1.-Manual Teorico-Practico de Control Estadistico de Procesos-Rev A

MANUAL TEORICO-PRACTICO
CONTROL ESTADISTICO DE PROCESOS
NOMBRE DEL ALUMNO:________________________________________
SEMESTRE:_________________ GRUPO: _________________

PROLOGO
Este manual fue diseado en la Unidad Acadmica Reynosa Aztln
de la Universidad Autnoma de Tamaulipas con el propsito de
proveer a los alumnos de dicha institucin las bases del Control
Estadstico de Procesos que la industria demanda y as lograr
profesionistas competitivos en el entorno laboral.
A travs de este manual, usted se adentrara en una serie de

conceptos bsicos y en una etapa de anlisis de datos. Es de
suma importancia que el alumno domine los fundamentos de
Estadstica para el aprovechamiento efectivo del presente; y as,
desarrollara los ejercicios y casos del programa de la materia de
Control Estadstico de Procesos
Como complemento los ejercicios resueltos que aqu se muestran

sern desarrollados de forma manual frente a grupo, as como en
tablas de Excel para lograr comprobar los clculos realizados en
el pizarrn y hacer eficiente el trabajo del maestro. Una vez que
el alumno ha logrado realizar e interpretar los resultados de los
ejercicios, este manual muestra el men bsico de software
estadsticos como Minitab para su comprobacin.
Los casos que se presentan en esta primera edicin fueros

seleccionados de una serie de experiencias profesionales y del
desarrollo acadmico del maestro y adaptadas para su fcil
interpretacin por parte del alumno en el saln de clases.
M.C.A. Octavio Muoz Rodrguez
OTOO 2012 Ing. Octavio Muoz Rodrguez Pgina 2

OBJETIVO GENERAL DEL MANUAL

El principal objetivo de esta manual es ayudar al estudiante a entender
los conceptos y tcnicas fundamentales necesarios para obtener un
desempeo de alto prestigio en las operaciones de manufactura y
servicio.
Tambin es encausarlo a que la toma de decisiones se lleve a cabo en
funcin de datos o informacin cuantificable y dejar a un lado las
especulaciones.

INDICE
INTRODUCCION
UNIDAD 1 CONTROL ESTADISTICO DE PROCESOS
1.1 La estadstica y el control de proceso.
1.2 Introduccin a las grafica de control
1.3 Grficos X-R para Medias y Rangos
1.4 Grficos X-S para Medias y Desviacin Estndar, muestras

del mismo tamao y diferente tamao.
1.5 Introduccin a los grficos de atributos
1.6 Graficas de control para la fraccin rechazada (Grafica p,

Graficas Np)
1.7 Graficas de Control para no conformidades (Graficas C,

Graficas u)
1.8 Anlisis de Capacidad del Proceso

INTRODUCCION
Todos hemos odo este concepto y en el entorno industrial es una de las

palabras ms manejadas en los ltimos tiempos. Aunque la percepcin de la
calidad tiene una manera subjetiva y otra objetiva, se han propuesto varias
definiciones ms o menos acertadas.
Uno de los pases que ms ha trabajado el concepto de calidad, ha sido

Japn y el mejor exponente de la eficacia de la misma es el avanzado
progreso econmico logrado y la alta competitividad de sus productos en
occidente. Dos personas de este pas tienen editados libros sobre el tema,
como son Genichi Taguchi y Kaorou Hishikawa. Las definiciones que ambos
hicieron de calidad se relacionan con:
La prdida que la no calidad ocasiona al usuario del producto

La prdida que la no calidad ocasiona a la propia empresa productora
La posibilidad de disear, producir y servir un producto lo mas til y
econmico posible.
La satisfaccin que ocasiona al usuario.
Una definicin muy aceptada es:
CALIDAD CONCORDANCIA ENTRE LA PERCEPCION Y LAS EXPECTATIVAS
El significado de esa definicin es que hay que fabricar un producto que

satisfaga todo aquello que un usuario espera de l, logrndolo adems con el
menor costo econmico.
Esta definicin estara aplicada sobre todo a la calidad de producto o

servicio, pero no es el nico tipo de calidad, ya que tanto o ms importante
es la gestin integral y total de la calidad, involucrando a todo el personal y
todas las secciones de un sistema de produccin. La nueva calidad se basa
sobre todo en la prevencin de la no calidad.

LA APERTURA DE MERCADOS: UN ALIADO DE LA CALIDAD TOTAL
En nuestro pas y en especial en nuestra regin norte de Tamaulipas el tema

de la calidad ha sido a travs de las ltimas 4 dcadas, tema de
conversacin en el mbito industrial, y a nivel de la mediana y pequeas
empresa ha acaparado su atencin en las ltimas dos. La apertura de
mercado a travs del Tratado de Libre Comercio de Amrica del Norte en el
sexenio del presidente Carlos Salinas de Gortari, permiti el ingreso de
productos y empresas extranjeras en su mayora estadounidenses a
competir con el mercado nacional. Esto obligo a las empresas mexicanas a
reestructurar sus sistemas de trabajo y a generar planes estratgicos para
lograr hacer frente a la competencia. La calidad en los productos y en el
servicio ha sido la clave para lograr la permanencia en el mercado lo cual
es uno de los principales retos que enfrentan las empresas.

UNIDAD 1
1.1.- LA ESTADISTICA Y EL CONTROL DE PROCESOS

La manera como normalmente conocemos la realidad consiste en observarla,
obteniendo de nuestras observaciones el mayor nmero posible de datos. En
esta forma podemos predecir qu suceder en casos semejantes y cmo
ser el futuro comportamiento del proceso o de la realidad que hemos
observado. Ms no siempre es posible conocer todos los datos.
Ejemplos:
Podemos saber cuntas toneladas de grano se producen en una

determinada hectrea de tierra. Pero sera demasiado difcil y
demasiado costoso averiguar este dato en todas y cada una de
las areas sembradas con este grano.
Podemos saber la medida exacta de un determinado grupo de

tornillos producidos en un mismo da a determinada hora.pero
sera una tarea casi imposible medir todos los tornillos
producidos por esa fbrica durante todos los das del ao.
Podemos examinar el coeficiente intelectual de algunos

estudiantes..pero resultara tarea muy laboriosa investigar este
dato en todos los estudiantes de todas las escuelas del pas.

Debido a lo anterior se a optado por trabajar con unos cuantos datos,

seleccionados cientficamente, para inferir, a partir de ellos, un
comportamiento general. En esta forma de proceder se base gran parte
de nuestros conocimientos.
La necesidad de seleccionar unos cuantos datos y de operar mediante el

conocimiento obtenido a travs de ellos se deja sentir, sobre todo en el
terreno de la actividad productiva del hombre.
Ejemplo:
Toda empresa extrae muestras de las entregas de materia prima

que recibe, para ver si las piezas que compra cumplen con las
especificaciones que ella ha establecido a sus proveedores.

QUE ES LA ESTADISTICA?
CONCEPTOS FUNDAMENTALES EN EL CONTROL

ESTADISTICO DE PROCESOS
Todos tenemos una idea general de lo que es la estadstica,

pues la utilizamos en forma espontnea sus procedimientos.
Constantemente tomamos muestras para ver la calidad de un
producto que vamos a comprar. Hablamos con mucha
frecuencia de promedios: por ejemplo, el gasto semanal de
gasolina en el mes, el promedio de las calificaciones del
semestre, etc.
DEFINICION#1.- La Estadstica es la ciencia que se ocupa

de recopilar, organizar, representar y analizar un conjunto de
datos, con el fin de inferir y generalizar la informacin
contenida en ellos.
El papel de la estadstica en el Control Total de la Calidad es

crucial
Si deseamos mejorar un proceso de produccin, es de

mucha ayuda el anlisis estadstico de datos que se
obtengan mediante un observacin cientfica

En la siguiente figura se muestra un flujo de actividades que conducen al

mejoramiento del proceso. Si de los datos estamos obteniendo
informacin, esta se presenta tambin en forma numrica. Estos
resultados son la base para una toma eficiente de decisiones, las cuales
podran causar la revisin del proceso (anlisis de problemas) y los
cambios subsecuentes.
En Estadstica, el conjunto de datos, correspondiente al conjunto universo

de las observaciones, recibe el nombre especial: poblacin estadstica.
DEFINICION #2.-Llamamos Poblacin Estadstica al conjunto de

todos los datos sobre los que versan las actividades de recopilacin,
organizacin, etc. Que acabamos de mencionar.
Ejemplos:
Si se tienen 500 mangueras de gasolina, cuyos dimetros miden

entre 12.2 y 13.2 milmetro, la poblacin estadstica est
formada por..500 datos!!!

Si examinamos 250 monoblocks y vemos que el espesor de las

paredes oscila entre 3.25 y 3.65 cms estos 250 datos integran
la poblacin estadstica
En un da determinado de elaboran 150 artculos que se

etiquetaron con bueno o defectuoso segn que cumplieron o
no, las especificaciones establecidas..La poblacin estadstica
abarca las 150 descripciones
Dado que en la mayora de los casos resulta poco prctico o incosteable

analizar la totalidad de los elementos de que se compone la poblacin
estadstica, se ha optado por seleccionar unos cuantos de estos para su
estudio. Los elementos seleccionados se denominan muestras
DEFINICION #3.- Una muestra est constituida por algunos

elementos de la poblacin estadstica.
Para que podamos estudiar la poblacin estadstica a travs de muestras

es necesario que estas sean representativas de aquella.

