IG23 Ampliació d’Estadística. ETIG.

Curs 2003/04 1
3.1 Introducción:
En esta práctica abordaremos el control estadístico de calidad, que se
corresponde con el tema 3 de teoría, en concreto trataremos las gráficas de
control y diagramas Pareto.
El control de calidad se clasifica en:
a) Control en curso de fabricación (de procesos).
b) Control de recepción y de producto acabado.

El control en curso de fabricación se realiza durante la fabricación del producto, a

intervalos fijos de tiempo, y tiene por objeto vigilar el funcionamiento del sistema y
recoger información para mejorarlo.
El control de recepción y de producto acabado trata de encontrar una buena manera
para decidir si un producto verifica las especificaciones establecidas.

CONTROL DE PROCESOS

En todo proceso aparece una cierta variabilidad en la calidad, debida a causas

aleatorias o no asignables: variabilidad de la materia prima, la precisión de las
máquinas y de los instrumentos de medida, destreza de los operarios, etc.

Otras causas no aleatorias o asignables (materias primas defectuosas, desgaste de

herramientas, deficiente preparación del operario, etc.) producen ciertos efectos
previsibles y definidos. Son pocas y de aparición irregular, pero con grandes efectos.
Son eliminables. Diremos que un proceso está en estado de control cuando no le
afecta ninguna causa asignable. Un instrumento para determinar si se da o no esta
situación son las gráficas de control.

El fundamento teórico de una gráfica de control se basa en la construcción, a partir de

los valores de la esperanza  y la desviación típica  del modelo teórico de distribución
que sigue la característica de calidad considerada, de un intervalo de control
(generalmente [ - 3 ,  + 3 ]). Dentro de este intervalo están casi todos los valores
muestrales del proceso, si éste se encuentra bajo control. Las muestras se obtienen a
intervalos regulares de tiempo. Un punto que cae fuera de los límites de control,
indicaría que el proceso está fuera de control.

El control de calidad se realiza observando en cada elemento:

1) Una característica de calidad medible (longitud, resistencia, contenido de

impurezas, etc.) que se compara con un estándar fijado. Es el control por variables
(gráficas X , R). La característica se supone distribuida normalmente.
2) Control por atributos:

 Un atributo o característica cualitativa que el producto posee o no (correcto o

defectuoso, por ejemplo). (Gráficas p y np). La característica se supone
distribuida según una Binomial.

 El número total de defectos. (Gráficas u y c). La característica se supone

distribuida según una Poisson.

IG23 Ampliació d’Estadística. ETIG. Curs 2003/04 2

3.2. Gráficas X yR

Special >Quality Control > Variables Control Charts> X -bar and R

En Observations se introduce la variable que contiene las observaciones y en

Subgroup Numbers or Size el tamaño de cada una de las muestras que
hemos tomado.

Si contamos sólo con las medias y rangos (y no con las observaciones),

entonces se introducirían en means y range respectivamente, seleccionando
subgroup statistics.

Se obtienen el límite superior (UCL), la línea central (Centerline) y el límite

inferior (LCL), tanto para la gráfica de medias ( X ) como de rangos ( R).

En Analysis options (botón derecho del ratón) seleccionamos si el estudio es

inicial o no. A lo largo de la práctica, se nos van a proporcionar los valores de
los parámetros cuando el proceso se encuentra bajo control, excepto en uno de
los ejercicios. En ese caso actuaremos cómo se ha visto en clase, pudiendo
con el Statgraphics seleccionar Exclude, de forma que el programa
automáticamente puede descartar los valores fuera de control y recalcular los
límites. Así que, este diálogo quedaría:

IG23 Ampliació d’Estadística. ETIG. Curs 2003/04 3

Los gráficos se obtienen mediante: Graphical options (botón azul) y
señalando X-bar chart y Range chart.

