Control Variables

3
CONTROL DEL PROCESO POR VARIABLES Y

ATRIBUTOS
Al finalizar la unidad, el alumno realizar grficas de control por variables X y R y
por atributos para mantener el seguimiento y control de los procesos de
transformacin.
Control Estadstico del Proceso
137
Mapa Curricular de la Unidad de Aprendizaje
CONTROL
ESTADSTICO
DEL PROCESO
108 hrs.
1.-Factores
Variacin en
procesos.
10 HRS
de
los
2.-Capacidad
Proceso.
del
3. Control del
Proceso
por
Variables
y
atributos en los
procesos.
50 HRS
48 HRS
1.1. identificar los factores fundamentales que afectan la calidad para

3hrs.
su anlisis acorde al impacto en la calidad.
1.2. identificar la causa de la variacin en un proceso como base para
7hrs.
aplicar la estadstica en su estudio y anlisis.
2.1 Aplicar las tcnicas de anlisis estadstico para establecer las
20hrs
soluciones que afectan la variacin dentro de un proceso
2.2
Realizar estudios de un proceso con el anlisis de su
comportamiento mediante la distribucin de frecuencias para 30hrs
determinar su capacidad.
3.1 Aplicar grficas de control por variables para monitorear y
mantener la variacin dentro de los limites
3.2 Aplicar grficas de control por atributos para monitorear y
mantener la variacin dentro de los limites
24hrs.
24hrs.
138
Sumario
Grficas de control.
Grficas por variables x, r.
Grficas por variables media, desviacin
estndar.
Grficas por variables medias y rangos.
Grficas pre-control.
Grficas por atributos.
Grficas np, defectuosos.
Grficas p, fraccin defectuosa.
Grficas c, nmero de defectos.
Grficas i, defectos por unidad.
Figura 1.
Ejemplo.
Supongamos que tenemos una mquina inyectora
que produce piezas de plstico, por ejemplo de
PVC. Una caracterstica de calidad importante es el
peso de la pieza de plstico, porque indica la
cantidad de PVC que la mquina inyect en la
matriz. Si la cantidad de PVC es poca la pieza de
plstico ser deficiente; si la cantidad es excesiva,
la produccin se encarece porque se consume ms
materia prima.
RESULTADO DE APRENDIZAJE
3.1 Aplicar graficas de control por variables para
monitorear y mantener la variacin dentro de los
lmites establecidos a fin de establecer el estado
de control estadstico del proceso.
3.1.1 Grficas de Control
Definicin
Grafico en el cual se representan valores de

medicin.
Caractersticas
Los grficos de control o cartas de control son una

importante herramienta utilizada en control de
calidad de procesos. Bsicamente, una Carta de
Control es un grfico en el cual se representan los
valores de algn tipo de medicin realizada
durante el funcionamiento de un proceso
continuo, y que sirve para controlar dicho proceso.
Figura 2.
Entonces, en el lugar de salida de las piezas, hay
un operario que cada 30 minutos toma una, la
pesa en una balanza y registra la observacin:
Figura 3.
Ejemplo.
Supongamos que estos datos se registran en un
grfico de lneas en funcin del tiempo:
139
Los grficos de control por atributos son los np y p

utilizados para controlar la proporcin de piezas
defectuosas que genera el proceso.
Los grficos c y u sirven para controlar el numero
de defectos.
-
Figura 4.
Observamos una lnea quebrada irregular, que nos
muestra las fluctuaciones del peso de las piezas a
lo largo del tiempo. Esta es la fluctuacin
esperable y natural del proceso. Los valores se
mueven alrededor de un valor central (El promedio
de los datos), la mayor parte del tiempo cerca del
mismo. Pero en algn momento puede ocurrir que
aparezca uno o ms valores demasiado alejados
del promedio.
Cmo podemos distinguir si esto se produce por
la fluctuacin natural del proceso o porque el
mismo ya no est funcionando bien?. Esta es la
respuesta que provee el control estadstico de
procesos, y a continuacin veremos como lo hace.
Importancia
Por variables
Este termino se utiliza para referenciar a la

caractersticas de calidad cuantitativas tales como
Longitud, peso voltaje, etc.
Los grficos que controlan la posicin de la
distribucin de la variable que son los grficos de
la Media y los de la Mediana.
Los grficos que controlan la dispersin que son
los grficos del Rango y de la Desviacin tpica
que a su vez son dos grficos de Sn y de Sn-1 y
grafico de la varianza.
Factores que la afectan
Todo proceso de fabricacin funciona bajo ciertas

condiciones o variables que son establecidas por
las personas que lo manejan para lograr una
produccin satisfactoria.
Los grficos de control son de suma importancia

ya que nos proporcionan informacin para
prevenir la fabricacin de piezas defectuosas por
estar fuera de especificaciones, tambin nos
ayudan a controlar las caractersticas de calidad y
evitar que se modifiquen a lo largo del tiempo.
Otro factor importante es que nos apoyan en el
control del proceso mantenindolo estable en
cuanto a tiempos y parmetros de calidad.
Tipos
Por atributos
Este trmino se utiliza para referenciar a las

caractersticas de calidad cualitativas tales como
los defectos de un metal el mal funcionamiento o
no de un aparato, etc.
Figura 5.
Cada uno de estos factores est sujeto a
variaciones que realizan aportes ms o menos
significativos a la fluctuacin de las caractersticas
del producto, durante el proceso de fabricacin.
Los responsables del funcionamiento del proceso
de fabricacin fijan los valores de algunas de estas
variables, que se denominan variables controlables.
Por ejemplo, en el caso de la inyectora se fija la
temperatura de fusin del plstico, la velocidad de
trabajo, la presin del pistn, la materia prima que
se utiliza (Proveedor del plstico), etc.
140
Pero un proceso de fabricacin es una suma

compleja de eventos grandes y pequeos. Hay una
gran cantidad de variables que sera imposible o
muy difcil controlar. Estas se denominan variables
no controlables. Por ejemplo, pequeas variaciones
de calidad del plstico, pequeos cambios en la
velocidad del pistn, ligeras fluctuaciones de la
corriente elctrica que alimenta la mquina, etc.
Los efectos que producen las variables
controlables
son
aleatorios.
Adems,
contribucin de cada una de las variables
controlables
a
la
variabilidad
total
cuantitativamente pequea. Son las variables
controlables las responsables de la variabilidad
las caractersticas de calidad del producto.
no
la
no
es
no
de
Los cambios en las variables controlables se

denominan Causas Asignables de variacin del
proceso, porque es posible identificarlas. Las
fluctuaciones al azar de las variables no
controlables se denominan Causas No Asignables
de variacin del proceso, porque no son pasibles
de ser identificadas. Causas Asignables: Son causas
que pueden ser identificadas y que conviene
descubrir y eliminar, por ejemplo, una falla de la
mquina por desgaste de una pieza, un cambio
muy notorio en la calidad del plstico, 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.
Causas No Asignables: Son una multitud de
causas no identificadas, ya sea por falta de medios
tcnicos o porque no es econmico hacerlo, cada
una de las cuales ejerce un pequeo efecto en la
variacin total. 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
est funcionando bajo Control Estadstico.
Cuando, adems de las causas no asignables,
aparece una o varias causas asignables, se dice que
el proceso est fuera de control.
El uso del control estadstico de procesos lleva

implcitas algunas hiptesis que describiremos a
continuacin:
1) Una vez que el proceso est en funcionamiento
bajo condiciones establecidas, se supone que la
variabilidad de los resultados en la medicin de
una caracterstica de calidad del producto se debe
slo a un sistema de causas aleatorias, que es
inherente a cada proceso en particular.
2) El sistema de causas aleatorias que acta sobre
el proceso genera un universo hipottico de
observaciones (mediciones) que tiene una
Distribucin Normal.
3) Cuando aparece alguna causa asignable
provocando desviaciones adicionales en los
resultados del proceso, se dice que el proceso est
fuera de control.
La funcin del control estadstico de procesos es
comprobar en forma permanente si los resultados
que van surgiendo de las mediciones estn de
acuerdo con las dos primeras hiptesis. Si
aparecen uno o varios resultados que contradicen
o se oponen a las mismas, es necesario detener el
proceso, encontrar las causas por las cuales el
proceso se apart de su funcionamiento habitual y
corregirlas.
Control Estadstico. Cmo ponerlo en marcha?
La puesta en marcha de un programa de control
estadstico para un proceso en particular implica
dos etapas:
Figura 6.
141
Antes de pasar a la segunda etapa, se verifica si el

proceso est ajustado. En caso contrario, se
retorna a la primera etapa:
normal, el intervalo de 3,09 sigmas alrededor del

promedio corresponde a una probabilidad de
0,998.
Figura 8.
Figura 7.
En la 1a etapa se recogen unas 100-200
mediciones, con las cuales se calcula el promedio y
la desviacin standard:
Limites de control
Luego se calculan los Lmites de Control de la

siguiente manera:
Estos lmites surgen de la hiptesis de que la

distribucin de las observaciones es normal. En
general se utilizan lmites de 2 sigmas de 3
sigmas alrededor del promedio. En la distribucin
Entonces, se construye un grfico de prueba y se

traza una lnea recta a lo largo del eje de
ordenadas (Eje Y), a la altura del promedio (Valor
central de las observaciones) y otras dos lneas
rectas a la altura de los lmites de control:
Figura 9.
En este grfico se representan los puntos
correspondientes a las observaciones con las que
se calcularon los lmites de control:
Figura 10.
142
Este grfico de prueba se analiza detenidamente

para verificar si est de acuerdo con la hiptesis de
que la variabilidad del proceso se debe slo a un
sistema de causas aleatorias o si, por el contrario,
existen causas asignables de variacin. Esto se
puede establecer porque cuando la fluctuacin de
las mediciones se debe a un sistema constante de
causas aleatorias la distribucin de las
observaciones es normal:
Figura 13.
Figura 11.
Cuando las observaciones sucesivas tienen una
distribucin normal, la mayor parte de los puntos
se sita muy cerca del promedio, algunos pocos se
alejan algo ms y prcticamente no hay ninguno
en las zonas ms alejadas:
Figura 14.
Es difcil decir como es el grfico de un conjunto
de puntos que siguen un patrn aleatorio de
distribucin normal, pero s es fcil darse cuenta
cuando no lo es. Veamos algunos.
Ejemplos.
Figura 12.
De patrones No Aleatorios:
Una sucesin de puntos por encima.
143
Figura 18.
Figura 15.
o por debajo de la lnea central.
Figura 16.
Una serie creciente de 6 7 observaciones.
Si no se descubren causas asignables entonces se