El tener muestras representativas, significa que cada una de ellas refleja

en cierta medida, las caractersticas de la poblacin. Entonces, en cada
muestra cabra esperar encontrar a cualquiera de los datos.

La Seleccin de los elementos que integren las muestras debe ser casual.
Es decir, no se podrn conocer de antemano los elementos. Tenemos
luego la segunda caracterstica que debe poseer toda muestra, la de ser
aleatoria.
DEFINICION #4.- Cuando todos los elementos de la poblacin

estadstica tienen la misma posibilidad de ser seleccionados, y en esas
circunstancias se obtiene una muestra, esta se llama muestra aleatoria.
Ejemplos:
Una empresa va a invertir una fuerte cantidad de dinero en el

bienestar de los trabajadores. Supongamos que para decidir si el
dinero se invierte en deportes o en el teatro de la empresa, se
toma una muestra de entre los miembros de los equipos de
futbol y beisbol.
Est siendo la muestra representativa?
Tampoco son nuestras muestras representativas de la

produccin de una maquina las piezas tomadas al inicio del
funcionamiento de dicha maquina cuando por naturaleza del
proceso, las primeras piezas producidas son en su mayora
defectuosas

LA ESTADISTICA Y SUS DIVISIONES
La estadstica se divide en dos grandes ramas: la estadstica descriptiva y la

estadstica inferencia.
DEFINICION#5.-La estadstica descriptiva es la parte de la estadstica

que versa sobre la produccin, organizacin y anlisis de datos.
En cuanto la poblacin y la organizacin de datos, la estadstica descriptiva

pretende descubrir las caractersticas generales de la poblacin, tales como
la forma de la distribucin de los datos. El anlisis de los datos arrojara
como resultados las medidas de tendencia central y de variacin de los
mismos.

DISTRIBUCION
MEDIDAS DE DISPERCION MEDIDAS DE TENDENCIA CENTRAL
Definicion#6: La Estadstica inductiva o inferencia es la parte de la

estadstica que hace inferencias o generalizaciones acerca de la poblacin
con base en los resultados de las muestras representativas

Inferencia: Es una evaluacin que realiza la mente entre expresiones

bien formadas de un lenguaje.
Las inferencias que realicemos no sern de una certeza absoluta, puesto

que el estudio se hizo con las muestras, y se aplic a la poblacin. Es aqu
donde interviene un concepto de gran importancia en la estadstica: el
concepto de probabilidad. Existe cierta probabilidad de que las
decisiones basadas en el estudio sean equivocadas.

DATOS QUE INTERESAN A LA ESTADISTICA DEL CONTROL

DE PROCESO
Dos son los datos fundamentales que interesan a la estadstica aplicada al
control de proceso.
Las caractersticas que pueden ser medidas

Y la presencia o ausencia de cualidades que nos permite emitir juicios
tales como aceptado /rechazado., pasa o no pasa, segn que los
artculos satisfagan, o no, determinadas especificaciones

Se denomina Variables.
Tanto a las caractersticas que pueden medirse
Como a la cantidad que es el resultado de un conteo de

objetos en los que hemos estado observando la presencia o
ausencia de cualidades que nos permite emitir los juicio de
pasa o no pasa.
Las variables se suelen representar con las ultimas letras del

alfabeto (x,y,z) y se suelen clasificar en dos tipos: Variables
continuas y discretas
Se llaman Variables Continuas a aquellas que implican un proceso de
medicin
Se llaman Variables Discretas, las que se relacionan con un proceso de

conteo (de atributos).
La afirmacin de la imposibilidad de tener dos artculos exactamente

iguales es de gran importancia, pues el objetivo de todo proyecto de
mejora de un proceso es el de reducir precisamente tal variacin. De
hecho la estadstica es el estudio de la variabilidad.
Variacin: Diferencia que existe entre los valores de una variable

1.2.- INTRODUCCION A LAS GRAFICAS DE

CONTROL
El Punto de Vista de la Grfica de Control
Es una herramienta importante en el control estadstico de calidad.

Tambin conocida como Grafica de Shewhart del mismo Dr. Walter A.
Shewhart en la dcada de 1920 cuando estaba con Bell Telephone
Laboratories.
La fuerza tcnica radica en su capacidad para separar las causas

asignables de la variacin en la calidad
Posibilita el diagnstico y correccin de muchas dificultades en

produccin
Produce considerables mejoras en la calidad del producto y la

reduccin de desperdicio y re trabajo.
Por medio de las capacidades del proceso nos permite tomar mejores
decisiones acerca de las tolerancias de ingeniera.
Mejores comparaciones entre diseos alternos y mtodos de

produccin alternos
Aseguramiento de la calidad a menor costo

Shewhart: El padre de las Grficas de Control
Walter A Shewhart Inventor de las grficas de control en 1924
Los grficos ms comunes:

Graficas de control de Shewhart para caractersticas medible. Se
les llama graficas para variables o graficas X y R (Promedio y
Recorrido o Rango) y Graficas X y s (Promedio de la muestra y
desviacin estndar
Graficas de control de Shewhart para fraccin defectiva. Tambin

conocidas como graficas p
Graficas de control de Shewhart para el numero de no

conformidad por unidad, se les llama grafica c
La parte de la teora del muestreo que se relaciona con la proteccin de la

calidad dada que cualquier procedimiento especificado del muestreo de
aceptacin

Beneficios que se pueden esperar con el uso de graficas de

control de variables
La variabilidad depende de al menos 5 factores principales: Mano de

Obra, Materiales, Medio Ambiente, Mtodos de Trabajo y Maquinas.
Podemos incluir un sexto factor que es la Medicin.
Cuando la variabilidad se presenta de manera continua alrededor de la

media y sin rebasar los lmites de especificacin, hay que tomar accin
en estos 5 o 6 factores.
Pero en ocasiones, la variabilidad se presenta continuamente y rebasa

los lmites de especificacin, entonces un examen de la situacin
mostrara que las tolerancias son ms estrictas de lo necesario.

Beneficios que se pueden esperar con el uso de graficas de

control para la fraccin defectiva
La mayor parte de las inspecciones de rutina de los productos

manufacturados es la inspeccin por atributos y se clasifica como
Aceptado o Rechazado
Con una posible Subdivisin de los Rechazados entre Scrap o Re

trabajo
Inspeccin al 100% o inspeccin por muestreo

EL CONTROL ESTADISTICO Y LA VARIACION

Objetivo principal de los anlisis estadsticos es medir la variacin
El control estadstico busca tener un resultados consistentes en un

rango de variacin

Por lo tanto: Se puede tener un proceso controladopero con una

variacin por encima de lo que el cliente especifica!!
Es decir: Tengo que reducir la variacin y para reducirla tengo que

hacerla MIA:
Medirla!!!
Interpretarla!!!
Accionar sobre ella!!!
Todos los procesos tienen variabilidad natural (debido a causas

comunes) y no natural (debido a causas asignadas). Se usa Control
Estadstico de Proceso para monitorea y/o mejorar el proceso.
Mientras las grficas de control pueden indicar causas fuera de control
a travs de seales, ellas no te pueden decir porque el proceso est
fuera de control.
Las grficas de control son el medio por el cual los parmetros del
producto y proceso son registrados en el tiempo. Las grficas de
control incorporan lmites de control superiores e inferiores los cuales
reflejan los limites naturales de la variabilidad (aleatoria). Estos
lmites no deben de compararse con las especificaciones del cliente.
Los lmites de control estn basados en el establecimiento de lmites

para X y Y de la media +3s.
Basados en principios estadsticos, las grficas de control permiten la

identificacin de patrones no naturales (aleatorio), causas especiales
que han provocado cambios en el proceso.
Las acciones que tomamos para atacar estas causas especiales son la
clave del uso exitoso del Control Estadstico de Proceso.

TIPOS DE VARIACION
PROS Y CONTRAS DE LOS GRAFICOS DE CONTROL

Ventajas
Tcnicas probadas para mejorar la productividad.
Efectivo en prevencin de defectos.
Previene ajustes innecesarios al proceso.
Provee informacin de diagnstico.
Provee informacin acerca de la capacidad del proceso.
Puede usarse para ambos tipos de datos, variables o atributos

Desventajas
Todos deben de ser bien entrenados y peridicamente re-

entrenados.
Los datos deben de ser recolectados correctamente.
Estadstica de inters (Rango, desviacin estndar) debe ser

calculada y graficada correctamente.
La grfica debe ser analizada correctamente.
Reacciones a comportamientos en las grficas deben de ser

apropiados TODO EL TIEMPO.
CONCLUCION
Es preferible un sistema constante, ya que con pequeos ajustes, lo
voy a llevar ms rpido al nominal, para esto se atacan primero las
causas especiales y luego las comunes.

1.3 GRAFICAS DE CONTROL PARA VARIABLES X-R

Son herramientas poderosas que pueden ser utilizadas cuando las
mediadas de un proceso estn disponibles
X-R representa la aplicacin tpica de proceso de tabulacin de control.
Las Grficas X-R son tiles para procesos dominados por maquinas.
Se Grafican Promedios y Rangos.
Las Grficas X- R habilitan al dueo del proceso para evaluar cambios

en la tendencia central y estabilidad usando subgrupos.
Las Variables de las grficas de control X- barra son variables

continuas, donde el estadstico de inters son la tendencia central y
variabilidad (dispersin).
La grfica X- barra mide la tendencia central de la variable en el

tiempo. Usando la media, o X- barra de la muestra de tamao n.
La lnea central en la grfica est representada por el promedio de

promedios a largo plazo, o X- doble barra.

