Gráficas de control.

Introducción. Principales objetivos de las gráficas de control. Tipos de gráficas de

control. Gráficas de control con variables continuas, (valores continuos). Interpretación de
las gráficas. Proceso bajo y fuera de control estadístico. Gráficas de control con variables
atributos, (valores discretos). Gráficas para control de unidades no conformes con grupos
constantes y con grupos variables. Gráficas para control de no conformidades.
Interpretación de las gráficas. Indice de inestabilidad. Resumen general

Introducción. Todo proceso presenta variaciones debido a múltiples causas, unas

evidentes otras no. Estas variaciones se pueden presentar en un tiempo especifico o a
medida que transcurre el tiempo. Por esto, para aumentar la eficiencia de los procesos es
necesario realizar 3 actividades principales:
1. Estabilizarlos, mediante la identificación y eliminación de las causas especiales, para
lo cual nos valemos del control estadístico.
2. Mejorarlos, es decir, reducir las variaciones existentes debido a causas comunes.
3. Vigilarlos para asegurarnos que las mejoras se mantienen en el tiempo y para detectar
oportunidades de nuevas mejoras.
Como lo señalamos anteriormente, 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.
En general, las causas que originan esas variaciones se pueden agrupar en dos grandes
grupos:
1. Las causas comunes, fortuitas, naturales o por azar, que son aquellas que siempre
están presentes, no son fáciles de identificar, no es práctico eliminarlas y en general, son
inherentes al proceso mismo. Por ejemplo, en una empresa que elabora jugos, las frutas no
son iguales unas a otras, pudiéndose originar variaciones en el producto final.
Estas causas se pueden controlar estadísticamente.
 2. Las causas especiales, no naturales, asignables o atribuibles, que son aquellas que
son esporádicas, son estables, no se pueden obviar, se originan por las operaciones
irregulares, por métodos inadecuados y en general, no son inherentes al proceso. Por
ejemplo, un descuido de un trabajador, la falla originada por un operario que no ha recibido
el entrenamiento adecuado, la falla ocasionada por el mal funcionamiento de una pieza de
una máquina. Estas causas no son controlables estadísticamente.
Un proceso que trabaja solo con causas comunes de variación se dice que está
bajo control estadístico o estable, es decir, sus variaciones a través del tiempo son estables.
Independiente de que sus variaciones sean pocas o muchas, el desempeño del proceso es
predecible, en el sentido de que su tendencia central y la amplitud de sus variaciones se
espera que se mantengan al menos a corto plazo.
Un proceso en donde existen causas especiales de variación, se dice que está fuera
de control estadístico o inestable. Su futuro es impredecible.
Es necesario distinguir estas variaciones para no caer en el error de reaccionar frente
a una variación como si se originara de una causa especial, cuando su origen es más
profundo, causa común, o al contrario, tratar un problema como causa común cuando en
realidad se debe a una causa especial.
Ahora bien, como cometer estos errores originan pérdidas y en vista que no se
pueden evitar uno u otro, es necesario controlarlos. A la salud, el adecuado funcionamiento
de un proceso y el cumplimiento de su objetivo final, se le puede hacer seguimiento a
través de dos vías principales
1. La estabilidad del proceso, la cual nos permite conocer si el proceso productivo
está cumpliendo los requerimientos máximos y mínimos establecidos por las
especificaciones establecidas.
2. La capacidad del proceso, el cual nos permite conocer si el producto del proceso
cumple con condiciones establecidas para su uso.
Para conocer si un proceso productivo es estable o no, se utiliza el control
estadístico, el cual se puede ejecutar preferentemente a través de las llamadas gráficas de
control.
Las gráficas de control las podemos elaborar a partir de las variables o
características continuas, cuantitativas, (VC), del proceso es decir, con características que
 se puedan medir, como longitud, peso, etc. o a partir de variables o características
discretas o atributos, (VA), que no se pueden medir pero si contar, como son el porcentaje
de desechos, o el porcentaje de defectos existente en un producto o servicio.
Para conocer si un proceso es capaz, debemos efectuar lo que se llama un Estudio
de Capacidad del proceso.

Principales objetivos de las gráficas de control.

El objetivo principal de una gráfica de control es observar y analizar con datos
estadísticos, la variabilidad y el comportamiento de un proceso a través del tiempo para
distinguir las causas comunes de las causas especiales, caracterizar el funcionamiento del
proceso y decidir las mejoras que aplican. Los gráficos se pueden elaborar en cualquiera
etapa con las variables de entrada, con las variables de control del proceso mismo y con
variables de salida del proceso.
Adicionalmente permiten:
1. Mejorar la calidad de ejecución del proceso.
2. Establecer la capacidad del proceso.
3. Tomar decisiones sobre las especificaciones establecidas para la elaboración del
producto.
4. Tomar decisiones sobre el proceso de producción.
5. Tomar decisiones relacionadas con los productos elaborados por el proceso.

Tipos de gráficas de control.

Existen 2 tipos principales de gráficos:
1. Para variables continuas, que son aquellas que se pueden medir a través de algún
instrumento como el peso, volumen, longitudes, voltajes, temperatura, etc.
Las gráficas de control que se elaboran para el control estadístico de un proceso
utilizando las variables continuas son:
1.1 Gráficas para puntos individuales Xm.
1.2 Gráfica de Xm (media) - Gráfica de Rm (rango)
1.3 Gráfica de Xm (media) - Gráfica de S (desviación estándar)
 2. Para variables atributos, que son aquellas que no se pueden medir con un
instrumento pero si se pueden contar, como el número de defectos o de desechos, como
mencionamos anteriormente.
Las gráficas de control que se elaboran para el control estadístico de un proceso a
partir de las variables atributos. son principalmente:

2.1. Gráfica del porcentaje de defectos en una muestra, de artículos defectuosos. (p)
2.2. Gráfica del número de defectos en una muestra. ( np )
2.3 Gráfica del número de defectos por productos. ( c )
2.4 Gráfica de defectos en un producto. ( μ )

1.1 Gráfica para puntos individuales.

Estos gráficos se utilizan para representar un dato a la vez, como puede ser las
ventas. Representan los datos ordenados en el tiempo. Se utiliza como referencia la
mediana de los datos.
Los patrones que se puedan ubicar permiten detectar causas especiales.
Existen causas especiales cuando:
-En pocos puntos existen cambios en el promedio del proceso o del ciclo.
- Existen muchos puntos creciendo o decreciendo continuamente.
- Existe una secuencia de puntos del mismo lado de la mediana

Las gráficas de puntos individuales se pueden utilizar para representar:

Ventas, costos, despachos, eficiencias, perdidas en Bs, tiempo de mantenimiento,
análisis químico, niveles de contaminación, tiempo perdido en producción, presión,
velocidad, humedad, conductividad, etc.

Construcción del gráfico de puntos individuales.

