Diagrama de causa-efecto

Estos diagramas reciben también el nombre de su creador, Ishikawa, y en algunos casos

también el de espina de pescado por la forma que adquieren. Son una manera gráfica de
representar el conjunto de causas que podrían provocar el problema estudiado o influir en
determinada característica de calidad. Se utilizan para ordenar las ideas que resultan de un
proceso de lluvia de ideas al responder a alguna pregunta de partida planteada por el grupo
que realiza el análisis. Por ejemplo, un equipo de trabajo podría hacerse la pregunta
siguiente: ¿cuáles son las causas de que se hayan incrementado de modo considerable los
defectos de apariencia en el proceso de esmaltado y secado? Las respuestas que un grupo
de expertos pudiera dar a esta pregunta seguramente serán bastantes y de diversa índole.
Si estas ideas se clasifican o estratifican, para luego representarse de forma gráfica en un
diagrama de Ishikawa, se tendrá una mejor idea del conjunto de causas potenciales que se
cree generan el problema en cuestión.1
Una vez que queda bien definido, delimitado y localizado dónde se presenta un problema
importante, es momento de investigar sus causas. Una herramienta de especial utilidad
para esta búsqueda es el diagrama de causa-efecto o diagrama de Ishikawa: un método
gráfico mediante el cual se representa y analiza la relación entre un efecto (problema) y sus
posibles causas.
Existen tres tipos básicos de diagramas de Ishikawa, los cuales dependen de cómo se
buscan y se organizan las causas en la gráfica.
Método de las 6M
El método de construcción de las 6M es el más común y consiste en agrupar las causas
potenciales en seis ramas principales (6M): métodos de trabajo, mano o mente de obra,
materiales, maquinaria, medición y medio ambiente. Como se vio en el capítulo 8, estos
seis elementos definen, de manera global, todo proceso, y cada uno aporta parte de la
variabilidad del producto final, por lo que es natural esperar que las causas de un problema
estén relacionadas con alguna de las 6M. La pregunta básica para este tipo de construcción
es: ¿qué aspecto de esta M se refleja en el problema analizado?
Más adelante se da una lista de posibles aspectos para cada una de las 6M que pueden
ser causas potenciales de problemas en manufactura.
Algunas de las ventajas del uso del diagrama de Ishikawa son las siguientes:
 Hacer un diagrama de Ishikawa (DI) es un aprendizaje en sí (se logra conocer más
el proceso o la situación).
 Motiva la participación y el trabajo en equipo, y les sirve de guía para la discusión.
 Las causas del problema se buscan activamente y los resultados quedan plasmados
en el diagrama.
 Muestra el nivel de conocimientos técnicos que se han logrado sobre el proceso.
 Señala todas las posibles causas de un problema y cómo se relacionan entre sí, con
lo cual la solución se vuelve un reto y se motiva así el trabajo por la calidad. a Puede
aplicarse secuencialmente para llegar a las causas de fondo de un problema, como
se hizo en el ejemplo 12.1.

1
Cantú Delgado, H. U. M. B. E. R. T. O. (2011). Desarrollo de una cultura de calidad (4ª ed.). México, México:
Mc Graw Hill.
Aspectos o factores a considerar en las 6M
En cada una de las ramas de este método de construcción se pueden considerar los
siguientes aspectos:
Mano de obra o gente
• Conocimiento: ¿la gente conoce su trabajo?
• Entrenamiento: ¿están entrenados los operadores?
• Habilidad: ¿los operadores han demostrado tener habilidad para el trabajo que
realizan?
• Capacidad: ¿se espera que cualquier trabajador pueda llevar a cabo de manera
eficiente su labor?
• ¿La gente está motivada?, ¿sabe la importancia de su trabajo por la calidad?
Métodos
• Estandarización: ¿las responsabilidades y los procedimientos de trabajo están
definidos clara y adecuadamente o dependen del criterio de cada persona?
• Excepciones: cuando el procedimiento estándar no se puede llevar a cabo, ¿existe un
procedimiento alternativo claramente definido?
• Definición de operaciones: ¿están definidas las operaciones que constituyen los
procedimientos?, ¿cómo se decide si la operación fue hecha de manera correcta?
La contribución a la calidad por parte de esta rama es fundamental, ya que por un lado
cuestiona si están definidos los métodos de trabajo, las operaciones y las
responsabilidades, y por el otro, en caso de que sí estén definidos, cuestiona si son
adecuados.