Los limites de control son puestos a +3 sigma, o lo que es lo mismo, a

un intervalo de confianza 99.7% de la media.
El rango, o Grfica R monitorea la variabilidad dentro de los sub -

grupos en el tiempo.
La lnea central de la grfica esta representada por el promedio a largo

plazo de los rangos, o R- barra
Los limites de control son puestos en un intervalo de confianza del

rango +3 [sigma del rango].

PREPARACION PARA EL USO DEL GRAFICO DE CONTROL

1. Establece un ambiente conveniente para la accin
o Cualquier mtodo estadstico fallara a menos que se prepara el manejo

para un ambiente responsable.
o La gerencia debe respaldar acciones de mejora
2. Defina el proceso
o El proceso debe ser comprendido en trminos de su relacin con otras

operaciones y usuarios
o Comprender los elementos del proceso (gente, equipo, material,

mtodos y ambiente) que lo afecten en cada etapa.
o Tcnicas como diagrama de flujo, diagrama de causa y efecto y

permite reunir la experiencia de la gente que entiende los diferentes
aspectos del proceso.
3. Determina las caractersticas a ser graficadas
o Las Necesidades del cliente
o Problemas actuales y potenciales
o Producto no conforme, desperdicios, retrabajo, objetivos perdidos.
o Correlacin entre las caractersticas
o Que medir? corriente o temperatura!

4. Defina el sistema de medicin
o La caracterstica debe ser operacionalmente definida, as los hallazgos

pueden ser comunicados y tenga el mismo significado hoy y ayer.
o Esto involucra especificar que informacin ser recopilada, donde,

como y bajo qu condiciones.
o El equipo de medicin en si mismo debe ser predecible para ambas

cosas, exactitud y precisin.
o La calibracin peridica no es suficiente.
5. Minimice la variacin innecesaria
o Las causas externas deben ser reducidas antes de que comience el

estudio.
o Evite problemas obvios que pueden o deben ser corregidos aun sin uso
de graficas de control
o En estos casos debe mantenerse un registro de proceso anotando lo

relevante como cambios de herramientas, nuevos lotes de materiales
etc.

INSTRUCCIONES PARA GRAFICOS X-R
1. Recopilar informacin
a) Seleccione el tamao, frecuencia y nmero de subgrupos.
o Tamao de subgrupo
o Frecuencia del subgrupo
o Numero de subgrupos
b) Elaboracin de grficos de control y registros de la informacin
c) Calcula el promedio (X) y el rango (R) para cada subgrupo.
d) Selecciona las escalas para las graficas de control
e) Trace los promedios y los rangos en las grficas de control.


Selecciona las escalas para la

Grafica de Control Trace los promedios y rangos

2. Calcule los lmites de Control
a) Calcula el rango promedio y el promedio del proceso
b) Calcula los lmites de control
c) Dibuje el rango promedio (R) y el promedio del proceso (X).

3. Interpretacin para un proceso en control
a) Analice los trazos de informacin en la grfica de rangos
b) Puntos ms all de los lmites de control
c) Corridas
d) Causas Especiales del hallazgo y de la direccin (Graficas de

Rango)
e) Recalcular los lmites de control (Graficas de Rango)
f) Analice los trazos de informacin en las grficas de promedios
g) Puntos ms all de los lmites de control
h) Corridas
i) Encuentre y trace las causas especiales (Grafica de Promedios)
j) Recalcule los lmites de control (Grafica de Promedios)
k) Extensin de los lmites de control para el control en curso.
Que significa fuera de control?

Un proceso que muestra patrones no aleatorios est considerado a ser
estadsticamente fuera de control.
Tenga cuidado con la terminologa, tal vez el proceso est produciendo

partes buenas. Los patrones no aleatorios solo significan que existe
una fuerte evidencia estadstica de que el proceso ha cambiado.
Reglas especficas se han definido para asistir en la determinacin de

patrones no aleatorios.
Journal of Quality Technology (JQT). Se han fijado reglas para

tener aproximadamente el mismo a error. Mintab las usa.
Las muy similares reglas de Western Electric tambin han
sido comnmente usadas.
Reglas de la Tendencia para Grficas de Control
Cambios en la media del proceso:
stos usualmente son debido a la introduccin de operadores nuevos, mquinas,

procedimientos, etc. Tambin puede pasar a causa de mejoras en el proceso.
Tendencias Ascendentes / Descendentes:
Una tendencia contina en la misma direccin. Esto es usualmente causado por

componentes usados en medio de otros.
Tendencias Estacionales:
Estas pueden ser causadas por cambios sistemticos como: temperatura, fatiga
del operador, variacin del voltaje o la presin, etc.
Mezclas
Un claro indicador es cuando la mayora de los puntos estn cerca de los lmites
de control, y casi ninguna cerca de la lnea central. Esto usualmente es debido a

sub-estimaciones de la variabilidad del proceso o sobre controlar, Donde los

operadores interviene frecuentemente con el proceso tratando de responder a la
variabilidad inherente en lugar de causas asignables. Esto tambin ocurre cuando
se controlan dos procesos en la misma grfica.
Espacio en Blanco:
Puntos cercanos a la media. Usualmente causados por:
1.-Limites de control incorrectos (sobre estimar la variabilidad del proceso),
2.-Resultado de la mejora continua. Los lmites deben ser recalculados cuando

esta situacin es encontrada.

EJERCICIO #1
Las siguientes lecturas representadas en F fueron tomados aleatoriamente a un

sistema de refrigeracin para mantener ciertos productos alimenticios en
temperatura controlada, determine los limites de control y analice si el proceso
est bajo control
X1 69 66 68 68 66 65 67 66 67 66
X2 66 68 66 67 65 65 66 70 66 68
X3 66 66 65 66 68 67 67 69 68 66
X4 68 68 66 67 66 66 69 68 69 69
X5 71 69 70 66 70 68 68 70 67 66
Suma 340 337 335 334 335 331 337 343 337 335
X 68.0 67.4 67.0 66.8 67.0 66.2 67.4 68.6 67.4 67.0
Rango 5 3 5 2 5 3 3 4 3 3
VER LOS VALORES DE LAS

CONSTANTES D4, D3 Y A2
EN EL APENDICE #1
68+67.4+67+66.8+67+66.2+67.4+68.6+67.4+67
X= = 67.28
10
5+3+5+2+5+3+3+4+3+3
R= = 3.64
10
LCSx= 67.28 + (0.577x3.6)=69.37

LISx= 67.28 - (0.577x3.6)=65.18
LCSR= 2.144 x 3.64 = 7.68
LCSR= 0 x 3.64 =0

MINITAB
Identifique la variable a desarrollar en

el primer rengln del men
Coloque a manera de lista los datos

en la columna correspondiente a la
variable a calcular
Seleccione en el men:
Stat/Control Charts/Variables
Charts for Subgroups/Xbar-R

Despliegue de la grfica X-R en Minitab
Xbar-R Chart of F
U C L=69.376
69
Sample M ean
68
_
_
X=67.28
67
66
LC L=65.184
65
1 2 3 4 5 6 7 8 9 10
Sample
8
U C L=7.683
6
Sample Range
4 _
R=3.634
0 LC L=0
1 2 3 4 5 6 7 8 9 10
Sample
CONCLUSION: Se puede afirmar que el proceso se encuentra bajo control,

aunque los primeros 4 subgrupos muestra una tendencia descendente en los
primeros 4 subgrupos, es necesario investigar las causas por que provoca que el
proceso inicie con esa tendencia. Se recomienda generar la toma de al menos 25
subgrupos para entender si el grafico de rangos detecta fuentes de variacin.

EJERCICIO #2
Una empresa fabricante de tachuelas, analiza el control de proceso en el

departamento de corte, las tachuelas tienen una especificacin en su altura de 22
mm con una tolerancia de +/- 4mm. El personal de procesos ha indicado tomar 5
piezas de muestra cada 4 horas. Determine los lmites de control X-R requeridos
para dicho departamento.
Donde n=5
Desarrolle el clculo y grafique manualmente, posteriormente compruebe los resultados en Minitab.

GRAFICA DE CONTROL POR VARIABLES
Planta Nombre de Operacin o Equipo No. De Pieza y Nombre Tamao de Muestra
Departamento Especificacin Item Crtico Frecuencia
Caracterstica
LC = X = ____________ LSC = X + (A2 . R) = _________________ LIC = X - (A2 . R) = _________________
P
R
O
M
E
D
I
O
S
LC = R = ____________ LSC = D4 . R = _________________ LIC = D3 . R = _________________
R
A
N
G
O
S
Fecha
Subgrupo (k) 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 26 27 28 29 30
n1
n2
n3
n4
n5
Suma
X
Rango
EJERCICIO #3
Con los siguientes 20 subgrupos desarrolle un grafico X-R y determine si el

proceso mostrado se encuentra bajo control, desarrolle las operaciones de
los lmites de forma manual y desarrolle el grafico en MINITAB.
Desarrolle sus propias conclusiones:

HOJA PARA OPERACIONES

EJERCICIO #4
Ahora los 20 subgrupos han cambiado en el tamao de la muestra a n=4,

desarrolle los clculos de los limites de control para un grafico X-R y
compare el grafico con el ejercicio #3.