1. Escoja los datos. Idealmente 20 puntos, mínimo 15.
2. Graficar los datos en orden cronológico.( son las X )
3. Trazar la mediana y haga corridas de pruebas para detectar causas especiales.
Si se detectan, encuéntrelas y prevenga su ocurrencia.
 4. Calcule los rangos móviles de puntos adyacentes ( las R y grafique)
5. Calcular la mediana del rango R.
6. Calcular los promedios y los limites recontrol superior e inferior.
LCS = Xm + 3.14 Rm
LC = Xm
LCI = Xm - 3.14 Rm
7. Graficar el promedio y los límites de control.
8. Cualquier punto fuera de los límites de control indica una causa especial.
9. Si existen puntos que señalan causas especiales, buscar hasta identificar las
causas especiales y tomar acción para prevenir su recurrencia.
10. Elaborados los gráficos, agregar los puntos y verificar la existencia de causas
especiales utilizando los mismos limites de control. Los límites de control
pueden ser actualizados si se percibe que han cambiado.

Ventajas y desventajas del gráfico de puntos individuales.

Ventajas.
- Se puede utilizar cuando es extremadamente difícil la formación de
subgrupos apropiados.
- Se puede usar cuando hay pocos datos.
- Es fácil de construir.
- Puede se usado para establecer la capacidad del proceso.
Desventajas.
- No es tan poderoso como otros gráficos especializados para ciertas
situaciones. Puede ser lento para detectar cambios.
- Requiere estimados indirectos y a veces inflados, de variación local.
- No es fácil diferenciar entre desplazamientos en el proceso e incrementos
en la variación del proceso
- A veces es difícil de interpretar.

1.2 Gráficas Xm - Rm.

 Existen muchos procesos industriales que son de producción masiva, como son
líneas de ensamblajes, empacadoras, procesos de llenado, etc. Algunos realizan miles de
operaciones y otros pocas, pero son de producción masiva. Si adicionalmente las variables
de salida son continuas, podremos aplicar las gráficas Xm- Rm.
A la salida del proceso, salen uno a uno o por lotes los productos del proceso. Cada
cierto o cantidad de piezas, se toman un pequeño número de productos (subgrupo) a los
cuales se les medirá una o más características de calidad. Con las mediciones de cada
subgrupo se calculan la media y el rango de manera que cada periodo de tiempo, media
hora por ejemplo, se tendrá una media y un rango que suministrarán información sobre la
tendencia central y la variabilidad del proceso.
Con la gráfica de Xm, se analiza la variación entre las medias de subgrupos para
detectar cambios en la media del proceso. Si dichas medias varían de un subgrupo a otro
por causas que van mas allá de la variación natural del sistema, se dice que existen causas
especiales. El gráfico del Rm, se analizan la variación entre los rangos de los subgrupos. Si
dichos rangos varían de uno a otro por cosas que van más allá de la variación natural del
sistema, se dice que existen causas especiales. Permite detectar cambios en la amplitud o
magnitud de la variación del proceso.
Cuando no existen causas especiales, la variación total del proceso es conocida y se
puede determinar. Las condiciones para que no haya defectos son que no existan causas
especiales y que la variación total del sistema sea menor que los limites de las
especificaciones técnicas.
Al afirmar que el proceso es estable, se dice que es predecible sobre el futuro
inmediato y no necesariamente la distribución del proceso será normal. Puede estar
inclinada hacia un lado, por lo cual es necesario determinar las causas.
Para hacer un estudio inicial del desempeño de un proceso en el tiempo y determinar
así los limites de control, es usual obtener por lo menos entre 20 y 25 subgrupos de tamaño
pequeño, usualmente entere 5 a 10. Estos subgrupos deben estar espaciado, por lo menos 2
días. De esta manera se toma del proceso una cantidad pequeña de productos o partes
consecutivas, cada determinado período, para estudiar la estabilidad, en lugar de analizar la
mediciones individuales de cada pieza, se analizan las medias y los rangos de los subgrupos
o muestras.
 Límites de control de Xm.
Hay que aclara que los límites establecidos en un gráfico de control no son las
especificaciones o las tolerancias del proceso. Al contrario, estas se calculan a partir de las
variaciones del estadístico que se presenta en el gráfico. Por tanto, se deben establecer los
limites que cubran cierto porcentaje de la variación natural del proceso, pero sin que el
porcentaje sea muy alto, por que será muy difícil detectar los cambios en el proceso, pero
tampoco muy pequeños porque se incrementa la posibilidad de decir que hubo un cambio
cuando no lo hubo.
Para calcular los límites de control debemos proceder de manera que en condiciones
de control estadístico, los datos a graficar tengan alta probabilidad de caer dentro de los
límites. Sabemos que cuando los datos siguen una distribución normal, el 99,73 % de ellos
están en los limites µ ± 3σ. Cuando no siguen una distribución normal, aplicamos la
distribución de Chebyshev x ± s, 99.7 %.
Resumiendo, si W es el estadístico que queremos graficar y su media es µ y su
desviación estándar es σ, los límites de control del gráfico serán:

Limite de control superior = µ + 3σ.

Línea central = µ
Limite de control inferior = µ - 3σ.

Con estos limites y en condiciones de control estadístico, se tendrá altas posibilidades

que los valores de W estará dentro de ellos.
Los límites de control del grafico Xm seran:
Limite de control superior = Xm + A2 R
Limite medio = Xm
Limite de control inferior = Xm – A2 R.

Los valores de A2 dependen del número de observaciones n en cada

subgrupo, a saber n A2
2 1.880
3 1.023
 4 0.729
5 0.577
6 0.483
7 0.419
8 0.373
9 0.337
10 0.308

Interrelación de los límites de control de Xm

Los límites reflejan la variación esperada para las medias muestrales de tamaño “ n ”
mientras el proceso no tenga cambios importantes. No permiten evaluar la capacidad del
proceso ya que estos limites de control no son de las especificaciones o tolerancias, son
elaborados a partir de la información del proceso y no de la especificaciones que las fija el
diseñador del producto.

Interpretación del gráfico de promedios Xm.