adoptan los lmites de
Control calculados como definitivos, y
construyen cartas de control con esos lmites:
se
Figura 19.
Si slo hay pocos puntos fuera de control (2 3),
estos se eliminan, se recalculan la media,
desviacin standard y lmites de control con los
restantes, y se construye un nuevo grfico de
prueba. Cuando las observaciones no siguen un
patrn aleatorio, indicando la existencia de causas
asignables, se hace necesario investigar para
descubrirlas y eliminarlas.
Una vez hecho esto, se debern recoger nuevas
observaciones y calcular nuevos lmites de control
de prueba, comenzando otra vez con la primera
etapa.
Figura 17.
o una serie decreciente.
En la 2a etapa, las nuevas observaciones que van

surgiendo del proceso se representan en el grfico,
y se controlan verificando que estn dentro de los
lmites, y que no se produzcan patrones no
aleatorios:
144
3.1.1. Grficas por Variables X, R.
Caractersticas
Los grficos X-R se utilizan cuando la caracterstica

de calidad que se desea controlar es una variable
continua.
Figura 20.
Como hemos visto, el 99,8 % de las observaciones
deben estar dentro de los lmites de 3,09 sigmas
alrededor de la media. Esto significa que slo 1
observacin en 500 puede estar por causas
aleatorias fuera de los lmites de control. Entonces,
cuando se encuentra ms de 1 punto en 500 fuera
de los lmites de control, esto indica que el sistema
de causas aleatorias que provocaba la variabilidad
habitual de las observaciones ha sido alterado por
la aparicin de una causa asignable que es
necesario descubrir y eliminar.
En ese caso, el supervisor del proceso debe detener
la marcha del mismo e investigar con los que
operan el proceso hasta descubrir la o las causas
que desviaron al proceso de su comportamiento
habitual. Una vez eliminadas las causas del
problema, se puede continuar con la produccin
normal.
Investigacin documental
Competencia Lgica
Seguir procedimientos para la descripcin y
construccin de graficas de control para el
anlisis de los procesos de produccin.
El alumno:
- Explicar
las consecuencias que se pueden
ocasionar en un producto al no utilizar las
graficas de control.
Figura 21.
Para entender los grficos X-R, es necesario
conocer el concepto de Subgrupos (o Subgrupos
racionales). Trabajar con subgrupos significa
agrupar las mediciones que se obtienen de un
proceso, de acuerdo a algn criterio.
Los subgrupos se realizan agrupando las
mediciones de tal modo que haya la mxima
variabilidad entre subgrupos y la mnima
variabilidad dentro de cada subgrupo. Por
ejemplo, si hay cuatro turnos de trabajo en un da,
las mediciones de cada turno podran constituir un
subgrupo.
Fases de la construccin.
Ejemplo:
Supongamos una fbrica que produce piezas
cilndricas para la industria automotriz. La
caracterstica de calidad que se desea controlar es
el dimetro de las piezas.
145
Figura 22.
Figura 24.
Hay dos maneras de obtener los subgrupos. Una

de ellas es retirar varias piezas juntas a intervalos
regulares, por ejemplo cada hora:
Figura 25.
Figura 23.
La otra forma es retirar piezas individuales a lo
largo del intervalo de tiempo correspondiente al
subgrupo:
Por cualquiera de los dos caminos, obtenemos

grupos de igual nmero de mediciones. Para cada
subgrupo calculamos el Promedio y el Rango
(Diferencia entre el valor mximo y el valor
mnimo).
146
Tabla 1.
Figura 26.
A partir de esta tabla, se calculan el promedio

general de promedios de subgrupo y el promedio
de rangos de subgrupo:
Como ya se ha visto, para calcular los Lmites de

Control es necesario obtener un gran nmero de
mediciones, divididas en subgrupos.
En nuestro ejemplo, podramos
subgrupos de 6 datos cada uno:
obtener
30
o tambin:
N
n
Figura 27.
Despus de calcular el Promedio y el Rango de
cada subgrupo, tendramos una tabla como la
siguiente:
Promedio de Subgrupo
Nmero de Subgrupos
Mediciones individuales
Nmero de Subgrupos
Nmero de mediciones dentro del Subgrupo.
Rango del Subgrupo

La desviacin estndar del proceso se puede
calcular a partir del rango promedio, utilizando el
coeficiente d2, que depende del nmero de
mediciones en el subgrupo:
147
Con esto podemos calcular los Lmites de Control

para el grfico de X:
Figura 28.
La desviacin standard del rango se puede calcular
utilizando el coeficiente d3, que tambin depende
del nmero de mediciones en el subgrupo:
Y un Grfico R de prueba, donde representamos

los rangos de los subgrupos:
Y as podemos calcular los Lmites de Control para

el Grfico de R:
Figura 29.
Si no hay puntos fuera de los lmites de control y
no se encuentran patrones no aleatorios, se
adoptan los lmites calculados para controlar la
produccin futura.
La tabla siguiente muestra los coeficientes d2 y d3
para subgrupos de hasta 10 mediciones:
Realizacin del ejercicio
Tabla 2.
Competencia Analticas.
Realizar operaciones matemticas
determinacin de rangos.
para
la
El Alumno:
- Realizar ejercicios de determinacin de rangos
en diferentes productos.
Sugerencias o notas
Construimos entonces un Grfico X de prueba y

representamos los promedios de los subgrupos:
Competencia de informacin.
Seguir procedimientos para el control
procesos.
de
148
El Alumno:
- Explicar la importancia de utilizar grficos de
variables X, R en las diferentes etapas del proceso
de produccin, para asegurar que las deficiencias
encontradas sean corregidas y se les de
seguimiento.
3.1.3
Grficas
por
Desviacin Estndar
Variables
Si, por el contrario, la desviacin tpica es

desconocida, en Control de Calidad, en vez de a se
utiliza la estimacin que corresponde al parmetro
muestral que se usa en el Grfico de la Dispersin,
as, si se usa el Grfico del Rango es:
Media,
Caractersticas
En Control de Calidad mediante el trmino variable

se designa a cualquier caracterstica de calidad
"medible" tal como una longitud, un voltaje, un
peso, una resistencia a la rotura, un volumen, etc.,
mientras que se denomina atributo a las
caractersticas de calidad que no son medibles' y
que presentan diferentes estados (normalmente
dos) tales como conforme y disconforme o
defectuoso y no defectuoso.
Segn sea el tipo de la caracterstica de calidad a
controlar as ser el correspondiente Grfico de
Control que, por tanto, se clasifican en Grficos de
Control por Variables y Grficos de Control por
Atributos.
Grafica de la media.
Este diagrama es la representacin grfica del test
de hiptesis de dos colas para contrastar:
Designaremos por LC a la lnea central del grfico y

por LCS y LCI a los lmites de control superior e
inferior respectivamente. Si es conocida ser:
Fases de construccin
Calculo de los lmites de control.
Si la desviacin tpica es conocida, la zona de

aceptacin de Ho es:
son los parmetros
en las que
poblacionales cuando el proceso est bajo control,
n es el tamao de la muestra y ( es la
probabilidad de error de primera especie, es decir,
el riesgo que estamos dispuestos a correr de
149
concluir que el proceso est descorregido cuando

realmente no lo est, siendo Z/2 el
correspondiente valor de la variable normal
tipificada.
En la que m es el numero de muestras utilizadas

(normalmente el del grfico de control para la
media) y
La mecnica de uso del Grfico de Control para la

media es sencilla. Si la media muestral
cae
fuera de los lmites de control, se rechaza la
hiptesis nula de que el proceso es estable
respecto a su posicin ( constante) y, en
consecuencia, se busca una causa asignable que ha
Es la media muestral de la muestra nmero i con lo

que
se sita
modificado a . Si, por el contrario,
entre dichos lmites, se acepta que, en lo que
respecta a la media, el proceso est bajo control y
se deja que el proceso siga actuando libremente.
Por razones histricas se acostumbra a utilizar el
denominado criterio "tres sigma"
designado as porque se hace Z/2 lo que
corresponde a =0.0027.
Con ello queda:
Bajo el criterio
, se da nombre a determinadas
constantes, as mediante A se designa a:
Si o es desconocida, se utiliza una estimacin que
depende del tipo de grfico que se utiliza para el
estudio de la dispersin, quedando:
Con lo que.
Si .0 es desconocida, se estima a partir de los

datos del ltimo grfico de control para la media
en el que no existe una seal de falta de control
mediante:
a) Si se usa sn
Con el criterio
resulta
150
Se denomina
Con lo que:
Con el criterio
resulta
b) Si se utiliza el rango R queda:
Se denomina
Con el criterio
resulta
Con lo que:
Se denomina
Eficacia del grfico.
Resultando
) nos garantiza con

El criterio estndar (criterio
una muy alta probabilidad (1- = 0.9973) que
cuando el proceso est bajo control no
cometeremos el error de llegar a la conclusin de
que el proceso funciona incorrectamente. Sin
embargo, esto no significa que cuando el proceso
est fuera de control el grfico de la media nos lo
detecte, tambin, con una alta probabilidad. No es
infrecuente encontrar grficos de control en los
que
cuando
se
producen
importantes
c) si se usa sn-1:
151
descorreciones de la media la probabilidad de ser

detectadas es pequea.
Cuando esto ocurre, se est produciendo un gasto
en efectuar el control y se tiene puesta la confianza
en una herramienta que no es eficaz para los fines
que fue elaborada.
Es decir, la probabilidad de aceptar la hiptesis

nula o, lo que es equivalente, que un punto caiga
dentro de los lmites de control, es:
Figura 30.
La variable aleatoria X numero de muestras a
tomar para que, por primera vez, una muestra se
site fuera de los limites de control es, evidente,
una variable binomial negativa de parmetros r =
1 y p = 1-.
En la que d es el descentrado relativo:
Con lo que
La curva caracterstica.
La curva caracterstica permite determinar la
eficacia de un grfico de control a travs de la
probabilidad de detectar una descorreccin de la
media en la muestra tomada inmediatamente
despus de que se produzca este descentrado.
Una forma diferente y muy ilustrativa de medir al
eficacia de un grfico de control es mediante el
clculo del denominado ARL (Average Ran Length)
o longitud media de la racha necesaria para que
un punto se salga de los lmites de control o, ms
explcitamente, el ARL es el nmero medio de
muestras que es necesario tomar hasta que un
punto caiga, por primera vez, fuera de los lmites
de control.
Ejemplo:
Si el proceso est bajo control y el criterio utilizado
para calcular los lmites de control es el estndar
como = 0.0027 y d = 0, resulta = 10.0027 de donde:
1
ARL=-------------= 370.37
0.0027
Lo cual significa que cuando aplicamos el criterio
, si el proceso esta bajo control, son necesarias,
por trmino medio 370.37 muestras para que un
punto se salga de los limites de control por
primera vez.
152
Utilizando como estadstico que mide la dispersin

muestral al rango o recorrido R y en la que 0 es la
desviacin tpica del proceso cuando este esta bajo
control.
Realizacin del ejercicio
Competencia Analticas.
Realizar operaciones matemticas
determinacin de rangos.
para
la
Variable aleatoria:
Vn = R/
El Alumno:
- Realizar ejercicios de determinacin de rangos
en diferentes productos.
Y que
Sugerencias o notas
La zona de aceptacin de la hiptesis nula
utilizando R es:
Competencia Lgica.
Seguir procedimientos para el
procesos.
control
de
El Alumno:
- Explicar la importancia de utilizar grficos de
variables media y desviacin estndar en las
diferentes etapas del proceso de produccin,
para asegurar que las deficiencias encontradas
sean corregidas y se les de seguimiento.
3.1.4
Grficas
por
Medianas y Rangos
Variables
Si la probabilidad de error de primera especie es ,

ser:
Media,
de donde
Caractersticas
Grafica del rango o recorrido.

