2.2.1 Grafico X R .

(Carot, 436)
3. GRAFICO DEL RANGO O RECORRIDO.
3.1 Calculo de los Lmites de Control.
Vamos a realizar, de forma grafica, un test de hiptesis que permita contrastar:
H 0 0 contra H 1 0
utilizando como estadstico que mide la dispersin muestral al rango o recorrido R y en la
que 0 es la desviacin tpica del proceso cuando este esta bajo control.
Recordemos que la variable aleatoria Vn se define:
Vn

y que

E V n d 2 , n y D V n d 3, n

La zona de aceptacin de la hiptesis nula utilizando R es de la forma:

A L1 R L2
si la probabilidad de error de primera especie es , ser:
L R L2
1
P 1
0
de donde
L
L
P 1 Vn 2 1
0
0
como

P Vn 2 Vn Vn 2 1

ser

L1 Vn

0 y L2 V n 2 0

con lo que queda

P Vn 2 0 R Vn 2 0 / 0 1

La lnea central (LC) es la media del rango E(R) y los Lmites de Control Superior
e Inferior (LCS y LCI) sern:
LC d 2,n 0

LCS Vn
LCI V

1
2

Bajo el criterio estndar 3 se procede como en el grafico de la Media, es

decir, la zona de aceptacin viene definida por el intervalo que se obtiene restando y

251

sumando al valor medio del rango, 3 desviaciones tpicas de este estadstico, en concreto
la zona de aceptacin es:
E R 3D R

como

E R d 2 , n 0 y D R d 3, n 0

resulta

LCS d 2,n 3 * d 3,n 0

LCI d 2, n 3 * d 3,n 0

designndose

D1, n d 2 , n 3 * d 3, n
D 2 , n d 2 , n 3 * d 3, n

queda

LC d 2, n 0
LCS D2, n 0
LCI D1, n 0

Mientras que en el Grafico de la Medias el criterio 3 es equivalente a fijar la

posibilidad de error de primera especie en 0.0027 , en el Grafico del Rango varia
con el tamao de la muestra, pues
1 P D1, n 0 R D2, n 0
dividiendo por 0 se obtiene
1 P D1,n Vn D2,n FVn D2,n FVn D1,n
En la tabla 8 (Ver el subtema 2.2 de esta Antologa)se encuentran los valores de
D1, n y D2 , n y mediante la funcin de densidad de V n expuesta en el apartado 6.2.2.5,

del Capitulo III y utilizando un programa de integracin numrica, se ha confeccionado la

tabla 8.1. De la observacin de estos resultados, se puede afirmar que para tamaos de
muestra usuales, el error de primera especie en un grafico de control estndar 3 para
el rango es del 4.5 al 5 por mil.
Si es desconocida, se estima mediante
R

con lo que
LCI
LCI

R
d 2, n

d 2 , n 3 * d 3, n
d 2, n
d 2 , n 3 * d 3, n
d 2 ,n

*R
*R

designndose

D3, n
D4 , n

d 2, n 3 * d 3, n
d 2,n
d 2 , n 3 * d 3, n
d 2,n

252

resulta
LC R
LCS D4 , n * R
LCI D3,n * R

n
D1,n
D2,n

2
0
3.686
0.00915
3
0
4.358
0.00584
4
0
4.698
0.00495
5
0
4.918
0.00460
6
0
5.078
0.00445
7
0.205
5.203
0.00439
8
0.387
5.307
0.00435
9
0.546
5.394
0.00435
10
0.687
5.469
0.00435
Tabla 8.1 Valores del error de primera especie para el Grafico del Rango estndar (3 )

Ejemplo 8.6. La abertura de la vlvula de admisin es una de las caractersticas de

calidad en la fabricacin de un determinado tipo de motor. Para la obtencin de los
grficos x R preliminares para el control del proceso, se tomaron, cuando se
consideraba que proceso funcionara correctamente, las 2 muestras de tamao 4 de la tabla
8.5.
observaciones
muestra
1
2
3
4
1
0.24
0.25
0.23
0.24
2
0.24
0.24
0.20
0.23
3
0.25
0.24
0.23
0.23
4
0.25
0.24
0.25
0.24
5
0.25
0.29
0.27
0.22
6
0.24
0.26
0.25
0.25
7
0.23
0.25
0.20
0.22
8
0.19
0.25
0.25
0.23
9
0.24
0.24
0.25
0.24
10
0.21
0.26
0.25
0.25
11
0.24
0.26
0.25
0.25
12
0.23
0.25
0.25
0.24
13
0.24
0.25
0.24
0.25
14
0.22
0.26
0.26
0.27
15
0.23
0.20
0.18
0.25
16
0.22
0.25
0.23
0.25
17
0.22
0.26
0.20
0.25
18
0.20
0.24
0.23
0.26
19
0.23
0.25
0.21
0.25
20
0.25
0.27
0.28
0.28
21
0.23
0.28
0.25
0.25
22
0.22
0.26
0.23
0.24
23
0.23
0.25
0.25
0.23
Tabla 8.5 Abertura de la vlvula de admisin. 23 muestras de tamao 4.

253

De acuerdo a la figura 8.12., procederemos as:

1) Calcularemos las medias xi y los rangos Ri de cada una de las m=23 muestras.
Los valores obtenidos se encuentran en la tabla 8.6. (Nota del Compilador, se
calcularon los valores con ayuda de Excel).
muestra
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

1
0.24
0.24
0.25
0.25
0.25
0.24
0.23
0.19
0.24
0.21
0.24
0.23
0.24
0.22
0.23
0.22
0.22
0.2
0.23
0.25
0.23
0.22
0.23

2
0.25
0.24
0.24
0.24
0.29
0.26
0.25
0.25
0.24
0.26
0.26
0.25
0.25
0.26
0.2
0.25
0.26
0.24
0.25
0.27
0.28
0.26
0.25

3
0.23
0.2
0.23
0.25
0.27
0.25
0.2
0.25
0.25
0.25
0.25
0.25
0.24
0.26
0.18
0.23
0.2
0.23
0.21
0.28
0.25
0.23
0.25

4
0.24
0.23
0.23
0.24
0.22
0.25
0.22
0.23
0.24
0.25
0.25
0.24
0.25
0.27
0.25
0.25
0.25
0.26
0.25
0.28
0.25
0.24
0.23
medias

media rango
0.24
0.02
0.2275
0.04
0.2375
0.02
0.245
0.01
0.2575
0.07
0.25
0.02
0.225
0.05
0.23
0.06
0.2425
0.01
0.2425
0.05
0.25
0.02
0.2425
0.02
0.245
0.01
0.2525
0.05
0.215
0.07
0.2375
0.03
0.2325
0.06
0.2325
0.06
0.235
0.04
0.27
0.03
0.2525
0.05
0.2375
0.04
0.24
0.02
0.2409 0.037

La media de las medias x 0.241 y el rango medio R 0.037

2) A partir de la tabla 8.6, calcularemos un primer grafico para la media.
De acuerdo con la formula siguiente:
Limites de control = x A2 * R
En la tabla 8, para n=4 se obtiene A2=0.729. Sustituyendo valores:
Limites de control = 0.2410.729*0.037
Con lo que se obtiene
LCS=0.268
LCI=0.214
Y la lnea central
LC x 0.241

254

Con estos valores y los de la tabla 8.6 se ha representado en la figura 8.13 el

grafico de la media.