Interpretacion (recordatorio de teoría):

a) Puntos fuera de control en X ; R en control: indica un cambio en la media.
b) Puntos fuera de control en X y en R : indica un cambio en la variabilidad.
c) Rachas: 7 puntos consecutivos por encima o debajo de la media. Puede
indicar (si R está bajo control) cambios en la media (por cambios en la
materia prima, el servicio de mantenimiento, etc.).
d) Tendencias: 6 puntos seguidos en sentido creciente o decreciente. Indica la
presencia de algún factor que influye gradualmente en el proceso: desgaste
de la maquinaria, cambios de temperatura, fatiga (en la gráfica X );
envejecimiento de la maquinaria, mezclas (en R en sentido ascendente);
mejora de los operarios o del manteniento (en R en sentido descendente).
e) Periodicidades o ciclos: repetición de agrupamientos (sucesión de picos y
valles). Indican la presencia de efectos periódicos: temperatura,
oscilaciones de corriente (en X ); turnos, acciones de mantenimiento (en
R).
f) Inestabilidad: grandes fluctuaciones. Puede indicar un sobreajuste de la
máquina, mezcla de materiales, falta de entrenamiento del operario de la
máquina.
g) Sobreestabilidad: la variabilidad de las muestras es menor que la esperada
(acumulación de puntos en la zona central). Puede que los límites estén
mal calculados, que se hayan tomado incorrectamente los datos o que se
haya producido un cambio positivo temporal cuya causa debe investigarse.

IG23 Ampliació d’Estadística. ETIG. Curs 2003/04 4

Esta información se podría encontrar en Tabular Options (botón amarillo) >
Run test (aunque vosotros mismos podéis interpretar la gráfica). Además, en
Tabular Options (botón amarillo) > Subgroup Reports encontraréis la media
y rango de cada subgrupo.

También en Tabular Options (botón amarillo) > Capability indices nos

devolverá los índices de la capacidad del proceso. Con pane options,
estableceremos las especificaciones (USL: la superior, Nominal y LSL: la
inferior).

3.3 Gráficas p y np

Special>Quality Control > Attribute Control Chart>p- Chart

Special>Quality Control > Attribute Control Chart>np- Chart

Se usa una u otra según si el número de muestras analizadas cada vez, es

constante a lo largo del tiempo, contando número de defectuosos (np-chart) o
cada vez analizamos un número diferente de productos (p-chart),
considerando la proporción de defectuosos. Este es el caso que
consideraremos, la gráfica p-chart.

En Proportions colocaremos la variable que indique la proporción de unidades

defectuosas en cada muestra y en Subgroup Sizes la variable que indica los
tamaños de cada muestra.

IG23 Ampliació d’Estadística. ETIG. Curs 2003/04 5

De nuevo, obtendremos los límites de los intervalos de la gráfica y con
Analysis options (botón derecho del ratón) podremos especificar la
proporción de unidades defectuosas cuando el proceso está bajo control.

En el caso que deseemos mostrar los límites no constantes (en caso de que lo
fueran), lo único que debería hacerse es deseleccionar Avg. Subgroup size.

El gráfico p-chart lo podéis encontrar en : Graphical options (botón azul) y p-

chart.

Cuando un punto muestral caiga fuera de los límites de control, las posibles
opciones son:

a) El proceso ha variado, aumentando o disminuyendo (según el sentido del

valor extremo) el valor de p.
b) El sistema de medición ha cambiado (el inspector o los criterios de medida).
c) Se ha cometido un error al estimar el valor de p en dicha muestra.
d) El proceso no ha variado, pero los límites de control son erróneos.
e) Nada ha cambiado, simplemente un suceso poco frecuente ha ocurrido.

3.4. Gráficas u y c

IG23 Ampliació d’Estadística. ETIG. Curs 2003/04 6

Special >Quality Control> Attribute Control Chart>c-chart
Special >Quality Control> Attribute Control Chart>u-chart

Se utiliza c-chart cuando todas las muestras tienen el mismo tamaño o se

cuentan los defectos sobre la misma cantidad de material. Nosotros veremos el
caso de u-chart, en la que podremos prescindir de la condición anterior.