Máquinas o equipos
• Capacidad: ¿las máquinas han demostrado ser capaces de dar la calidad que se les
pide?
• Condiciones de operación: ¿las condiciones de operación en términos de las variables
de entrada son las adecuadas?, ¿se ha hecho algún estudio que respalde esta
afirmación?
• ¿Hay diferencias?: al hacer comparaciones entre máquinas, cadenas, estaciones,
instalaciones, etc., ¿se identificaron grandes diferencias?
• Herramientas: ¿hay cambios de herramientas periódicamente?, ¿son adecuados?
• Ajustes: ¿los criterios para ajustar las máquinas son claros y se determinaron de forma
adecuada?
• Mantenimiento: ¿hay programas de mantenimiento preventivo?, ¿son adecuados?
Material
• Variabilidad: ¿se conoce cómo influye la variabilidad de los materiales o materia prima
sobre el problema?
 • Cambios: ¿ha habido algún cambio reciente en los materiales?
• Proveedores: ¿cuál es la influencia de múltiples proveedores?, ¿se sabe si hay
diferencias significativas y cómo influyen éstas?
• Tipos: ¿se sabe cómo influyen los distintos tipos de materiales?
Mediciones
• Disponibilidad: ¿se dispone de las mediciones requeridas para detectar o prevenir el
problema?
• Definiciones: ¿están definidas operacionalmente las características que se miden?
• Tamaño de muestra: ¿se han medido suficientes piezas?, ¿son lo bastante
representativas como para sustentar las decisiones?
• Repetibilidad: ¿se tiene evidencia de que el instrumento de medición es capaz de
repetir la medida con la precisión requerida?
• Reproducibilidad: ¿se tiene evidencia de que los métodos y criterios usados por los
operadores para tomar mediciones son los adecuados?
• Calibración o sesgo: ¿existe algún sesgo en las medidas generadas por el sistema de
medición?
Esta rama destaca la importancia del sistema de medición para la calidad, ya que las
mediciones a lo largo del proceso son la base para tomar decisiones y acciones. Por eso
debemos preguntarnos si estas mediciones son representativas y correctas, es decir, si en
el contexto del problema que se está analizando, éstas son de calidad, si los resultados de
medición, pruebas e inspección son repetibles y reproducibles (vea “Estudios R&R” en
Gutiérrez Pulido y de la Vara, 2009).
Medio ambiente
• Ciclos: ¿existen patrones o ciclos en los procesos que dependen de las condiciones
del medio ambiente?
• Temperatura: ¿la temperatura ambiental influye en las operaciones?
Ventajas del método 6M
• Obliga a considerar gran cantidad de elementos asociados con el problema.
• Puede utilizase cuando el proceso no se conoce con detalle.
• Se concentra en el proceso y no en el producto.
Desventajas del método 6M
• En una sola rama se identifican demasiadas causas potenciales.
• Tiende a concentrarse en pequeños detalles del proceso.
• El método no es ilustrativo para quienes desconocen el proceso.
Método de flujo del proceso
En la construcción mediante el método de flujo del proceso, la línea principal del diagrama
de Ishikawa sigue la secuencia normal del proceso en la que se da el problema analizado.
Se anotan las principales etapas del proceso, y los factores o aspectos que pueden influir
en el problema se agregan según la etapa en la que intervienen. La fi gura 12.3 muestra un
diagrama construido con este método. Para ir agregando las causas potenciales, se parte
de la pregunta: ¿La variabilidad en esta parte del proceso afecta el problema especificado?
Este método permite explorar formas alternativas de trabajo, detectar cuellos de botella,
descubrir problemas ocultos, etc. Algunas de las ventajas y desventajas del diagrama de
Ishikawa, construido según e1 flujo del proceso, se ven a continuación.
Ventajas
• Obliga a preparar el diagrama de flujo del proceso.
• Se considera al proceso completo como una causa potencial del problema.
• Identifica procedimientos alternativos de trabajo.
• Se pueden llegar a descubrir otros problemas no considerados inicialmente.
• Permite que las personas que desconocen el proceso se familiaricen con él, lo que facilita
su uso.
• Puede emplearse para predecir problemas del proceso, poniendo especial atención a las
fuentes de variabilidad.