Figura 8.13.- Primer Grfico de la Media para la abertura de las vlvulas de admisin.

3) Siguiendo el esquema de la figura 8.12 debemos eliminar las muestras fuera de

control. En el grafico para la media de la figura 8.13 se puede observar que la
muestra numero 20 tiene una media que supera al LCS pues este vale 0.268 y
aquella 0.270. En consecuencia , esta muestra debe ser eliminada.
4) Con las 22 muestras restantes recalculamos el grafico para la media. La media de
las medias ahora ser:
El compilador muestra los clculos en Excel en forma de tabla)
muestra
1
2
3
4
5

1
0.24
0.24
0.25
0.25
0.25

2
0.25
0.24
0.24
0.24
0.29

3
0.23
0.2
0.23
0.25
0.27

4
0.24
0.23
0.23
0.24
0.22

media rango
0.24
0.02
0.2275
0.04
0.2375
0.02
0.245
0.01
0.2575
0.07

255

6
7
8
9
10
11
12
13
14
15
16
17
18
19

0.24
0.23
0.19
0.24
0.21
0.24
0.23
0.24
0.22
0.23
0.22
0.22
0.2
0.23

0.26
0.25
0.25
0.24
0.26
0.26
0.25
0.25
0.26
0.2
0.25
0.26
0.24
0.25

0.25
0.2
0.25
0.25
0.25
0.25
0.25
0.24
0.26
0.18
0.23
0.2
0.23
0.21

21
22
23

0.23
0.22
0.23

0.28
0.26
0.25

0.25
0.23
0.25

0.25
0.22
0.23
0.24
0.25
0.25
0.24
0.25
0.27
0.25
0.25
0.25
0.26
0.25

0.25
0.225
0.23
0.2425
0.2425
0.25
0.2425
0.245
0.2525
0.215
0.2375
0.2325
0.2325
0.235

0.02
0.05
0.06
0.01
0.05
0.02
0.02
0.01
0.05
0.07
0.03
0.06
0.06
0.04

0.25 0.2525
0.05
0.24 0.2375
0.04
0.23
0.24
0.02
medias 0.2395 0.0373

0.241 * 22 0.270
0.240
22

0.037 * 23 0.03
0.0373
22

y el rango medio
y los limites de control

LCS=0.240+0.279*0.373=0.267
LCI=0.240-0.279*0.373=0.213
Siendo el valor central
LC=0.240
5) Con los valores anteriores y las medias de las 22 muestras restantes, se representa
un nuevo Grafico para la Media. En la figura 8.14, se ha representado este nuevo
grafico. En el puede observarse que no existe ninguna seal de falta de control.

256

Figura 8.14. Nuevo grafico para la Madia despus de eliminar la muestra 20.

6) Una vez aceptado el Grfico para la Media, construimos el Grfico para el Rango.
Para ello, de acuerdo con la tabla resumen 8.4, calcularemos los lmites de control
mediante:
LCS D4 * R
LCI D3 * R

En la tabla 8 del anexo 1, para n=4 obtenemos D 4 = 2.282 y D3 = 0, con lo que

resulta:
LCS=2.282*0.0373=0.0851
LCI= 0
y la lnea central
LC = 0.0373

257

Con los valores anteriores y las medias de las 22 muestras restantes, se representa
el Grfico para el Rango. En la figura 8.15. se ha dibujado este grfico. En l puede
observarse que no existe ninguna seal de falta de control.
Al haber obtenido los grficos iniciales para la media y el rango sin seales de
falta de control y con suficiente puntos, ya disponemos de los lmites de control para
ambos grficos en la hoja siguiente.
De esta forma, en esta pagina, representaremos en primer lugar los lmites de
control calculados y, de acuerdo con la frecuencia y tamao establecidos, tomaremos las
muestras cuyas medias y rangos se representarn en esta hoja y que servir para controlar
el proceso.
Es recomendable, especialmente en los primeros grficos de control, que se
calculen los limites de cada hoja utilizando la informacin suministrada por la hoja
anterior, pues as las mejoras que se vayan produciendo en el proceso sern tenidas en
cuenta el los propios Grfico de Control.

Figura 8.15.- Grafico para el Rango despus de eliminar la muestra 20.

Nota del Compilador: Se presenta este ejemplo aplicado con el software MINITAB.
Siguiendo el procedimiento y los mens:

258

Tablas de Excel
muestra
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

1
0.24
0.24
0.25
0.25
0.25
0.24
0.23
0.19
0.24
0.21
0.24
0.23
0.24
0.22
0.23
0.22
0.22
0.2
0.23
0.25
0.23
0.22
0.23

2
0.25
0.24
0.24
0.24
0.29
0.26
0.25
0.25
0.24
0.26
0.26
0.25
0.25
0.26
0.2
0.25
0.26
0.24
0.25
0.27
0.28
0.26
0.25

3
0.23
0.2
0.23
0.25
0.27
0.25
0.2
0.25
0.25
0.25
0.25
0.25
0.24
0.26
0.18
0.23
0.2
0.23
0.21
0.28
0.25
0.23
0.25

4
0.24
0.23
0.23
0.24
0.22
0.25
0.22
0.23
0.24
0.25
0.25
0.24
0.25
0.27
0.25
0.25
0.25
0.26
0.25
0.28
0.25
0.24
0.23
medias

media rango
0.24
0.02
0.2275
0.04
0.2375
0.02
0.245
0.01
0.2575
0.07
0.25
0.02
0.225
0.05
0.23
0.06
0.2425
0.01
0.2425
0.05
0.25
0.02
0.2425
0.02
0.245
0.01
0.2525
0.05
0.215
0.07
0.2375
0.03
0.2325
0.06
0.2325
0.06
0.235
0.04
0.27
0.03
0.2525
0.05
0.2375
0.04
0.24
0.02
0.2409 0.037