Este diagrama es la representacin grfica del test
de hiptesis de dos colas para contrastar:
como
Fases de construccin
Calculo de los lmites de control.

Se realizar, de forma grfica, un test de hiptesis
que permita contrastar.
ser
153
con lo que queda
La lnea central (LC) es la media del rango E(R) y los

limites de control superior e inferior (LCS Y LCI),
sern:
queda
Mientras que el grfico de la media el criterio 3 es

equivalente a fijar la probabilidad de error de
primera especie en 0 0.0027, en el grfico del
rango vara con el tamao de la muestra, pues
dividiendo por 0 se obtiene:

Bajo el criterio estndar 3 se procede como en el
grafico de la media, es decir, la zona de aceptacin
viene definida por el intervalo que se obtiene
restando y sumando al valor medio del rango, 3
desviaciones tpicas de est estadstico.
En
concreto la zona de aceptacin es:
E( R ) 3 D ( R )
Si es desconocida, se estima mediante
Como
con lo que
resulta
designndose
designndose
154
Resulta
Valores del error de primera especie para el

grafico del rango estndar (criterio 3).
Bajo el criterio 3 las formulas anteriores se

convierten en:
Tabla 3.
Fijado y para rd > 1 se determina n de tal forma

que:
Curva caracterstica.
Eficacia del grfico.

La curva caracterstica es:
Cuando el proceso esta bajo control, coincidentes;

semiamplitud de tolerancias T2 - .0 = 0.45; 0. =
0.1; criterio 3.
Se desea tener un ARL = 2 en el grfico del rango
cuando el aumento de genera un 5 % de piezas
defectuosas totales.
En primer lugar, es fcil demostrar que dadas las
tolerancias, la desviacin tpica p que genera un
porcentaje total de piezas defectuosas p es:
En la que rd es la razn de desviaciones tpicas.

Para rd > 1 el tamao de la muestra a tomar n
debe cumplir la condicin:
155
para los valores de
Se confirma que n05 pues este valor es el menor

para el que se cumple:
Sugerencias o notas
Figura 31.
Como
Competencia Lgica.
Seguir procedimientos para el
procesos.
Con lo que la razn de desviaciones tpicas es
control
de
El Alumno:
Explicar la importancia de utilizar grficos de
variables medianas y rangos en las diferentes
etapas del proceso de produccin, para
asegurar que las deficiencias encontradas sean
corregidas y se les de seguimiento.
Sugerencias o notas
Tabla 4.
Competencia Emprendedora.
Proponer mejoras a los procesos de produccin.
El Alumno:
Propondr mejoras a los procesos de las
diferentes reas de produccin, analizando
cada uno de los pasos que integran el
procedimiento e identificando las deficiencias
del proceso.
Como puede observarse en la tabla:
156
3.1.2. Grficas Precontrol
Caractersticas
El PRE-Control es una tcnica estadstica para

detectar las condiciones del proceso y los cambios
que pueden causar defectos (ms que los cambios
que son estadsticamente significativos).
La oportunidad de que dos medidas seguidas

caigan fuera de las lneas de PC es 1/14
multiplicado por 1/14 o 1/196.
Esto significa que slo una vez de alrededor de
cada 200 mediciones se puede esperar que dos
seguidas caigan en una banda exterior dada.
El PRE-Control se centra en el control de la

conformancia con las especificaciones, en lugar de
en el control estadstico.
El PRE-Control inicia un proceso centrado entre los
lmites de especificacin y detecta los cambios que
pueden resultar al hacer algunas partes fuera del
lmite.
El PRE-Control no requiere una grfica ni clculos y
slo necesita tres mediciones para dar la
informacin de control. La tcnica utiliza la curva
de la distribucin normal al determinar los
cambios significativos, ya sea en la meta o en la
dispersin del proceso de produccin, que puede
dar como resultado un incremento en la
produccin de trabajo defectuoso.
El principio del PRE-Control se demuestra,
suponiendo la peor condicin que se puede
aceptar de un proceso capaz de una produccin de
calidad, esto es, cuando la tolerancia natural es la
misma que la permitida y cuando el proceso est
justamente centrado y cualquier cambio dara
como resultado un trabajo defectuoso.
Fases de la construccin
Si se dibujan dos rectas de PRE-Control (PC), cada

una a un cuarto hacia adentro de la distancia total
entre los lmites de tolerancia, se puede demostrar
que 86% de las partes estarn dentro de las lneas
de PC, con 7% en cada seccin exterior.
En otras palabras, 7% o una parte de cada 14,
caer fuera de las lneas de PC en circunstancias
normales.
Figura 32.
Suposicin esencial de precontrol.
Localizacin de las lneas de precontrol.
Cuando ocurren dos seguidas, existe una
oportunidad mucho mayor (195/196) de que el
proceso haya cambiado. Por lo tanto es
recomendable restablecer el proceso al centro.
Es igualmente improbable obtener una medida
fuera de una lnea PC dada y la siguiente fuera de
la otra lnea PC. En este caso, la indicacin no es
que el proceso haya cambiado sino que se
introdujo algn factor que ampli el patrn a un
grado en que las piezas defectuosas son
inevitables. Debe ponerse remedio inmediato a la
causa del problema antes de poder continuar con
el proceso.
La zona dentro de las lneas PC es la "zona verde",
entre estas lneas y los lmites de especificacin se
encuentran la "zona amarilla"; fuera de los lmites
de especificacin est la "zona roja".
Para calificar un proceso para PRE-Control:
157
1. Se toman mediciones individuales sobre una

caracterstica hasta que cinco medidas
consecutivas caigan dentro de la zona verde.
2. Si ocurre una amarilla, se reinicia el conteo.
3. Si ocurren dos amarillas consecutivas, se ajusta
el proceso.
4. En cualquier momento que se hace un ajuste o
que ocurre otro cambio de proceso, se vuelve a
calificar el proceso.
Cuando el proceso queda calificado, se aplican las
siguientes reglas de PRE-Control al proceso en
operacin:
1. Se usa una muestra de dos medidas
consecutivas, A y B. Si A es verde, el proceso
contina corriendo. Si A es amarilla, se toma la
segunda medida, B.
Figura 33.
2. Si A y B son ambas amarillas, debe detenerse el

proceso e investigarse.
Durante cualquiera de las dos etapas o corridas de
calificacin, si ocurre una medida roja, debe
detenerse el proceso e investigarse.
Investigar acerca de la evolucin que ha sufrido la
fase de control en el proceso de produccin.
La mayor parte de los procesos requieren ajustes

peridicos para permanecer dentro de las
especificaciones. Se observan seis pares A, B de
medidas entre ajustes; stas son suficientes para
proporcionar virtualmente ningn producto fuera
de especificaciones. As, si un proceso, por lo
general, requiere un ajuste ms o menos cada dos
horas, entonces, aproximadamente cada 20
minutos debe tomarse un par A, B de medidas.
El Alumno:
- Investigar acerca de los avances que ha sufrido
el control de procesos desde la revolucin
industrial.
El PRE-Control es un ejemplo de un concepto

conocido como calibracin de lmite estrecho. Este
concepto ms amplio proporciona procedimientos
de muestreo (tamao de la muestra, localizacin
de los lmites estrechos y nmero permisible de
unidades fuera de los lmites estrechos) para
cumplir con los riesgos de aceptar un producto
defectuoso.
Sugerencias o notas
Competencia Emprendedora.
Seguir procedimientos para el control
procesos.
de
El Alumno:
- Explicar la las consecuencias de no seguir con los
procedimientos elaboracin de una grafica precontrol.
158
RESULTADO DE APRENDIZAJE
3.2 Aplicar graficas de control por atributos para
monitorear y mantener la variacin dentro de los
lmites establecidos a fin de establecer el estado
de control estadstico del proceso.
3.1.1. Grficas por Atributos
Caractersticas
El trmino variable para designar a las

caractersticas de calidad cuantitativas que podan
ser expresadas mediante un nmero real como,
por ejemplo, una longitud, la resistencia a la rotura
de un pasador, un peso, un voltaje, el contenido
de un producto alimenticio envasado etc.,. Existen
otras caractersticas de calidad que, por contra, no
pueden ser representadas mediante un nmero
por tratarse de caractersticas cualitativas, por
ejemplo, la existencia o no de poros en una pieza
metlica, el funcionamiento o no de un transistor,
la aparicin o no de burbujas o crteres en la
pintura del cap de un automvil, etc., a estas
caractersticas de calidad se les denomina
atributos.
A veces, caractersticas cuantitativas, a efectos del
control de la calidad, pueden ser consideradas
como atributos cuando slo consideramos si se
cumplen o no las especificaciones de calidad sin
importamos cul es el valor de dicha variable, lo
que ocurre, por ejemplo, cuando utilizamos un
calibre "pasa no pasa". El conocimiento de si una
caracterstica cumple o no las especificaciones para
ella establecidas es ms pobre y, por tanto,
contiene menos informacin, que el conocimiento
del valor exacto de esa magnitud cuantitativa, por
lo que para tomar una decisin con el mismo
riesgo de error hace falta un tamao de muestra
mayor en el primer caso que en el segundo.
Se suele utilizar el trmino de pieza defectuosa
para aquella pieza que incumple alguna
prescripcin de calidad y que, por tanto, tiene al
menos un defecto. As, una puerta de un
automvil que presenta en su pintura una raya es
una pieza que por poseer un defecto o
disconformidad se clasifica como defectuosa o
disconforme.
Aunque no sea fundamental para el desarrollo y