Para interpretar este gráfico debemos dividir la distancia entre los limites de control
en 2 zonas, 3 por encima del promedio Xm, que llamaremos As, Bs, y Cs y 3 por debajo
del promedio Xm, que llamaremos Ci, Bi y Ai.
- Un punto mas allá de la zona As o Ai, indica cambios en maquinarias o en el
posicionamiento del proceso, cambios en la calidad de los insumos, en la velocidad de las
máquinas, cambio en cualquier parámetro significativo del proceso tal como temperatura,
presión, etc.
- 8 puntos sucesivos de un lado de Xm, señalan que pequeños cambios persisten en el
promedio del proceso
- Puntos con tendencia hacia arriba o hacia abajo. Representa un cambio continuo y
despacio en la distribución del proceso. Algunas veces las causas especiales son predecibles
al punto que son partes de proceso. Indican desgaste consistente de las operaciones de las
maquinarias, deterioro de las soluciones utilizadas en la industria electrónica y química,
incremento del calor, lo cual ocasiona una tendencia en la dimensión del producto, cambios
en la concentración de químicos.
- 14 puntos en fila alternándose hacia arriba y hacia abajo, en general se debe a
muestreo sistemático de subgrupos en 2 herramientas diferentes, posiciones, etc, e incluidos
en los gráficos.
- 2 de cada 3 puntos en las zonas As y Ai, esto suministra un alerta temprano,
particularmente si la causa especial no es tan drástica, como la primera de estas
interpretaciones.
- 4 de cada 5 puntos situados en las zonas Bs y Bi o mas allá. Esto es similar al punto
anterior.
- 15 puntos en fila en las zonas Cs y Ci, conocida también como estratificación, muestra
pequeñas fluctuaciones poco naturales o una ausencia de puntos cerca de los limites de
control. Esto indica que no se está efectuando un buen control, sino un mal cálculo de los
límites de control o una escogencia errónea de los subgrupos

Gráfico Rm.
Con la gráfica Rm se detectan cambios en la amplitud de la variación del proceso y
sus limites se determinan a partir de la media y la desviación estándar de los rangos de los
subgrupos. Los límites se obtienen con la expresión:
µ (rangos) ± 3σ (desviación estándar de los rangos).
Los límites quedan definidos de esta manera:
Limite de control superior = D3 R.
Limite de central = R
Limite de control inferior = D4 R.

Los valores representados por D3 y D4, dependen del número de observaciones, a

saber: n D3 D4
2 0 3.267
3 0 2.575
4 0 2.282
 5 0 2.115
6 0 2.004
7 0.076 1.924
8 0.136 1.864
9 0.184 1.816
10 0.223 1.777

Interpretación de los límites de control del gráfico Rm.

Los límites reflejan la variación esperada para los rangos de las muestras de tamaño n,
mientras el proceso no tenga cambios significativos. Permiten detectar cambios en la
amplitud o magnitud de la variación del proceso y para ver que tan estable permanece a
través del tiempo. No se pude utilizar para evaluar la capacidad del proceso.

Interpretación del gráfico de Rangos

-Un punto por encima o debajo de los límites de control, indica cambios repentinos en
la variación a corto plazo.
- 8 puntos o más puntos en secuencia de un solo lado del promedio de los rangos es
probable que sea debido a desgaste de los engranajes o decrecimiento de la eficiencia de
mezclado.
- 7 puntos incrementando o decreciendo indican que la herramienta se afloja de su
receptáculo o un deterioro gradual del mezclado de un químico.
- 14 puntos en fila alternándose hacia arriba o abajo, dentro o fuera de los límites de
control se deben a una selección incorrecta de los subgrupos o muestreo sistemático de 2
fuentes diferentes.

Ventajas del grafico Xm-Rm.

El gráfico Xm-Rm puede señalar cuando una causa especial es debido a la
inestabilidad de la media o de la capacidad del proceso o de ambos. También, es más
sensible que el gráfico de corrida para detectar cambios en la media del proceso. Un gráfico
Rm bajo control estadístico y sin causas especiales puede señalar lo que el proceso es capaz
de alcanzar en términos de variación, debido a que el gráfico Xm también está bajo control
estadístico.
Cuando ambos gráficos Xm y Rm están bajo control estadístico, la amplitud del
proceso puede ser establecida al calcular los límites del proceso.

Uso de los gráficos Xm- Rm

Estos gráficos se elaboran basados en datos de procesos que probablemente tendrán
causas especiales. Estos gráficos se pueden usar inicialmente para identificar causas
especiales y luego eliminarlas. Después de eliminarlas, hay que construir nuevos gráficos
con nuevos datos del proceso que ahora, idealmente solo tiene causas comunes. Esto se
repite hasta eliminar las causas especiales.

Pasos para la construcción del gráfico Xm-Rm.

1. Escogemos los datos. Seleccionamos la frecuencia de medición y el tamaño
de la muestra (subgrupos).
2. Calculamos el promedio de X y R para cada subgrupo.
3. Calculamos el Rango promedio, Rm y el promedio del proceso Xm.
4. Calculamos los limites de control: LCS y LCI para el promedio y
Para el rango.
5. Graficamos los puntos X y R para cada subgrupo. Trazamos Xm y Rm
y los limites de control.

Gráfico Xm-Sm.
Cuando con un gráfico Xm-Rm se quiere tener mayor capacidad de detectar cambios
pequeños en el proceso, se aumenta el tamaño de los subgrupos. Pero si “n” es mayor que
10, es recomendable utilizar el gráfico Xm-Sm, a cada subgrupo se le calcula la media X y
su desviación estándar S y con el gráfico Xm se analiza el comportamiento de las medias
para determinar cambios en la tendencia central del proceso y con el gráfico Sm se
representan las desviaciones estándar de los subgrupos, para detectar cambios en la
amplitud de la dispersión del proceso.

Límites del gráfico Sm.

Los límites se obtienen a partir de la media y de la desviación estándar de S, con la
expresión, µ ± σn

Interpretación de los límites del gráfico S.

Estos limites reflejan la variación esperada para las desviaciones estándar de muestras
de tamaño N, mientras el proceso no tenga cambios importantes, por lo que son útiles par
detectar cambios significativos en la magnitud de la variación del proceso.

Interpretación de los gráficos de control Xm -Sm y causas de inestabilidad.

Una señal de que se ha detectado una causa especial en un proceso es cuando un
punto cae fuera de los límites de control o cuando los puntos graficados siguen un
comportamiento aleatorio. Los gráficos indican que un proceso es estable o bajo control
estadístico, cuando los puntos caen dentro de los límites de control o fluctúan
aleatoriamente cerca de la línea central.
Un proceso muy inestable tiene pobre estandarización, hay cambios continuos,
muchas variaciones atribuibles a maquinarias o desajustes, diferencias condiciones de
operación, etc.
Un proceso está operando con causas especiales cuando:
Patrón 1. Existen desplazamientos o cambios en el nivel del proceso, cuando 2 o más
puntos se salen de los limites de control o cuando hay una tendencia a que los puntos
consecutivos caigan de un solo lado de la línea central. Estos cambios pueden ser
originados por:
1.1 Introducción de nuevos trabajadores, maquinarias, materiales o métodos
principalmente.
1.2 Cambios en los métodos de inspección
1.3 Una mayor o menor atención de los trabajadores
 Patrón 2. Tendencia en el nivel central del proceso, es decir, tendencia a
incrementarse o disminuir los valores de los puntos en el grafico. Esto puede deberse a
algunas de las siguientes causas especiales:
2.1 Deterioro o desajuste gradual de equipos de producción
2.2 Desgaste de las herramientas de corte.
2.3 Acumulación de productos o desperdicios en tuberías.
2.4 Calentamiento de las máquinas.
2.5 Cambios graduales en las condiciones del medio ambiente
Aun cuando estas causas son raras. Pueden deberse a disminución de la habilidad de
un operario, fatiga del operario, cambio de la homogeneidad de la materia prima. La
tendencia la podemos determinar cuando 6 o más puntos consecutivos ascienden o bajan o
existe un movimiento demasiado largo hacia arriba o hacia abajo.
Patrón 3. Ciclos recurrentes o periodicidad. Otro movimiento no aleatorio es el
comportamiento cíclico de los puntos, suben luego bajan, luego suben. Cuando esto sucede
las causas son:
3.1 Cambios periódicos en el medio ambiente
3.2 Diferencias en los instrumentos de medición que se utilizan en cierto orden
3.3 Rotación regular de máquinas o de operarios.
3.4 Efectos sistémicos de 2 máquinas, operarios o materiales que se usan
alternativamente.
Si el comportamiento cíclico se presenta en el gráfico Rm o Sm, una de la causas
puede ser mantenimiento preventivo programado o fatiga de los trabajadores.