En Defects per Unit colocaremos la variable “número de defectos por unidad”

y en Subgroup Sizes la variable que indica el tamaño de cada muestra.

De nuevo, se obtienen los límites de los intervalos y además con Analysis

options (botón derecho del ratón) podremos especificar el número de defectos
por unidad, con el proceso bajo control.

IG23 Ampliació d’Estadística. ETIG. Curs 2003/04 7

En el caso que deseemos mostrar los límites no constantes (en caso de que lo
fueran), lo único que debería hacerse es deseleccionar Avg. Subgroup size.

El gráfico u-chart lo podéis encontrar en : Graphical options (botón azul) y u-

chart.

3.5 Diagramas Pareto

Special >Quality Control>Pareto Analysis

El diagrama Pareto es un método gráfico para priorizar problemas o las causas

que los producen. Consiste en un diagrama de barras ordenadas según su
importancia (cada barra corresponde a uno de los distintos factores). Además,
representa 2 escalas: frecuencias absolutas y relativas acumuladas (en %).

Los datos se introducen:

En Tabuled-counts: el número de defectos (factor) de cada tipo y en Labels el

tipo de defecto.

Con Tabular options (botón amarillo) y Frequency tabulation obtenemos una

tabla de frecuencias. Con graphical options (botón azul) obtenemos el
diagrama Pareto.

IG23 Ampliació d’Estadística. ETIG. Curs 2003/04 8

La tabla de frecuencias sería:

Frecuencias absolutas Frecuencias relativas

-------------------------------------------------------------------------------------
acumuladas acumuladas
Class Frecuencias absolutas Weighted Frecuencias
Cum. relativas Cum.
Label Rank Count Weight Score Score Percent Percent
-------------------------------------------------------------------------------------
1 1 462 1 462 462 48,48 48,48
2 2 300 1 300 762 31,48 79,96
3 3 125 1 125 887 13,12 93,07
4 4 66 1 66 953 6,93 100,00
-------------------------------------------------------------------------------------
Total 953 953

3.6 Gráficas para mediciones individuales y CUMSUM

Special> Quality control > Time-weighted chart>Cumsum

individuals chart (V mask)

Special> Quality control > Time-weighted chart>Cumsum

individuals chart (H-K)

Para obtener gráficas de control de suma acumulada, con observaciones

individuales, podemos utilizar los dos menús anteriores. En ambos casos
colocaremos en Observations la variable bajo estudio. La interpretación de
estos gráficos se encuentra en el material de teoría (capítulo 15 de
Montgomery).

PROBLEMAS

Los datos de esta práctica se encuentran en un banco de datos y los obtendréis de la

siguiente forma:

En la página http://www3.uji.es/~epifanio (en el curs 2003/04, primer semestre),

baja el archivo datosx.txt, donde x representa la última cifra de tu DNI. Por ejemplo, si tu
DNI acaba en 8, baja el archivo datos8.txt. Una vez guardado, ábrelo en el Statgraphics
para trabajar con él (File>Open>Open Data File con la extensión de archivo *.*).

IG23 Ampliació d’Estadística. ETIG. Curs 2003/04 9

1. Una máquina perforadora tiene que producir agujeros de un cierto diámetro en unas
planchas. Los datos en la variable "Diametro" corresponden a los datos agrupados en
5 muestras diarias recogidas durante 40 días (hay 200 observaciones en total).

a) Representa la gráfica X , R, sabiendo que los parámetros bajo control son: 30

(mean=media), 4 (sigma)
b) ¿Cuáles son los límites?
c) Interpreta la gráfica (¿existe algún punto fuera de los límites de control, etc?)
d) Sabiendo que las especificaciones son 31  5, calcula los índices de capacidad que
conoces por teoría, es decir, ICP e ICPk e interprétalos.