Desventajas
• Es fácil no detectar las causas potenciales, puesto que la gente suele estar muy
familiarizada con el proceso y le parece todo normal.
• Es difícil usarlo por mucho tiempo, sobre todo en procesos complejos.
• Algunas causas potenciales pueden aparecer muchas veces.
Método de estratificación o enumeración de causas
La construcción mediante el método de estratificación va directo a las principales causas
potenciales, sin agrupar de acuerdo con las 6M. La selección de estas causas muchas
veces se hace a través de una sesión de lluvia de ideas. Con el propósito de atacar causas
reales y no consecuencias o reflejos, es importante preguntarse varias veces el porqué del
problema, con lo que se profundiza en la búsqueda de las causas, y la construcción del
diagrama de Ishikawa parte de este análisis previo, con lo que el abanico de búsqueda es
más reducido.
Esta manera de construir el diagrama de Ishikawa es natural cuando es posible subdividir
las categorías de las causas potenciales. Por ejemplo, un producto terminado puede
dividirse fácilmente en sus subensambles. La fi gura 12.4 muestra un diagrama de Ishikawa
construido con este método.
El método de estratificación contrasta con el método 6M, ya que en éste se va de lo general
a lo particular, mientras que en el primero se va directamente a las causas potenciales del
problema. He aquí algunas de las ventajas y desventajas del método de estratificación para
construir un diagrama de Ishikawa.
Ventajas
• Proporciona un agrupamiento claro de las causas potenciales del problema, lo que permite
centrarse directamente en el análisis de este.
• Este diagrama es, por lo general, menos complejo que los obtenidos mediante los otros
procedimientos.
Desventajas
• Se pueden dejar de contemplar algunas causas potenciales importantes.
• Puede ser complicado definir subdivisiones principales.
• Se requiere un mayor conocimiento del producto o el proceso.
Pasos para la construcción de un diagrama de Ishikawa
1. Definir y delimitar claramente el problema o tema a analizar. Es deseable tener claridad
en la importancia del problema (costos, frecuencia).
2. Decidir qué tipo de DI se usará. Esta decisión se toma con base en las ventajas y
desventajas de cada método.
3. Buscar todas las causas probables, lo más concretas posible, con apoyo del diagrama
elegido y por medio de una sesión de lluvia de ideas.
4. Representar en el DI las ideas obtenidas y, al analizar el diagrama, preguntarse si faltan
algunas otras causas aún no consideradas; si es así, agregarlas.
5. Decidir cuáles son las causas más importantes mediante diálogo y discusión respetuosa
y con apoyo de datos, conocimientos, consenso o votación del tipo 5, 3, 1. En este tipo de
votación, cada participante asigna 5 puntos a la causa que considera más importante, 3 a
la que le sigue y 1 a la tercera en importancia; después de la votación se suman los puntos,
y el grupo deberá enfocarse en las causas que recibieron más puntos.
6. Decidir sobre qué causas actuar. Para ello, se toma en consideración el punto anterior lo
factible que resulta corregir cada una de las causas más importantes. Sobre las causas que
no se decida actuar debido a que es imposible por distintas circunstancias, es
imprescindible reportarlas a la alta dirección.
7. Preparar un plan de acción para cada una de las causas a investigarse o corregirse, de
tal forma que se determinen las acciones que es necesario realizar. Para ello se puede usar
nuevamente el DI. Una vez determinadas las causas, hay que insistir en las acciones para
no caer sólo en debatir los problemas y no acordar acciones que tiendan a la solución de
los problemas.2
La estratificación
Estratificar es analizar problemas, fallas, quejas o datos, clasificándolos o agrupándolos de
acuerdo con los factores que, se cree, pueden influir en la magnitud de los mismos, a fi n
de localizar buenas pistas para mejorar un proceso. Por ejemplo, los problemas pueden
analizarse de acuerdo con tipo de fallas, métodos de trabajo, maquinaria, turnos, obreros,
materiales o cualquier otro factor que proporcione una pista acerca de dónde centrar los
esfuerzos de mejora y cuáles son las causas vitales.

2
Gutiérrez Pulido, H. U. M. B. E. R. T. O. (2010). Calidad total y productividad (3ª ed.). México, México: Mc
Graw Hill.