Copiando los datos en MINITAB:

259

260

Antologia Control Estadistico de la Calidad

Grafico x medias- Rango
ejemplo 8.6, Carot,439
1

UCL=0.26883

Sample Mean

0.26
__
X=0.24087

0.24

0.22
LCL=0.21291
2

10

12
Sample

14

16

18

20

22

UCL=0.08755
Sample Range

0.075

0.050

_
R=0.03838

0.025

0.000

LCL=0
2

10

12
Sample

14

16

18

20

22

Se nota que la muestra numero 20 se sale de control la media, quiere decir que
existe una causa especial, la cual es asignable y se puede eliminar esa causa. Al eliminar
el problema, eliminamos los datos de la muestra 20 y obtenemos el siguiente grafico:

261

Antologia Control Estadistico de la Calidad

Grafico x medias- Rango
ejemplo 8.6, Carot,439 (Proceso mejorado)
UCL=0.26778

Sample Mean

0.26
__
X=0.23955

0.24

0.22
LCL=0.21132
2

10

12
Sample

14

16

18

20

22

UCL=0.08840
Sample Range

0.075

0.050

_
R=0.03875

0.025

0.000

LCL=0
2

10

12
Sample

14

16

18

20

22

En este momento tenemos el proceso mejorado, al haber eliminado la causa

especial y podremos tomar los lmites de control para llevar el control futuro del proceso.

262

(Carot, 445)
EJERCICIOS
8.1.- El contenido efectivo de un determinado refresco es una caracterstica crtica de
calidad y legal. Sus especificaciones son 504 centilitros. Se han tomado al azar de la
lnea de fabricacin, a lo largo de 3 das, 23 muestras de tamao 5, obtenindose los
siguientes valores:

1) Realizar el Estudio Inicial de los Grficos de Control x y R para el criterio

estndar 3

2) Representar el histograma de los datos y determinar su normalidad.

3) Estudiar la recta de Henry.
4) Determinar la proporcin de piezas defectuosos que genera el proceso
cuando 51.634
5) Calcular la probabilidad de aceptar que el proceso est bajo control cuando
realmente la media es la del apartado anterior

263

6) Calcular el tamao de muestra necesario para detectar una descorreccion

de la media como la del apartado 5) con, al menos, una probabilidad del 90%.
7) Determinar los lmites de Control paira este nuevo tamao de muestra.
8.2.- En el grfico siguiente se muestran cuatro curas caractersticas de cuatro grficos de
control. Dos de ellas corresponden a grficos que utilizan el criterio 3 y otros dos el
criterio 2 . Y dos de ellos con tamao de muestra 5 y otros dos con tamao de muestra
10. Identificar las curvas caractersticas:

8.3.- La presencia de dos puntos consecutivos a menos de una desviacin tpica de la

lnea central de un grfico de la media:
a) Es un indicativo de que el proceso est fuera de control
b) Establece, con una seguridad del 99.73%, una seal de alarma.
c) No es una seal de falta de control
d) Ninguna de las anteriores.
8.4.- En el control de calidad de ciertas piezas se toman muestras de tamao 4 y se lleva
un grfico de control media - rango. Los valores histricos obtenidos para la media de las
x =24.6, y R =1.5. La especificacin para esa
medias y el rango medio son
caracterstica es T1 =23, T2 =26, Valor nominal T=24.5
a) Calcular los lmites del grfico de control para la media.

264

b) En que se situacin debe considerarse al proceso al obtener la muestra

23.2, 25.0, 24.1, 25.1;
c) Cul es el porcentaje de unidades defectuosas en la produccin?
8.5.- Si se produce una deformacin, es decir, un aumento de la desviacin tpica y

designamos por rd a la razn de las desviaciones tpicas (rd = ). Si el tamao de

0
muestra n y la probabilidad de error de primera especie del Grfico de la Media son
conocidas. Determinar:
a) La probabilidad de que un punto se salga de los Lmites de Control del Grfico de
la Media.
b) Aplicar la ecuacin anterior al caso

= 0.0027, n=4 y rd =2.

8.6.- Un Ingeniero de Calidad, ante un Grfico de Control de la Media cuyos Lmites de

Control se han fijado para una probabilidad de error de primera especie ; adopta la
siguiente regla de decisin:
Se toman k muestras y se rechaza la constancia de si al menos uno de los puntos cae fuera
de los Lmites de Control o los k puntos caen al mismo lado de la Lnea Central.

de esta regia de decisin.

b) Aplicar la ecuacin obtenida en el apartado anterior al caso a :0.0027 y k=7.
a) Calcular la probabilidad de error de primera especie

c) Si se produce un descentrado relativo d, calcular la probabilidad de aceptar 0 .

d) Aplicar al ecuacin obtenida en el apartado anterior al caso
d=2.

=0.0027, k7, n=4 y

(Gant, 123)
Clculo de las estadsticas del promedio y de la amplitud.
Para calcular el promedio i de cada subgrupo se suman las mediciones de cada
pieza del subgrupo y se dividen entre el nmero de mediciones. Para encontrar la lnea
central para la grfica X se suman los promedios y se dividen entre el nmero de
subgrupos. Donde n es el tamao del subgrupo y k el nmero de subgrupos, las frmulas
para estos clculos son:
n

X
j 1
k

X
i 1

X i, j
n
Xi
k

Para encontrar el recorrido o amplitud de cada subgrupo, primero se deben determinarlos

nmeros ms altos y ms bajos del subgrupo. Con subgrupos grandes, es til marcar el
valor ms alto con la letra H y el valor ms bajo con la letra L. Para calcular la amplitud

265

del subgrupo, se resta el valor menor del mayor. Para encontrar la lnea central se suman
los valores de la amplitud del subgrupo y se dividen entre el nmero de subgrupos. Las
frmulas para estos clculos son:
Ri X i ,max X i ,min
k

R
i 1

Ri
k

Trazo de las grficas X y R.