Patrón 4. Mucha variabilidad. Se manifiesta mediante la alta proporción de puntos

cerca de los límites de control, a ambos lados de la línea central y pocos o ninguno en la
parte central del gráfico. Algunas causas de esto son las siguientes:
4.1 Sobre control o ajustes innecesarios en el proceso.
4.2 Diferencias sistémicas en la calidad del material o en los métodos de prueba.
4.3 Control de 2 o mas procesos en el mismo grafico con diferentes promedios.
 Patrón 5. Falta de variabilidad. Cuando los puntos se concentran en la parte central
del grafico, los puntos reflejan poca variabilidad. Algunas de las causas son:
Límites de control equivocados.
Agrupación de muestras diferentes.
Grafico de control inapropiado.

Cuando alguno de los patrones anteriores se observa en el gráfico, es señal de que en

el proceso hay una situación especial, proceso inestable o fuera de control, que origina que
los puntos no estén variando aleatoriamente dentro del gráfico.
Esto no significa que no se pueda seguir produciendo con el, sino que el proceso
trabaja con variaciones debidas a alguna causa especifica material homogéneo, cambios de
operadores, desgaste, diferencia entre maquinarias. Por tanto, es necesario buscar la causas
ara conocer mejor el proceso y aplicar la medidas correctivas.

Indice de inestabilidad .St

El índice de inestabilidad proporciona una medición de que tan inestable es un
proceso, por lo cuales se podrán diferenciar los procesos

St = (número de puntos especiales/ numero de puntos) x 100.

Pasos para elaborar la gráfica de control con variables continuas.

1. Definimos la característica que queremos controlar, la cual como se estableció
debe ser medible, expresable en números, tal como longitud, peso, temperatura, etc. Hay
que escoger preferentemente la que más afecte el proceso. Cuando los procesos son muy
complejos, se pueden escoger varias características y en consecuencia, elaborar varias
gráficas de control.
 2. Luego escogemos el subgrupo de mediciones de la característica. Los datos los
agrupamos en subgrupos, desechando los que sean aleatorios. Estos subgrupos deben de
cumplir lo siguiente:
- Los elementos deben ser homogéneos, del mismo proceso; por ejemplo, los mismos
operadores en igualdad de condiciones.
- Las muestras tienen que ser de igual tamaño, preferiblemente muestras pequeñas y
frecuentes. Usualmente cada subgrupo tiene 4 o 5 elementos.
- Deben ser tomadas a una frecuencia definida, regular según el régimen de
producción, a cada 5 minutos o cada 15 minutos, tomadas de igual forma, sin cambiar el
procedimiento.
- El origen debe estar definido; día, hora y operador.
- El número de subgrupos preferible por lo menos 25, para que la gráfica sea
confiable.
También pueden escogerse las características a través de un análisis específico del
producto.

3. Luego escogemos la gráfica que vamos a elaborar para controlar el proceso.

4. Luego recopilamos los datos.

Supongamos que escogimos la gráfica Xm – Rm, para controlar un proceso

Ejemplo.
 Supongamos que estamos controlando un proceso de producción de una pieza, cuya
dimensión la establecimos en 6.35 cms. y nos interesa controlar las variaciones sobre los 35
mm.
Tomamos muestras y tenemos los siguientes datos:

Subgrupo. Fecha. Hora. X1 X2 X3 X4 Xp. Rp.

1 12/02 8.00 35 40 32 37 6.36 0.08
2 9.00 46 37 36 41 6.40 0.10
3 10.00 34 40 34 36 6.36 0.06
4 11.00 69 64 68 59 6.65 0.10
5 12.00 38 34 44 49 6.39 0.10
…. ……. …… ….. …. ….. ….. …. …… …..
25 160.25 2.19

5. Calculamos la media, la desviación estándar y el rango de cada subgrupo.

6. Luego calculamos la media de la media y la media de los rangos obtenidos.

Xm = 160.25 / 25 = 6.41 mm.

Rm = 2.19 / 25 = 0.0876 mm.
7. Luego calculamos los límites de control superior e inferior del proceso.

Para esto aplicamos las siguientes ecuaciones:

Lim sup promedio Lim inf.
X Xm + A2Rm Xm Xm – A2Rm
R D4Rm Rm D3Rm

Los valores de las constantes A y D se deben buscar en una tabla que los específica
según el número de subgrupos. Para los datos más frecuentes que son 4 o 5 componentes
por subgrupo, los valores son:
 Observ. Gráfica promedio Gráfica desviación estándar.
A A2 A3 C4 B3 B4 B5 B6
4 1.5 0.729 1.628 0.9213 0 2.266 0 2.088
5 1.342 0.577 1.427 0.9400 0 2.089 0 1.964

Gráfica de rangos.
d2 d1 D1 D2 D3 D4
4 2.059 0.880 0 4.698 0 2.282
5 2.326 0.864 0 4.918 0 2.114

Lcsx = 6.41 + 0.729 (0.0876) = 6.47 mm

Ldix = 6.41 - 0.729 (0.0876) = 6.35 mm

Rs = (2.282) (0.0876) = 0.020

Ri = (0) (0.0876) = 0

8. Luego dibujamos las gráficas.

En el eje de las Y trazamos 3 líneas con los valores de límite superior, promedio y
límite inferior.
En el eje de las X, representamos los valores de las medias de cada subgrupo, de
manera que el gráfico representa las medias de cada subgrupo.
La variación dentro de cada subgrupo la representa el rango
 Xm. * 6.65
* 6.51
--------------------------------------------------------------------------- 6.47 mm

* 6.40
--------------------------------------------------------------------------- 6.41 mm
* 6.39
* 6.36 * 6.36
---------------------------------------------------.------------------------ 6.35 mm

Rm.
* 0.030

--------------------------------------------------------------------------- 0.020 mm

* 0.10 * 0.10
--------------------------------------------------------------------------- 0.0876 mm
* 0.08
* 0.06

---------------------------------------------------------------------------- 0.00 mm

9. luego debemos interpretar el gráfico elaborado.