La estratificación es una poderosa estrategia de búsqueda que facilita entender cómo
influyen los diversos factores o variantes que intervienen en una situación problemática, de
tal forma que se puedan localizar las fuentes de la variabilidad y, con ello, encontrar pistas
de las causas de un problema.3
Propósito
La estratificación consiste en dividir los datos recogidos en grupos homogéneos para
facilitar una mejor comprensión del fenómeno estudiado. A cada grupo homogéneo se lo
denomina estrato. Esta técnica permite investigar los aspectos más significativos o las
áreas más importantes donde es necesario centrar la atención.
Aplicación
La estratificación se utiliza en la hoja de recogida de datos, en los histogramas, en el análisis
de Pareto y en los gráficos de control. También se puede aplicar cuando estemos
estudiando la relación entre dos variables empleando los diagramas de correlación.
Construcción
Las fases de aplicación de la estratificación son las siguientes:
1. Definir el fenómeno o característica a analizar.
2. De manera general, representar los datos relativos a dicho fenómeno.
3. Seleccionar los factores de estratificación. Los datos pueden agruparse en función del
tiempo (turno, día, semana, estaciones, etc.), de operarios (antigüedad, experiencia, sexo,
edad, etc.), máquinas y equipo (modelo, tipo, edad, tecnología, útiles, etc.) o materiales
(proveedores, composición, expedición, etc.). Éstos son factores de estratificación muy
usuales. En cada caso concreto, debemos decidir cuál de ellos resulta más adecuado para
efectuar nuestro análisis. Habrá que tener en cuenta que cuando aumenta el número de
factores de estratificación empleados mejor se podrá comprender el fenómeno, pero no
conviene excederse en su número. Un buen método para definir los factores de
estratificación consiste en formular la siguiente pregunta: ¿Cómo incide … sobre el
fenómeno? Casi siempre la palabra que falta corresponde a un factor de estratificación
(Galgano, 1995).
4. Clasificar los datos en grupos homogéneos en función de los factores de estratificación
seleccionados.
5. Representar gráficamente cada grupo homogéneo de datos. Para ello se pueden utilizar
otras herramientas, como, por ejemplo, histogramas o el análisis de Pareto.
6. Comparar los grupos homogéneos de datos dentro de cada criterio de estratificación para
observar la posible existencia de diferencias significativas entre los propios grupos. Si
observamos diferencias significativas, la estratificación habrá sido útil.
Ventajas
La comprensión de una fenómeno resulta más completa si se utiliza la estratificación.4

3
Gutiérrez Pulido, H. U. M. B. E. R. T. O. (2010). Calidad total y productividad (3ª ed.). México, México: Mc
Graw Hill.
4
Camisón, C. É. S. A. R., Cruz, S. O. N. I. A., & González, T. O. M. Á. S. (2006). Gestión de la calidad:
Conceptos, enfoques, modelos y sistemas (Ed. rev.). Madrid, España: Pearson Educación.
Recomendaciones para estratificar
1. A partir de un objetivo claro e importante, determinar con discusión y análisis las
características o factores a estratificar.
2. Mediante la recolección de datos, evaluar la situación actual de las características
seleccionadas.
Expresar gráficamente la evaluación de las características (diagrama de Pareto,
histograma).
3. Determinar las posibles causas de la variación en los datos obtenidos con la
estratificación. Esto puede llevar a estratificar una característica más específica
4. Ir más a fondo en alguna característica y estratificarla.
5. Seguir estratificando hasta donde sea posible y obtener conclusiones de todo el proceso.5
Gráfico de control
El gráfico de control se utiliza para medir la estabilidad de un proceso en el tiempo, a partir
de la evolución del valor que toma una o varias variables del mismo. Por consiguiente, «es
una comparación gráfica de los datos de desempeño del proceso con los límites de control
estadístico calculados» (Juran y Gryna, 1995; 379).
De esta manera, primero habría que identificar las variables claves del proceso para,
posteriormente calcular el valor medio y las tolerancias o límites de control de las variables
a estudiar a partir de técnicas estadísticas. Estos límites superior e inferior (máximo y
mínimo) de la especificación de un producto son, por ellos mismos, una orientación de cara
al operario que le sirven como guía para ayudarle a controlar el estado del proceso (Deming,
1989; 260).