uso de los grficos de control por atributos,
debemos sealar que los defectos pueden
clasificarse como crticos, principales y secundarios.
Cualquiera de estos tipos de defectos pueden ser
objeto de un grfico de control por atributos.
En resumen, cualquier caracterstica de calidad que
pueda ser clasificada de forma binaria: "hay o no
hay", "cumple o no cumple", funciona o no
funciona", pasa o no pasa", "si o no" etc., a los
efectos del control del proceso, ser considerada
como un atributo y para su control se utilizar un
Grfico de Control por Atributos.
Existen 4 tipos de Grficos de Control por
Atributos. Los grficos "np" y "p" se utilizan para
controlar la proporcin de piezas defectuosas que
genera el proceso; el primero exige que el tamao
de muestra sea constante mientras que el segundo
no. Los grficos "c" y "u" sirven para controlar el
nmero de defectos; el primero requiere que el
tamao de muestra sea constante mientras que
esta exigencia no es necesaria en el grfico 'u'.
Grfico np.
El objeto de ste grfico es controlar la proporcin
de piezas defectuosas que genera el proceso con el
fin de que sta proporcin disminuya y, sobretodo
de evitar que aumente. Implcitamente el uso de
este tipo de grficos conlleva la aceptacin de que
nuestro proceso genera piezas defectuosas. Lo
ideal es conseguir el objetivo "cero defectos pero
la aceptacin de la existencia de piezas
defectuosas no debe ser considerada como una
actitud conformista sino realista y como un
estmulo para lograr una mejora continuada de la
calidad.
Si la proporcin de piezas defectuosas cuando el
proceso funciona bien, el grfico de control np no
es ms que el test de hiptesis.
Grfico p.
Cmo el, grfico anterior, el Grfico p tambin
sirve para controlar el porcentaje de piezas
defectuosas que genera el proceso.
159
Se diferencian en que en el Grfico p no es

necesario que todas las muestras tengan el mismo
tamao n y en que en el grfico np el estadstico a
utilizar es el nmero de piezas defectuosas en cada
muestra mientras que en el grfico p se representa
en el eje de ordenadas el estadstico proporcin de
piezas defectuosas en la muestra" ' es decir, el
nmero de piezas defectuosas en la muestra
dividido por el tamao de muestra.
Curva caracterstica de los grficos np y p.
La curva caracterstica de los grficos anteriores es
la representacin grfica de la probabilidad de
aceptar que el proceso est bajo control en
funcin de la proporcin de piezas defectuosas
verdadera y desconocida p que genera el proceso.
Esta curva permite, por tanto, evaluar si el grfico
de
control
que
estamos
utilizando
es
suficientemente eficaz como para detectar
variaciones importantes de p que deban ser
encontradas y corregidas.
La probabilidad de rechazar que el proceso
funciona bien cuando realmente est bajo control
es a (probabilidad de error de primera especie),
cantidad pequea y fijada de antemano. Sin
embargo, dado un grfico de control concreto,
cuando el proceso funciona incorrectamente, la
probabilidad p de aceptar que funciona bien
(probabilidad de error de segunda especie) es
funcin de p. si p es elevada y p tambin, ser
poco probable que el grfico de control detecte
que el proceso est fuera de control, siendo, por
tanto, una herramienta poco eficaz para detectar
la existencia de causas asignables.
contabilizar
defectos.
piezas
defectuosas
se
cuentan
En el Grfico c se toman muestras de tamao n,

necesariamente constante, y se cuentan la
cantidad de defectos en el conjunto de las piezas.
Esta cantidad c es el estadstico a graficar.
En el Grfico u se toman muestras de tamao ni,
no necesariamente constantes y se contabilizan los
defectos por unidad muestreada, es decir, el
nmero total de defectos encontrados en la
muestra dividido por el tamao de la muestra. Los
defectos por unidad muestreada u es el estadstico
a graficar.
En un mismo Grfico de Control pueden
considerarse todos los tipos de defectos, los de un
grupo de defectos afines o slo un tipo de
defectos.
En general, la variable x = e = "cantidad de
defectos en una muestra aleatoria simple" se ajusta
bien a la distribucin de Poisson.
No obstante, debemos recordar que una variable
de Poisson no es ms que una variable Binomial en
la que n tiende a infinito y p a cero, siendo
constante el producto k = np.
Tamao de la muestra para los grficos np y p.
Por tanto, se requiere que el nmero potencial de

defectos sea infinito, que la aparicin de uno de
ellos en un punto concreto de la pieza sea
prcticamente nula y que las variables dicotmicas
que expresan la existencia o no de cada uno de
estos defectos potenciales sean estadsticamente
independientes.
El tamao de la muestra se determina mediante la

fijacin de dos puntos de la de la curva
caracterstica. Uno de ellos es el correspondiente
al proceso bajo control y el otro es un punto cuya
proporcin de piezas defectuosas quiere se
detectada con alta probabilidad.
En determinados casos, por ejemplo, cuando se

consideran conjuntamente defectos de muy
diversa naturaleza o cuando siendo de la misma
naturaleza se suelen presentar en grupos o
conglomerados, el modelo de Poisson no explica
bien el comportamiento del fenmeno.
Grficos de control para defectos. grficos c y u
Entonces, otras distribuciones como las de Poisson

compuestas o la Binomial negativa, segn los
casos, suelen ser adecuadas.
De forma anloga a los Grficos de Control np y p

se utilizan los Grficos c y u en los que en vez de
160
En particular, si los nmeros Xi de defectos de los

diversos tipos se distribuyen segn variables de
Poisson y son estadsticamente independientes,
cualquier combinacin lineal de ellos y, en
particular, la suma, son, a su vez, variables de
Poisson. Esto permite estudiar el total de todos
ellos conjuntamente (suma) o una valoracin
ponderada de los defectos:
Tamao de la muestra para los grficos c y u.

El tamao de la muestra se calcula haciendo que la
curva caracterstica pase por los puntos p.
Grfico c.
Este grfico nos sirve para controlar la aparicin de
causas asignables que modifiquen la proporcin de
defectos que genera el proceso mediante el
contraste de las hiptesis.
Grfico u.
Este grfico sirve para lo mismo que el grfico c, la
diferencia es que en este ultimo el tamao de la
muestra no es necesariamente constante y en que
en el eje de ordenadas se grafica se grafica la
proporcin de defectos por unidad muestreada
u en vez de la cantidad total de defectos en la
muestra.
Curva caracterstica de los grficos c y u.
El calculo de la curva para estas graficas c y u se
basa totalmente en la distribucin de Poisson.
Competencia Tecnolgica.
Investigar el tipo de equipo que existe en el
mercado y en el internet para el manejo de
graficas de control por atributos.
El Alumno:
- Investigar los avances tecnolgicos para el
manejo de graficas de control por atributos.
3.1.2. Grficas NP, Defectuosos
Promedio de defectuosos
Muchas caractersticas de calidad se evalan

dando resultados como: conforme o disconforme,
defectuoso o no defectuoso. Estas caractersticas
de calidad se conocen como atributos.
Supongamos un proceso que fabrica tornillos. Una
manera de ensayar cada tornillo sera probarlo con
una rosca calibrada.
Figura 35.
El resultado de este ensayo slo tiene dos posibles
resultados:
Defectuoso-No
Defectuoso
(
Conforme-Disconforme).
Figura 34.
Figura 36.
161
Si el tornillo no entra en la rosca, se lo considera

defectuoso o disconforme.
Este resultado se anota en un grfico hora por

hora y se denomina grfico np.
Para controlar este proceso, se puede tomar una

muestra de tornillos y contar el nmero de
defectuosos presentes en la muestra.
Si se tomara del proceso un slo tornillo Cul es

la probabilidad de que sea defectuoso?
Imaginando la poblacin de tornillos que podra
fabricar el proceso trabajando siempre en las
mismas condiciones, una cierta proporcin p de
estos seran defectuosos.
Entonces, la probabilidad de tomar un tornillo y
que sea defectuoso es p.
En una muestra de n tornillos, la probabilidad de
encontrar:
0 defectuosos
Figura 37.
1 defectuoso
La variable aleatoria nmero de defectuosos es una

variable aleatoria discreta, porque puede tomar un
nmero finito de valores, o infinito numerable. Los
grficos np se utilizan para controlar el nmero de
defectuosos en una muestra.
2 defectuosos
Entonces, para controlar este proceso, un inspector

se coloca al final de la lnea de produccin y cada
hora retira una muestra de n=50 tornillos (por
ejemplo), comprueba cada uno con la rosca y
anota el nmero de defectuosos.
n defectuosos
Est dada por una distribucin binomial con

parmetros n y p.
Como sabemos, el promedio de la poblacin es p y
la varianza es n.p.(1-p).
Para construir los grficos de control np, en una
primera etapa se toman N muestras (ms de 20
25) a intervalos regulares, cada una con n tornillos.
Se cuenta en cada muestra el Nmero de
Defectuosos y se registra.
Se obtendra una Tabla como la siguiente:
Tabla 5.
Figura 38.
Muestra
N
Defectuosos
162
Limites de control
para el grfico np:
Construimos entonces un Grfico np de prueba y

representamos el nmero de defectuosos en las
muestras:
En cada muestra, la fraccin de defectuosos es:
N Defectuosos en muestra i
N elementos en la muestra.
Entonces, a partir de la tabla podemos calcular p

como promedio de las fracciones de defectuosos
en las muestras:
Figura 39.
produccin futura.
N muestras
Desviacin estndar
y luego la Desviacin Standard s:
Investigar en internet y bibliografa acerca de las
ventajas y limitaciones que se tienen en las
graficas np.
Investigar en internet y bibliografa acerca de las
ventajas y limitaciones que se tienen en las
graficas np.
163
El Alumno:
- Investigar en internet y bibliografas cuales son
las limitaciones y ventajas que se tienen al utilizar
las graficas np en un proceso de produccin.
3.1.3. Grficas P, Fraccin Defectuosa
seala que los lmites estn dados