En los captulos anteriores y en los siguientes aparecen muchas grficas X y R.
Esas grficas se suelen hacer en papel milimtrico y tambin se puede utilizar papel
cuadriculado. Tambin hay papel con rayados especiales.
La escala vertical de lado izquierdo se emplea para las medidas estadsticas X y
R. La escala horizontal es para los nmeros de los subgrupos, Las fechas, horas o
nmeros de lote tambin se pueden indicar en la escala horizontal Cada punto se indica
en la grfica con un punto grande un circulo o una cruz. En este libro, se acostumbra
utilizar crculos en las grficas para X y cruces en las grficas R, pero hay algunas
excepciones. No hay un mtodo normalizado en la industria en este sentido. Los puntos
en las grficas de control pueden o no estar conectados entre s. En este libro, no estn
conectados excepto cuando la lnea de conexin tiene una finalidad definida o cuando se
reproducen grficas publicadas que tienen lneas de conexin.
El trazo de los puntos en las grficas X y R se debe tener al da, en especial
cuando estn a la vista en el taller y la utilizan los operarios y ajustadores de mquinas y
los supervisores.
Como se explico en el Capitulo 3, a veces se puede alcanzar a plenitud los
objetivos de la grafica de control, tan solo con la grafica X , en cuyo caso se puede
omitir la grafica R.
III. Determinacin de los lmites de control de la prueba.
Decisin del nmero de subgrupos requerido antes de calcular los lmites de control.
La determinacin del nmero mnimo de subgrupos requerido antes de poder
calcular los lmites de control, es una solucin de transigencia entre el deseo de obtener la
gua necesaria que dan los promedios y los lmites de control, a la mayor brevedad
posible despus de comenzar el acopio de datos y con el deseo de que la gua u
orientacin sea lo ms confiable posible. Cuanto menos subgrupos se utilicen, la
informacin as obtenida pronto constituir una base para las acciones, pero menor ser la
certeza de que esta base para actuacin est bien fundada.
En el terreno estadstico, es deseable que los lmites de control estn basados en
cuando menos 25 subgrupos. Adems, la experiencia indica que cuando se inicia una
grfica de control quiz no representar lo que se medir ms tarde; el simple hecho de
efectuar y anotar mediciones, a veces, es el que ocasiona un cambio en el patrn de
variacin.
266

Por esta razn, si se pueden obtener 25 subgrupos en un tiempo corto, es deseable

esperara que haya 25 o ms subgrupos; esto ocurrira, en la prctica, por ejemplo, cuando
se mide un nuevo subgrupo cada hora.
Pero, cuando los subgrupos se obtienen con lentitud, hay un deseo natural por parte de
quienes iniciaron las grficas de control, de lograr algunas conclusiones con ellas en un
tiempo razonable. Esta impaciencia por obtener una respuesta, a veces, lleva a una
poltica de efectuar clculos preliminares de los lmites con los primeros 8 o 10
subgrupos y con una modificacin subsecuente de los lmites conforme se obtienen mas
subgrupos.
Clculo de los lmites de control de la prueba.
Cuando se han calculado el gran promedio X de los subgrupos y el promedio de
R de las amplitudes, se utilizan los factores de la tabla D apndice 3, para calcular los
lmites de control. Las frmulas son:
UCL X X A2 R
LCL X X A2 R

UCL R D4 R
LCL R D3 R

Los lmites de prueba obtenidos en esta forma son adecuados para analizar los
datos antes tomados que se emplearon para su clculo. Pueden requerir modificacin
antes de poder aplicarlos para futura produccin.
En las frmulas anteriores para X y R se supone un tamao constante de
subgrupo. En el captulo 9 se explican los clculos necesarios cuando el tamao del
subgrupo es variable.

Trazo de las lneas centrales y los limites en las grficas.

La lnea central en la grfica R se debera trazar como lnea horizontal continua en
R . El lmite superior de control UCLX se debera trazar como lnea horizontal
discontinua en el valor calculador de UCL R. Si el tamao del subgrupo es de siete o ms,
el lmite inferior de control (LCL R) se debera trazar como lnea horizontal discontinua en
LCLR. Si el tamao del subgrupo es de seis o menos, no hay lmite inferior de control de
R.
La lnea central en la grfica X se debera dibujar como lnea horizontal continua
en X . Los lmites superior e inferior de control de X se deberan dibujar como lneas
horizontales discontinuas en los valores calculados.

(Evans, 110, 125, 146)

267

IV. Obtencin de conclusiones preliminares con las grficas.

Indicacin de control o de falta de control.
La falta de control se indica por los puntos que caen fuera de los lmites de control
de las grficas X o R. Algunos usuarios de las grficas de control sealan esos puntos
fuera de control con un smbolo especial. Por ejemplo, si cada punto est representado
por un crculo, se traza una cruz en los crculos que designan los puntos fuera de control;
si cada punto se representa, a su vez, con un punto negro, se puede trazar un crculo
alrededor de este ltimo punto fuera de control.
Cuando, debido a que algunos puntos quedan fuera de los lmites de control, se
dice que el proceso est fuera de control, lo cual equivale a decir hay causas
asignables o atribuibles de variacin; no es un sistema de causa constante. Como se
explic en el captulo 3, cuando se emplean lmites 3-sigmas hay un gran margen de
confianza para decir lo que antecede; un sistema de causa constante rara vez ocasionar
que haya puntos que caigan fuera de los lmites de control.
Por el contrario, cuando todos los puntos caen dentro de los lmites de control, no
se puede decir con absoluta seguridad: no hay causas asignables o atribuibles de
variacin; si es un sistema de causa constante. Ninguna prueba estadstica puede dar esta
seguridad positiva. Cuando se dice el proceso est bajo control, lo que se quiere decir
es para fines prcticos, conviene actuar como si no hubiera causas asignables de
variacin.
Adems, incluso en los mejores procesos de manufactura, pueden ocurrir errores
que constituyen causas asignables o atribuibles de variacin, pero que no son base para
acciones. Este hecho puede conducir a diversas reglas prcticas de trabajo acerca de la
relacin entre el control satisfactorio y el nmero de puntos que quedan fuera de los
lmites. Una de esas reglas es considerar no ms de 1 en 35 o 2 de cada 100 puntos fuera
de los lmites de control, como prueba de que hay control.
Aunque todos los puntos queden dentro de los lmites, la falta de control se puede
indicar por corridas de siete o ms puntos sucesivas en el mismo lado de la lnea central o
porque hay otras corridas extremas, como las enumeradas en el captulo 3.
Las acciones a efectuar sugeridas por las pruebas en la grfica de control,
dependen de la relacin entre el comportamiento real en ese momento del proceso o lo
que se supone debe ser ese comportamiento. Por tanto, hay que comparar el patrn de
variacin aparente del universo que aparece en la grfica de control con las
especificaciones. Esta es mucho ms sencilla y significativa cuando el proceso parece
estar bajo control.
Interpretacin de los procesos que estn bajo control.
Cuando, como lo indica la grfica, un proceso est bajo control, se estar en
condiciones de juzgar lo necesario para permitir la manufactura del producto que cumpla
con las especificaciones de la caracterstica de calidad trazada en la grfica.
Los datos de la grfica de control dan estimaciones de:

268

1. El centramiento del proceso ( se pude estimar como X ).

2. La dispersin del proceso ( se puede estimar como

R
.
d2

En los comentarios en el captulo 2 se aclar que las estimaciones de y

estn sujetas a errores de muestreo. Por esta razn, cualesquiera conclusiones obtenidas
durante un tiempo corto (tal como 25 puntos en la grfica de control), se deben considerar
como tentativas y sujetas a confirmacin o cambio conforme se contina con la grfica de
control y hay ms pruebas disponibles. Pero, en cualquiera de las acciones citadas, lo ms
razonable que se puede hacer en cualquier etapa es hacer la mejor interpretacin posible
de los datos ya disponibles una vez que se aprecia cules acciones recomendadas por esta
interpretacin, se puede tomar una decisin de si se debe actuar de inmediato o si se
deben esperar ms datos. Al aplicar el siguiente anlisis de procesos que estn bajo
control, siempre se deben tomar en cuenta las limitaciones de las estimaciones actuales de
y.
En el captulo 2 se seal que casi la totalidad (excepto 0.27%) de una
distribucin normal queda dentro de los lmites 3 , es decir, para fines prcticos, se
puede pensar que la extensin de la distribucin es de alrededor de 6 . En el anlisis
preliminar de los datos de la grfica de control apenas existen suficientes pruebas para
permitir juzgar si la distribucin es o no ms o menos normal. Por supuesto, las pruebas
rara vez son suficientes para decir si 0.27% o 0.6% o 1.1% u otro pequeo porcentaje de
la distribucin quedar fuera de 3 . La distribucin de frecuencias y el porcentaje
de la distribucin fuera de esos lmites no se pueden definir en forma exacta sino despus
de una larga acumulacin de datos bajo control, Mientras tanto, el supuesto de que 6s es
una medida de la extensin del proceso, puede ser una gua aproximada para emitir un
juicio.
Las acciones basadas en la relacin entre las especificaciones y el centramiento y
la dispersin de un proceso controlado, dependen en cierto grado de si hay o no dos
lmites en las especificaciones: un lmite mximo o superior U un lmite mnimo o
inferior L como es siempre cierto en las dimensiones, o en el lmite de una sola
especificacin, sea U o L, como podra ocurrir en el caso de la resistencia a la traccin
mnima especificada o de un peso mnimo del contenido de un recipiente o el porcentaje
mximo de una impureza qumica determinada. Algunas de las diversas situaciones
posibles que se pueden presentar con dos lmites, se ilustran en las figuras 4-1 hasta 4-3.
Algunas de las situaciones con un slo lmite que pueden haber se muestran en las figuras
4-4 a 4-6.
Posibles relaciones entre un proceso bajo control y los lmites superior e inferior
especificados.
Cuando un proceso controlado debe cumplir con las especificaciones de los dos
valores U o L, todas las posibles situaciones se pueden reunir en las tres clases generales
siguientes:
1. La extensin o campo de variacin del proceso (6) es bastante menor que la
diferencia entre los lmites (U-L) de las especificaciones.

269

2. La extensin del proceso (6) es ms o menos igual a la diferencia entre los

lmites (U-L) de las especificaciones.
3. La extensin del proceso (6) es mayor que la diferencia entre los lmites (U-L)
de las especificaciones.
La primera situacin se ilustra en la figura 4-1 en donde los lmites de
especificaciones se sealan con lneas horizontales superior e inferior. Las curvas de
frecuencia A, B, C, D y E, indican diversas posiciones en las cuales se podra centra el
proceso. Con cualquiera de las posiciones A, B o C, prcticamente todo el producto
manufacturado cumplir con las especificaciones siempre y cuando el proceso
permanezca bajo control.
En general, las condiciones representadas por la figura 41A, B y C representan la
situacin ideal de la manufactura. Cuando la grfica de control muestre que hay una de
estas tres condiciones, se pueden tomar en cuenta muchas posibles actuaciones diferentes;
la eleccin entre ellas es cuestin de factores econmicos.
Por ejemplo se puede considerar que, en trminos econmicos, es aconsejable permitir
que X quede fuera de control si no se aleja demasiado de los lmites; es decir, se puede
permitir que la distribucin se mueva entre las posiciones B y C. Con ello se puede evitar
el costo de frecuentes ajustes a la mquina y de demoras en busca de causas asignables,
que no sern las que ocasionen un producto insatisfactorio. En el captulo 9, se explica el
empleo de los llamados lmites de control modificados, para esta finalidad,

Figura 4-1 Algunos casos en que la extensin del proceso es menor que la diferencia entre limites de
especificacin

O bien, cuando la aceptacin est basada en 100% de inspeccin, puede ser

econmico sustituir con ella la aceptacin basada en la grfica de control de X y R.
O bien, si se puede lograr una ventaja econmica al hacer ms estrictos o cerrados
los lmites de las especificaciones, se podra tener en cuenta esa actuacin.

270

Si no se va a hacer nada de lo que antecede, puede ser ms econmico dejar de

usar la grfica de control o, cuando menos, aumentar el tiempo entre inspecciones con la
grfica de control. Cuanto mayor sea la relacin entre U-L y la extensin del proceso
(6), ms favorable ser la situacin para lograr un buen producto sin la ayuda de
ninguna grfica de control.
Con el proceso en la posicin D de la figura 4-1, una parte del producto quedar por
arriba del lmite superior de especificacin; en la posicin E, una parte del producto
quedar por abajo del lmite inferior de control. En cualquiera de estos casos, la accin
que salta a la vista es tratar de cambiar el centramiento del proceso para acercarlo ms a
la posicin A. Una vez hecho, se puede considerar la posibilidad de ejecutar algunas de
las acciones antes enumeradas.
El segundo tipo de situacin se ilustra en la figura 4-2. Slo cuando el proceso
est centrado con exactitud entre los lmites de las especificaciones, todo el producto
cumplir con las especificaciones. Si la distribucin se desva en alejamiento del
centramiento exacto como en B o en C, se apreciar qu parte del producto quedar fuera
de los lmites especificados.
En este caso, la accin ms clara consiste en tomar todas las medidas posibles
para mantener el centramiento del proceso. Esto, por lo general, requiere el empleo
continuo de las grficas de control de X y R con subgrupos a intervalos frecuentes y con
atencin inmediata a los puntos que estn fuera de control. Si se pueden llevar a cabo
cambios fundamentales que reduzcan la dispersin del proceso, se reducir esta presin.
Tambin se debe tomar en cuenta la cuestin de si las tolerancias son o no ms estrictas o
estrechas de lo realmente necesario.
El tercer tipo de situacin se ilustra en la figura 4-3. Cuando los lmites de
especificaciones son tan reducidos que aunque el proceso est bajo control y centrado en
forma perfecta en la posicin A, se harn algunos productos no conformes. Esto requiere
una revisin de las tolerancias, como se describi en el ejemplo 1-2. Tambin requiere un
esfuerzo por efectuar cambios fundamentales que reduzcan la dispersin del proceso.
Tambin es importante conservar el centramiento del proceso; las curvas en las
posiciones n y c muestran cmo un cambio en el promedio del proceso aumentar el
porcentaje de producto fuera de especificaciones.

