo la curva de cada uno de ellos es:

Área

u  1σ 68.27%
u  2σ 95.45%
u  3σ 99.73%
Estos se ajustan a los conceptos de probabilidad
Los responsables de vigilar un proceso suelen usar gráficas de control en la
siguiente forma:
- Tomar una muestra aleatoria del proceso, medir la característica de
calidad y calcular una medida variable o de atributos.
- Si la estadística se ubica fuera de los acotamientos de control de la
gráfica, buscar una causa asignable.
- Eliminar la causa si ésta degrada la calidad, o incorporar la causa
si con ella mejora la calidad. Reconstruir la gráfica de control con
nuevos datos.
- Repetir periódicamente todo el procedimiento.
Las gráficas de control no son herramientas perfectas para detectar los cambios
en la distribución de procesos, por el hecho de que están basadas en
distribuciones de muestreo. Se pueden presentar dos tipos de errores cuando se
utiliza este tipo de gráficas:
- El error “tipo I” (rechazar un lote de buena calidad) se produce
cuando el empleado o analista saca la conclusión de que el proceso
está fuera de control, basándose en un resultado de muestra
ubicado fuera de los acotamientos de control, cuando en realidad
se trataba de un efecto puramente aleatorio.
- Un error “tipo II” (aceptar un lote de mala calidad) se presenta
cuando el empleado en cuestión concluye que el proceso está bajo
control y que sólo se presentan discrepancias aleatorias, cuando
en realidad dicho proceso está fuera de control estadístico.
Procedimiento de construcción del gráfico de control
1. Seleccionar las características de calidad más conveniente (Longitud,
área, dureza, etc).
2. Recolección de datos el cual se hace por muestreo.
3. Sobre estos datos determinar los límites de control.
4. Luego decidir sobre estos límites de control. Esto implica una pregunta.
Estos límites de control son satisfactorios o no?.
5. Luego tomamos un papel y trazamos la línea central (media o rango, etc),
y los límites de control.
6. Una vez trazado estos límites ploteamos los datos y estamos con nuestra
gráfica y analizar, si queda fuera de los límites de control. Tomar acciones
correctivas necesarias.
 Elementos de los graficos de control

 Graficos de control por variables:

Se usan con el propósito de vigilar la media y la variabilidad de la

distribución de un proceso estas gráficas de control ayudan a la detección
de la variación de causa asignable (variación en el producto o proceso de
producción que señala que el proceso está fuera de control y que se
requieren medidas correctivas).

Se emplea cuando se tiene datos continuos como dimensión, costo, peso

y resistencia, sensibilidad, temperatura, dureza. Para este control se utiliza
las gráficas de promedio e intervalo.
La medida de tendencia central, es decir, la media muestral, X , está
controlada mediante el gráfico de la media, mientras que la variabilidad se
controla mediante el recorrido, R, que constituye el gráfico de rango o
recorrido.

- Gráfica de la media (X): Se diseña para medir la variación en las

medias muéstrales alrededor de algún nivel generalmente
aceptado. Cuando las causas asignables a la variabilidad del
proceso han sido identificadas y la variabilidad de dicho proceso se
encuentra dentro del control estadístico, el analista puede construir
una gráfica x.
- Gráfica del rango o amplitud (R): se usa para vigilar la
variabilidad de los procesos. Si desea calcular el rango de un
conjunto de datos de muestra, el analista resta la medición más
pequeña de la medición más grande obtenida en cada muestra. Si
cualquiera de los datos queda fuera de los acotamientos de control,
se dice que la variabilidad del proceso no está bajo control.
El rango o recorrido es la diferencia entre el mayor y el menor dato
de cada grupo de observaciones tomadas de forma consecutiva. Si
un proceso se encuentra bajo control, es posible obtener una
relación entre el rango muestral para muestras de tamaño n y la
desviación típica de la población que tendremos como estándar
dado.

- La Desviación Estándar: cuantifica el grado de dispersión de los

puntos de los datos cerca de la media y es usada para establecer
los límites en los que es determinada la aceptabilidad del resultado
del control.
La desviación estándar es un promedio de las desviaciones
individuales de cada observación con respecto a la media de una
distribución. Así, la desviación estándar mide el grado de dispersión
o variabilidad. En primer lugar, midiendo la diferencia entre cada
valor del conjunto de datos y la media del conjunto de datos. Luego,
sumando todas estas diferencias individuales para dar el total de
todas las diferencias. Por último, dividiendo el resultado por el
número total de observaciones (normalmente representado por la
letra “n”) para llegar a un promedio de las distancias entre cada
observación individual y la media. Este promedio de las distancias
es la desviación estándar y de esta manera representa dispersión.
La desviación estándar de una población es normalmente
representada por la letra griega (sigma), cuando se calcula sobre
la base de toda la población; por la letra s (minúscula) cuando se
infiere de una muestra; y por la letra S (mayúscula) cuando
simplemente corresponde a la desviación estándar de una muestra.

La fórmula de la desviación estándar es:

, donde representa la suma de las diferencias al

cuadrado entre cada observación y la media y N representa el
número total de observaciones.
La aparente complicación de la fórmula surge del hecho de que al
restar la media a los valores de cada observación individual para
calcular las diferencias ( ), los valores de las observaciones que
están bajo la media producirán diferencias negativas, mientras que
los valores de las observaciones que son mayores que la media
proporcionarán valores positivos. Así, las diferencias positivas y
negativas se compensarán entre sí y, en el caso de una distribución
simétrica, producirán una suma igual a cero para la suma de las
desviaciones individuales. Para evitar este problema, las
desviaciones se elevan al cuadrado, de modo que todas las
desviaciones sean positivas y se puedan sumar. Después, se
calcula la raíz cuadrada para ‘compensar’, por decirlo así, la
elevación al cuadrado anterior de los valores. Cuando no se incluye
la raíz cuadrada, el resultado es otro famoso indicador de
dispersión conocido como la “varianza”.

Ejemplo:
Hallar la desviación estandar de la series de números siguientes:
2, 3, 6, 8, 11
Solucion:
III. BIBLIOGRAFIA

- Carro. R y Gonzales. D (2011). Control estadístico de procesos.

Universidad Nacional De Mar del Plata. Argentina
- Sistemas de Optimización y Estadística
https://optyestadistica.wordpress.com/2009/04/17/ejemplo-grafico-
de-control-xbarra-s-de-medias-y-desviacion-estandar/