CONTROL ESTADÍSTICO DE

PROCESOS
DEFINICIÓN E IMPORTANCIA DEL CEP
El CEP se define como la aplicación de los métodos estadísticos a la
medición y análisis de la variación de un proceso.

Un proceso es cualquier combinación de bienes, software o servicios

para producir un resultado.

Cuando se recolectan datos, estos se estudian mediante distribuciones

de frecuencia, en las que podemos calcular medidas centrales y medidas de
dispersión.

Nuestro tema central será examinar la importancia de la variación, el uso

de gráficas de control al analizar y minimizar la variación, la cuantificación de la
capacidad del proceso y la relación de estos conceptos con otras técnicas para
el mejoramiento del proceso.

MEDICIÓN DE LA CALIDAD DE MANUFACTURA

La tabla (Juran 378) muestra ejemplos de actividades de manufactura y
la forma de aplicar en ellas el CEP.

Ejemplos de medidas de calidad en manufactura

Aspecto Unidad de medida
Calidad de producción de la manufactura Porcentaje de productos que cumple con las
especificaciones
Cantidad de desperdicio; cantidad de retrabajo
Porcentaje de producción despachada con
defectos
Defectos encontrados en una auditoria
Costos de garantía por defectos de fabricación
Cantidad de producción degradada

Calidad del insumo que va a manufactura Tiempo de equipo con fallas

Porcentaje de insumos que cumplen las
especificaciones
GRÁFICAS DE CONTROL ESTADÍSTICO
El control de calidad se basa en que el objetivo de todo proceso
industrial es lograr que los productos reproduzcan las cualidades de un
prototipo dado.

Una gráfica de control estadístico es una comparación gráfica de los

datos de desempeño del proceso industrial contra límites de control estadístico
fijados.

Aunque puede sorprender a algunas personas (Miller 420) dos piezas

aparentemente idénticas, construidas en condiciones aparentemente iguales,
del mismo lote de materia prima, y que han salido con segundos de diferencia
de la misma máquina, pueden ser muy diferentes en muchos sentidos. Todo
proceso de manufactura, no importa cuán bueno sea, se caracteriza por un
cierto grado de variabilidad que es de naturaleza aleatoria, y que no puede
eliminarse por completo.

Como no hay dos artículos que sean iguales, la “calidad” varia de un

artículo a otro. ¿Cómo hacemos para satisfacer nuestra necesidad de calidad si
estamos conscientes que nunca podremos hacer dos artículos iguales?

En la práctica lo que se hace es establecer límites para definir las

variaciones de los artículos respecto a las especificaciones fijadas, hasta tanto
puedan tolerarse estas variaciones en un artículo comercial.

GRÁFICOS DE CONTROL, CAUSAS DE VARIACIÓN:

Según se anotó antes, no es posible en un proceso de fabricación lograr
que todas las piezas sean iguales. Por esta razón en todo proceso de
fabricación admitimos las tolerancias.

Resulta, sin embargo, de gran importancia analizar las causas que

producen estas variaciones. Tomemos por ejemplo el caso que estemos
fabricando en un torno, pernos cilíndricos y que estemos controlando el
diámetro de estos pernos. Nos preguntamos por qué razón todos los pernos no
son de igual diámetro. La respuesta es: porque los diferentes elementos del
sistema no permanecen todos constantes, ya que:
- El material no tiene la misma dureza
- La velocidad del motor del torno tiene pequeñas variaciones en el
tiempo.
- La herramienta de corte varía ligeramente de posición a medida que se
desgasta.
- Los cojinetes pueden tener cierto juego.
- La temperatura del trabajo varía.
- Variaciones en la intervención del operario.

Esta es apenas una lista reducida de las posibles causas de variación en

el diámetro de los pernos, y fácilmente podemos describir otras causas de
variación. Por lo pronto sin embargo, nuestro interés es clasificar las causas
según su naturaleza en “asignables” y “no asignables”.

Causas “no-asignables” de variación:

Como lo sugiere su nombre, existen un gran número de causas, que no
podemos identificar, que hacen que el diámetro de cada perno no sea
exactamente igual al del perno anterior, pero ya que su variación es muy
pequeña no podemos identificar la causa, por lo que decimos que son
variaciones debidas “al azar” o aleatorias. Además estas causas pueden hacer
que el diámetro aumente o disminuye.
Si la variabilidad (Miller 420) se circunscribe a variaciones aleatorias se
dice que el proceso está en un estado de control estadístico. Este estado se
obtiene encontrando y eliminando las variaciones asignables.

Causas “asignables” de variación:

Como su nombre lo sugiere, se llaman causas asignables de variación a
aquellas cuya razón de ser puede encontrarse con alguna facilidad, y se
caracterizan por llevar el proceso, en el ejemplo el diámetro del perno, en un
sentido determinado. Si encontramos que hay variaciones grandes en el
diámetro y examinando el buril encontramos que no está bien afilado, esta
sería una causa asignable de esta variación. El objetivo primordial de la gráfica
de control es detectar las causas asignables de la variación de un proceso,
mediante el análisis de los datos.

TOMA DE DECISIONES BASADAS EN GRÁFICOS DE CONTROL:

La gráfica de control hace una distinción entre las causas asignables y
no-asignables de variación mediante los límites de control. Estos se calculan
usando las leyes de probabilidad.

Cuando el proceso opera sin causas asignables de variación y se

mantiene dentro de los límites se dice que está “bajo control”. Cuando sale de
los límites se estima que esta variación se debe a causas improbables, no
aleatorias sino debido a causas especiales. Es decir, cuando la variación
excede los límites de control se tiene una señal de que alguna causa especial
ha entrado al proceso y éste debe investigarse para identificar esa causa de
variación.