Figura 4.2 Algunos casos en que la extensin del proceso es mas o menos igual que la diferencia entre
lmites de especificacin

271

Si es posible tener inspeccin del 100%, se pueden seleccionar y eliminar los

productos fuera de especificaciones. (Hay que tomar en cuenta las limitaciones del error
humano que es parte de cualquier inspeccin al 100%). Pero, si esa clasificacin y
seleccin del 100% es imposible debido a que la aceptacin est basada en pruebas
destructivas, no hay posibilidad de que todo el producto est dentro de especificaciones.

Figura 43. Algunos casos en que la extensin del proceso es mayor que la diferencia entre lmites de
especificacin.

Los cursos alternos son efectuar cambios fundamentales en el proceso a fin de reducirle
su dispersin o ampliar los lmites de las especificaciones para ajustarlas al proceso.
Pero, en algunos casos (por ejemplo, algunas dimensiones de piezas correlativas
ensambladas, ciertas caractersticas de componentes elctricos), hay una zona neutral
justo ms all de los lmites de las especificaciones dentro de la cual se puede utilizar un
porcentaje ms o menos pequeo de artculos fuera de tolerancias sin ocasionar
problemas; esta situacin suele requerir accin continua para mantener el centramiento
del proceso.
Posibles relaciones entre un proceso bajo control y un solo lmite de especificaciones.
La clave para la clasificacin de mxima utilidad de las situaciones que incluyen dos
lmites de especificaciones fue la dispersin del proceso. En la misma forma, una clave
para la clasificacin de situaciones que incluyen un limite mnimo es la posicin de
3 con respecto a L. Hay que considerar, de nuevo, tres tipos distintos de
situaciones:
1, El valor bajo ( 3 ) de la distribucin del proceso esta muy por arriba de L, como
ilustra en la figura 4-4
El valor bajo ( 3 ) de la distribucin del proceso est ms o menos en L, como
ilustra en la figura 4-5
3. El valor bajo ( 3 ) de la distribucin del proceso esta muy por debajo de L, como
se ilustra en la figura 4-6
En la primera situacin hay un margen de seguridad; en la segunda, apenas se cumple con
la especificacin siempre y cuando el proceso permanezca bajo control y en la tercera es
272

inevitable algo de producto no conforme, salvo que se haga un cambio fundamental en el

proceso, que puede ser una reduccin en la dispersin o un aumento en el promedio del
proceso
En las figuras 4-4, 4-5 y 4-6 se presentan tres curvas A, B y C con diferentes dispersiones
para recalcar la interrelacin del promedio, la dispersin y el lmite

Figura 4.4 Algunos casos en que el valor bajo de la distribucin del proceso esta por arriba del mnimo en
la especificacin

mnimo de especificaciones del proceso. Las tres distribuciones, A, B y C tienen el

mismo valor bajo o inferior. Pero, la distribucin B con una mayor dispersin, debe tener
un promedio mayor de proceso que A a fin de que los puntos bajos estn a la misma
altura; en forma similar, C debe tener mayor promedio del proceso que B. Se aprecia que,
cuanto mayor sea la dispersin, ms alto debe ser el promedio para que toda la
distribucin quede por arriba del lmite mnimo de la especificacin. Esta relacin entre
el promedio y la dispersin es un asunto importante relacionado con los costos en muchos
casos por ejemplo, en el llenado de recipientes, una reduccin en la dispersin puede
disminuir el costo al disminuir el llenado promedio por exceso.
Por otra parte, cuando menor sea la dispersin, ms importantes es que el
promedio del proceso no quede fuera de control. Para ilustrarlo, se comparan las
distribuciones A y C en las figuras 4-5 y 4-6. En lafigura4-6 ambos promedios del
proceso se han desplazado una cantidad igual por debajo de la posicin que tenan en la

273

figura 4-5. Pero, la proporcin de producto malo, como lo indica por la superficie de la
distribucin debajo del lmite de especificacin, es mucho mayor en A que en C.
El comentario que antecede se ha relacionado con un solo lmite inferior I de
especificaciones, sin lmite superior. Si hubiera lmite superior sin lmite inferior, se
aplicara un razonamiento similar.

Figura 4.5 Algunos casos en que el valor bajo de la distribucin del proceso esta mas o menos en el
mnimo de la especificacin

Relaciones entre procesos fuera de control y limites de especificaciones.

Si la grfica de control muestra falta de control, la medida que se debe tomar es
buscar las causas asignables de la variacin y tratar de corregirlas. En el captulo 3 se
dieron ciertas orientaciones acerca de los aspectos estadsticos de la deteccin de causas
asignables o atribuibles.
Tambin es pertinente investigar el centramiento y dispersin del proceso que se pueden
esperar si se obtiene el control. Si se eliminan los puntos fuera de control en la grfica de
R qu pruebas da la grfica de control en cuanto a la dispersin del proceso? En vista de
la dispersin del proceso y de los lmites de la especificacin, dnde debera estar el
promedio del proceso? Para los procesos que todava no han quedado bajo control, es
adecuado el mismo tipo de anlisis de la relacin entre el promedio y la dispersin del
proceso y los lmites de la especificacin que se comentaron para los procesos
controlados son adecuados para procesos que todava no estn bajo control. Las
diferencias prcticas pueden ser que no haya certeza de que se pueda lograr el control y

274

que hay menos margen de confianza en las estimaciones de y a las cuales se podra
lograr el control del proceso.
Algunas sugerencias especficas acerca de las conclusiones y acciones preliminares
basadas en las grficas de control. .
Si la grafica de R muestra que hay control, estmese como