, donde
W es el estadstico que se grafica en la carta. Por
tanto en el caso que nos ocupa W = pi. As, de
acuerdo a la distribucin binomial, se sabe que la
media y la desviacin estndar de una proporcin
estn dadas, respectivamente, por:
Promedio de fraccin defectuosa.
Esta carta muestra las variaciones en la fraccin o

proporcin de artculos defectuosos
Por muestra o subgrupo. La carta p (proporcin de
defectuosos) es ampliamente usada para evaluar el
desempeo de una parte o todo un proceso,
tomando en cuenta su variabilidad y detectar as
causas o cambios especiales en el proceso.
De cada lote, embarque, pedido o de cada cierta
parte de la produccin, se toma una muestra o
subgrupo de ni artculos, que puede ser la
totalidad o una parte de las piezas bajo anlisis.
Las ni piezas de cada subgrupo son inspeccionadas
y cada una es catalogada como defectuosa o no.
Las caractersticas o atributos de calidad por lo que
una pieza puede ser evaluada como defectuosa,
puede ser ms de uno; pero una vez determinados
los atributos bajo anlisis, se deben aplicar criterios
y/o anlisis bien definidos y estandarizados.
Si de las ni piezas del subgrupo i, se encuentra que
di son defectuosas (no pasan), entonces en la carta
p se grafica y se analiza la variacin de la
proporcin pi de unidades defectuosas por
subgrupo:
Desviacin estndar.
y luego la Desviacin Estndar s:
Lmites de control
Para calcular los lmites de control se parte del

supuesto de la cantidad de piezas defectuosas por
subgrupo sigue una distribucin binomial y a partir
de esto se aplica el mismo esquema general, que
donde n es el tamao de subgrupo y p es la

proporcin promedio de artculos defectuosos en
el proceso. De acuerdo con esto, los lmites de
control en una carta p en la que se utiliza el mismo
tamao de subgrupo, estn dados por:
Si el tamao de subgrupo n, es variable de muestra

a muestra, en estos casos se tienen dos
alternativas: la primera es usar el tamao
promedio de subgrupo TI, en lugar de n. La
segunda es construir una carta de control con
lmites variables, que a p comentaremos ms
adelante. Si el promedio del proceso medido a
travs de p es desconocido, entonces ser
necesario estimarlo por medio de un estudio
inicial.
Por otro lado, cabe comentar que la forma en que
se calculan los lmites de la carta p supone que la
distribucin normal aproxima razonablemente bien
a la distribucin de las proporciones (distribucin
binomial), sin embargo cuando p o n son
pequeos esta aproximacin puede ser mala. En
164
estos casos y en general para interpretar la carta p

se recomienda calcular los lmites de una forma
ligeramente diferente y se detalla al final de la
presente seccin.
Ralladuras en la superficie.
Rajaduras en el plstico
Antena defectuosa
Botn defectuoso.
Los defectos pueden ser de diferentes tipos y se

cuenta el total de todos estos defectos en la
unidad inspeccionada. Obtenemos un resultado
que es el Nmero de Defectos por unidad de
inspeccin.
Figura 40.
Sugerencias o notas
Competencia emprendedora
Realizar la implementacin de una
grafica p en proceso productivo.
El Alumno:
- Realizar una justificacin de por que es
importante utilizar una grafica p en un proceso
de produccin mencionando en que etapa puede
ser considerada.
3.1.4. Grficas C, Nmero de Defectos.
Figura 40.
A medida que el proceso genera las unidades
(Telfonos celulares), retiramos una unidad a
intervalos regulares y contamos el nmero total de
defectos.
En cada unidad podemos encontrar:
0 defectos
1 defecto
2 defectos
3 defectos
n defectos
Promedio de defectos
En algunos procesos interesa medir la cantidad de

defectos que presentan las unidades de producto
que se estn fabricando. Por ejemplo, se fabrican
telfonos celulares y entonces se toma uno de ellos
y se cuenta el nmero total de defectos. Estos
podran ser:
165
Figura 41.
Los resultados que obtenemos al contar el Nmero
de defectos en unidades de inspeccin retiradas a
intervalos regulares constituyen una variable
aleatoria discreta, porque puede tomar valores 0,
1, 2, 3, ... n.
Esta variable aleatoria tiene una distribucin de
Poisson:
Figura 42.
Este resultado se anota en un grfico hora por
hora y se denomina grfico C. De acuerdo a la
Distribucin de Poisson, si denominamos C al
parmetro de la funcin de distribucin, el
promedio de la poblacin es C y la varianza
tambin es C.
Para construir los grficos de control C, en una
primera etapa se toman N unidades de inspeccin
(ms de 25 30) a intervalos regulares. Se cuenta
en cada unidad de inspeccin el Nmero de
Defectos y se registra. Se obtendra una Tabla
como la siguiente:
Tabla 6.
Los grficos C se utilizan para controlar el nmero

de defectos en una muestra del producto o unidad
de inspeccin. Entonces, para controlar este
proceso, un inspector se coloca al final de la lnea
de produccin y cada hora retira una unidad de
inspeccin (En este caso un telfono celular),
verifica y anota el nmero total de defectos.
Unidad de Inspeccin
Nm. Defectos
166
Entonces, a partir de la tabla podemos calcular C

como promedio del Nmero de Defectos en las
muestras (Unidades de Inspeccin):
ni Cantidad de Defectos por Unidad de Inspeccin

N Nmero de Unidades de Inspeccin
y luego la Desviacin Estndar:
Desviacin estndar
y luego la Desviacin Estndar s:
Lmites de control

para el grfico C:
Figura 43.
produccin futura.
Otro ejemplo sera controlar el nmero de defectos
a la salida de una lnea de ensamblado de
licuadoras. De igual manera podra ser una lnea de
ensamblado
de
computadoras
personales,
cafeteras automticas, televisores, etc.
Cuando se fabrican pinturas y barnices, un ensayo
muy comn es hacer un extendido sobre una placa
de vidrio, dejar secar el producto y luego
inspeccionar los defectos en la superficie.
Se pueden aplicar los grficos C para controlar este
tipo de procesos, contando el nmero de defectos
sobre la superficie del recubrimiento.
En caso de que el Lmite Inferior de Control resulte

negativo, se le asigna valor cero. Construimos
entonces un Grfico C de prueba y representamos
el nmero de defectos en las muestras:
En la industria textil tambin es necesario controlar

defectos superficiales en las telas.
Se pueden aplicar los grficos C para controlar el
nmero de defectos sobre la superficie de un rea
rectangular de tela.
Muchas veces ocurre que las unidades que
produce el proceso presentan una tasa de defectos
muy baja.
167
Ejemplo
Supongamos un proceso automatizado que fabrica
tarjetas de sonido.
desea controlar el promedio de defectos por cada

licuadora (unidad de produccin) en lugar del total
de defectos para las 5 licuadoras (unidad de
inspeccin):
A la salida del mismo se inspecciona una tarjeta a

intervalos de media hora y se cuenta el nmero de
defectos.
El resultado seguramente ser algo como esto:
Tabla 7.
Tarjeta
Nm. Defectos
etc
Esto se debe a que la fabricacin se realiza por

medio de un proceso totalmente automatizado
donde ocurren pocos errores. Por lo tanto, el
promedio de defectos ser cercano a cero y el
Lmite Inferior de Control seguramente ser
negativo. Para evitar esto, es conveniente redefinir
la Unidad de Inspeccin. Por ejemplo, se puede
tomar como unidad de inspeccin la cantidad de
100 tarjetas de sonido. Es decir, cada media hora
se retiran del proceso 100 tarjetas y se cuentan los
defectos del total de las mismas. De esta manera la
cantidad de defectos promedio por unidad de
inspeccin ser ms alta. Y es posible tambin que
el LIC sea mayor que cero.
Supongamos que se est controlando el nmero
de defectos en un proceso de ensamblado de
licuadoras y se define una unidad de inspeccin de
5 licuadoras. En este caso es posible trabajar con
un grfico C, como ya hemos visto. Pero tal vez se

m Nm. de Unidades de Produccin en la Unidad
de Inspeccin
En nuestro ejemplo, si encontramos ni defectos en
la unidad de inspeccin (5 licuadoras), la cantidad
promedio de defectos por licuadora ser:
Se debe tener en cuenta que x es una nueva

variable aleatoria discreta que toma valores 0, 1/m,
2/m, 3/m, 4/m, .....etc., y cuya distribucin de
probabilidades se puede calcular a partir de la
Distribucin de Poisson.
Como en el caso de los grficos C, en una primera
etapa se toman N unidades de inspeccin (ms de
25 30) a intervalos regulares. Se cuenta en cada
unidad de inspeccin el Nmero de Defectos y se
registra. Luego se divide el Nmero de Defectos de
cada unidad de inspeccin por m (Nmero de
unidades de produccin en cada unidad de
inspeccin). En nuestro ejemplo (m = 5) la Tabla
quedara as:
Tabla 8.
Unidad
Inspeccin
de Nm. Defectos Nm. Defectos

por Licuadora
1.0
1.6
1.2
10
2.0
168
1.0
15
3.0
12
2.4
1.0
Entonces, a partir de la tabla podemos calcular el

parmetro U como promedio del Nmero de
Defectos por licuadora:

m Nm. de Unid. de Produccin en la Unidad de
Inspeccin
N Nmero de Unidades de Inspeccin
y luego la Desviacin Standard:
Competencia de Calidad.
Determinar la calidad de un producto evaluado
acorde con sus caractersticas y especificaciones
del cliente.
El Alumno:
- Investigar acerca
intervienen en la
producto al utilizar
del proceso de
utilizarla.
los diferentes factores que

definicin de la calidad del
una grafica c y en que parte
produccin es conveniente
3.1.5. Grficas I, Defectos porUnidad
Promedio de defectos
Es aquella carta que se utiliza para graficar el

nmero promedio de defectos por unidad.
Sirve este Grfico para los mismos fines que el
Grafico c.

para el grfico U:
Se diferencian en que en este ltimo el tamao de

muestra no es necesariamente constante y en que
n el eje de ordenadas se grafica la proporcin de
defectos por unidad muestreada "u" en vez de la
cantidad total de defectos en la muestra.
Si aceptamos la aproximacin de la variable de
Poisson a la Normal y tenemos en cuenta que u=
ci /ni resulta:
169
Si p es la proporcin de defectos que genera el

proceso en el momento de tomar una muestra de
tamao ni, es X~ni.p, con lo que la ecuacin
anterior puede ser escrita:
Como en el caso del Grfico p la estimacin de la

proporcin de defectos a partir de las m muestras
de un Grfico u eS5:
Desviacin estndar
y luego la Desviacin Standard s:

Utilizando la aproximacin normal.
Limites de control
Con ello los lmites de control se calculan.