Citando a Shewart, el precursor de las gráficas de control:

“Se dice que un fenómeno está bajo control cuando, a través del uso de la experiencia
pasada, podemos predecir, al menos dentro de ciertos límites, cómo variará el fenómeno
en el futuro (Control de Calidad, 1931)”

Se advierte que el CEP no es una forma de juzgar el desempeño de los

trabajadores o de sus supervisores, sino más una forma de pensar y de
enfocar los problemas, para darle a la gerencia hechos y evidencia para
solucionarlos.

Si el proceso se mantiene dentro de los límites de control significa que

sólo están presentes causas aleatorias, que la variación se ha estabilizado y
que no es necesaria ajustar el proceso. Observe que la gráfica de control
detecta la causa pero no la identifica, esto debe hacerlo una investigación
subsiguiente.

Otras ventajas de las gráficas de control son las siguientes (Feigenbaum

432):
1. Determinar el grado de control de un proceso. Si las lecturas muestran que
las mediciones se agrupan dentro de los límites de control, el proceso está
estadísticamente controlado.
2. Prever los rechazos antes que ocurran. Los límites de control son como
zonas de advertencia, luces amarillas o rojas que indican que estamos a
punto de salirnos de la carretera (antes de salirnos).
3. Establecer tolerancias. Los límites de control NO son iguales a las
tolerancias. Estas se las impone el cliente o el mercado al producto, los
límites son inherentes al proceso y a su capacidad.
4. Prever los costos. Los límites de control indican el tipo de producto que
puede dar una máquina determinada. La gerencia decidirá si puede ofrecer
este producto al mercado, si debe comprar una nueva maquinaria, hacer
ajustes, etc. Si la variación es más amplia que las tolerancias y no se puede
perfeccionar el proceso, hay que aceptar que se tendrán piezas defectuosas
o desperdicio, y se podrán estimar los costos de remaquinado o doble
inspección.

Principios de Control de Calidad:

Antes de proseguir, sin embargo, es importante destacar algunos
principios fundamentales del control de calidad:

1. Control de Calidad no es clasificación ni selección. Clasificar productos en

buenos y malos es función de la fabricación.
2. Con el control de calidad no se obtiene calidad; esta es una característica
del producto. Para tener un buen nivel de calidad hay que fabricarlo. El
control no agrega calidad a los productos.
3. Producción es la responsable de la calidad y no el Control de Calidad.
4. El Control de Calidad no resuelve problemas de fabricación, solo indica
cuando deben estudiarse.
5. Las decisiones deben tomarse sobre datos reales; es importante que los
datos recogidos sean confiables.
VENTAJAS DEL CONTROL ESTADÍSTICO DE CALIDAD
Un proceso está “bajo control” cuando solo tiene causas aleatorias de
variación. Las ventajas de situarse en este caso son varias:

- El proceso es estable, puede predecirse su comportamiento a corto plazo.

- El proceso tiene menos variabilidad.
- El proceso es más fácil de operar para sus trabajadores.

USOS DEL CONTROL ESTADÍSTICO DE CALIDAD

Como se anotó antes, el CEP no es una forma de evaluar a los
trabajadores. Es más bien una forma de evaluar el proceso, y encontrar si es o
no estable, y si puede cumplir con las tolerancias que nos imponen el mercado
o el cliente.

Al examinar un proceso podemos encontrar:

 Variaciones incontroladas “asignables”. En este caso se deben

identificar. Las variaciones podrían ser externas al proceso y podrían ser
identificadas y “tratadas”. Esto llevaría el proceso a un estado estable y
predecible.
 Si resulta que el proceso está “bajo control” pero todavía tiene
variaciones inherentes al proceso que son inaceptables, debemos
cambiar el proceso, o correr con los gastos e inconvenientes de los
rechazos.

PASOS PARA ESTABLECER UNA GRÁFICA DE CONTROL

Establecer una gráfica de control requiere los siguientes pasos:

1. Elegir la característica que se va a graficar.

 Identificar una variable con tasa de defectos. Usar Pareto para decidir.
 Elegir el método de medición.
2. Elegir el tipo de gráfica de control. Hay los siguientes tres tipos básicos:

Tabla 17.2 Comparación entre gráficas de control (Juran 382)

Gráfica de control Promedio y Rango Porcentaje Nº de defectos
Datos requeridos Datos de variables Número de Número de
unidades defectos por
defectuosas unidad
Campo de aplicación Control de características Control de la Control del número
individuales fracción de de defectos
defectuosos
Ventajas Uso máximo de la Los datos
información de los datos generalmente
Información detallada están disponibles y
sobre el promedio y la son fácilmente
variabilidad. comprensibles por
el personal
Desventajas Debe explicarse la No detalla No da información
diferencia entre límites de mediciones detallada de
control y tolerancias individuales. características
No reconoce individuales
grados de
defectos.
Tamaño de la muestra 4ó5 Muestras de 25, 50 Unidades
ó 100 convenientes

Como se ve en la tabla, existen gráficas de control por variables o

mediciones y gráficas de control por atributos, dependiendo de si las
observaciones son mediciones (diámetro de una pieza), o conteo (número de
defectos en una muestra). En ambos casos, la gráfica de control consiste de
una línea central que corresponde a la cualidad promedio en la cual el proceso
se espera esté, y límites de control superior e inferior. Estos límites se escogen
de forma tal que los valores que caigan entre ellos puedan atribuirse a
variaciones aleatorias, mientras que los que caigan por fuera de ellos se
interprete se debe a falta de control estadístico (Miller 421). Si el valor de una
muestra cae fuera de los límites de control hay que buscar la razón pues hay
problemas en el proceso, e incluso sin que haya puntos fuera de los límites,
como se verá más adelante las tendencias o patrones sistemáticos le dan a
quien sea hábil “leyendo” gráficas de control indicación de algún problema en el
proceso.