1.4 GRAFICAS DE CONTROL PARA VARIABLES X-S,

MUESTRAS DEL MISMO TAMAO Y DEFERENTE TAMAO
QUE ES LA GRAFICA X-S?
Es el instrumento estadstico que sirve para estudiar el comportamiento

de un proceso de manufactura, considerando como indicador la
variabilidad de la desviacin estndar.
Est constituida por 2 porciones: Una que se destina al registro de los

promedios de la caracterstica de calidad en consideracin, y otra para
controlar la variabilidad del proceso.
La efectividad de esta grafica est estrechamente relacionada con el

tamao de los subgrupos, y valores apropiados son los de 10.
La ventaja: la desviacin estndar es ms sensible a cambios pequeos

que el rango.
Aunque la gerencia debe comparar el costo-beneficio de obtencin y

manejo de las muestras relativamente grandes
Aunque ambas graficas proporcionan similar informacin del proceso, el

hecho de que el rango sea ms fcil de calcular que la desviacin
estndar, ha provocado que el grafico X-R goce de mayor preferencia que
la X-S.
ELABORACION DE LA GRAFICA X-S
El procedimientos de elaboracin incluye clculos de las lneas

centrales y de lmites de control para las dos partes que
constituyen la grfica de control X-S y el graficado de los
promedios y desviaciones estndar obtenidos de cada subgrupo.
Es importante verificar que la variabilidad del proceso est en

control al iniciar la construccin de la grfica, pues si el proceso
no muestra estabilidad estadstica, entonces la parte
correspondiente a los promedios no ser confiable, dado que los

lmites de control de X dependen del valor medio de S.
Es tpico al tratar la grfica X-S distinguir dos casos generales

concernientes a los tamaos de los subgrupos: Tamaos
iguales o tamaos diferentes
Grafica de Control para Variables- X-S
1. Obtenga el valor de n de cada subgrupo
2. Calcule el promedio o la media de cada subgrupo
3. Calcule la desviacin estndar de cada subgrupo
4. Obtenga la sumatoria del tamao del subgrupo (n)
5. Obtenga la sumatoria de las medias
6. Obtenga la sumatoria de las desviaciones estndar
7. Calcule el promedio ponderado del tamao del subgrupo (n)
8. Calcule la media (o promedio) de la desviacin estndar
9. Determine el valor de las constantes B3 y B4
10. Calcule los lmites de control para DESVIACION ESTANDAR
11. Calcule la media de las medias ( x )
12. Determine el valor de la constante A3
13. Calcule los lmites de control para MEDIAS O PROMEDIOS
14. Grafique
15. Conclusiones.

GRAFICO X-S: SUBGRUPOS DE IGUAL TAMAO

EJERCICIO #1
Para checar la resistencia mecnica en lbf de un producto de cermica

despus del vaciado se hace un seguimiento sobre muestras controladas por
15 diferentes operarios. Con la siguiente informacin elabore una grafica de
medias y desviaciones estndar para determinar la uniformidad del producto
K 1 2 3 4 5 6 7 8 9 10 11 n X S
1 10 10.5 9.5 8.5 11 9 9.5 8 8.5 11.5 9 11 9.55 1.106
2 8.5 11 11 10.5 10 10 9 8.5 8.5 9 9.67 1.061
3 11.5 12.5 12 11 10 10 11.5 12 12 12 12.5 11 11.55 0.879
4 11.5 10 10.5 11 11.5 10.5 11 11 11.5 9 10.94 0.527
5 10.5 8 8.5 9.5 9.5 8 10.5 11 8 8 10.5 11 9.27 1.212
6 8 11 8 8.5 8 9 9.5 9 11 9.5 9.5 11 9.18 1.079
7 12 11 12 12.5 12 11 11.5 12 12 11 11.5 11 11.68 0.513
8 11 10 11 11.5 10 10 11.5 10.5 10.5 9 10.67 0.612
9 12 11 12 11.5 10 11 11.5 11 11.5 9 11.28 0.618
10 12 10 12 10 12 12 12 11 11 9 11.33 0.866
11 8 8.5 11 11 8 8 8.5 10 11 10 11.5 11 9.59 1.411
12 12 11 10.5 10.5 11 11.5 10 11 11 9 10.94 0.583
13 8 11 12 7.5 8 11 10 7.5 8 12 12 11 9.73 1.941
14 12 10 11 11 11 11 10 10.5 10.5 11 12 11 10.91 0.664
15 11 8 11 10 10 9.5 10.5 12 11.5 11 10 10.45 1.141
152 156.74 14.213
1.- Se determina el tamao de la muestra de cada uno de los operarios
2.- Se calcula el promedio de los datos generados en cada uno de los

empleados.
3.- Se calcula la desviacin estndar de los datos generados en cada uno de

los empleados.
4.- Obtenga la sumatoria de los datos obtenidos en los puntos 1,2 y 3.

K 1 2 3 4 5 6 7 8 9 10 11 n X S
1 10 10.5 9.5 8.5 11 9 9.5 8 8.5 11.5 9 11 9.55 1.106
2 8.5 11 11 10.5 10 10 9 8.5 8.5 9 9.67 1.061
3 11.5 12.5 12 11 10 10 11.5 12 12 12 12.5 11 11.55 0.879
4 11.5 10 10.5 11 11.5 10.5 11 11 11.5 9 10.94 0.527
5 10.5 8 8.5 9.5 9.5 8 10.5 11 8 8 10.5 11 9.27 1.212
6 8 11 8 8.5 8 9 9.5 9 11 9.5 9.5 11 9.18 1.079
7 12 11 12 12.5 12 11 11.5 12 12 11 11.5 11 11.68 0.513
8 11 10 11 11.5 10 10 11.5 10.5 10.5 9 10.67 0.612
9 12 11 12 11.5 10 11 11.5 11 11.5 9 11.28 0.618
10 12 10 12 10 12 12 12 11 11 9 11.33 0.866
11 8 8.5 11 11 8 8 8.5 10 11 10 11.5 11 9.59 1.411
12 12 11 10.5 10.5 11 11.5 10 11 11 9 10.94 0.583
13 8 11 12 7.5 8 11 10 7.5 8 12 12 11 9.73 1.941
14 12 10 11 11 11 11 10 10.5 10.5 11 12 11 10.91 0.664
15 11 8 11 10 10 9.5 10.5 12 11.5 11 10 10.45 1.141
Sumatoria ----> 152 156.74 14.213

14.213
=0.948
15
152
=10.133 Redondea a 10
15
156.74
=10.499
15
LSCx= X + (A3 x s) 10.499+ (0.98 x 0.948)=11.42
LIC x= X - (A3 x s) 10.499- (0.98 x 0.948)=9.569
1.72 x 0.948= 1.630
0.28 x 0.948= 0.265

MINITAB
Identifique la variable a desarrollar en

el primer rengln del men
Coloque a manera de lista los datos

en la columna correspondiente a la
variable a calcular
Stat/Control Charts/Variables
Charts for Subgroups/Xbar-S

CONCLUSION: De acuerdo a los datos a partir del segundo subgrupo se observa

que el proceso est fuera de control en el grafico de promedios as como en los
subgrupos 5, 6 y 11, por lo tanto el proceso est fuera de control. Adems la
variacin del proceso en el grafico de desviaciones estndar comprueba en el
subgrupo 13 fuera de control as mismo en el grafico de promedios el punto 13
est cerca de los limites. Por lo tanto el proceso no debe de continuar hasta que
se determinen las causas que generan que rebase los lmites establecidos.

EJERCICIO #2
Una compaa de alimentos congelado empaca frijoles en empaques de 1 libre

(454 gramos). Cada dos horas se seleccionan 10 paquete y se determina su peso,
redondeado a la decima de gramo. La siguiente tabla muestra los datos para el
periodo de una semana. Desarrolle el grafico de medias y desviaciones estndar y
analice si el proceso est bajo control.
1.-Desarrolle los clculos manuales y as como el grafico de control
2.- Utilice MINITAB para comprobar el ejercicio.

Lunes Martes Miercoles
10:00 12:00 02:00 04:00 10:00 12:00 02:00 04:00 10:00 12:00
453 451.6 452 455.4 454.8 452.6 453.6 453.2 453 451.6
454.5 455 451.5 453 450.9 452.8 456.1 455.8 451.4 456
452.6 452.8 450.8 454.3 455 455.5 453.9 452 452.5 455
451.8 453.5 454.8 450.6 453.6 454.8 454.8 453.5 452.1 453
454.7 451.1 452.2 454 455.7 455.3 454.2 451.1 455.7 450.7
451.4 452.6 448.9 452.8 451.8 452.4 452.9 453.8 455.3 452.5
450.9 448.5 455.3 455.5 451.2 452.3 451.1 452.4 455.4 454.1
455.8 454.4 453.9 453.8 452.3 452.3 453.8 454.3 453.7 454.2
453 454.7 455.8 451.5 453.9 450.9 452.4 452.8 454 451.8
454.5 451.4 453 450.8 455.8 455 454.3 455.5 452.8 451.2
Miercoles Lunes Martes