De esta manera, el empleado toma datos sobre la evolución de la variable objeto de estudio
y la representa sobre el gráfico (figura 3.9) con la intención de detectar, principalmente, las
causas especiales de variación de un proceso mediante el análisis de los datos.
Así, si los resultados están fuera de los límites de control, el operario emprenderá acciones
correctoras tal como se hayan previsto y descrito en el manual de producción para corregir
el defecto del proceso (Shiba, Graham y Whalden, 1995;50). En caso contrario, el proceso
es estable o está bajo control porque ningún punto queda fuera de los límites, ni la
distribución de los puntos es anómala. En este último caso, sólo estarían presentes las
causas comunes puesto que el proceso estaría bajo control y, por consiguiente, la
aplicación del gráfico no persigue alcanzar un estado de control estadístico, sino reducir la
variación del proceso (Juran y Gryna, 1995; 379), es decir, mejorarlo.6
Propósito
El gráfico de control es una herramienta gráfica que se utiliza para medir la variabilidad de
un proceso. Consiste en valorar si el proceso está bajo control o fuera de control en función
de unos límites de controle estadísticos calculados.

5
Gutiérrez Pulido, H. U. M. B. E. R. T. O. (2010). Calidad total y productividad (3ª ed.). México, México: Mc
Graw Hill.
6
Tari Gullón, J. José. (2000). Calidad total: fuente de ventaja competitiva (Ed. rev.). Recuperado de
http://librosuniversitariospdf.blogspot.com/2017/09/calidad-total-fuente-de-ventaja.html
Aplicación
La aplicación de este instrumento es muy amplia. Se utiliza en las fases de control de los
niveles de calidad de diversas actividades, inmediatamente después de la recogida de
datos.
Construcción
Podemos distinguir diversos tipos de gráficos de control en función del tipo de datos que
contienen: por variables y por atributos.
1. Gráficos de control por variables
Estos gráficos miden una característica continua, es decir, que puede tomar infinitos valores
dentro de un intervalo. El más utilizado en control de calidad es el gráfico 𝑥̅ − 𝑅 que registra
la media del proceso y el recorrido o rango de cada muestra y se utiliza para controlar y
analizar un proceso empleando valores relativos a la calidad del producto tales como
temperatura, peso, volumen, concentración, etc.
En su construcción es necesario elaborar un gráfico para los valores medios muestrales (𝑥̅ )
y otro gráfico para los recorridos (R). El primero indica si existen cambios en la tendencia
central de un proceso y el segundo muestra si ha variado la uniformidad del proceso.
De manera muy abreviada, la elaboración del gráfico supone definir la característica de
calidad a medir, determinar el tamaño de la muestra, el procedimiento de obtención de ésta
y el intervalo de tiempo en el que se realizará la recogida de datos. Posteriormente, se mide
la característica que controlamos de cada unidad y se calcula la media aritmética de estos
valores y su recorrido o desviación típica con el fin de comparar los valores obtenidos con
los límites de control establecidos y concluir si el proceso se encuentra bajo control o no.
Los pasos por seguir en la preparación de los gráficos son:
1) Recogida de los datos y su registro
Es necesario recoger el mayor número posible de datos, por lo menos cien datos recientes
sobre la característica del proceso que se controla, pero cuando los datos son escasos,
cincuenta o veinte valores resultan suficientes para el análisis.
Para la recogida de los datos se determina el «tamaño de la muestra», que por ejemplo
puede ser de 5 observaciones (n = 5) y el «número de muestras» a observar, por ejemplo
25 muestras (k = 25). Se debe intentar que el tamaño de las muestras sea siempre el mismo,
ya que la preparación y el uso de los gráficos de control se complican cuando el tamaño de
las muestras no es constante.
El paso siguiente es registrar los valores observados en hojas de datos con un formato
específico.
2) Calcular la media y los recorridos de las muestras
Se calcula la media (𝑥̅ ) de cada muestra, así como los recorridos ® restando el valor mínimo
del valor máximo de cada muestra. La fase siguiente es calcular el promedio general (𝑥̅̅ )
con las medias de cada muestra (𝑥̅ ). También se calcula el recorrido promedio (𝑅̅) con los
valores de R para cada muestra
3) Calcular los límites de control
Para cada gráfico hemos de calcular los límites de control superior e inferior. Estos límites
se pueden calcular a +/-3 desviaciones del promedio porque consideramos que la
distribución de las medias sigue una distribución normal o muy próxima cuando la muestra
tiene un tamaño igual o superior a cuatro. De esta manera se pueden calcular los límites
utilizando unas sencillas fórmulas.