3. Decidir la línea central que se va a usar y la base para calcular los límites.
4. Decidir sobre la forma de recolectar los datos.
5. Calcular los límites de control y decidir sobre la interpretación de los
resultados. La Tabla 17.3 indica las formulas de límites de control para los
tres tipos básicos de gráficas.

Tabla 17.3 Límites para gráficas de control (Juran 383)

Gráfica para Línea central Límite inferior Límite superior
Promedios, X X X - A2 R X + A2 R
Rangos R R D3 R D4 R
Porcentaje de defectuosos p p  (1  p) p  (1  p)
p p3 p3
n n
Número de defectuosos c
c c3 c c3 c

6. graficar los datos e interpretar los resultados.

Vida de una gráfica de control:

No debe olvidarse que la gráfica de control es sólo una herramienta, no
un fin en sí mismo. El fin del proceso es hacer un producto que satisfaga al
cliente, no un producto “bajo control”. Una vez las gráficas cumplan su
propósito deben hacerse a un lado y reemplazarlas por otra u otro sistema.
Las etapas pueden ser más o menos las que muestra la tabla.

Tabla 17.4 Ciclo de vida de una gráfica de control (Juran, 384)

Etapa Paso Método
Preparación Elegir variables Causa y Efecto
Elegir temas de control Pareto
Elegir toma de muestra
Inicio Asegurar cooperación a todo nivel Trabajo en equipo
Capacitar usuarios Entrenamiento
Análisis de resultados Revisión conjunta
Utilización Evaluar efectividad Cambiar la gráfica
Mantener interés Involucrar a los usuarios
Modificar gráfica De acuerdo con los resultados
Eliminación Eliminar la gráfica una vez logrados Cambiar a punto de verificación,
sus objetivos muestreo periódico, gráfica p, gráfica c
GRAFICAS DE CONTROL PARA
VARIABLES
 Cuando se trata de mediciones, se podría controlar el proceso con
gráficos de promedio ( X ) y de desviación estándar σ. Sin embargo en la
práctica casi siempre se usan generalmente gráficas de control de promedios (
X ) y de rangos o intervalos muestrales (R) en lugar de desviaciones estándar,
por la mayor facilidad de cálculo del rango y más fácil comprensión de sus
valores.

Para esto, se toma periódicamente una muestra de 4 ó 5 unidades del

proceso, se le calcula el promedio ( X ) y el rango (R) de cada una. Antes de
fijar los límites de control deben recolectarse al menos 50 medidas individuales
(es decir diez muestras de 5 unidades cada una). Lo más corriente es tomar
muestras de tamaño 5, ya que con ellas se facilita el cálculo del promedio.

Frecuencia del muestreo:

La regla empírica para comenzar una gráfica de control es tomar al
menos 20 puntos, aunque es mejor tomar 50. Si uno de estos puntos iniciales
queda fuera de control, revíselo y considere excluirlo de los cálculos y
recalcular los límites de control sin ese punto.

En general, la frecuencia de muestreo (Feigenbaum, 446) es una

decisión de tipo práctico, que depende de la cantidad de artículos que se
producen por día, de los costos involucrados en la toma de una muestra, lo fácil
o difícil que la gerencia sabe que puede desajustarse el equipo, y de la
accesibilidad del equipo de medición.

Si por ejemplo se producen 150 artículos por hora y se estima que la

maquinaria está bien ajustada, parecería que sería suficiente tomar una
muestra por hora para establecer los límites de control.

Establecimiento de los límites de control:

Los límites de control se establecen a  3σ para los promedios y los

rangos maestrales. Los valores de X y R se grafican por separado contra sus

límites de  3σ.
 Las fórmulas para calcular límites de control sobre promedios muestrales
son:

Límite de control superior = X + A2 R

Límite de control inferior = X - A2 R

Donde

X = gran promedio, promedio de los promedios de las muestras

R = promedio de los rangos maestrales
A2 = constantes tomada de la tabla

Las fórmulas para calcular los límites de control sobre los rangos muestrales
son:

Límite de control superior = D4 R

Límite de control inferior = D3 R

Donde D3 y D4 se toman de la Tabla 17.5 (Juran 385):

Tabla 17.5 Constantes para las gráficas X y R

n A2 D3 D4 d2
2 1.880 0 3.268 1.128
3 1.023 0 2.574 1.993
4 0.729 0 2.282 2.059
5 0.577 0 2.114 2.326
6 0.483 0 2.004 2.534
7 0.419 0.076 1.924 2.704
8 0.373 0.136 1.864 2.847
9 0.337 0.184 1.816 2.970
10 0.308 0.223 1.777 3.078
Ejemplo:
Considere los datos de las máquinas N-5 y N-7. Para cada una los datos consisten de 10
muestras (cada una de 6 unidades) graficadas en orden de producción. La Tabla muestra los
valores obtenidos para X y R para cada máquina.

Para la máquina N-5 Para la máquina N-7

Muestra 1 2 3 4 5 6 X R 1 2 3 4 5 6 X R
1 12 10 11 7 12 15 11.2 8.0 3 4 5 5 5 6 4.7 3.0
2 6 9 10 10 10 13 9.7 7.0 3 4 5 6 7 7 5.3 4.0
3 13 6 7 8 12 5 8.5 8.0 6 6 7 7 7 8 6.8 2.0
4 10 11 11 12 12 16 12.0 6.0 6 7 8 8 8 10 7.8 4.0
5 6 10 8 9 7 10 8.3 4.0 12 7 8 9 10 7 8.8 5.0
 6 13 8 9 10 10 7 9.5 6.0 6 8 8 8 8 10 8.0 4.0
7 6 11 9 9 7 11 8.8 5.0 8 14 10 11 12 9 10.7 6.0
8 7 8 9 10 10 12 9.3 5.0 7 13 9 10 11 9 9.8 6.0
9 15 10 10 11 11 6 10.5 9.0 10 11 12 13 13 13 12.0 3.0
10 4 12 8 9 10 6 8.2 8.0 19 13 13 14 15 12 14.3 7.0
Promedio 9.60 6.6 8.82 4.4