02:00 04:00 10:00 12:00 02:00 04:00 10:00 12:00 02:00 04:00
454.9 454.2 454.4 454.7 454.3 454.2 454.6 453.6 454.4 454.6
452.7 453.6 453.6 453.9 454.2 452.8 454.5 453.2 455 454.1
457 454.4 453.6 454.6 454.2 453.3 454.3 453.6 454.6 453.3
454.2 453.9 454.3 453.9 453.4 453.3 454.9 453.1 454.1 454.3
453 453.9 453.8 455.1 454.2 454.4 455.1 455.7 452.2 455.4
454 454.2 453.6 453.3 453 452.6 454.6 452.8 453.7 452.8
452.9 454.3 454.1 454.7 453.8 454.9 454.1 453.8 454.4 454.7
454.2 454.7 454.7 453.9 453.9 454.2 454.6 454.9 454.5 455.1
454.8 453.6 454.2 453.9 453.6 452.4 453.9 454.9 453.3 454.1
452.2 455.7 453.6 454.2 453.6 452.3 453.6 454.2 453.3 452.2



EJERCICIO #3
Los siguientes datos representan el valor del proceso que fabrica piezas de aluminio
que se utilizan posteriormente en la fabricacin de contrapeso en un modelo especial
de montacargas
# X1 X2 X3 X4 X5 X6 X7 X8 X9 X10
1 39 32 38 35 31 21 34 38 29 27
2 26 29 31 25 34 22 31 31 33 32
3 29 32 21 28 33 23 30 34 39 32
4 29 29 39 31 31 24 28 27 25 32
5 28 29 33 34 25 34 35 23 28 24
6 28 35 28 38 33 40 31 36 29 35
7 21 30 22 33 26 37 27 38 38 31
8 29 31 32 29 38 33 37 39 27 34
9 27 37 26 26 35 31 25 34 32 29
10 29 31 26 37 32 33 38 36 38 28
11 28 31 35 31 28 32 34 26 31 29
12 31 25 24 32 29 33 35 28 24 27
13 28 37 29 33 28 38 38 31 39 29
14 37 32 31 38 30 31 29 30 33 28
15 25 31 24 31 22 33 36 41 39 36
16 28 31 37 31 32 32 27 29 33 36
17 38 39 40 40 29 38 37 34 39 41
18 35 33 34 41 31 36 29 37 33 33
19 31 31 35 31 39 38 33 36 41 40
20 31 27 38 38 31 34 35 23 28 24
1.-Desarrolle los clculos manuales y as como el grafico de control
2.- Utilice MINITAB para comprobar el ejercicio.



GRAFICO X-S: SUBGRUPOS DE DIFERENTE TAMAO

Ecuacin para calcular desviacin estndar promedio
Limites de Control para Desviaciones Estndar
Ecuacin para calcular el promedio de promedios
Limites de Control para Promedios

VER EL VALOR DE LAS CONSTANTES A3,B3 Y B4 EN EL APENDICE #1
EJERCICIO#1
Para verificar la homogeneidad de la resistencia de un hilo fabricado por

nueve diferentes maquinas se han tomado muestras de producto de cada
una de las maquinas. Los datos se presentan a continuacin; elabore la
grafica de medias y desviacin estndar
1.- Obtenga la sumatoria de los valores de n
2.- Multiplique el tamao de la muestra (n) por valor del promedio de su

muestra correspondiente.
3.- Obtenga la sumatoria de los valores obtenidos en el paso 2
4.- Multiplique el tamao de la muestra (n) por el valor de la desviacin

estndar de su muestra correspondiente.
5.- Obtenga la sumatoria de los valores obtenidos en el paso 4
MAQUINA n X S nX nS2
A 12 3.21 0.71 38.52 6.05
B 27 3.33 0.73 89.91 14.39
C 35 4.23 1.21 148.05 51.24
D 42 3.41 0.65 143.22 17.75
E 10 4.23 1.71 42.3 29.24
F 21 4.35 1.54 91.35 49.80
G 13 2.18 0.67 28.34 5.84
H 51 3.45 1.55 175.95 122.53
I 44 4.43 1.63 194.92 116.90
255 952.56 413.7374

6.-Calcule el valor de la desviacin estndar promedio
[12 x 0.712]+ [27 x 0.732] + [35 x 1.212] + [42 x 0.652] + [10 x 1.712] + [21 x 1.542]
+ [13 x 0.672] + [51 x 1.552] + [44 x 1.632]
12+27+35+42+10+21+13+51+44
S= 1.27
7.- Calcule el valor de n ponderada
255
n= 28.3
8.- Calcule el valor de el valor de las constantes
Como n ponderada es >25 se calculan las constantes B3 y B4
3 3
B4= 1 + = 1.40 B3= 1 - = 0.60
OTOO 2012
2 x Ing.
28.3Octavio Muoz Rodrguez 2 x 28.3
Pgina 67
9.- Calcule los lmites de control para desviacin estndar.
1.40 x 1.27 = 1.78
0.60 x 1.27 = 0.76
10.- Calcule el promedio de promedios.
[12 x 3.21]+ [27 x 3.33] + [35 x 4.23] + [42 x 3.41] + [10 x 4.23] +
[21 x 4.35] + [13 x 2.18] + [51 x 3.45] + [44 x 4.43]
12+27+35+42+10+21+13+51+44
X= 3.74
11.- Calcule los lmites de control para medias o promedios.
3
= 0.564
28.3
3.74 + [0.564x 1.27] = 4.45
3.74 - [0.564x 1.27] = 3.02

12.- Grafique los promedios, desviaciones estndar y sus respectivos

limites de control

EJERCICIO #2
Cierto Proceso industrial requiere que el peso de la pieza CD/5 este

controlado con precisin. Para estudiar el proceso se formaron subgrupos de
tamao variable. Los datos recogidos se muestran a continuacin. Elabore la
grafica X-S, y comente sobre la estabilidad del proceso.
Calcule los lmites de control y grafique los resultados con sus respectivos
valores de medias y desviaciones estndar.
n X S nX nS2
54 2.2 0.3 118.8 4.86
57 2.3 1.2 131.1 82.08
42 2 0.5 84 10.50
30 1.9 0.4 57 4.80
31 3.5 0.5 108.5 7.75
40 2.7 0.7 108 19.60
42 3.8 1.2 159.6 60.48
45 2.7 1.3 121.5 76.05
50 3.1 1.5 155 112.50
54 2.1 1.8 113.4 174.96
52 2 1.7 104 150.28
50 1.7 1.8 85 162.00
39 1.5 1.6 58.5 99.84
40 1.2 1.2 48 57.60
43 1.8 1.2 77.4 61.92
45 1.6 1.4 72 88.20
51 0.2 4.3 10.2 942.99
50 1.2 2.2 60 242.00
50 2.3 3.2 115 512.00
47 3.2 3.5 150.4 575.75
48 2.1 3.1 100.8 461.28
45 4.2 2.4 189 259.20
39 2.3 2.1 89.7 171.99
51 4.2 2.4 214.2 293.76
50 1.5 2.2 75 242.00



EJERCICIO #3
Las pruebas realizadas en el laboratorio de las muestras que se van

tomando de un proceso son ejecutadas por diferentes personas. Se desea
saber si sus actividades estn estandarizadas, y para ello se recabo la
siguiente informacin.
2
Lab #pruebas media desv std. nX nS
1 4 18.075 5.681 72.3 129.095
2 28 14.568 2.444 407.904 167.2478
3 13 14.8 4.019 192.4 209.9807
4 22 14.427 4.175 317.394 383.4738
5 3 11.266 6.803 33.798 138.8424
6 23 11.91 4.43 273.93 451.3727
7 9 16.01 3.693 144.09 122.7442
Desarrolle el clculo de los lmites de control


1.5.- INTRODUCCION A LOS GRAFICOS DE

ATRIBUTOS
Por atributos se entienden las caractersticas de calidad que no pueden
ser medidas con una escala numrica, se trata de caracterstica cuya
existencia se juzga a travs de un criterio mas o menos subjetivo.
El juicio, que es el resultado de una clasificacin por atributos se expresa

como:
Pasa- no pasa
Conforme No conforme
Aprobado- Rechazado
Para poder llevar a cabo la clasificacin de calidad por atributos se

requiere:
De un criterio- De acuerdo a especificaciones
De una prueba- Operacin que se realiza para saber si existe o no

el criterio establecido
De una decisin- Determina que titulo deber drsele al producto

(pasa- no pasa)
Debido a la gran cantidad de medidas que se pueden considerar en el

proceso de un producto, no es posible hacer una grafica para cada una de
ellas. Las graficas de atributos ms usuales son las siguientes:
Grafico p- porcentaje de unidades defectuosas

Grafico np- Numero de unidades defectuosas
Grafico c Numero de defectos
Grafico u- Numero de defectos por unidad

Para la preparacin de stas grficas de control considerar:

Establecer un medio ambiente propicio para la accin.
Define el proceso donde se va aplicar.
Determine las caractersticas a ser manejadas.
Necesidades del cliente (puede ser considerado el cliente interno o
consumidor final).
reas de problemas actuales y potenciales.
Correlacin entre las caractersticas.
Defina operacionalmente el sistema de medicin.
Minimice la variacin innecesaria.