Proceso bajo control estadístico.

Decimos que el proceso está bajo control estadístico, cuando solo existen causas
naturales de las variaciones. Para esto se debe cumplir lo siguiente:
 - Todos los puntos del gráfico están dentro de los límites superior e inferior de
control.
- La distribución de esos puntos deben seguir la distribución de una curva normal
de manera que:
- - El 34 % deben estar comprendido dentro del valor de la
desviación estándar
(σ), 13,5% dentro de 2 y 3 σ y 2.5 % entre 2 y 3 σ.
La línea central es representativa del proceso.
Los valores obtenidos en este caso, pueden convertirse en valores estándares del
proceso.

Proceso fuera de control estadístico.

Decimos que el proceso está fuera de control estadístico, cuando está afectado por
causas especiales, lo cual lo hace un proceso inestable.
La gráfica nos señala que el proceso está fuera de control cuando ocurre al menos una
de estas situaciones:
- Cuando existen subgrupos cuyo valor medio está fuera del limite superior e inferior
de control, aunque sea uno solo.
- Cuando la distribución de los subgrupos es diferente a la curva
normal.
- Cuando existen 8 o más puntos seguidos que están ubicados por
encima o por debajo de la línea central.
- Cuando existen 7 puntos consecutivos ascententes o descendentes
- Cuando hay un cambio de nivel o salto, los puntos están por
encima y luego comienzan a estar por debajo de la línea central, se comporta de una
manera y cambia de repente.
- Cuando existen 15 puntos consecutivos muy cerca de la línea
central, lo cual indica que el proceso se está comportando de una manera normal.
- Cuando existe en el gráfico algún ciclo completamente definido.
- Cuando existen 2 o 3 puntos consecutivos fuera de la línea de 2σ.
- Cuando exista alguna periodicidad, alternando arriba y abajo.
 En este caso la línea central que calculamos no es representativa del proceso
Cuando el proceso está fuera de control, esto indica que en el funcionamiento del
proceso existen causas especiales, como son fallas en los insumos, falta de adiestramiento
del personal, fallas eléctricas, problemas de mantenimiento, etc. Esta es la función principal
del gráfico, señalarnos la existencia de causas especiales, por lo cual debemos tomar la
acciones necesarias a nivel técnico, supervisorio o gerencial para corregirlas.
Cuando las causas especiales no están bien definidas, se puede elaborar un diagrama
de Pareto, para analizar los indicios de causas especiales y luego concluir.
Los puntos que están fuera de control y que representan causas especiales, se
excluyen y se calculan los nuevos valores estándares.

10. Como tenemos en el primer gráfico 2 subgrupos fuera de los valores límites
establecidos, el proceso está fuera de control. La existencia de estos puntos nos indica que
hay causas especiales y no naturales en el proceso. Analizamos que sucedió en ese
subgrupo y llegamos a la conclusión por ejemplo, que ese día el operador no tenía el
entrenamiento adecuado o se produjo una falla eléctrica o se realizó mantenimiento
correctivo, etc. Eliminamos estas causas y continuamos con el control con otros datos, pero
aprovechando los existentes como base.
Estos puntos se excluyen y calculamos nuevos valores para la media y el rango. .

Xmn = 160.25 -6.65-6.51 / 25 – 2 = 6.40 mm

Rmn = 2.19 -0.30 / 25-1 = 0.079 mm

Para el Rango tenemos:

σ = Rm / d2 = 0.079 / 2.059 = 0.038

Con lo cual calculamos los nuevos limites y continuamos tomando muestras para
continuar el control del proceso.

Lcxn = Xmn ± A σ 6.40 ± (1.5) (0.038) = 6.46 mm y 6.34 mm

 Lcrs = D2σ = (4.698) (0. 038) = 0.018 mm
Lcri = D1σ = (0) (0.038) = 0

Supongamos que escogimos las gráficas Xm y Sm.

Los pasos para este caso son muy parecidos a los anteriores.
La gráfica de Sm es más precisa para tamaños de subgrupos mayores a 10.
Se utilizan los mismos datos y solo cambian las fórmulas.

Ejemplo.2

Subgrupo Fecha Hora X1 X2 X3 X4 Xp Sp

1 12/02 8.00 35 40 32 37 6.36 0.034
2 9.00 46 37 36 41 6.40 0.045
3 10.00 34 40 34 36 6.36 0.028
4 12.00 69 64 68 59 6.65 0.045

….. ….. ……. …. … ………………………….

25 160.25 0.975

Si = √ n ∑ Xi ² - ( ∑ Xi) ² / n( n-1)

Sm = 0.975/ 25 = 0.039 mm Xm = 160.25 / 25 = 6.41 mm

En la tabla buscamos los valores:

A3 = 1.628 B3 = 0 B4 = 2.266 luego

Lcx = 6.41 ± A3 Sm = 6.41 ± ( 1.628 ) ( 0.039) = 6.47 mm y 6.35 mm

 Scs = B4 Sm = ( 2.266) ( 0.039) = 0.088 mm
Sci = B3 Sm = ( 0 ) ( 0.039 ) = 0 mm

Ahora podemos elaborar las gráficas:

* 6.65 * 6.61
----------------------------------------------------------------- 6.47

Xm ---------------------------------------------------------------- 6.41
* 6.40
*6.36 * 6.36
---------------------------------------------------------------- 6.35

En el eje de las X, anotamos los valores de Xp, para cada subgrupo

* 0.0125
-------------------------------------------------------------------- 0.088

* 0.045 * 0.045

Sm --------------------------------------------------------------------- 0.039

* 0.034
* 0.028
--------------------------------------------------------------------- 0.00
 En el eje de las X, anotamos los valores de Sp de cada subgrupo

Cuando todos los valores están dentro de la línea superior e inferior, el proceso está
controlado, pero en los gráficos notamos que:
en el primero hay 2 puntos fuera, 6.65 y 6.51
y en el segundo 1 punto fuera, 0.0125

Buscamos las causas especiales que originaron esto; fallas en equipos, ruptura de
una manguera, obrero inexperto, etc, las solucionamos y continuamos con el control
excluyendo a esos puntos y efectuando las correcciones necesarias.

Xmn = 160.25 – 6.65 – 6.51 / 25 – 2 = 6.40 mm

Smn = 0.975 – 0.125 / 25 – 1 = 0.0354 mm

σ = S / C4 C4 lo obtenemos de la Tabla B = 0.9213

σ = 0.0354 / 0.9213 = 0.038 mm
calculamos los nuevos valores limites.

LXn = Xmn ± A σ = 6.40 ± (1.500) ( 0.038 )

LXsn = 6.46 mm LXin = 6.34 mm

LSsn = B6 σ = ( 2.088) ( 0.038 ) = 0.079 mm

LSin = B5 σ = ( 0 ) ( 0.038 ) = 0 mm

Corregidas las causas especiales, podemos continuar con el control del proceso,
utilizando como base, los últimos valores encontrados.