Para la máquina N-5 los límites de control superior e inferior para la media y el rango se
calculan como:
Para los promedios:
LCS = X + A2 R = 9.60 + 0.483 (6.6) = 12.79
LCI = X - A2 R = 9.60 – 0.483 (6.6) = 6.41
Para los Rangos:
LCS = D4 R = 2.004 (6.6) = 13.23
LCI = D3 R = 0 (6.6) = 0
4
En la misma forma se calculan los límites para la máquina N-7 con resultados de 6.69 y 10.94
para los límites de control del promedio, y de 0 y 8.882 como límites de control para el Rango
promedio.
Los gráficos de promedio y rango para la máquina N-5 son los siguientes. En cada gráfica se
incluye el promedio, los límites de control superior e inferior, y los valores individuales
obtenidos.

Gráfica de X Gráfica de R
Como todos los puntos de ambas gráficas de la máquina N-5 caen
dentro de los límites de control se concluye que el proceso de esta máquina N-
5 no tiene causas atribuibles de variación.
Obsérvese que los límites de control para una gráfica de promedios
representan tres desviaciones estándar de los promedios muestrales, no de los
valores individuales. Por esto los límites de control no se pueden equiparar a
las tolerancias de especificación pues los promedios muestrales, por ser
promedios de una muestra, varían menos que las medidas individuales que los
forman.
 Las siguientes son las gráficas para la máquina N-7:

Gráfica de X Gráfica de R

En el caso de esta máquina se advierte que algún factor, que puede ser
el desgaste de la herramienta, está presente dando como resultado valores que
aumentan con el tiempo, por lo que el proceso de esta máquina está fuera de
control.
En general, las X fuera de control indican un cambio en el proceso o en
el trabajador, que han ocasionado estas variaciones. Las causas más comunes
son cambios en el material, el personal, la preparación de la máquina, desgaste
de la herramienta, temperatura o vibración.
Las R fuera de control indican que la uniformidad del proceso ha
cambiado. Las causas más comunes son cambios de personal, aumento en la
variabilidad del material o desgaste excesivo en la maquinaria. En la práctica
es extremadamente raro que los datos en una gráfica R se salgan de control,
por lo que en ocasiones para evitar el costo y tiempo adicional alguna
empresas omiten llevar gráficas R.

Reglas para casos especiales:

Hay indicaciones en las gráficas de control que ameritan se investigue el
proceso, aunque éste no esté fuera de control (algunas de ellas se muestran en
las gráficas siguientes):
Regla 1 – Cualquier punto fuera de los límites de control.
Regla 2 – Siete puntos todos sobre o bajo la media, o con tendencia creciente
o decreciente.
Regla 3 – Un patrón o tendencia inusual, aunque esté dentro de los límites.
Regla 4 – Marcada diferencia entre la cantidad de puntos cercanos a la media y
los puntos cercanos a los límites de control

Un punto fuera de control arriba o abajo Más de 7 puntos arriba (o debajo) del promedio

6 puntos seguidos aumentando o disminuyendo 14 puntos alternando arriba y abajo

Dos de cada tres puntos cerca al límite Cuatro de cada cinco puntos alejados del
centro

En la gráfica siguiente observamos que todos los puntos, excepto uno,

caen dentro de los límites de control. Ese punto en particular deberíamos poder
revisarlo e identificar la razón por la cual cayó el punto fuera de los límites.
 16
15.5
15
MEDIA 14.5
14
13.5
13
12.5
12

En la siguiente gráfica se observa que al comienzo del proceso seis o

siete puntos quedaron por encima o debajo (en este caso por encima) de la
línea central, lo que indicaría una anomalía que valdría la pena revisar. Hacia el
final de las observaciones se observa una tendencia (descendiente en este
caso) pues seis o siete puntos suben o bajan, lo que indica igualmente que
valdría la pena investigar qué está sucediendo.

15,5
15
14,5
MEDIA

14
13,5
13
12,5
12

Ejemplo de Gráfico X R:
Se tiene una pieza plástica cuyas especificaciones de fabricación son: 8,5 +0,7 mm y –0,3mm,
es decir entre 8,2 y 9,2.
Para controlar este proceso se ha decidido tomar muestras de tamaño 5 cada hora, de forma
que se tendrán 10 muestras diarias en las 10 horas diarias de producción (García, 74).
 Lunes:
El lunes se han recogido los siguientes datos:

Muestra Nº 1 2 3 4 5 6 7 8 9 10
5 10,1 9,5 9,5 11,1 8,9 9,0 9,0 10,1 9,6 9,9
4 11,7 10,2 8,6 11,4 9,5 8,6 8,1 9,1 9,8 8,3
3 9,4 8,0 9,8 10,2 9,2 10,0 10,0 9,5 8,6 9,3
2 10,1 9,2 8,9 10,2 8,9 8,8 10,4 8,0 10,6 8,5
1 9,5 9,8 9,2 10,8 11,9 9,2 9,7 9,1 9,3 8,9
TOTAL 50,8 46,7 46 53,7 48,4 45,6 47,2 45,8 47,9 44,9
PROMEDIO 10,16 9,34 9,20 10,74 9,68 9,12 9,44 9,16 9,58 8,98 9,54
RANGO 2,3 2,2 1,2 1,2 3,0 1,4 2,3 2,1 2,0 1,6 1,93

Aunque como se ha dicho se acostumbra esperar a reunir por lo menos 20 valores

(preferiblemente 50) para fijar los límites de control, podemos ensayar con estos 10 valores, y
con base en los promedios obtenidos de 9,54 para los promedios y de 1,93 para los rangos, y a
los valores de A2 = 0,577 y D4= 2,144 de la Tabla 17.5, se obtienen los siguientes límites de
control:

Para los promedios: 8,43 y 10,65, para los rangos: 0 y 4,14, que se muestran en los gráficos.