1.6.- GRAFICOS DE p (PORCENTEGE DE

UNIDADES DEFECTUOSAS) Y GRAFICOS np
(NUMERO DE UNIDADES DEFECTUOSAS)
GRAFICOS p
Se define como la razn del nmero de artculos que se encontraron
defectuosos (x) dentro de un total de artculos examinados (n)
El porcentaje se expresa en fraccin decimal, sin embargo se convierte

en porcentaje cuando se transcribe en la grafica y se usa en la
presentacin general de resultados
Las muestras pueden ser de tamao variable.
Las muestras grandes permiten evaluaciones ms estables del

desarrollo del proceso y son ms sensibles a pequeos cambios
Mientras mayor sea la muestra y el nmero de artculos defectuosos

permanezca constante mejor ser la calidad
Objetivos de los grficos p
Averiguar despus de un tiempo , la porcin media defectuosa de

artculos o piezas defectuosas
Poner a la atencin de la direccin cualquier cambio en el nivel medio

de la calidad
Descubrir aquellos puntos fuera de control que requiere una accin

para identificar y corregir las causas de la mala calidad

Descubrir los puntos fuera de control que indican modelos de

inspeccin relajados.
Sugerir puntos para el empleo de grficos x-R para diagnosticar

problemas de calidad
Proporcionar criterio para poder juzgar si lotes sucesivos pueden

considerarse como representativos de un proceso. Esto puede influir
convenientemente en la severidad del criterio de aceptacin
Ecuaciones para grafico p muestras del mismo tamao

EJERCICIO #1
Durante 10 das se ha llevado un registro del numero de piezas que no

cumplen con las especificaciones sugeridas, los datos se presentan a
continuacin:
Dia n No pieza "no pasa" Fraccion p

1 50 3 0.06
2 50 5 0.1
3 50 2 0.04
4 50 4 0.08
5 50 6 0.12
6 50 1 0.02
7 50 3 0.06
8 50 7 0.14
9 50 3 0.06
10 50 4 0.08
1.-Determine la fraccin porcentual (Fraccin p) de cada una de las

muestras.
2.- Obtenga la sumatoria de n
3.- Obtenga la sumatoria de las unidades defectuosas
Dia n No pieza "no pasa" Fraccion p

1 50 3 0.06
2 50 5 0.1
3 50 2 0.04
4 50 4 0.08
5 50 6 0.12
6 50 1 0.02
7 50 3 0.06
8 50 7 0.14
9 50 3 0.06
10 50 4 0.08
SUMATORIA 500 38

4.- Calcule el valor de p ponderado
38
=0.076
500
5.- Calcule la desviacin estndar de p
0.076 [1-0.076]
=0.076
50
6.- Calcule los lmites de control
0.076 [1-0.076]
0.076+3 =0.187
50
0.076 [1-0.076]
0.076-3 =-0.035
50

MINITAB
Identifique las variables a desarrollar en el

primer rengln del men. En dos columnas
agregue el valor de n (tamao de cada
muestra y los defectos que se detectaron
en cada muestra
Stat/Control Charts/Atributes
Charts/P

Aparecer la ventana P Chart
En el campo de Variables
Selecciones los defectos detectados.
En el campo Subgroup sizes,

selecciones el tamao de muestras n
P Chart of DEFECTOS
0.20
UCL=0.1884
0.15
Proportion
0.10
_
P=0.076
0.05
0.00 LCL=0
1 2 3 4 5 6 7 8 9 10
Sample

EJERCICIO #2
Se inspeccionan soldaduras defectuosas en tableros de circuitos. Se

prueban 500 tableros por da durante un periodo de 30 das. El nmero
de tableros defectuosos diarios se presentan en la tabla siguiente.
Construya una grafica p y localice algunas causas especiales
Dia n No. tableros defectuosos Fraccion p

1 500 2 0.004
2 500 0 0
3 500 2 0.004
4 500 5 0.01
5 500 2 0.004
6 500 4 0.008
7 500 5 0.01
8 500 1 0.002
9 500 2 0.004
10 500 3 0.006
11 500 3 0.006
12 500 2 0.004
13 500 0 0
14 500 4 0.008
15 500 3 0.006
16 500 8 0.016
17 500 10 0.02
18 500 4 0.008
19 500 4 0.008
20 500 5 0.01
21 500 2 0.004
22 500 4 0.008
23 500 3 0.006
24 500 2 0.004
25 500 3 0.006
26 500 3 0.006
27 500 2 0.004
28 500 1 0.002
29 500 1 0.002
30 500 2 0.004
SUMATORIA 15000 92 0.00613333


GRAFICO

Ecuaciones para grafico p muestras de diferente tamao

En estos casos el proceso de construccin de la grafica p es un poco ms
difcil.
Existen 3 enfoques en cuanto a cmo calcular los limites de control dada la

situacin de variacin en el tamao de los subgrupo:
1. Utilizar como n el promedio de los tamaos mustrales.
2. Calcular los lmites de control para cada uno de los grupos, basados en
cada valor de n.
3.- Calcular 2 pares de lmites de control en base a los valores ms pequeo

y ms grande de n.
EJERCICIO #1
El nmero de Fax enviados a clientes con fallas fue registrado en una hoja
de datos, la cual se reproduce a continuacin.
Dia Fax Enviados Fax con Fallas p

1 25 6 0.24
2 35 10 0.29
3 21 3 0.14
4 23 2 0.09
5 37 9 0.24
6 42 7 0.17
7 36 5 0.14
8 28 9 0.32
9 25 7 0.28
10 20 3 0.15
11 29 6 0.21
12 17 1 0.06
13 39 3 0.08
14 49 5 0.10
15 22 3 0.14
16 23 2 0.09
17 34 4 0.12
18 30 7 0.23
19 21 5 0.24
20 29 2 0.07
SUMATORIA 585 99

1. Se calcula el valor p de cada muestra y se lleva a cabo la sumatoria

de n y x.
Dia Fax Enviados Fax con Fallas p

1 25 6 0.24
2 35 10 0.29
3 21 3 0.14
4 23 2 0.09
5 37 9 0.24
6 42 7 0.17
7 36 5 0.14
8 28 9 0.32
9 25 7 0.28
10 20 3 0.15
11 29 6 0.21
12 17 1 0.06
13 39 3 0.08
14 49 5 0.10
15 22 3 0.14
16 23 2 0.09
17 34 4 0.12
18 30 7 0.23
19 21 5 0.24
20 29 2 0.07
SUMATORIA 585 99
2.- Se calcula el tamao promedio de los subgrupos
585
=29.25
20
3.- Se calcula la lnea central de la grafica p, es el porcentaje medio de fax

enviados con errores
99
=0.169
585

4.- SE calculan los limites de control dados por:
0.169 [1-0.169]
0.169+3 =0.377
29.25
0.169 [1-169]
0.169+3 =-0.039
29.25
Como el lmite inferior es negativo, se grafica como cero (0).
P Chart of Fax con Fallas

0.5
0.4
UCL=0.3781
0.3
Proportion
0.2 _
P=0.1692
0.1
0.0 LCL=0
1 3 5 7 9 11 13 15 17 19
Sample
Tests performed with unequal sample sizes

EJERCICIO#2
Durante 2 meses de inspeccin diaria al 100% de una sola caracterstica

critica de una parte para un producto elctrico se llevaron porcentajes para
la fraccin defectuosa diaria, y al final de cada mes se calculo el promedio de
las fracciones defectuosas y se establecieron los limites de control para
aplicaciones futuras. A continuacin citamos los datos recopilados durante 1
mes.
No. De No. De Fraccion de unidad

Fecha
Inspeccionados Defectos defectuosa
1 3350 31
2 3354 113
3 1509 28
4 2086 1
5 1572 22
6 2190 20
7 2678 35
8 3382 17
9 3252 68
10 2993 3
11 2679 35
12 4642 339
13 915 9
14 3694 14
15 3052 8
16 1830 9
17 2441 3
18 2992 3
19 3043 70
20 3477 27
21 3380 17
22 4053 44
23 1624 12
24 1573 22
25 3043 35
26 3478 27
27 1620 6
28 1961 3
29 3782 6
30 2995 6
SUMATORIA


GRAFICOS np
Instrumento estadstico que se utiliza para graficar

precisamente las unidades disconformes, y no el porcentaje
que etas representan, siendo constante el tamao de la
muestra
Es necesario establecer la frecuencia para la toma de

datos, teniendo en cuenta que los intervalos cortos
permiten una rpida retroalimentacin del proceso
Las muestras deben ser suficientemente grandes, de tal

manera que encontremos al menos una unidad
disconforme en cada grupo.
Los tamaos de muestra no deben ser menores a 50

unidades
Lnea central del grafico np
np representa a los disconformes (defectuosos) en cada lote, y k #

total de lotes inspeccionados

Los limites superior e inferior de control tienen las siguientes

expresiones

EJERCICIO #1
Los datos de la inspeccin realizada en el departamento de forja de

piezas de chapa metlica aparecen en la tabla adjunta. Elabore una
grafica np para estos datos.
LOTE n np
1 300 12
2 300 15
3 300 17
4 300 21
5 300 40
6 300 0
7 300 25
8 300 31
9 300 27
10 300 0
11 300 11
12 300 13
SUMATORIA 3600 212
1. Obtener la sumatoria de n y np
X n np
1 300 12
2 300 15
3 300 17
4 300 21
5 300 40
6 300 0
7 300 25
8 300 31
9 300 27
10 300 0
11 300 11
12 300 13
SUMATORIA 3600 212
2.- La lnea central de la grafica est dada por el promedio de unidades

disconformes.
212
=17.67
12
3.- El porcentaje promedio de unidades defectuosas es:
212
=0.059
3600
4.- Los lmites superior e inferior de control toman los siguientes valores
17.67+3 17.67 [1-0.059] =29.9
17.67- 3 17.67 [1-0.059] =5.4