B) Gráficas de control con variables atributos. ( valores discretos )

 En calidad se llaman atributos aquellas características que no se pueden medir o no
tiene sentido medirlas, pero si se pueden contar, como son los rayones o los cambios de
color. También se incluyen aquellas características que siendo medibles, por problemas de
costo o de tiempo, no tiene sentido efectuarlo. En estos casos el producto o proceso se juzga
como conforme o no conforme, dependiendo de si posee ciertos atributos o también se les
puede contar el número de defectos o de no conformidades que tiene.
Decimos que un producto o servicio es no conforme cuando no cumple con los
requisitos establecidos en las especificaciones, cuando tiene por lo menos un elemento no
conforme.
Decimos que un producto o servicio es defectuoso, cuando no cumple por lo menos
uno de los requerimientos para su uso.
En estos casos, para el control estadístico del proceso, podemos elaborar 4 tipos
diferentes de gráficos:
1. Según el número de unidades no conformes, el cual a su vez tiene 2
posibilidades:
- Según la fracción de artículos defectuosos o no conformidades en la muestra ( p )
- Según el número de artículos defectuosos o unidades no conformes de la muestra ( np )
2. Según el número de productos con defectos, que también tiene 2 posibilidades:
- Según el número de defectos de la muestra. ( c )
- Según el número de defectos del producto. ( μ )

La elaboración de estas gráficas se basa en la distribución binomial; una gráfica de

proporción p, muestra la proporción de no conformidades de una muestra.

2.1 Gráfica para control de unidades defectuosas. ( p)

En estos casos los datos están formados por la fracción resultante de dividir el
número de veces que ocurre un suceso, entre el número de acontecimientos, es decir la
proporción de artículos defectuosos por muestra o por subgrupos.
Se emplea en control de calidad para dar a conocer la fracción de no conformidades
de un producto, en una característica de calidad o un grupo de características.
P = np / n proporción de no conformidades
 Cantidad de no conformes / cantidad de elementos.
El gráfico se construye de la siguiente manera:
.- De cada lote, embarque, pedido o cierta parte de la producción se toma una
muestra o subgrupo de n artículos, que puede ser la totalidad o una parte de las piezas en
estudio.
- Las n piezas de cada subgrupo son inspeccionadas y cada una catalogadas como
defectuosa o no, según los atributos de calidad convenidos.
- Si de las n piezas, i se encuentran con di defectos, es decir, no pasan, en el grafico
p se incluyen la variación de la proporción pi, de unidades defectuosas por subgrupo.
- .
Ejemplo.
Se inspecciona 250 embarques de un calzado y se detectan 5 no conformidades de
una producción de 10.000 unidades.
no conformes = 5 / 250 = 0.002
Este valor es generalmente muy pequeño, a menos que la empresa tenga
dificultades, por lo cual el tamaño de los subgrupos generalmente es muy grande, para que
sea confiable.

Los límites de control de un grafico p. son:

LC = p ± 3 √(p(1-p))/n
Linea central = p

Interpretación de lo limites de control p

Los limites de control reflejan la realidad del proceso, de acuerdo a como se hace la
inspección. Mientras la proporción de defectos caiga dentro de las líneas de control y no
haya otro patrón especial, será indicativo de que el proceso funciona igual que siempre,
bien o mal, pero su desempeño esta dentro de lo previsto. No se debe fijar los límites de
control según deseos o metas.

Objetivos de la gráfica de no conformidades.

 Los principales objetivos al elaborar este tipo de gráfico son:
1. Calcular el nivel promedio de calidad, es decir, la proporción de no
conformidades.
2. Alertar sobre desviaciones acerca del promedio de no conformidades.
3 Permite realizar mejo ras en la calidad de los atributos.
4. Permite evaluar el desempeño de calidad del personal.
5. Dar indicios de donde se originan los problemas.
6. Permite decidir antes de comercializar el producto.

Cómo se construye la gráfica ( p ), para grupos constantes.

1. Seleccionamos la ó las características de calidad que queremos controlar; la
proporción de no conformidades de una característica de un grupo o de una parte, de una
parte de un producto completo, del desempeño de un operador, de un color, incluso
podemos elaborar antes un Diagrama de Pareto.
2. Calculamos el tamaño del subgrupo de la muestra y el método a emplear. Hay
que tener en cuenta el número promedio de no conformidades. Se pueden utilizar entre 25 y
50 subgrupos.
3 Recopilamos los datos que pueden ser históricos o recolectados con Hojas de
control.

Ejemplo.
Subgrupos Unid. Insp, (n) Cant. no confor.( np ) Proporc. No confor, (p).
1 300 12 0.04
2 300 3 0.010
3 300 9 0.030
…… …….. ….. ……..
25 7500 138

3. Calculamos los valores limites de control con la expresión:

Lcsi = pm ± 3 √ pm ( 1 – pm) / n
 La línea central es pm = 138 / 7500 = 0.018

Luego Lcs = 0.041 Lci = - 0.005 = 0

Ahora podemos elaborar el gráfico en forma parecida a los anteriores.

* 0.053
------------------------------------------------------------ Lcs = 0.041
* 0.04
No conf. * 0.03
------------------------------------------------------------ Lc = 0.018
* 0.013
* 0.01
------------------------------------------------------------ Lci = 0

Como hay un punto fuera de lo límites, el proceso no está estabilizado; buscamos las
causas especiales que determinaron esa no conformidad, las solucionamos y luego hacemos
correcciones para continuar con el control con nuestras mediciones.

pn = 138 – 16 / 7500 – 300 = 0.017

16 fue el número de no conformidades del punto fuera del gráfico.

Aplicamos de nuevo la fórmula anterior.

Lc = 0.017 ± 3 √ 0.017( 1 – 0.017) / 300 y obtenemos:

Lcs = 0.039 Lci = - 0.005 = 0

Con los valores 0.017, 0.039 y 0 elaboramos un nuevo gráfico parecido al anterior,
para continuar efectuando el control de calidad con otros datos.

Gráficos cuando los grupos son variables.

 Este caso puede suceder cuando la producción no es constante o varía día a día o
también cuando varía mes a mes. El problema en estos casos es que los limites de control
dependen del valor de n, si es pequeño los limites son grandes y al contrario.
En estos casos, existen 3 posibilidades:
- Utilizar el tamaño de subgrupos promedio para calcular los
limites de control, cuando la variación entre los subgrupos no es demasiado.
- Calcular para cada subgrupo los límites de control.
- Utilizar un gráfico de p normalizado

El procedimiento de recopilación de datos, cálculo de líneas límites y central, y

correcciones es igual al anterior, pero las líneas limites hay que calcularlas para cada
subgrupo.