GRAFICA DE PROMEDIOS

11,0

10,0

9,0

8,0
1 2 3 4 5 6 7 8 9 10

GRAFICA DE RANGOS

5,0

4,0

3,0

2,0

1,0

0,0
1 2 3 4 5 6 7 8 9 10

Los valores aparecen bajo control, excepto por la muestra 4 de los promedios. Podemos
suponer que esto se debe a una causa asignable, eliminar este valor y recalcular la gráfica.
Al eliminar la muestra 4 se obtiene un promedio de promedios de 9,41, rango promedio de
2,01, y límites de control para el promedio son 8,25 y 10,57, según se muestra en la figura,
donde los 9 puntos están bajo control.
 GRAFICA DE PROMEDIOS

11,00

10,00

9,00

8,00
1 2 3 4 5 6 7 8 9 10

Martes:
Los valores obtenidos el día martes fueron los siguientes:

Muestra Nº 11 12 13 14 15 16 17 18 19 20
6
5 9,8 9,6 8,8 8,8 9,1 11,1 9,6 8,8 8,4 9,8
4 10,3 7,8 8,5 9,8 9,3 7,0 8,4 7,2 8,6 9,6
3 8,7 9,0 9,5 8,2 9,9 9,1 8,4 7,6 8,4 8,6
2 8,3 8,1 9,7 10,2 10,4 8,8 9,0 7,0 9,0 9,8
1 9,0 9,0 8,5 9,0 8,1 9,0 9,2 8,8 9,2 8,8
TOTAL 46,1 43,5 45,0 46,0 46,8 45,0 44,6 39,4 43,6 46,6
PROMEDIO 9,22 8,70 9,00 9,20 9,36 9,00 8,92 7,88 8,72 9,32 8,93
RANGO 2,0 1,8 1,2 2,0 2,3 4,1 1,2 1,8 0,8 1,2 1,84

Si calculamos los límites de control basados en las muestras del Lunes y Martes (excepto la
muestra 4) se obtienen los siguientes resultados:

GRAFICA DE PROMEDIOS

10,5

9,5

8,5

7,5
1 3 5 7 9 11 13 15 17 19
 GRAFICA DE RANGOS

5,0

4,0

3,0

2,0

1,0

0,0
1 3 5 7 9 11 13 15 17 19

Se observa que los valores caen dentro de los límites de control, excepto por la muestra 18 de
los promedios y la muestra 16 de los rangos, que están muy cercanas al límite. Eliminamos
ambas muestras, recalculamos los límites de control, que son ahora 8,20 y 10, 28 para los
promedios, y 0 y 3,86 para los rangos y que usaremos para el día miércoles.

Miércoles:
Los valores obtenidos para el Miércoles son los siguientes, que se grafican con los límites de
control obtenidos para los días Lunes y Martes:

Muestra Nº 21 22 23 24 25 26 27 28 29 30
5 8,5 9,7 7,3 9,5 8,9 8,9 7,9 9,5 8,8 8,5
4 10,1 9,1 9,1 9,5 8,1 9,9 8,1 8,6 8,9 9,2
3 8,9 8,9 8,7 10,5 8,3 8,3 9,8 8,3 10,3 8,9
2 8,3 8,7 8,3 10,5 8,3 9,1 9,8 8,8 10,0 8,9
1 8,1 8,5 8,7 10,1 9,1 9,6 7,5 8,7 9,4 8,2
TOTAL 43,9 44,9 42,1 50,1 42,7 45,8 43,1 43,9 47,4 43,7
PROMEDIO 8,78 8,98 8,42 10,02 8,54 9,16 8,62 8,78 9,48 8,74 8,95
RANGO 2,0 1,2 1,8 1,0 1,0 1,6 2,3 1,2 1,5 1,0 1,46

GRAFICA DE PROMEDIOS

10,5

9,5

8,5

7,5
1 3 5 7 9 11 13 15 17 19 21 23 25 27
 GRAFICA DE RANGOS

5,0

4,0

3,0

2,0

1,0

0,0
1 3 5 7 9 11 13 15 17 19 21 23 25 27

Se observa que el proceso parece estabilizado, excepto por la muestra 24 (21 en la gráfica
pues anteriormente se han eliminado tres muestras). Descartamos la muestra 24 y
recalculamos los límites de control. Descartamos igualmente la primera muestra del primer día
que parece estar fuera de control, obteniendo 9,06 como promedio con límites de control 8,09
a 10,02 y rango promedio 1,68 con límites 0 y 3,59, que aplicamos a los datos del día Jueves.
Se observa que se procede en esta forma pues el proceso parece estar consistente. Si el
proceso pareciera inestable, o se hubiera encontrado un 40% de datos fuera de control,
hubiera sido necesario recurrir a muestras más amplias para encontrar los valores de los
límites de control.