2. Durante el mes de junio, se realizaron controles sobre el contenido de botes de

pintura de 5 kg, considerándose defectuosos aquellos que pesaran menos de 4.975
Kg. Los resultados obtenidos los podéis encontrar en:
Ninsp2: número de botes inspeccionados cada día
Ndef2: número de botes defectuosos encontrados entre los inspeccionados
Dia: día del mes de junio en que se llevaron a cabo las inspecciones
a) Dibuja la gráfica p para este problema, sabiendo que la proporción bajo control es
0.05
b) ¿Cuáles son los límites?
c) ¿Existe algún punto fuera de los intervalos? ¿Qué día se produjo? ¿Cuál podría ser la
causa? (Ayuda: piensa que fiestas se celebran en el mes de junio).

3. En un proceso industrial, resulta que algunas láminas son defectuosas porque la capa
de níquel con las que se han recubierto tiene pequeños agujeros. Se lleva a cabo un
control del proceso, suponiendo que 4 agujeros por m 2 es el parámetro bajo control.
Las variables: Nagujer y Superf recogen respectivamente el número de agujeros por
lámina y la superficie de cada lámina.
a) Dibuja la gráfica u-chart
b) ¿Cuáles son los límites?
c)¿Existe algún punto fuera de los intervalos?
d) Dibuja la gráfica u-chart, pero ahora considerando los límites no constantes.

4. Se han examinado una gran cantidad de condensadores, algunos de ellos han

resultado defectuosos con relación a 4 tipos de defectos: 1) tener las puntas rotas, 2)
tener manchas, 3) tener rallas, 4) otros. Los datos se encuentran en:

Ndefect: número de defectos de cada tipo

Tipodefect: tipo de defecto

a) Representa el diagrama Pareto

b) Construye la tabla Pareto
c) ¿Qué tipo de defectos convendría rectificar primordialmente atendiendo a los
apartados anteriores? Razona tu respuesta.

IG23 Ampliació d’Estadística. ETIG. Curs 2003/04 10

5.Usando una CMM (coordinate measuring machine) es posible determinar el ángulo
entre dos aristas en una pieza. Consideremos una nueva pieza, para la que dos de sus
aristas se diseñaron para tener ángulo recto. Se tomaron 22 muestras preliminares de 6
piezas cada una, y las medidas: media y rango en grados (en cada columnas) se recogen
a continuación (¡¡¡¡¡¡¡puedes copiar y pegar los datos!!!!!!!!!):

90,18 ,66
89,85 ,42
89,88 ,5
90, ,53
90,32 ,44
90,1 ,4
90,2 ,37
90 ,4
89,85 ,48
90,22 ,63
90,02 ,5
90,03 ,32
90,42 ,67
89,88 ,24
89,82 ,44
90,16 ,38
90,11 ,52
89,84 1
90,1 ,44
89,82 ,41
90,18 ,38
89,96 ,55

a) Calcula los gráficos X , R.

b) ¿Cuáles son los límites?
c) ¿Deberías excluir algún punto(s)? En caso afirmativo, di cuáles serían y representa
nuevamente las grágicas tras su eliminación(es).

IG23 Ampliació d’Estadística. ETIG. Curs 2003/04 11

6. El diámetro de unos agujeros se mide en orden consecutivo con un sensor
automático. Se consideran 25 observaciones:

9,94 9,99 9,99 9,81 10,11

9,93 10,11 10,41 9,73 9,95
10,09 9,84 10,36 10,14 9,92
9,98 9,82 9,99 9,96 10,09
10,11 10,38 10,12 10,06 9,85

Con estas observaciones calcula las dos gráficas CUMSUM (para datos individuales) y
determina si el proceso está bajo control. Trabaja con media = 10 mm y desviación típica
0.17.

IG23 Ampliació d’Estadística. ETIG. Curs 2003/04 12