Para el gráfico 𝑥̅ , los límites de control se calculan de la siguiente forma:
– Línea central: LC = 𝑥̅̅
– Límite de control superior: LCS = 𝑥̅̅ + 𝐴2 𝑅̅
– Límite de control inferior: LCI = 𝑥̅̅ - 𝐴2 𝑅̅
Para el gráfico R, los límites de control se calculan así:
– Línea central: LC = 𝑅̅
– Límite de control superior: LCS = 𝐷4 𝑅̅
– Límite de control inferior LCI = 𝐷3 𝑅̅
Donde 𝐴2 𝐷4 𝑦 𝐷3 son coeficientes cuyo valor depende del tamaño de la muestra (n). La
Figura 21.23 muestra los valores de éstos para el cálculo de los límites de control de 3 𝜎de
los gráficos 𝑥̅ − R.
4) Representar los gráficos de control
Calculados los límites, el paso siguiente es representar los datos en el gráfico, trazar las
líneas de control y señalar la línea central (LC). Los gráficos de control 𝑥̅ y R se representan
uno encima de otro. Para facilitar la posterior lectura de los gráficos hay que intentar
representar los puntos con claridad para que resulten fáciles de ver y deben estratificarse
si es necesario.
5) Interpretación de los gráficos
Cuando se representan los puntos hay que observar principalmente si éstos caen dentro o
fuera de los límites para determinar si el proceso está o no bajo control. Si observamos que
uno o más puntos de la gráfica 𝑥̅ se encuentran fuera de los límites, mientras que los
correspondientes valores de la gráfica R están dentro de los límites, eso significa que en el
proceso se ha producido algo que ha modificado el valor medio de la característica que
estamos analizando.
Si observamos que uno o más puntos de la gráfica R se encuentran fuera de los límites,
mientras que los correspondientes valores de la gráfica 𝑥̅ están dentro de los límites, eso
significa que las piezas producidas presentan variaciones más dispersas de la característica
que estamos analizando, aunque la media sea constante.
En general, el proceso se encuentra fuera de control cuando observamos alguno de los
siguientes casos, tanto en la gráfica 𝑥̅ como en la gráfica R (Nelson, 1984):
– Existen puntos fuera de los límites. En este caso observaremos las dos gráficas y
podemos extraer alguna conclusión como las señaladas anteriormente.
– Hay más de seis puntos consecutivos crecientes o decrecientes.
– Existen más de ocho puntos consecutivos por encima o por debajo de la media (línea
central).
– Se produce un comportamiento en zigzag de catorce puntos seguidos.
En todos los casos en que el proceso se encuentre fuera de control es conveniente localizar
las causas y aplicar las medidas correctoras oportunas. El procedimiento a seguir para
continuar con los gráficos de control sería eliminar la muestra que provoca un punto o varios
puntos fuera de los límites y volver a calcular el promedio y los límites de control para el
resto de los datos, que serán la nueva referencia para posteriores controles del proceso.
Por otro lado, si se observa que el proceso está bajo control, es decir, los puntos se
encuentran dentro de los límites, no debemos mostrar demasiada atención al movimiento
de los puntos y pasar a un periodo de vigilancia anotando los datos correspondientes a
nuevas muestras recogidas.
2. Gráficos de control por atributos
Estos gráficos miden una característica discreta, es decir que indican si sucede una cosa u
otra. Entre los diversos tipos de gráficos existentes, los más conocidos son los gráficos p,
los gráficos pn y los gráficos c.
El gráfico p utiliza como variable de estudio el porcentaje de piezas defectuosas. Las
dimensiones de las muestras pueden no ser constantes. Por otro lado, el gráfico pn mide la
cantidad de unidades defectuosas, siendo las muestras de dimensiones constantes. El
gráfico c mide el número de defectos por unidad encontrados en muestras de tamaño
constante.
El gráfico p
La primera fase en la construcción de este gráfico es la recogida de los datos y su registro.