R
. Si hay un
d2

lmite superior de especificacin, comprese X 3 con U. Si hay un lmite inferior de

especificacin, comprese X 3 con L. Si hay dos lmites de especificaciones, v
comprese tambin 6 con UL. Con estas comparaciones, determnese cul tipo de
situaciones ilustradas en las figuras 4-1 hasta 4-6 es aplicable en cada caso. Considrese
la posible accin sugerida en el comentario de estas figuras.
Si las grficas muestran falta de control, hay que tratar de discernir con ellas y
toda la dems informacin pertinente, cules pueden ser las causas asignables y si es
posible o no eliminarlas. Despus de eliminar los grupos que mostraron falta de control
en la grfica R, calclese una R revisada y nuevos lmites de control para R. Si estos
limites muestran subgrupos adicionales fuera de control, elimine estos y repita los
clculos. Estmese como

R
con el empleo de R revisada final y despus de haber
d2

eliminado todos los valores de R fuera de control. Considrese esto como un valor de
que cabe pensar se podra obtener si el proceso quedase bajo control,
Considrese si es posible o no establecer el promedio del proceso a cualquier
magnitud deseada, [En algunos casos, como las dimensiones como consecuencia de
mecanizado (maquinado), puede ser que slo sea cuestin del ajuste de la mquina; en
otros casos, como las resistencias a la traccin o los porcentajes de impurezas en
productos qumicos, puede ser un asunto difcil que implique costosos cambios en el
proceso]. En tal caso, decida el valor deseado de X 0 que se debe buscar, en el supuesto
de que se pueda mantener el control con el valor con que se estim . Si no es, decdase
con el valor conocido de X un X alcanzable, Utilice los valores de X 0 y obtenidos
en esa forma como base para el anlisis de la relacin entre los lmites de las
especificaciones y el promedio y dispersin del proceso.
Las decisiones de si se debe o no actuar ahora sobre la base de los datos de las
grficas de control que ya se tienen o si se difiere la accin hasta que se obtengan ms
datos, se ponderarn, por una parte con las incertidumbres en las estimaciones de y y
con los costos y posibles consecuencias de las acciones propuestas.
En el ejemplo 4-1 se describe un caso en el cual se utilizaron grficas de control para un
producto recibido de dos proveedores para diagnosticar fuentes de problema totalmente
distintas en los procesos de produccin de cada proveedor.

Ejemplo 4.1

275

Empleo de grficas de control por un comprador para ayudar a los

proveedores a mejorar sus procesos.
Hechos del caso. Un fabricante de aparatos electrnicos tena dificultades con el
agrietamiento de cierto aislador pequeo de cermica, en forma de cruz, utilizado en el
aparato. El agrietamiento, por lo general, ocurra despus de que las operaciones de
manufacturas estaban casi terminadas y era tal, que resultaba imposible salvare aparato.
Por tanto, los costos ocasionados por ese aislador agrietado eran muchas veces ms altos
que el precio del aislador. Adems, el agrietamiento de algunos aisladores durante las
operaciones de manufactura dieron a entender que haba otros que se podran agrietar
cuando e aparato estuviera en servicio.
En un esfuerzo por mejorar esta situacin, a todos los aisladores recibidos se los
someti a inspeccin del 100%. Esta inspeccin incluy un ensayo de carga de prueba, en
el cual un inspector aplicaba una presin ms o menos normalizada con los dedos para
tratar de romper cada aislador. Con esta inspeccin del 100% no se logr reducir el
porcentaje de unidades que resultaban deficientes debido a los aisladores agrietados.
Luego, se construy un probador sencillo para medir la resistencia real a la flexin
mediante pruebas destructivas. Se probaron 25 aisladores de cada lote recibido. Dado que
los aisladores venan de dos proveedores, se llevaron grficas X y s para cada proveedor.
Las pruebas mostraron que ambos proveedores tenan, ms o menos, el mismo porcentaje
de aisladores incorrectos. Pero, las grficas de control mostraron la explicacin del por
qu de la deficiencia era diferente por completo en cada caso.
El proveedor A tena una elevada resistencia fsica promedio pero carencia total de
cualquier cosa parecida a control estadstico. El proveedor B tena un excelente control
estadstico pero haba un grado tal que una parte apreciable de la distribucin de
frecuencia era inferior a la resistencia fsica mnima requerida.
Se inform a los dos proveedores del diagnstico de este problema. Se les inst a
intercambiar informacin en cuanto a sus mtodos de produccin. Ciertas tcnicas
utilizadas por el proveedor A (en su mayor parte para la mezcla y moldeo de la arcilla) las
adapt el proveedor B para tratar de incrementar las resistencias promedio. Algunas
tcnicas utilizadas por el proveedor B (en su mayor parte para el control de la
temperatura y la humedad durante la coccin) las adopt el proveedor A para tener el
proceso bajo control, Ambos proveedores establecieron grficas de control para ayudar en
la conservacin del control, Como resultado de estas acciones, ambos proveedores
pusieron sus productos bajo control a un grado satisfactorio y se elimin el problema del
agrietamiento de los aisladores.

V. Continuidad en el empleo de las grficas.

Revisin de la lnea central y de los lmites de control.
Los lmites de control de prueba sirvieron para determinar si las operaciones
efectuadas con anterioridad estaban bajo control. La continuidad del empleo de las
grficas de control, con cada punto fuera de control utilizado como posible base para