Ejemplo.
Subgrupo Cant. Insp.(n). No conf.( np) fracc. no conf. Lim sup. Lim inf.
Mar. 29 2.385 55 0.023 0.029 0.011
30 1.451 18 0.012 0.031 0.009
31 1.935 50 0.026 0.030 0.010
Abril 1 2.450 42 0.017 0.028 0.012
2 1.997 39 0.020 0.029 0.011
------ …….. ……. …….. ……. ……..
30 ----------- --------- ------- ------ -------
50.515 1.015

p = 1.015 / 50.515 = 0.020

calculamos los límites para cada día:

Marzo 29 L29 = 0.020 ± 3 √ 0.020( 1- 0.020) / 2.385 = 0.029 y 0.011
L30 = 0.020 ± 3 √ 0.020( 1-0.020) / 1.451 = 0.031 y 0.009
 Ahora se representamos los límites de control para cada día.

* 0.031
------------------------*0.030-------------------------------------- 0.030
* 0.029
* 0.026
* 0.023
---------------------------------------------------------------------- 0.020
* 0.012
* 0.011
------------------------* 0.011--------------------------------------- 0.010
* 0.009

Representando los gráficos sucede que durante el 9,22 y 23 de abril hay una situación
fuera de las líneas límites, debido a una causa atribuible como fue el instrumento de
calibración desequilibrado. Ejecutamos las medidas correctivas, excluimos los puntos y
obtenemos nuevos valores de p, para continuar con el Control.

pn = 1.015 – 53-113-17 / 50515 -1.236-2.678 – 2.382 = 0.019

Con este valor base, podemos calcular los límites superior e inferior del período
siguiente, Mayo, para continuar con el Control.

2.2 Gráficos de número de defectuosos o no conformidades ( np ).

El gráfico es igual al anterior, aunque no se usa para lo mismo. El tamaño del
subgrupo debe ser igual. Se debe indicar el tamaño de la muestra. Este gráfico presenta la
ventaja que es muy fácil de visualizar.
Los límites de control son:

LC = np ± 3 √ np( 1 – p)
Linea central = np
 Interpretación de los límites de control de la carta np.
Los límites indican la cantidad esperada de piezas defectuosas por cada n artículos
inspeccionados.

Ejemplo.
En una empresa se hace un muestreo de 200 uniformes diarios de un lote de 600.
Según datos históricos, se sabe que las conformidades son p = 0.075.
Se quiere elaborar las gráficas de control

np = 200 (0.075) = 15.0 Lc = np ± 3 √ np( 1 – p)

Lc = 15 ± 3 √ 15( 1 – 0.075 ) = 26.2 y 3.8

Con estos valores, elaboramos las líneas límites

----------------------------------------------------- 26.2

----------------------------------------------------- 15

----------------------------------------------------- 3.8

y comenzamos a graficar las cantidades no conformes diarias.

Este gráfico es efectivo en la fase inicial de arranque de un nuevo producto proceso o

también cuando es muy errático.

Se puede utilizar para medir el desempeño de la calidad más que como gráfica de
control.

.
 Graficas para defectos. c y µ

Es frecuente en procesos industriales, que existan variables de atributos como las

siguientes: numero de defectos por artículos (rollo fotográficos, zapatos, prenda de vestir,
circuitos electrónicos, muebles, etc), en las que cada producto se puede tener mas de un
defecto o atributo no satisfactorio y sin embargo no catalogarlo como defectuoso. Por
ejemplo, un mueble pude tener varios defectos en su acabado y sin embargo se pude utilizar
con normalidad, es decir, son n variables de atributos que al estar presentes en un articulo
no necesariamente implica que no siga o no pase a la siguiente etapa del proceso, al
contrario de los gráficos n y np. Hay otras variables que conviene evaluar, como número de
errores por trabajador, cantidad de accidentes, número de quejas por mal servicio, etc.

Las variables de este tipo se pueden ver como el número de eventos que ocurren por
unidad y se comportan segunda distribución de Poisson. Tienen 2 características esenciales:
el número de oportunidades para encontrar defectos es grande, pero la probabilidad de
encontrar un defecto es pequeña y la dispersión de la variable es igual a la magnitud de la
variable.

2.3 Gráfico c. (número de defectos)

El objetivo de este gráfico es analizar la variabilidad del número de defectos por

subgrupo. Se grafica c que es igual al número de defectos o eventos en el último subgrupo.
Los límites de control se obtienen suponiendo que el estadístico sigue una distribución de
Poisson.

µ = c =Total de defectos/ total de subgrupos.

LC = c ± 3 √c

Línea central = 3

Interpretación de los límites de control del gráfico c.

Los límites de este gráfico reflejan la variación esperada para el número de defectos
por subgrupos. Es aplicable donde el tamaño de subgrupos o muestra pueda verse como
constante, por ejemplo, una semana, una pieza, 100 artículos, un metro de tela o cualquier
otro subgrupo de tamaño constante. Cuando no permanece constante se aplica μ.

Gráfico por número de defectos por unidad μ

Cuando en los gráficos el tamaño de los subgrupos no es constante o cuando lo sea y

se prefiere cuantificar el número promedio de defectos por artículo o por unidad, en lugar
del total de defectos en el subgrupo, se usa el grafico μ.

En este gráfico para cada subgrupo se indica el número promedio de defectos por
unidad μi, que se obtiene al dividir el total de defectos encontrados en el subgrupo entre el
total de artículos en el subgrupo.

μ = ci / ni ci = defectos en el subgrupo0

ni= tamaño del subgrupo.

Para calcular los límites se supone que sigue la distribución de Poisson

µ i = Total de defectos / Total de artículos inspeccionado

Los limites de control son: LC = µ i + 3 √ µ i / n

Línea central = n

Cuando el tamaño de los subgrupos no es el mismo, se puede tomar el tamaño

promedio de los subgrupos u obtener un grafico con límites variables según los subgrupos.

Interpretación de los límites de control en el gráfico μ

En el grafico esta el numero de defectos por artículos. Se debe seguir monitoreando el

proceso para identificar y eliminar causas especiales de variación

Gráfico μ con límites variables.

 Lo que necesitamos es calcular un límite para cada tamaño de subgrupo. La línea
central es la misma, independiente del tamaño del subgrupo. Los límites de control serán
escalonados.

Resumen general.

Un gráfico es útil en la medida que aplica a una necesidad percibida por los
responsables del proceso, por esto debemos:

1. Describir el problema percibido en el área donde se va a desarrollar el gráfico

de control.

2. Explicar la utilidad del gráfico para evaluar, entender y mejorar la situación.

3. Definir el propósito del gráfico.

4. Listar las variables que intervienen en el problema.

5. Preseleccionar las que mejor apliquen a solucionar el problema en términos

de calidad, costos, productividad o tiempo general del ciclo.

6. De la preselección, elegir una variable y desarrollar las actividades señaladas

mas adelante y luego las otras seleccionadas.

7. Escoger el gráfico apropiado.

Gráficos Xm- Rm y Xm – Sm.