Como siempre, es deseable recoger el mayor número de datos, y si es posible, también
estratificar. Para obtener los datos hay que determinar el número de unidades a
inspeccionar, n, y apuntar el número de unidades defectuosas, pn. Para determinar qué
fracción de la muestra de n unidades es defectuosa se aplica la siguiente fórmula:
𝑃𝑛
𝑃=
𝛱
El proceso se debe repetir varias veces realizando este cálculo hasta obtener como mínimo
veinte valores p (valores de la fracción de unidades defectuosas); es decir, tenemos que
examinar por lo menos veinte grupos de unidades.
A continuación, calculamos la fracción de unidades defectuosas media, 𝜌̅ , que será el
número total de unidades defectuosas dividido por el número total de unidades
inspeccionadas, de la siguiente forma:
𝛴𝑃 𝑛
𝑃̅ =
∑𝑛
Posteriormente, se calculan los límites de control a ±3𝜎 para cada muestra. En el caso de
que las distintas muestras difieran en más de un 25 % de la media de las mismas (𝑛̅) se
calculan límites de control separados para las muestras que superan ese porcentaje
utilizando su tamaño particular n. Sin embargo, en los casos en que no difieran en más del
25 % de la media de las mismas (𝑛̅), es mejor utilizar 𝑛̅ en vez de n para el cálculo de los
límites de control (Claver, Llopis y Tarí, 1999). Éstos se hallarán aplicando las siguientes
fórmulas:
– Línea central: LC = (𝑃̅)
– Límite de control superior: LCS = 𝑃̅ + 3𝜎𝑝

– Límite de control inferior: LCI = 𝑃̅ − 3𝜎𝑝

Donde la desviación típica es:

𝑝̅ (1 − 𝑝̅ )
𝜎𝑃 = √
𝑛

La representación del gráfico de control supone dibujar la línea central y las dos líneas de
control calculadas, y anotar los valores de p. Su interpretación es similar a la de los gráficos
de control por variables. Si los puntos se sitúan dentro de los límites de control,
preferiblemente alrededor de la línea central, y no hay otros indicios, el proceso se
encuentra bajo control. Sin embargo, se considera la existencia de una anomalía cuando
los puntos muestran una tendencia hacia arriba o hacia abajo, si están fuera o justo en los
límites o si hay más de ocho puntos consecutivos situados por encima o por debajo de la
línea central. Entonces, el proceso se considera fuera de control.
El gráfico pn
Este gráfico es muy similar en su elaboración e interpretación al anterior, con la diferencia
de que mide la cantidad de unidades defectuosas y el tamaño de la muestra siempre es
constante.
Los límites de control del gráfico pn se calculan de la siguiente forma:
- Línea central: LC = (𝑃̅𝑛)
- Límite de control superior: LCS 𝑃̅𝑛 + 3√𝑝𝑛(1 − 𝑝)
- Límite de control inferior: LCI = 𝑃̅ − 3√𝑝𝑛(1 − 𝑝)
El gráfico c
Este tipo de gráfico es también similar a los anteriores. Se utiliza cuando se mide el número
de imperfecciones encontradas en cada una de las unidades, por ejemplo, en una pieza de
tejido, una superficie lacada o defectos en una máquina, partículas de polvo en el
disolvente, etc. El tamaño de la muestra, n, tiene que ser constante. En ocasiones puede
ser un único producto, por ejemplo, número de defectos encontrados en la instalación de la
calefacción o en un electrodoméstico.
El número de defectos encontrados, c, se representa directamente en el gráfico y los límites
de control se calculan con las siguientes fórmulas: 7
𝑁Ú𝑀𝐸𝑅𝑂 𝑇𝑂𝑇𝐴𝐿 𝐷𝐸 𝐷𝐸𝐹𝐸𝐶𝑇𝑂𝑆 𝛴𝐶
- Línea central: LC = 𝐶̅ = =
𝑁Ú𝑀𝐸𝑅𝑂 𝐷𝐸 𝑀𝑈𝐸𝑆𝑇𝑅𝐴𝑆 𝑘
- Límite de control superior: LCS = 𝐶̅ + 3√𝑐̅
- Límite de control inferior: LCI = 𝐶̅ − 3√𝑐̅

7
Camisón, C. É. S. A. R., Cruz, S. O. N. I. A., & González, T. O. M. Á. S. (2006). Gestión de la calidad:
Conceptos, enfoques, modelos y sistemas (Ed. rev.). Madrid, España: Pearson Educación.