EJERCICIO#2
En el departamento de control de producto terminado de una fabrica

de lavadoras se inspecciona el funcionamiento de las mismas, y se
clasifican en aceptada o rechazada. Para ello se ha dispuesto la
verificacin al 100% de los lotes de 50 lavadoras cada uno.
La hoja de registro informa cuantas lavadoras se rechazan de cada uno

de los 15 lotes que se inspeccionaron.
Elabore la grafica np para estos datos y comente acerca de la estabilidad del

proceso.
LOTE np
1 4
2 2
3 6
4 2
5 6
6 3
7 0
8 1
9 7
10 3
11 2
12 1
13 2
14 2
15 4
SUMATORIA


8 120 21
9 120 43
10 120 43
11 120 41
CONTROL ESTADISTICO12DE PROCESOS
120 32
13 120 32
EJERCICIO#3 14 120 35
15 120 34
De acuerdo a las inspecciones que se realizan en16una planta120
que realiza34conectores y
arneses para el sistema electrnico de camionetas
17 suburbanas
120 y carros36compacto, se
registran los siguientes resultados: 18 120 31
19 120 23
Lectura Piezas del lote Piezas con Fraccin
20 120 12
defecto defectiva
1 120 33 21 120 11
2 120 29 22 120 18
3 120 41 23 120 20
4 120 19 24 120 22
5 120 20 25 120 25
6 120 25 26 120 26
7 120 39 27 120 41
8 120 21 28 120 31
9 120 43 29 120 27
10 120 43 30 120 25
11 120 41 31 120 11
12 120 32 32 120 18
13 120 32 33 120 16
14 120 35 34 120 36
15 120 34 35 120 28
16 120 34 36 120 34
17 120 36 37 120 35
18 120 31 38 120 21
19 120 23 39 120 26
20 120 12 40 120 25
21 120 11
22 120 18
23 120 20
24 120 22
25 120 25
26 120 26
27 120 41
28 120 31
29 120 27
30 120 25
31 120 11
32 120 18
33 120 16
34 120 36
35 120 28
36 120 34
37 120 35
38 120 21
39 120 26
OTOO
40 2012 120 Ing.25Octavio Muoz Rodrguez Pgina 98

1.7.- GRAFICOS DE CONTROL PARA NO

CONFORMIDADES (Graficas c y Graficas u)
GRAFICOS C
Que es la grafica c?
A diferencia de la grafica np, que trata el nmero de artculos

defectuosos en una muestra, la grafica c estudia el
comportamiento de un proceso considerando el numero de
defectos encontrados al inspeccionar una unidad
La grafica hace uso del hecho de que un artculo es aceptable

aunque presente cierto nmero de defectos. Un automvil, por
ejemplo, funciona como es debido aunque tenga el parabrisas
estropeado, o su reloj descompuesto.
Objetivos de la grafica c
Reducir el costo relativo al proceso
Informar a los supervisores de produccin y a la administracin

acerca del nivel de calidad.
Determina qu tipo de defectos no son permisibles en un

producto, informa de la probabilidad de ocurrencia de los
defectos en una unidad
Elaboracin de la grafica c
El numero de atributos en una rea de oportunidad se denota

con c, y el conjunto de valores sucesivos de c a travs del
tiempo se utiliza para construir la grafica.
La lnea central para la grafica c es el promedio de los atributos

observados, y se calcula como:

Los limites de control de la grafica c (3 sigma) estn dados por :

EJERCICIO #1
La tabla muestra el nmero de errores de impresin que se

encontraron al examinar 20 folletos de induccin al tema de Control
Total de Calidad. Elabore un grafico c, y comente sobre la consistencia
del proceso editorial
Folleto errores
1 8
2 5
3 8
4 11
5 7
6 6
7 7
8 12
9 9
10 6
11 4
12 2
13 5
14 9
15 10
16 4
17 3
18 8
19 6
20 7
137

137
=6.85
20
6.85 + 3 6.85 =14.70
6.85 + 3 6.85 =-1.00
Como el lmite inferior es negativo, se grafica como cero (0).
C Chart of errores
16
UCL=14.70
14
12
10
Sample Count
8 _
C=6.85
6
0 LCL=0
1 3 5 7 9 11 13 15 17 19
Sample

EJERCICIO #2
Los siguientes datos muestran los resultados obtenidos al realizar una

auditora de producto terminado en un proceso cuya salida es muy
sofisticada. Elabore la grafica c para estos datos.
Lote c
1 17
2 16
3 16
4 17
5 17
6 18
7 24
8 19
9 19
10 18
11 14
12 15
13 15
14 16
15 20
16 16
17 14
18 16
19 15
20 19

EJERCICIO#3
De acuerdo a las inspecciones que se realizan en los rollos de tela para tapicera de interiores
de autobuses.

Numero de Defectos por

observaciones rollos
1 20
2 23
3 25
4 31
5 26
6 23
7 25
8 23
9 21
10 26
11 22
12 19
13 26
14 23
15 21
16 24
17 20
18 21
19 17
20 19
21 23
22 28
23 21
24 37
25 26
26 17
27 9
28 11
29 18
30 16
31 18
32 22
33 28
34 27
35 31
36 22
37 24
38 21
39 29
40 24
GRAFICOS U

Qu es la grafica u?
La grafica u es una desviacin de la grafica c. Si el rea

de oportunidad para la ocurrencia de defectos no
permanece constante, la grafica u debe usarse en lugar
de la grafica c, donde cada punto graficado
corresponde al valor de
Siendo n el nmero de unidades inspeccionadas, y c el

numero de defectos encontrados en las n unidades.
cuando n es constante, el usuario puede usar ya sea la grafica

u o la grafica c, pero cuando n varia debe utilizarse la
grafica u.
Elaboracin de la grafica u
La lnea central de la grafica u tiene como ecuacin el periodo de

defectos por unidad inspeccionada
Donde ci es el nmero de unidades disconformes en cada rea

de oportunidad y n es el nmero de unidades muestreadas en
esa rea.
Los limites de control de la grafica u (3 sigma) estn dados por

EJERCICIO#1
La tabla adjunta muestra los resultados de la inspeccin de 20 lotes de

tres tamaos diferentes 20, 25 y 40. Elabore la grafica u para estos lotes
Lote n c u Lote n c u
1 20 72 3.6 11 25 47 1.88
2 20 38 1.9 12 25 55 2.2
3 40 76 1.9 13 25 49 1.96
4 25 35 1.4 14 25 62 2.48
5 25 62 2.48 15 25 71 2.84
6 25 81 3.24 16 20 47 2.35
7 40 97 2.425 17 20 41 2.05
8 40 78 1.95 18 20 52 2.6
9 40 103 2.575 19 40 128 3.2
10 40 56 1.4 20 40 84 2.1
Total 580 1334
1.- Obtenga la sumatoria de n y c. y Calcule el valor de u para cada

muestra.

Lote n c u Lote n c u
1 20 72 3.6 11 25 47 1.88
2 20 38 1.9 12 25 55 2.2
3 40 76 1.9 13 25 49 1.96
4 25 35 1.4 14 25 62 2.48
5 25 62 2.48 15 25 71 2.84
6 25 81 3.24 16 20 47 2.35
7 40 97 2.425 17 20 41 2.05
8 40 78 1.95 18 20 52 2.6
9 40 103 2.575 19 40 128 3.2
10 40 56 1.4 20 40 84 2.1
Total 580 1334
2.-Obtenga el valor central de u para cada uno de los valores de n
PARA n=20
1334
=2.30
580
2.30 + 3 2.30 =3.32

20
2.30 - 3 2.30 =1.28

20
PARA n=25
2.30 + 3 2.30 =3.21

25
2.30 - 3 2.30 =1.39

25

PARA n=40
2.30 + 3 2.30 =3.02

40
2.30 - 3 2.30 =1.58

40

EJERCICIO#2
La tabla muestra el nmero de errores de impresin en 10 manuales

consecutivos hechos por el departamento de capacitacin en una
empresa.
n c
Manual No. De Hojas Errores u
1 150 8 0.053
2 150 7 0.047
3 175 4 0.023
4 186 6 0.032
5 195 6 0.031
6 184 5 0.027
7 179 1 0.006
8 180 4 0.022
9 176 5 0.028
10 160 8 0.050
suma 1735 54


1.8.- ANALISIS DE CAPACIDAD DE PROCESO

Una vez determinado que el proceso est en control estadstico, la
pregunta permanece en el aire de que si el proceso es capaz de cumplir
con las necesidades del cliente
La evaluacin de la capacidad de proceso empieza despus de que los

asuntos de control en ambas graficas X-R han sido resueltos.
La Distribucin Normal es una distribucin de datos los cuales tienen con

seguridad propiedades consistentes.
Estas propiedades son tiles para entender las caractersticas del proceso
en cuestin de donde provienen.
La mayor parte de los fenmenos naturales y los procesos hechos por la

mano del hombre tienen una distribucin normal, o pueden ser
representados como distribuidos normalmente.
Propiedad 1: Una distribucin normal puede ser descrita

completamente si nicamente conocemos:
La media, y
La desviacin estndar
Qu es diferente en estas tres Distribuciones normales?

Propiedad 2: El rea bajo las secciones de la curva pueden ser tiles

para estimar la probabilidad acumulada de que ciertos eventos
ocurran.
Proceso en control estadstico
La distribucin de la mayora de las caractersticas medidas generan una

curva en forma de campana o normal, si no hay causas especiales
presentes, que alteren la normalidad. Cules son las causas comunes?
Variacin en exceso causada por:
Procesos de fabricacin
Variacin de material del proveedor
Especificaciones demasiado exigentes (Ms exigentes de lo que

el cliente requiere )



Capacidad del Proceso
Se define como capabilidad, capacidad o habilidad para reproducir las

caractersticas del producto.
Es decir, es una medida de la reproducibilidad del producto obtenido en un

proceso. La principal razn para la cuantificacin de la capabilidad es poder
determinar el grado en que un proceso puede satisfacer las especificaciones
correspondientes.