La curva caracterstica y tamao de la muestra del
grafico U.
De donde.
Por lo tanto el tamao de la muestra la curva

caracterstica debe pasar por los puntos
170
Se han calculado los lmites de control para cada

una de las muestras, representndose tanto estos
lmites como los correspondientes valores de U
para cada muestra.
Ejemplo.
Defectos en 50 muestras de tamao variable.
De la lnea de produccin de obturadores y

dosificadores de una empresa, cuando se
consideraba que el proceso estaba bajo un control
eficaz y con el fin de calcular los lmites del grafico
U se han tomado 50 muestras de tamao variable,
contabilizndose los efectos encontrados en cada
muestra.
Tabla 9.
Se recogen los resultados obtenidos y con estos

datos se han calculado
las proporciones de
defectos en cada muestra mediante.
Para el clculo de los lmites preliminares,

comenzaremos por estimar la proporcin de
defectos que genera el proceso.
Como las variaciones del tamao de la muestra son

pequeas, tambin las variaciones de los lmites de
control lo son, tal como se puede observar en la
figura y por lo tanto se puede utilizar en vez de
tamaos de muestra variables un tamao de
muestra medio nico.
Mediante esta estimacin de p y las formulas.
Proporcin de defectos en 50 muestras de tamao

variable.
171
Tabla 10
Figura 45.
A continuacin se presentan las curvas
caractersticas exacta y aproximada para el grafico
U.
Figura 44.
Utilizando estos lmites y representando las pi
correspondientes, se ha obtenido la siguiente
grfica.
172
Consulta con el docente

Competencia Tecnolgica.
Identificar el tipo de equipo
que existe en el mercado y en
el Internet para el manejo de
grficas de control por
atributos.
El Alumno:
- Investigar los avances tecnolgicos para el
manejo de gaficas de control por atributos y los
tipos de paquetera que son utilizados en los
procesos de produccin.
Competencia para la vida.
Considerar que el crecimiento personal y
profesional representa mejores condiciones de
vida.
El Alumno:
- Considerar que al aplicar mal una grfica se
tienen prdidas en donde el error cometido en el
trabajo afecta de forma directa su estabilidad
profesional y familiar.
Figura 46.
173
Desarrollo de la Prctica
Unidad de aprendizaje:
Prctica nmero:
Nombre de la prctica:
Instalacin de grficas de medias y rangos.
Propsito de la
prctica:
Al finalizar la prctica, el alumno instalar grficas de medias y rangos, mediante el

cumplimiento de fases de estabilidad estadstica, capabilidad y control estadstico del
proceso, para que el proceso sea normal, estable y cuente con el Cpk requerido.
Escenario:
Laboratorio.
Duracin:
10 hrs.
Materiales
3 cajas de 150 piezas cada una,
que indiquen el orden en que
fueron producidas y se adjunten
las observaciones de anomalas
tenidas durante su proceso.
Dibujo y especificaciones de la
pieza.
Formato de grfica de control X-R.
Regla.
Lpices.
Goma.
Maquinaria y equipo
Calculadora cientfica
De medicin
Herramienta
NOTA: el PSA debe fomentar en el alumno las actitudes de responsabilidad, disciplina, limpieza, seguridad y
trabajo en equipo.
174
Procedimiento
Realizar la prctica con responsabilidad, limpieza, seguridad y trabajo en equipo.
Aplicar las normas de seguridad e higiene.

Verificar que en el rea de trabajo existan condiciones seguras de trabajo.
Utilizar ropa y equipo de trabajo.
1. Seleccionar proceso para anlisis.
2. Definir objetivo
3. Realizar un listado de caractersticas significantes y crticas.
4. Seleccionar caractersticas a monitorear de la pieza o componente en estudio.

5. Establecer tamao de muestra
6. Establecer frecuencia de toma de muestras.
7. Seleccionar un instrumento de sensibilidad requerida, calibrado y verificado.
8. Medir una caracterstica de las 150 piezas de la primera caja.
9. Registrar las anotaciones en la hoja de datos del formato de grfica de control.
10.Calcular la media y rango de cada subgrupo anotando los valores en el formato de la grfica de control X-R.
11.Seleccionar la escala de las grficas de control.
12.Calcular la gran media, el rango medio.
13.Calcular los lmites de control para las medias y rangos, anotndolos en el formato de la grfica de control XR.
14.Dibujar las lneas de promedios y lmites de control.
15.Analizar datos de (R y X).
16.Interpretacin de la informacin identificando inestabilidad y otros patrones no naturales (puntos fuera de
lmites, adhesiones, series).
175
Procedimiento
17.Identificar y corregir las causas de variacin.
18.Recalcular limites de control.
19.Comparar rangos con nuevos lmites.
20.Repetir la secuencia de identificacin / correccin y Recalculo de los limites (s es necesario)
21.Completar la fase de estabilidad con los datos de gran media y rango medio, en caso de no presentarse
sntomas de anormalidad.
22.Medir la misma caracterstica en las 150 piezas de la segunda caja, registrndolas en la bitcora del
formato de grfica de control X-R.
23.Calcular media y rango de cada subgrupo de 5 piezas anotando los nuevos valores en la bitcora del
formato de la grfica X-R.
24.Calcular la gran media, rango medio y los lmites de estabilidad para las medias y rangos de los nuevos
valores.
25.Trazar las grficas de medias y rangos.
26.Determinar la normalidad, empleando las pruebas de inestabilidad y de otros patrones no naturales para
los nuevos valores.
27.Calcular la desviacin estndar mediante la formula R/d2 y los correspondientes ndices Cp y Cpk,
concluyendo la segunda fase si los valores resultan dentro de lo requerido.
28.Medir la misma caracterstica de las 150 piezas de la tercera caja, registrando las medidas de cada
subgrupo de cinco piezas en la bitcora del formato de grfica de control X-R.
29.Calcular media y rango de cada subgrupo de cinco piezas anotando los nuevos valores en la bitcora del
formato de la grfica X-R.
176
Procedimiento
30.Utilizar los valores de gran media, rango medio y lmites de estabilidad de las medias y rangos obtenidos en
la segunda caja, para la grfica de esta caja, graficando los valores de medias y rango de cada subgrupo
como se vayan obteniendo.
31.Verifica que se siten dentro de los lmites de estabilidad.
32.Revisar los puntos graficados se manifiesten estables, ya que indicar que el proceso se mantiene dentro del
control estadstico.
33.Obtener conclusiones.
34.Realizar reporte de la prctica.
177
Lista de cotejo de la prctica

Nmero 9:
Instalacin de grficas de medias y rangos.
Nombre del alumno:

Instrucciones:
A continuacin se presentan los criterios que van a ser verificados

en el desempeo del alumno mediante la observacin del mismo.
De la siguiente lista marque con una 9 aquellas observaciones que
hayan sido cumplidas por el alumno durante su desempeo
Desarrollo
No
No
Aplica
Aplic las normas de seguridad e higiene.

Verific que en el rea de trabajo existan condiciones seguras de trabajo.
Utiliz ropa y equipo de proteccin personal.
1. Seleccion proceso a analizar.
2. Defini objetivo.
3. Realizo listado de caractersticas criticas
4. Seleccion caracterstica a analizar.
5. Estableci tamao y frecuencia de muestra.
6. Seleccion instrumento de medicin calibrado y de sensibilidad requerida.
7. Midi la caracterstica de las piezas.
8. Registr los datos en el formato de la grfica de control.
9. Calcul la media y rango de cada subgrupo anotando los valores en el formato
de la grfica de control X-R.
10.Calcul la gran media, el rango medio y los lmites de estabilidad para las
medias y rangos anotndolos en el formato de la grfica de control X-R.
11.Seleccion una escala para la grfica.
12.Traz las grficas de medias y rangos.
13.Determin la normalidad empleando las pruebas de inestabilidad y de otros
patrones no naturales.
14.Identific causas de variacin.
15.Corrigi causas de variacin
16.Recalcul limites de control.
17.Repiti la secuencia de identificacin / correccin y Recalculo de los limites.
16.Complet la fase de estabilidad con los datos de gran media y rango medio, en
caso de no presentarse sntomas de anormalidad.
17.Midi la misma caracterstica en las 150 piezas de la segunda caja,
registrndolas en la bitcora del formato de grfica de control X-R.
18.Calcul media y rango de cada subgrupo de cinco piezas anotando los nuevos
valores en la bitcora del formato de la grfica X-R.
19.Calcul la gran media, rango medio y los limites de estabilidad para las medias
y rangos de los nuevos valores.
178

21.Determin la normalidad, empleando las pruebas de inestabilidad y de otros
patrones no naturales para los nuevos valores.
Realiz la prctica con responsabilidad, limpieza, seguridad y trabajo en
equipo.
Observaciones:
PSA:
Hora de
inicio:
Hora de
trmino:
Evaluacin:
179
Prctica nmero:
10
Grficas de medias y rangos.
Propsito de la
prctica:
Al finalizar la prctica, el alumno realizar el procedimiento para la realizacin de las

grficas de medias y rangos.
Escenario:
Laboratorio.
Duracin:
8 hrs.
Materiales
Datos de tabla adjunta.
Dibujo y especificaciones de la
pieza.
Formato de grfica de control X-R.
Regla.
Lpices.
Goma.
Maquinaria y equipo
De medicin
Herramienta
trabajo en equipo.
180
Procedimiento

1. A continuacin se expresan las medidas de una resistencia en subgrupos de 5 cada uno.
2. A partir de estos datos llene la grfica de control.
3. Obtenga X, R graficar los puntos.
4. Calcular X, R, graficar.
5. Calcular LSCR, LICR , LSCX , LICX ,graficar.
6. Interpretar y anlisis del proceso.
7. Determine los puntos que estn en forma corrida, agrupando cada conjunto mediante una lnea cerrada.
8. Establecer nuevamente X, R y lmites de control.
9. Elaborar un reporte.
181
Procedimiento
No. SUBGRUPO
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
MEDIDAS EN (1/1000) cm.
125
129
131
131
129
133
124
127
130
129
129
129
132
130
132
129
132
131
129
129
129
129
133
128
127
126
127
132
130
128
129
132
131
131
127
131
131
129
129
129
131
132
132
129
129
131
128
129
129
129
128
132
129
127
132
127
127
129
129
128
129
128
127
128
128
128
133
131
131
131
132
127
130
130
132
131
129
128
129
129
126
125
129
129
129
128
127
131
127
131
131
130
130
130
128
131
129
129
132
130
134
131
127
130
131
125
126
131
130
130
130
129
129
131
125
128
126
129
127
131
132
130
135
132
131
182

nmero 10:
Grficas de medias y rangos.
Nombre del alumno:

Instrucciones:

Desarrollo
No
No
Aplica

1. Registr los datos en el formato de la grfica de control.
2. Calcul la media y rango de cada subgrupo anotando los valores en el formato
de la grfica de control X-R.
3. Calcul la gran media, el rango medio y los lmites de estabilidad para las
medias y rangos anotndolos en el formato de la grfica de control X-R.
4. Seleccion una escala para la grfica.
5. Traz las grficas de medias y rangos.
6. Determin la normalidad empleando las pruebas de inestabilidad y de otros
7. Identific causas de variacin.
8. Corrigi causas de variacin
9. Recalcul limites de control.
10.Repiti la secuencia de identificacin / correccin y Recalculo de los limites.
11.Complet la fase de estabilidad con los datos de gran media y rango medio, en
caso de no presentarse sntomas de anormalidad.
12.Midi la misma caracterstica en las 150 piezas de la segunda caja,
registrndolas en la bitcora del formato de grfica de control X-R.
13.Calcul media y rango de cada subgrupo de cinco piezas anotando los nuevos
valores en la bitcora del formato de la grfica X-R.
14.Calcul la gran media, rango medio y los limites de estabilidad para las medias
y rangos de los nuevos valores.
183
Desarrollo
No
No
Aplica
16.Determin la normalidad, empleando las pruebas de inestabilidad y de otros

patrones no naturales para los nuevos valores.
equipo.
Observaciones:
PSA:
Hora de
inicio:
Hora de
trmino:
Evaluacin:
184
Prctica nmero:
11
Instalacin de grficas de defectuosos np.
Propsito de la
prctica:
Al finalizar la prctica, el alumno instalar grficas de defectuosos np, mediante el

cumplimiento de las fases de estabilidad estadstica, nivel de calidad y control
estadstico del proceso.
Escenario:
Laboratorio.
Duracin:
10 hrs.
Materiales
Reportes de defectuosos de un
proceso de un mes de produccin,
detallado por da.
Reporte de defectuosos de un mes
de produccin, detallado por da
del mismo proceso ya mejorado.
Reporte de defectuosos actual del
proceso mejorado.
Formato de grficas por atributos.
Regla.
Lpiz.
Maquinaria y equipo
Herramienta
trabajo en equipo.
185
Procedimiento