-Se inicia un nuevo proceso o se desarrolla un nuevo producto con el proceso

existente.

- En procesos con mal desempeño respecto a la especificaciones.

- Se mide la variable pero se conoce poco

- Se quiere definir especificaciones para unas características de calidad.

-Se quiere reducir las inspecciones.

 -Se utilizaron gráficos de atributos pero el proceso sigue inestable o su
capacidad mala.

- Procesos con desgaste o desajustes naturales y hay que compensar.

- Hay que demostrar continuamente a la gerencia que el proceso es estable.

Gráficos p, np, c , μ.

- La variable es un atributo y no hay información sobre su

estabilidad y capacidad.

- El proceso es complejo y la calidad del producto se mide en

términos de ocurrencia de defectos o de pasa o no pasa.

- Es necesario que el proceso sea estable y capaz pero no se pueden

obtener mediciones continuas.

- Se requiere información global sobre el desempeño de proceso.

8. Pensar en reagrupar. Cada punto de un gráfico representa un subgrupo. La

selección de los elementos del subgrupo debe ser de manera que aparezcan
las cusas especiales si las hay. A través de grupos homogéneos, subgrupos de
una maquina y no mezclarlos.

9. Decidir la forma de seleccionar los elementos del subgrupo, por instante de

tiempo, tan pequeños como sea posible, piezas consecutivas, o seleccionadas
de una misma tanda de artículos. Al pasar cierto tiempo se vuelve a tomar
otra muestra. También se puede utilizar periodos de tiempo, turnos o lotes

10. Elegir el tamaño y frecuencia de muestro. Es preferible muestra pequeñas

con mas frecuencia que muestras grandes con poca frecuencia.

11. Estandarizar los datos, como se van a tomar y con los instrumentos
adecuados.
12. Determinar límites de control y su revisión futura. Por lo menos 20 o 30
subgrupos. Si los daos reflejan que el proceso es estable se seguirán usando
los limites para analizar el proceso en el futuro. Si aparecen puntos fuera de
los limites de control, investigar las causas, para excluirlos y recalcular los
limites de control sin la influencia de estos puntos. Si muchos puntos se salen
de los limites, recalcularlos.

Los límites de control definitivos no se cambian hasta que la realidad del

proceso sea otra.

13. Involucrar a los relacionados con el problema

14. Adiestrar a los usuarios de los gráficos.

15. Analizar los resultados

16. Asegurarse de su efectividad. Que el llenado se haga conciente y

correctamente.

17. Mantener el interés y modificar los gráficos de ser necesarios

18. Desechar el gráfico cuando ha cumplido su función...

 Problemas generales.

1. Con los datos siguientes, elaborar las gráficas Xm y Rm correspondientes a una pieza de
dimensiones en mm. Los datos se obtuvieron de subgrupos de 4 cada uno. Calcular los límites de control y la
línea central. Si las causas presentes son asignables o no naturales, modificar la línea central y las líneas
límites.

Subgrupo. 1 2 3 4 5 6 7 8 9 10

X 20.35 20.40 20.36 20.65 20.20 20.40 20.43 20.37 20.48 20.42

R 0.34 0.36 0.32 0.36 0.36 0.35 0.31 0.34 0.30 0.37

2 El promedio y el rango en kilos de la resistencia a la tensión de una cuerda se muestra a continuación.

El tramo de los subgrupos es de 4. Calcular la línea promedio central y los límites de control. Si existen
puntos fuera de la líneas de control, suponga causas no naturales y calcule los limites revisados y la nueva
línea promedio.

Subgrupo 1 2 3 4 5 6 7 8 9 10

X 476 466 484 466 470 494 486 496 488 482

R 32 24 32 26 24 24 28 23 24 26

3. Se elaboran gráficas de control Xm y Rm para el peso en Kilogramos de un pigmento a color, en

un proceso de fabricación por lotes. Se formaron 25 grupos de tamaño 4. Se calculó ∑ X = 52.08 Kgs y ∑ R
= 11.82 Kgs. Si el proceso está bajo control estadístico, calcular la línea central y las líneas limites de control
de X y R para el siguiente periodo de producción.

4. Se mantienen gráficas de control X y R de la resistencia en Ohm de un equipo eléctrico. El

tamaño del subgrupo es 4. Después de examinar 25 subgrupo se calcula ∑ X = 2046.5 y ∑ S = 17.4. Si el
proceso esta bajo control estadístico, cuales son los limites de control y la línea central.

5. Según un gráfico Xm-Rm de un proceso de producción de piezas, la media de la longitud de las

piezas es 50 mm y el rango medio es 06, en muestra de tamaño 5. Calcular:

a) la desviación estándar del proceso.

b) los limites de control para Xm, con tamaño de subgrupo 5.

c) los limites de control para el gráfico Rm y que significan.

d) Si las especificaciones señalan valores entre 49 y 51 mm, calcular los límites reales.

6. Se revisan las solicitudes de pagos de servicios médicos y se obtienen los resultados siguientes.
Calcular la línea central y las líneas limites central de una grafica p, y diga si el proceso es estable. Si hay
puntos fuera de control suponga que es debido a causas no naturales y calcule la línea central y las limites
del proceso corregido.

Subgrupo 1 2 3 4 5 6 7 8 9 10

Cant. Inspeccionada 300 300 300 300 300 300 300 300 300 300

Num. de no conformidades. 3 6 4 20 2 6 7 3 0 6

7. Con los datos anteriores, calcular la línea central y los límites de control corregidos de una grafica
np.

8. En un proceso estable se inspeccionan 50 generadores de motor por día. El ciclo mas cercano de la
fracción de no conformidades es 0.076. Calcular la línea central y los límites de control. En un día
determinado, se detectaron 5 generadores no conformes. Está el proceso controlado o no.

9. Se elabora la gráfica np de un proceso de pintura que está sujeto a control estadístico. Si se

inspecciona 35 piezas cada 4 horas y la fracción de no conformidad es de 0.06, calcular la línea central y los
limites de calidad.

10. Los datos siguientes muestran las no conformidades encontradas en 1000 mts cuadrados de una
superficie. Calcular la línea central y los límites de control así como la línea central corregida y los límites
corregidos, suponiendo que existen causas atribuibles.

Inspección. 10 11 12 13 14 15 16 17 18 19 20 21 21 22

No conformidades. 10 8 6 6 2 10 8 8 10 0 2 8 2 20

Bibliografía:
- Control de Calidad. Dale H. Besterfield. Editorial Prentice Hall.
- Herramientas Estadísticas Básicas para el Mejoramiento Continuo de la Calidad.
Hitoshi Kume. Grupo Editorial Norma.
- Control Total de la Calidad. . Armand Feigenbaum. CECSA.
- Control de la Calidad y Estadística Industrial. Achenson J. Duncan.
Editorial Alfaomega.

Nota.
Para el planteamiento y solución de problemas asociados al texto anterior se
pueden usar los programas STATGRAPHICS y SPSS 12.0