Grfica de porcentaje de producto fuera de especificaciones para valores de

Cp/Cpk
Cp = 1: El proceso esta apenas capaz (Apenas entra en la ventana de

tolerancia)
Cp = 2: El proceso es un proceso Seis Sigma (La ventana de tolerancia es

dos veces ms grande de la capacidad de proceso).

Ford (Planta Batavia)
Fabricaron la caja de cambios diseada por Ford
Armado en Batavia Ohio y en Japn (Mazda)
Ambos cumplieron las especificaciones de ingeniera pero
Los dueos de la flota dijeron que la caja en algunos funcionaba bien y

en otros no.
Anlisis:
Los autos con la caja que funcionaba fueron hechos en

Japn.
Los dos cumplieron las especificaciones pero.

Es suficiente alcanzar las especificaciones?

Qu pens Ford?
Qu pens Mazda?
Qu piensan Ustedes?

Calculando la capabilidad del proceso
Cp=Es el ndice de capabilidad el cual es definido como el ancho la

tolerancia entre la variabilidad del proceso
USL LSL
Cp
6
CPU= Es el ndice de capabilidad o dispersin de la media hacia el

lmite superior que se divide entre la dispersin actual del proceso
USL X
CPU
3
CPL= Es el ndice de capabilidad o dispersin de la media hacia el

lmite inferior que se divide entre la dispersin actual del proceso
X LSL
CPL
3

Cpk=Es el ndice de capabilidad el cual es considera que tan centrado esta el

proceso y es definido como el mnimo del CPU o CPL.
ZUSL USL X
LSL USL
Z LSL X LSL
Z m in
Cpk ZLSL ZUSL
3

EJERCICIO#1
Una compaa embotelladora de pur de tomate analiza la capabilidad de su

equipo para el llenado de las botellas de 22 onzas con una tolerancia de +/-2.
Con el objetivo de tomar la decisin de comprar un nuevo equipo, considerando
si obtiene un Cpk menor de 1.33 tomara la decisin de comprar un equipo
nuevo.
Prom 21.35
desv std. 1.300
24 20
Cp = 0.51
6 *1.3
USL X 24 21.35 = 0.68

CPU
3
CPU
3 *1.3
X LSL 21.35 20 = 0.35

CPL CPL
3 3 *1.3
Z USL 24 21 .35 = 2.65
Z LSL 21 .35 20 = 1.35
1.35 = 0.35
CpK
3 *1.3
EN MINITAB
Identifique la
columna de datos
Capture los datos de la

columna identificada

Seleccione del men STAT/QUALITY

TOOLS/CAPABILITY ANALISYS/NORMAL
En la ventana siguiente seleccione la variable y pselo a SINGLE

COLUMNS, Indique el tamao de subgrupo (5 en este ejemplo).
LOWER SPEC: Coloque el valor de la media menos (-) su tolerancia

asignada (20 en este ejemplo)
UPPER SPEC: Coloque el valor de la media ms(+) su tolerancia asignada

(24 en este ejemplo)
Process Capability of 22 oz +/- 2
LSL USL
P rocess D ata Within
LS L 20 Ov erall
Target *
USL 24 P otential (Within) C apability
S ample M ean 21.35 Cp 0.55
S ample N 100 C PL 0.37
C PU 0.72
S tD ev (Within) 1.22191
S tD ev (O v erall) 1.30305 C pk 0.37
C C pk 0.55
O v erall C apability
Pp 0.51
PPL 0.35
PPU 0.68
P pk 0.35
C pm *
19 20 21 22 23 24
O bserv ed P erformance E xp. Within P erformance E xp. O v erall P erformance
P P M < LS L 120000.00 PPM < LS L 134616.18 P P M < LS L 150094.47
PPM > USL 0.00 PPM > USL 15051.05 PPM > USL 20991.67
P P M Total 120000.00 PPM Total 149667.23 P P M Total 171086.14

EJERCICIO#2
Utilice los datos del problema anterior con una especificacin de 22 onzas
con una tolerancia de +/-6. Y Calcule el Cp, CPU,CPL y CpK. Desarrolle los
clculos manuales y ejecute el ejercicio en MINITAB.

APENDICE #1
TABLAS DE CONSTANTES PARA GRAFICOS X-R Y X-S
APENDICE #2
BIBLIOGRAFIA
MANUAL DE CONTROL ESTADISTICO DE CALIDAD: TEORIAS Y
APLICACIONES.
ESTADISTICA
Murray R. Spiegel
MODULO 4 DE CONTROL ESTADISTICO DE PROCESOS
ITESM
CONTROL ESTADISTICO DE CALIDAD
E.L. Grant
R.S.Leavenworth
Manual de Referencia de SPC
Chrysler Co.,Ford Motor Co. & GM Co.

1.-Manual Teorico-Practico de Control Estadistico de Procesos-Rev A

Hochgeladen von

Dokumentinformationen

Originaltitel

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

1.-Manual Teorico-Practico de Control Estadistico de Procesos-Rev A

Hochgeladen von

Copyright:

Verfügbare Formate

MANUAL TEORICO-PRACTICO

CONTROL ESTADISTICO DE PROCESOS

NOMBRE DEL ALUMNO:________________________________________

SEMESTRE:_________________ GRUPO: _________________

A travs de este manual, usted se adentrara en una serie de

Como complemento los ejercicios resueltos que aqu se muestran

Los casos que se presentan en esta primera edicin fueros

M.C.A. Octavio Muoz Rodrguez

OTOO 2012 Ing. Octavio Muoz Rodrguez Pgina 2

OBJETIVO GENERAL DEL MANUAL

OTOO 2012 Ing. Octavio Muoz Rodrguez Pgina 3

UNIDAD 1 CONTROL ESTADISTICO DE PROCESOS

1.1 La estadstica y el control de proceso.

1.2 Introduccin a las grafica de control

1.3 Grficos X-R para Medias y Rangos

1.4 Grficos X-S para Medias y Desviacin Estndar, muestras

1.5 Introduccin a los grficos de atributos

1.6 Graficas de control para la fraccin rechazada (Grafica p,

1.7 Graficas de Control para no conformidades (Graficas C,

1.8 Anlisis de Capacidad del Proceso

OTOO 2012 Ing. Octavio Muoz Rodrguez Pgina 4

Todos hemos odo este concepto y en el entorno industrial es una de las

Uno de los pases que ms ha trabajado el concepto de calidad, ha sido

La prdida que la no calidad ocasiona al usuario del producto

Una definicin muy aceptada es:

CALIDAD CONCORDANCIA ENTRE LA PERCEPCION Y LAS EXPECTATIVAS

El significado de esa definicin es que hay que fabricar un producto que

Esta definicin estara aplicada sobre todo a la calidad de producto o

OTOO 2012 Ing. Octavio Muoz Rodrguez Pgina 5

LA APERTURA DE MERCADOS: UN ALIADO DE LA CALIDAD TOTAL

En nuestro pas y en especial en nuestra regin norte de Tamaulipas el tema

OTOO 2012 Ing. Octavio Muoz Rodrguez Pgina 6

1.1.- LA ESTADISTICA Y EL CONTROL DE PROCESOS

Podemos saber cuntas toneladas de grano se producen en una

Podemos saber la medida exacta de un determinado grupo de

Podemos examinar el coeficiente intelectual de algunos

OTOO 2012 Ing. Octavio Muoz Rodrguez Pgina 7

Debido a lo anterior se a optado por trabajar con unos cuantos datos,

La necesidad de seleccionar unos cuantos datos y de operar mediante el

Toda empresa extrae muestras de las entregas de materia prima

OTOO 2012 Ing. Octavio Muoz Rodrguez Pgina 8

CONCEPTOS FUNDAMENTALES EN EL CONTROL

Todos tenemos una idea general de lo que es la estadstica,

DEFINICION#1.- La Estadstica es la ciencia que se ocupa

El papel de la estadstica en el Control Total de la Calidad es

Si deseamos mejorar un proceso de produccin, es de

OTOO 2012 Ing. Octavio Muoz Rodrguez Pgina 9

En la siguiente figura se muestra un flujo de actividades que conducen al

En Estadstica, el conjunto de datos, correspondiente al conjunto universo

DEFINICION #2.-Llamamos Poblacin Estadstica al conjunto de

Si se tienen 500 mangueras de gasolina, cuyos dimetros miden

OTOO 2012 Ing. Octavio Muoz Rodrguez Pgina 10

Si examinamos 250 monoblocks y vemos que el espesor de las

En un da determinado de elaboran 150 artculos que se

Dado que en la mayora de los casos resulta poco prctico o incosteable

DEFINICION #3.- Una muestra est constituida por algunos

Para que podamos estudiar la poblacin estadstica a travs de muestras

OTOO 2012 Ing. Octavio Muoz Rodrguez Pgina 11

El tener muestras representativas, significa que cada una de ellas refleja

OTOO 2012 Ing. Octavio Muoz Rodrguez Pgina 12

DEFINICION #4.- Cuando todos los elementos de la poblacin

Una empresa va a invertir una fuerte cantidad de dinero en el

Est siendo la muestra representativa?

SEMESTRE:_ GRUPO: _