1. Revisar detalladamente el proceso que corresponda al reporte de defectuosos.
2. Registrar en un formato de grfica de atributos np las piezas inspeccionadas, n y el nmero de
defectuosos, np reportados.
3. Calcular la np promedio, la desviacin estndar y los lmites de estabilidad.
4. Graficar los valores de np.
5. Determinar la normalidad de proceso utilizando las pruebas de inestabilidad y de otros patrones no
naturales.
6. Registrar en la bitcora de la grfica np las anomalas presentadas en el proceso.
7. Verificar si se justifican los puntos de inestabilidad y eliminarlos en caso positivo.
8. Registrar en el formato de grfica de atributos np nuevos valores, en caso de que se hubieran eliminado
ms del 20% de los puntos de la grfica.
9. Repetir los clculos de np promedio, desviacin estndar y lmites de estabilidad para los nuevos valores.
10.Graficar los nuevos valores de np.
11.Determinar la normalidad del proceso utilizando las pruebas de inestabilidad y otros patrones no naturales.
12.Completar la fase de estabilidad con los datos de np promedio y desviacin estndar, en caso de no
presentarse sntomas de inestabilidad.
186
Procedimiento
13.Registrar en el formato de grfica de atributos np nuevos valores, en caso de que se hubieran eliminado
14.Repetir los clculos de np promedio, desviacin estndar y lmites de inestabilidad para los nuevos
valores.
16.Utilizar las pruebas de anormalidad y de otros patrones no normales, y de no presentarse sntomas de
anormalidad se considerar el nuevo promedio de np como un parmetro mejorado del proceso, y los
lmites de control de np como los lmites para la siguiente fase.
17.Graficar los nuevos valores de np que se vayan generando y si los puntos se mantienen dentro de los
lmites y con una trayectoria normal, se considerar que el proceso est bajo control y listo para una
nueva etapa de mejoramiento.
187

Nmero 11:
Instalacin de grficas de defectuosos np.
Nombre del alumno:

Instrucciones:

Desarrollo
No
No
Aplica

1. Revis detalladamente el proceso que corresponda al reporte de defectuosos.
2. Registr en un formato de grfica de atributos np las piezas inspeccionadas,
n y el nmero de defectuosos, np reportados.
3. Calcul la np promedio, la desviacin estndar y los lmites de estabilidad.
4. Grafic los valores de np.
5. Determin la normalidad de proceso utilizando las pruebas de inestabilidad y
de otros patrones no naturales.
6. Registr en la bitcora de la grfica np las anomalas presentadas en el
proceso.
7. Verific si se justifican los puntos de inestabilidad y eliminarlos en caso positivo.
8. Registr en el formato de grfica de atributos np nuevos valores, en caso de
que se hubieran eliminado ms del 20% de los puntos de la grfica.
9. Repiti los clculos de np promedio, desviacin estndar y lmites de
estabilidad para los nuevos valores.
10.Grafic los nuevos valores de np.
11.Determin la normalidad del proceso utilizando las pruebas de inestabilidad y
otros patrones no naturales.
12.Complet la fase de estabilidad con los datos de np promedio y desviacin
estndar, en caso de no presentarse sntomas de inestabilidad.
13.Registr en el formato de grfica de atributos np nuevos valores, en caso de
14.Repiti los clculos de np promedio, desviacin estndar y lmites de
inestabilidad para los nuevos valores.
16.Utiliz las pruebas de anormalidad y de otros patrones no normales,
18.Realiz un reporte de la prctica
19.Repiti los clculos de np promedio, desviacin estndar y lmites de
inestabilidad para los nuevos valores.
21.Utiliz las pruebas de anormalidad y de otros patrones no normales,
188

23.Realiz un reporte de la prctica
Realizo la prctica con responsabilidad, limpieza, seguridad y trabajo en
equipo.
Observaciones:
PSA:
Hora de
inicio:
Hora de
trmino:
Evaluacin:
189
Prctica nmero:
12
Instalacin de grficas de fraccin defectuosa p.
Propsito de la
prctica:
Al finalizar la prctica, el alumno instalar grficas de fraccin defectuosa p,

mediante el cumplimiento de estabilidad estadstica, nivel de calidad y control
estadstico del proceso.
Escenario:
Laboratorio.
Duracin:
8 hrs.
Materiales
Reporte de defectuosos de un
proceso de un mes de produccin
detallado por da.
Reporte de la prctica nm.9.
Reporte de defectuosos de un mes
de produccin de un mes
detallado por da del mismo
proceso ya mejorado.
Reporte de defectuosos de la
produccin actual del proceso
mejorado.
Formato de grfica por atributos.
Maquinaria y equipo
Herramienta
trabajo en equipo.
190
Procedimiento

1. Revisar el proceso correspondiente al reporte de la prctica nm. 9.
2. Registrar en un formato de grfica de atributos p las piezas inspeccionadas, n y el nmero de
defectuosos, np reportados.
3. Calcular la p promedio, la desviacin estndar y los lmites de estabilidad.
4. Graficar los valores de p.
5. Determinar la normalidad del proceso utilizando las pruebas y de otros patrones no naturales.
6. Registrar en la bitcora de la grfica p las anomalas presentadas en el proceso.
7. Verificar si las anomalas justifican los puntos de inestabilidad, eliminndolos en caso positivo.
8. Registrar en la bitcora del formato de grfica de atributos p nuevos valores en caso de que se hubieran
eliminado ms de 20% de los puntos de la grfica.
9. repetir los clculos de p promedio desviacin estndar y lmites de estabilidad para los nuevos valores.
10.Graficar los nuevos valores de p.
11.Determinar la normalidad del proceso, utilizando las pruebas de inestabilidad y otros patrones no naturales.
12.Completar la fase de estabilidad con los datos de p promedio y desviacin estndar, en caso de no
191
Procedimiento
13.Registrar en el formato de grfica de atributos p nuevos valores, en caso de que se hubieran eliminado
14.Repetir los clculos de np promedio, desviacin estndar y lmites de estabilidad para los nuevos
valores.
16.Utilizar las pruebas de anormalidad de otros patrones no normales y de no presentarse sntomas de
anormalidad, se considerar el nuevo patrn de np como un parmetro mejorado del proceso y los
lmites de control de np como los lmites para la siguiente fase.
17.Graficar los nuevos valores de p que se vayan generando, y si los puntos se mantienen dentro de los
lmites y con una trayectoria normal, se considerar que el proceso est bajo control.
192

Nmero 12:
Instalacin de grficas de fraccin defectuosa p.
Nombre del alumno:

Instrucciones:

Desarrollo
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
No
No
Aplica

Revis el proceso correspondiente al reporte de la prctica nm. 9.
Registr en un formato de grfica de atributos p las piezas inspeccionadas,
n y el nmero de defectuosos, np reportados.
Calcul la p promedio, la desviacin estndar y los lmites de estabilidad.
Grafic los valores de p.
Determin la normalidad del proceso utilizando las pruebas y de otros
Registr en la bitcora de la grfica p las anomalas presentadas en el
proceso.
Verific si las anomalas justifican los puntos de inestabilidad, eliminndolos
en caso positivo.
Registr en la bitcora del formato de grfica de atributos p nuevos valores
en caso de que se hubieran eliminado ms del 20% de los puntos de la grfica.
Repiti los clculos de p promedio desviacin estndar y lmites de
Grafic los nuevos valores de p.
Determin la normalidad del proceso, utilizando las pruebas de inestabilidad y
Complet la fase de estabilidad con los datos de p promedio y desviacin
estndar, en caso de no presentarse sntomas de inestabilidad.
Registr en el formato de grfica de atributos p nuevos valores, en caso de
Repiti los clculos de np promedio, desviacin estndar y lmites de
Grafic los nuevos valores de np.
Utiliz las pruebas de anormalidad de otros patrones no normales y de no
presentarse sntomas de anormalidad, se considerar el nuevo patrn de np
como un parmetro mejorado del proceso y los lmites de control de np
como los lmites para la siguiente fase.
193
17. Grafic los nuevos valores de p que se vayan generando, y si los puntos se
mantienen dentro de los lmites y con una trayectoria normal, se considerar
que el proceso est bajo control.
equipo.
Observaciones:
PSA:
Hora de
inicio:
Hora de
trmino:
Evaluacin:
194
Prctica nmero:
13
Instalacin de grficas de nmero de defectos c y nmero de

defectos por unidad i.
Propsito de la
prctica:
Al finalizar la prctica, el alumno instalar grficas de nmero de defectos c y

grficas de nmero de defectos por unidad i, mediante el cumplimiento de la
estabilidad estadstica, nivel de calidad y control estadstico del proceso.
Escenario:
Empresa manufacturera
Laboratorio.
Duracin:
6 hrs.
Materiales
Reporte de defectos de un
proceso de un mes de produccin
detallado por da.
Reporte de la prctica 9.
Reporte de defectos de un mes de
produccin de un mes detallado
por da del mismo proceso ya
mejorado.
Reporte de defectos de la
produccin actual del proceso
mejorado.
Formato de grfica por atributos.
Maquinaria y equipo
Herramienta
trabajo en equipo.
195
Procedimiento