Jueves:
Los valores obtenidos para el Jueves son los siguientes, que se muestran en las gráficas
incorporados con los anteriores:

Muestra Nº 31 32 33 34 35 36 37 38 39 40
5 8,6 8,5 8,8 8,3 9,2 9,5 9,2 9,1 9,3 8,5
4 8,7 8,5 9,5 8,8 8,6 8,6 8,9 8,6 8,7 8,6
3 8,8 8,6 8,5 8,4 8,5 8,4 8,6 9,1 9,1 8,2
2 8,8 9,2 8,5 9,1 9,2 9,3 8,6 8,5 9,4 8,1
1 9,0 8,9 8,9 9,1 8,5 8,8 8,7 9,0 8,9 8,3
TOTAL 43,9 43,7 44,2 43,7 44,0 44,6 44,0 44,3 45,4 41,7
PROMEDIO 8,78 8,74 8,84 8,74 8,80 8,92 8,80 8,86 9,08 8,34 8,79
RANGO 0,4 0,7 1,0 0,8 0,7 1,1 0,6 0,6 0,7 0,5 0,71

Estos datos resultan en un promedio de 8,98 con límites de control 8,17 a 9,79, rango promedio
de 1,40 con límites de 0 y 3,0.
GRAFICA DE PROMEDIOS

10,5

9,5

8,5

7,5
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37
 GRAFICA DE RANGOS

5,0

4,0

3,0

2,0

1,0

0,0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35

Se advierte que los datos del día Jueves están casi todos por debajo de la línea central. Se
inspecciona la situación y se concluye que ha ocurrido un cambio en el desempeño de la
maquinaria, por lo que a partir del día Jueves parece haber un nuevo desempeño.

Viernes:
Muestra Nº 41 42 43 44 45 46 47 48 49 50
5 9,1 8,7 9,3 9,0 9,1 8,7 8,5 8,9 8,5 9,0
4 9,0 8,5 8,4 8,5 8,8 8,4 8,6 8,9 8,7 8,1
3 8,6 8,5 8,5 8,3 9,1 8,3 8,6 9,2 8,2 9,0
2 8,6 8,1 9,0 8,6 9,3 8,8 9,0 8,2 8,7 8,7
1 9,0 9,5 8,3 8,7 8,0 8,9 8,6 8,7 8,4 8,7
TOTAL 44,3 43,3 43,5 43,1 44,3 43,1 43,3 43,9 42,5 43,5 434,8
PROMEDIO 8,86 8,66 8,70 8,62 8,86 8,62 8,66 8,78 8,50 8,70 8,70
RANGO 0,5 1,4 1,0 0,7 1,3 0,6 0,5 1,0 0,5 0,9 8,40

Estos nuevos valores, combinados con los anteriores, dan promedio de 8,92 con límites de
control 8,18 y 9,65, rango promedio de 1,18 con límites 0 y 2,73, y las siguientes gráficas:

GRAFICA DE PROMEDIOS

10,5

9,5

8,5

7,5
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46
 GRAFICA DE RANGOS

5,0

4,0

3,0

2,0

1,0

0,0
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43

Al examinar las gráficas se confirma que a partir del día Jueves las condiciones del proceso
han cambiado completamente. Se decide por lo tanto reiniciar el proceso a partir del día Jueves
y tomar solamente los datos del Jueves y el Viernes.

Este nuevo cálculo da como resultado un promedio 8,74 con límites de control 8,30 y 9,19, y un
rango promedio de 0,78 con límites 0 y 1,66, con las siguientes gráficas.

GRAFICA DE PROMEDIOS

10,5

9,5

8,5

7,5
1 3 5 7 9 11 13 15 17 19 21

GRAFICA DE RANGOS

5,0

4,0

3,0

2,0

1,0

0,0
1 3 5 7 9 11 13 15 17 19

Se observa que en los datos del Jueves y Viernes el proceso no solo está bajo control sino que
parece haberse estabilizado en unas nuevas condiciones, contra las cuales se comparará el
desempeño de la siguiente semana.
EL PRE-CONTROL
El Pre-Control es una técnica estadística para detectar las condiciones
del proceso y los cambios que pueden causar defectos. Más que en el control
estadístico se centra en el control de la conformancia

Si suponemos que nuestro proceso está centrado alrededor de la

tolerancia permitida, se puede probar que el 86% de las partes de este proceso
deben caer en la mitad de la tolerancia1, tal como se muestra en la figura. Si
dibujamos líneas cada una a un cuarto de la tolerancia tendremos las líneas de
Pre-Control, PC, tales que en circunstancias normales solo 7% de las partes
caerá a uno u otro de los lados de estas líneas de PC.

La probabilidad que dos medidas seguidas caigan fuera de las líneas de

PC es de 7% x 7%, ó 0,5%. Siendo tan baja la probabilidad de que esto ocurra
en condiciones normales, podemos asumir que el proceso está saliendo de
control y necesita un ajuste.

½
7% Tolerancia 7%
86% 8
Tolerancia

En la práctica la zona dentro de las líneas de PC se llama la “zona

verde”, la zona entre estas líneas y la tolerancia se llama “zona verde”, y la
zona fuera de tolerancia la “zona roja”. El uso de estas zonas es el siguiente:

1. Se toman mediciones individuales hasta que cinco medidas

consecutivas caigan en la zona verde.
2. Si ocurre una amarilla se vuelve a iniciar el conteo de las cinco verdes.

1
A  1,5 σ hay en realidad 86,64% del área de la normal.
 3. Si ocurren dos amarillas seguidas, el proceso debe ajustarse.
4. Cuando se ajusta el proceso, hay que comenzar de nuevo la calificación.
Una vez calificado el proceso (cinco verdes seguidas) se siguen estas
reglas:

1. Se toma una muestra de dos medidas consecutivas A y B. Si A es verde

el proceso sigue corriendo. Si A es amarilla se toma la segunda medida
B.
2. Si A y B son ambas amarillas, hay que parar el proceso e investigar.

En cualquiera de los dos casos, si ocurre una medida roja, hay que
detener el proceso e investigar.

La mayor parte de los procesos requieren ajustes periódicos para

permanecer dentro de especificaciones. Como norma puede decirse que se
toman seis pares A, B. Entonces si por ejemplo se estima que el proceso
necesita ajuste cada dos horas (120 minutos), se tomará un par de medidas A,
B cada 20 minutos.
HABILIDAD DEL PROCESO
 La habilidad o capacidad del proceso es la variación inherente del
producto que se obtiene con ese proceso, y corresponde a qué tan adecuado
es el proceso para cumplir los resultados esperados.