1. Revisar el reporte de defectos del proceso.
2. Registrar en un formato de grficas de atributos c e i promedio, la desviacin estndar y los lmites de
estabilidad.
3. Graficar los valores de c e i.
4. Determinar la normalidad de proceso utilizando las pruebas de inestabilidad y de otros patrones no
naturales.
5. Registrar en la bitcora de la grfica c e i las anomalas presentadas en el proceso.
6. Verificar si se justifican los puntos de inestabilidad, eliminndolos en caso positivo.
7. Registrar en la bitcora del formato de grfica de atributos c e i nuevos valores, en caso de que se
hubieran eliminado ms del 20% de los puntos de la grfica.
8. Repetir los clculos de c e i promedio, desviacin estndar y lmites de estabilidad para los nuevos
valores.
9. Graficar los nuevos valores de c e i.
10.Determinar la normalidad del proceso utilizando las pruebas de inestabilidad y otros patrones no naturales.
11.Completar la fase de estabilidad con los datos de c e i promedio y desviacin estndar, en caso de no
196
Procedimiento
12.Registrar en el formato de grfica de atributos c e i nuevos valores, en caso de que se hubieran
eliminado ms del 205 de los puntos de la grfica.
13.Repetir los clculos de c e i promedio desviacin estndar y lmites de estabilidad para los nuevos
valores.
14.Graficar los nuevos valores de c e i.
15.Utilizar las pruebas de anormalidad y de otros patrones no normales, y de no presentarse sntomas de
anormalidad, se considerar el nuevo promedio de c e i como parmetros mejorados del proceso.
16.Graficar los nuevos valores de c e i que se vayan generando y si los puntos se mantienen dentro de
los lmites y con una trayectoria normal se considerar que el proceso est bajo control estadstico.
197

Nmero 13:
Instalacin de grficas de nmero de defectos c y nmero de

defectos por unidad i.
Nombre del alumno:

Instrucciones:

Desarrollo
No
No
Aplica

1. Revis el reporte de defectos del proceso.
2. Registr en un formato de grficas de atributos c e i promedio, la
desviacin estndar y los lmites de estabilidad.
3. Grafic los valores de c e i.
4. Determin la normalidad de proceso utilizando las pruebas de inestabilidad y
de otros patrones no naturales.
5. Registr en la bitcora de la grfica c e i las anomalas presentadas en el
proceso.
6. Verific si se justifican los puntos de inestabilidad, eliminndolos en caso
positivo.
7. Registr en la bitcora del formato de grfica de atributos c e i nuevos
valores, en caso de que se hubieran eliminado ms del 20% de los puntos de la
grfica.
8. Repiti los clculos de c e i promedio, desviacin estndar y lmites de
9. Grafic los nuevos valores de c e i.
10.Determin la normalidad del proceso utilizando las pruebas de inestabilidad y
11.Complet la fase de estabilidad con los datos de c e i promedio y
desviacin estndar, en caso de no presentarse sntomas de inestabilidad.
12.Registr en el formato de grfica de atributos c e i nuevos valores, en caso
de que se hubieran eliminado ms del 20% de los puntos de la grfica.
13.Repiti los clculos de c e i promedio desviacin estndar y lmites de
14.Grafic los nuevos valores de c e i.
15.Utiliz las pruebas de anormalidad y de otros patrones no normales, y de no
presentarse sntomas de anormalidad se considerar el nuevo promedio de c
e i como parmetros mejorados del proceso.
16.Grafic los nuevos valores de c e i que se vayan generando y si los puntos
se mantienen dentro de los lmites y con una trayectoria normal se considerar
que el proceso est bajo control estadstico.
198
17.Realiz reporte de la prctica.

equipo.
Observaciones:
PSA:
Hora de
inicio:
Hora de
trmino:
Evaluacin:
199
Resumen
El aprendizaje de los temas vistos en esta unidad
dar como resultado que el alumno pueda
construir grficas de control por variables y
atributos las cuales proporcionan informacin
confiable de las caractersticas de calidad de los
productos y procesos.
Dichas grficas permiten controlar las variables de
un proceso, as como los defectos de productos
que estn fuera de especificaciones
Autoevaluacin de Conocimientos
del Captulo 3
5.
6.
7.
1. Cules son los tipos de grficos ms

comunes?
2. En qu momento se utiliza un grfico XR?
3. Qu es la grfica de la media?
8.
4. Cul es la utilidad de la curva caracterstica?

5. Qu es el precontrol?
9.
Respuestas a la Autoevaluacin
de Conocimientos
10.
1. Un proceso de produccin es un conjunto de

maquinaria, equipo y herramienta, materiales,
personas y mtodos de trabajo que genera la
fabricacin de un producto.
2. Suelen deberse a causas especficas. Factores
como el desgaste de la maquinaria, equipos
mal ajustados, trabajadores fatigados o
insuficientemente formados, as como nuevos
lotes de materias primas, son fuentes
potenciales de variaciones imputables.
3. Es el esfuerzo humano que interviene en el
proceso de transformar las materias primas en
productos terminados.
4. Consiste bsicamente en el anlisis del proceso
de produccin utilizado, con el fin de mejorar
la eficiencia, optimizar el costo, reducir
11.
movimientos innecesarios y utilizar el personal

necesario (menor riesgo, menos cansancio,
mayor ingreso, etc.).
es el impulso que lleva a la persona a actuar de
determinada manera, es decir que da origen a
un comportamiento especifico. Este impulso a
la accin puede ser provocado por un estmulo
externo, que proviene del ambiente, o
generado internamente por procesos mentales
del individuo.
Es cualquier artefacto capaz de aprovechar,
dirigir o regular una forma de energa para
aumentar la velocidad de produccin de
trabajo o para transformarla en otra forma
energtica.
Es monitorear el proceso de medicin
tomando dos mediciones repetidas sobre la
misma pieza cada determinado tiempo de
inspeccin, con un solo operador. Esta pieza se
extrae directamente de la produccin y de
hecho se recomienda que sea una de la
inspeccin rutinaria; la diferencia es que se
medir dos veces.
Podran definirse a estndar como la Norma
cualitativa o cuantitativa que sirve como
patrn de medida del objeto a evaluar
El desgaste es un proceso complejo que se
produce en las superficies de los cuerpos
debido a la friccin de otro cuerpo o medio
Se define como el evento que ocurre difiere de
lo que debera ocurrir. Lo que est sucediendo
en el estado actual y lo que debera suceder en
el estado meta.
la absolucin.
La resolucin.
la solucin.
la disolucin.
12. Es una coleccin de componentes interactivos.

13. las preguntas importantes son quin, qu, por
qu, cundo, dnde y cmo. Quin lo hace;
qu hacen; por qu lo hacen; cundo lo hacen;
dnde lo hacen y cmo lo hacen?
14. Pueden ser formales o informales, cualitativos
o cuantitativos.
15. Se usan para probar una alternativa, para
predecir el comportamiento de un sistema,
para determinar la mejor entre muchas
200
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
alternativas o para explorar preguntas de "qu

pasa si". En general se pueden probar ms
alternativas con un modelo que mediante la
experimentacin directa.
Se usan para validar las suposiciones, estimar
los parmetros del modelo y validar el modelo,
y casi siempre se recolectan en cada paso del
proceso de solucin del problema.
La simplificacin del modelo y el anlisis
histrico
Una distribucin de frecuencias es una
tabulacin de datos arreglada segn su
tamao.
Es una operacin que se realiza previa a
tabulacin, pero en funcin de esta. Consiste
en asegurar un nmero correlativo a cada una
de la categora que comprende el cuestionario
o documento de observacin.
Consiste en resumir todas las operaciones
anteriores, recogiendo los valores parciales,
totales o acumulados mediante la lectura de
posicin y el acopio de cantidades
correspondientes.
Las sesiones de lluvia o tormenta de ideas es
una
forma
de
pensamiento
creativo
encaminada a que todos los miembros de un
grupo participen libremente y aporten ideas
sobre determinado tema o problema.
Diagrama que muestra la relacin entre una
caracterstica de calidad y los factores de
produccin.
Es la clasificacin de los datos en funcin de
una caracterstica comn para investigar
fuentes de variabilidad.
Por atributos y por variables.
Los grficos X-R se utilizan cuando la
caracterstica de calidad que se desea controlar
es una variable continua.
Este diagrama es la representacin grfica del
test de hiptesis de dos colas para contrastar.
La curva caracterstica permite determinar la
eficacia de un grfico de control a travs de la
probabilidad de detectar una descorreccin de
la
media
en
la
muestra
tomada
inmediatamente despus de que se produzca
este descentrado.
El PRE-Control es una tcnica estadstica para
detectar las condiciones del proceso y los
cambios que pueden causar defectos (ms que
los cambios
significativos).
que
son
estadsticamente
201

Control Variables

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Control Variables

Hochgeladen von

Copyright:

Verfügbare Formate

3

CONTROL DEL PROCESO POR VARIABLES Y

Control Estadstico del Proceso

Mapa Curricular de la Unidad de Aprendizaje

1.1. identificar los factores fundamentales que afectan la calidad para

Control Estadstico del Proceso

Grafico en el cual se representan valores de

Los grficos de control o cartas de control son una

Control Estadstico del Proceso

Los grficos de control por atributos son los np y p

Este termino se utiliza para referenciar a la

Factores que la afectan

Todo proceso de fabricacin funciona bajo ciertas

Los grficos de control son de suma importancia

Este trmino se utiliza para referenciar a las

Control Estadstico del Proceso

Pero un proceso de fabricacin es una suma

Los cambios en las variables controlables se

Control Estadstico del Proceso

El uso del control estadstico de procesos lleva

Antes de pasar a la segunda etapa, se verifica si el

normal, el intervalo de 3,09 sigmas alrededor del

Luego se calculan los Lmites de Control de la

Estos lmites surgen de la hiptesis de que la

Control Estadstico del Proceso

Entonces, se construye un grfico de prueba y se

Este grfico de prueba se analiza detenidamente

Control Estadstico del Proceso

Si no se descubren causas asignables entonces se

Control Estadstico del Proceso

En la 2a etapa, las nuevas observaciones que van

3.1.1. Grficas por Variables X, R.

Los grficos X-R se utilizan cuando la caracterstica

Control Estadstico del Proceso

Hay dos maneras de obtener los subgrupos. Una

Control Estadstico del Proceso

Por cualquiera de los dos caminos, obtenemos

A partir de esta tabla, se calculan el promedio

Como ya se ha visto, para calcular los Lmites de

Control Estadstico del Proceso

Rango del Subgrupo

Con esto podemos calcular los Lmites de Control

Y un Grfico R de prueba, donde representamos

Y as podemos calcular los Lmites de Control para

Realizacin del ejercicio

Construimos entonces un Grfico X de prueba y

Control Estadstico del Proceso

Si, por el contrario, la desviacin tpica es

En Control de Calidad mediante el trmino variable

Designaremos por LC a la lnea central del grfico y

Calculo de los lmites de control.

Si la desviacin tpica es conocida, la zona de

Control Estadstico del Proceso

concluir que el proceso est descorregido cuando

En la que m es el numero de muestras utilizadas

La mecnica de uso del Grfico de Control para la

Es la media muestral de la muestra nmero i con lo

Con ello queda:

Si .0 es desconocida, se estima a partir de los

Control Estadstico del Proceso

b) Si se utiliza el rango R queda:

) nos garantiza con

Control Estadstico del Proceso

descorreciones de la media la probabilidad de ser