Si el equipo es suficientemente preciso para cumplir con la meta de

calidad establecida por las tolerancias, se puede esperar un costo razonable y
una calidad aceptable. Pero si el equipo no puede cumplir en forma consistente
con la meta de calidad, se obtendrán costos elevados, alto desperdicio y
remaquinado de productos (F 820).

La información sobre la habilidad del proceso sirve para predecir el

grado de variabilidad de un proceso, seleccionar entre diferentes procesos el
más adecuado, y otras similares.

La fórmula de habilidad que más se usa es

Habilidad del proceso =  3σ (es decir un total de 6 σ)

Donde σ es la desviación estándar del proceso cuando se encuentra en

estado de control estadístico, es decir sin la influencia de fuerzas externas o
cambios repentinos. En este caso si el proceso sigue una distribución de
probabilidad normal, el 9,73% de la producción deberá caer a menos de 3σ del
especificación nominal.

Una razón importante para cuantificar la habilidad del proceso es el

poder calcular la habilidad del proceso basada en un estado de control
estadístico.

Una medida de esta relación es la tasa de habilidad Cp:

 Rango de especifica ción LES  LEI
Cp = Tasa de habilidad = 
habilidad del proceso 6s

Donde LES y LEI son los limites de especificación superior e inferior.

La Figura 17-7 presenta cuatro de las muchas relaciones posibles entre

la variabilidad del proceso y los límites de especificación, y los cursos de acción
más probables. La Tabla 17.6 muestra la relación entre la tasa de habilidad Cp
y el nivel correspondiente de defectos. Un proceso que cumple bien con los
límites de especificación tiene una Cp de 1.0. Se estima que Cp en todo caso
debe ser de al menos 1.33.

Tabla 17.6
Índice de habilidad del proceso Cp y límites de especificación para el producto

Índice de habilidad del proceso % Producto fuera de

Cp especificaciones*
0.5 13.36%
0.67 4.55%
1.00 0.3%
1.33 64 ppm
1.63 1 ppm
2.00 0

* % a ambos lados, suponiendo el proceso se centra a la mitad entre los límites de

especificación.
 Total Acciones a
fuera tomar
Proceso Cp de
límites

Control de
<1.0 ≥ 5.0%
proceso,
retrabajo

Control de
1.0 0.3%
proceso,
inspección

inspección
1.33 64 ppm
reducida,
uso selecto
de gráficas
de control

Verificación
en ciertos
puntos,
1.63 1 ppm
uso selecto
de gráficas
de control

Figura 17.7.- Cuatro ejemplos de variabilidad de procesos (Juran 395)

ESTIMACIÓN DE LA HABILIDAD CON GRÁFICAS DE CONTROL

Como los límites de especificación generalmente se aplican a valores

individuales, y los límites de control se calculan a partir de promedios
muestrales, no se pueden comparar entre sí.

Sin embargo, si un proceso se encuentra en control estadístico, esta

operando con la mínima variación posibles (sólo la debida a causas aleatorias).
La siguiente relación se cumple para usar s como estimación de σ si, y sólo si,
un proceso se encuentra en control estadístico.
R
s 
d2
La Tabla 17.5 proporciona valores de d2. Conociendo la desviación
estándar se pueden establecer límites de habilidad del proceso en  3s y
usarlos como estimación de 3σ.

Por ejemplo para los datos de la figura 17.3 (Máquina N-5)

R 6.6
s    2.60
d2 2.534

y  3s =  3 (2.60) =  7.80
6s = 2 (7.80) = 15.60 ó 0.0156 en las unidades originales

Como la especificación era 0.258  0.005, el LES = 0.263 y el LEI = 0.253, y

LES  LEI 0.263  0.253

Cp =   0.64
6s 0.0156

O sea que aunque el proceso estuviera centrado en 0.258 (que no lo

está), el proceso no es un proceso capaz, pues de serlo tendría una Cp de al
menos 1.33.
Ejercicio:
Calcule el Rango promedio necesario para que este proceso sea capaz (Respuesta = 3.2)

ÍNDICE DE HABILIDAD Cpk

El concepto anterior de habilidad supone que el proceso está centrado
alrededor del punto medio de las especificaciones. Como se ve en la gráfica
esto no necesariamente es el caso. En ella se muestran dos procesos con igual
habilidad. Uno de ellos está centrado y no produce unidades defectuosas, el
segundo sin embargo producirá unidades defectuosas pues está fuera de
centro respecto a las especificaciones, no debido a la variación inherente al
proceso, es decir no debido a su habilidad.

Para estimar los casos en los que el promedio no se encuentra en el

punto medio es útil calcular un índice de habilidad que refleje esta situación, y
es el Índice Cpk, definido como.
 X  LEI LES  X 
C pk  mín  , 
 3s 3s 

LEI LES

Ejemplo:
Se usa una bomba para inyectar cierta cantidad de colorante a una solución. Los límites de la
cantidad de colorante son (en cc):

LES = 20, LEI = 8

Se corrió una gráfica de control durante un mes y no se encontró ningún punto fuera de control.
De los datos obtenidos se calculó

X = 18 y s = 2
El índice de habilidad será:
 18  8 20  18 
C pk  mín  ,   0,33
 3(2) 3(2) 

El valor de 0,33 indica que el proceso no es capaz. Sin embargo el índice Cp es de:

Cp = LES  LEI  20  8  1,0

6s 6(2)

Aunque el valor de 1,0 podría ser aceptable, el proceso no se puede

aceptar por no estar centrado. La solución sería centrar el proceso, o de no ser
esto posible reducir aún más su variabilidad.

Se debe advertir que límites de control estadístico y limites de

especificaciones son dos conceptos muy diferentes. Un proceso puede no
estar bajo control pero puede cumplir con las especificaciones y no requerir
ninguna acción, pues las especificaciones son tan amplias que permiten esas
desviaciones.
Igualmente puede ocurrir que el proceso está bajo control pero no
cumple con las especificaciones y habría que hacer algo al respecto

En resumen se necesitan procesos que sean estables (bajo control

estadístico) y hábiles o capaces (que cumplan con las especificaciones del
producto).
GRAFICAS DE CONTROL POR
ATRIBUTOS
 Las gráficas de control de X y R requieren se hagan mediciones reales
sobre los productos. Hay casos cuando no es posible o conveniente y se
prefiere el control por atributos. Estos necesitan solo una cuenta de
observaciones sobre una característica, como por ejemplo el número de
artículos defectuosos en una muestra.

En general (Miller 426) se puede obtener más información de las

medidas de un producto, pero con frecuencia es más rápido y barato chequear
un producto con una revisión por atributos o “pasa-no-pasa”. Por ejemplo al
inspeccionar el diámetro de una rolinera es más simple revisar si pasa por un
agujero estándar de inspección que medir el diámetro real con un micrómetro.
Si no pasa se rechaza como defectuosa, aunque en este caso no se indica qué
tan defectuosa estaba la pieza.

Hay dos gráficas de atributos, la gráfica de fracción defectuosa, llamada

gráfica-p, y la de número de defectos, llamada gráfica-c. Obsérvese que una
pieza puede tener varios defectos (en la gráfica c), pero es defectuosa o no en
la gráfica-p.

Ejemplos de gráficas de atributos

Suponga que una empresa que fabrica imanes para relés durante 19
semanas registra el número de imanes inspeccionados y el número de piezas
defectuosas. El número total inspeccionados fue de 14.091, de los cuales había
1.030 defectuosos (no conformantes). El tamaño de muestra promedio fue de:

14091
n  741.6
19

La fracción promedio no conformante fue

1030
p  0.073
14091

Los límites de control para la gráfica se basan en la teoría de muestreo

para proporciones (Miller sección 9.1) y se calculan como:
 p(1  p) 0.073(1  0.073)
p  3 p  p  3  0.073  3  0.102 y 0.044
n 7.416

Observe que estos límites de control están basados en el tamaño de

muestra promedio.

Figura 17.13. Gráfica p para imanes

La gráfica se muestra en la figura 17.13. Se observa que la última

muestra se encuentra por debajo del límite de control inferior, lo que indica una
porción significativamente baja de unidades no conformantes. Aunque esto
podría indicar una causa atribuible hacia una mejor calidad, podría ser un error
en el conteo de muestras no conformantes. Se observa también que hay tres
puntos fuera de los límites de control cuya causa debe investigarse.

Gráficas de Número de Defectos

Equivalente a la gráfica-p para fracción defectuosa es la gráfica de
control de número de defectos. Se gráfica el número de defectos, y la gráfica
de control se obtiene multiplicando los valores anteriores por n. La gráfica de
control de número de defectos tendrá los siguientes valores:

Línea central = n p

LCS  n p  3 n p (1  p)

LCI  n p  3 n p (1  p)
CEP Y MEJORAMIENTO DE
LA CALIDAD
 Hay una distinción importante entre control estadístico de la calidad y
mejoramiento. El proceso de control detecta problemas de calidad esporádicos
y toma acción sobre ellos; el proceso de mejoramiento identifica problemas de
calidad crónicos y actúa sobre ellos.
Una gráfica de control identifica causas especiales de variación, y
elementos que están “fuera de control estadístico”. Un proceso que está “bajo
control” está en un estado en el que la variación se debe a un conjunto de
causas inherentes al proceso, lo cual no necesariamente quiere decir que el
cliente está satisfecho con los resultados. Un proceso bajo control puede tener
problemas de calidad serios y habría que hacer cambios básicos para
mejorarlo.
Un proceso puede necesitar mejoramiento por un problema como los
siguientes:

1. Promedio del proceso no es el adecuado. La tabla 17.7 muestra las posibles

acciones correctivas.

Tabla 17.7 Enfoques para el mejoramiento del proceso

Cambios en el promedio Reducción de la variabilidad
Ajustar promedios Investigar métodos de trabajo y los factores que
afectan los resultados.
Cambiar parámetros Cambiar los parámetros hacia un diseño más
robusto.
Identificar variables que afectan los Revisar si hay variables controladas por el
resultados operador que pueden pasar a control automático.
Emplear sistemas de control Usar controles automatizados para medir,
automatizado analizar y ajustar las variables.

2. Variabilidad del proceso es demasiado grande. Ver la tabla 17.8.

Tabla 17.8 Acciones sobre la variabilidad

Variaciones pequeñas* Variaciones grandes*
Proceso bajo control Reducir inspección. Continuar con controles estrechos.
Proceso fuera de control Proceso errático. Investigar las causas de al falta de control.
* Como regla general, una variación (6σ) menor que un tercio del rango de especificación es pequeña, la
variación de más de dos tercios es grande.

3. Instrumentos de medición no adecuados. Un instrumento puede dar una

lectura equivocada. Debe investigarse si se trata de errores de sesgo
(primera gráfica), errores de precisión (gráfica 2) o instrumentos precisos
y no-sesgados (gráfica 3)
4. Hay un sesgo o desviación en el proceso. Comprobarlo y tratar de
eliminarlo.
5. Hay cambios cíclicos en el proceso. Identificar la causa y tratar de
eliminarla.
6. Proceso errático. Investigar la razón de cambios súbitos. Puede ser una
máquina que causa la desviación, o problemas de la calidad de los
materiales.