276

buscar una causa asignable de variacin y actuar para eliminarla, puede requerir una
revisin o enmienda de los lmites.
Si el proceso ha estado bajo control con promedio y dispersin satisfactorios desde el
punto de vista de los lmites de las especificaciones, se deberan ampliar los lmites de
control de prueba a fin de aplicarlos a la futura produccin. Conforme se acumulan ms
datos, hay que examinar los lmites de vez en cuando y enmendarlos siempre que sea
necesario. Es deseable establecer intervalos peridicos para este examen, tal como una
vez a la semana, una vez al mes o una vez cada 25, 50 o 100 subgrupos
Si la grfica R indica que la dispersin ha estado bajo control pero el promedio
no
lo
ha estado, se debera continuar con el empleo de la lnea central de prueba y de
X
los lmites de prueba en la grfica R y los lmites de control de la grfica X deberan
estar a una distancia de A2 R en ambos lados de la lnea central. La ubicacin de la lnea
central en la grfica X requiere una decisin de si debe o no estar a cierto valor
(denominado valor o nivel estndar) designado como X 0 si debera o no estar basada
en datos anteriores, revisin de X . Al hacer esta eleccin se debe reconocer que
cualquiera que sea el lugar en que se coloque la lnea central (por ejemplo, el promedio
supuesto del proceso para los fines de la grfica de control), se interpreta que un punto
fuera de los lmites de control significa: esta variacin es mayor de la que esperara por
casualidad si se mantuviera el promedio supuesto del proceso.
Si el promedio del proceso se puede cambiar con un ajuste sencillo en el proceso
de manufactura, como un ajuste de una mquina que se refleja en una dimensin, casi
siempre es deseable decidirse por un valor estndar o esperado de X 0 . Este promedio del
proceso a que se ajusta se debera determinar con la consideracin de la relacin entre el
promedio del proceso, la dispersin del proceso y los lmites de especificaciones en la
forma ya descrita. Cuando hay lmites superior e inferior de especificacin y un producto
que queda fuera de un lmite se puede recuperar mientras que el producto que queda fuera
del otro lmite se debe desechar, entonces el promedio a que se aspira, se debe elegir
teniendo muy en cuenta la diferencia entre los costos de desechar o de volver a trabajar el
producto para recuperarlo.
Salvo que el promedio del proceso se pueda cambiar con un ajuste definido, es
posible que X sea el resultado de un complejo grupo de factores en donde no se conoce
con claridad la influencia de cada factor. En tales casos, una grfica de control basada en
un valor de X 0 a que se aspira que fuera diferente del X anterior, podra mostrar
muchos puntos fuera de control; stos slo indicaran que el valor a que se aspira era
deficiente, sin dar mucha importancia a la correccin de ese valor, Por esta razn, es ms
sensato utilizar la grfica X anterior o tal vez un valor nuevo de X corregido con la
eliminacin de los puntos que antes estaban fuera de control. Luego, si se emprenden
diferentes cambios en el proceso, uno tras otro, con el fin de encontrar una forma de
ubicar el promedio del proceso a un nuevo valor o nivel, la grfica de control basada en
el promedio anterior del proceso dara pruebas de si cada cambio constituye o no una
causa asignable de variacin en relacin con el comportamiento anterior. Si estas causas
asignables acercan ms el promedio del proceso al promedio deseable, se deberan
continuar en vez de eliminarlas. Cada cambio que se contina puede requerir una nueva
lnea central en la grfica X basada en el comportamiento cambiado.

277

Cuando la grfica R muestra que la dispersin del proceso est fuera de control, es
deseable estimar el valor de R y de que se podra alcanzar si la dispersin quedase bajo
control. Esta estimacin es necesaria aunque no se pueda efectuar con una gran seguridad
de que est correcta. Un mtodo posible es eliminar los valores de R que estn por arriba
de los lmites de control y hacer un nuevo clculo de R . Si con los nuevos lmites,
calculados a partir de esta R ponen ms puntos por arriba de los lmites de control, se
puede repetir otra vez el clculo de R . Este mtodo se describe en el ejemplo 4-3.
Esta R revisada se puede emplear como la nueva lnea central en la grfica de R
como base para calcular los nuevos lmites en la grfica R y para calcular A2 R para
obtener la distancia de los lmites de control desde la lnea central en la grfica X . Con
ello se tiene el efecto de estrechar los lmites en las grficas R y X para que sean
congruentes con una a que se puede estimar a partir del valor revisado de R, como A2 R .
Esta s tambin puede servir como base para un anlisis preliminar de la relacin entre el
promedio y la dispersin del proceso y los lmites de especificaciones, como se describe
con respecto a las figuras 4-1 hasta 4-6.
Cuando R y X estn fuera de control y los nuevos lmites en la grfica X se van
a basar en un X 0 al cual se aspira, el clculo de R revisada se debera hacer antes de
tomar una decisin con respecto al valor de X 0 que se va a usar, como se describe en el
ejemplo 4-3,
Los lmites revisados se deben examinar de vez en cuando conforme se acumulan datos
adicionales.
Empleo de la grfica de control como base para agrupar lotes pequeos en grandes
lotes homogneos.
Si alguna cualidad de un producto manufacturado tiene una variabilidad anormal
y si la grfica de control indica que esta variabilidad se debe a falta de control, entonces
la accin natural parece ser un esfuerzo decidido para obtener un estado de control. Pero,
puede ocurrir que por alguna razn sea impracticable lograr el control. En ocasiones,
puede haber una posibilidad satisfactoria en el agrupamiento de sublotes pequeos en
lotes grandes que puedan ser homogneos en trminos estadsticos. Luego, la variabilidad
entre un lote grande y otro puede constituir la base para diferentes factores de correccin,
que se aplica en una forma u otra en el empleo de cada gran lote, Cabe suponer, aunque
en realidad el control se podra obtener pero sin un costo dado, que podra ser ms
econmico llevar a cabo este agrupamiento,
Este agrupamiento es un procedimiento posible, por ejemplo, en el caso de
municiones para artillera. La experiencia ha demostrado que la variacin en las
propiedades balsticas entre un lote y otro puede ser mayor que en cualquier lote. (Es
decir, los promedios muestran carencia de control estadstico,) Los lotes sucesivos o sean
las muestras cuyas pruebas balsticas quedan todas dentro de los lmites de las grficas de
control, se pueden considerar como sublotes o lotes pequeos de un gran lote. Luego se
podran efectuar diferentes correcciones, en la carga de plvora o en las tablas de clculo
de disparo utilizadas por los artilleros, en cada gran lote.
En el caso de pruebas qumicas o bacteriolgicas de un mismo producto que
realizan diferentes laboratorios, la experiencia demuestra que prcticamente no se puede
278

lograr control. La variacin de un laboratorio a otro ser mayor que la variacin en

pruebas sucesivas hechas por un solo laboratorio. Tambin aqu pudieran aplicarse
factores de correccin a los resultados que d cualquier laboratorio que no parezca ser
parte de un gran lote.
Aunque la grfica de control constituye la mejor forma de agrupar sublotes en
grandes lotes homogneos, ocurre en ocasiones que las personas que no entienden por
completo los principios en que se funda la grfica de control, la utilizan para agrupar en
formas incorrectas. Esto se describe en el ejemplo 4-2.
Ejemplo 4.2
Procedimiento incorrecto para separar el producto por clases.
Hechos del caso. Este ejemplo es una adaptacin de un caso real, con ligeras
modificaciones para disfrazar la fuente y para simplificar la situacin en una forma que
concentre la atencin en el importante principio implicado.
A cierto producto de municiones, que para los fines de este ejemplo se designar
XYZ-77 se lo someti a pruebas destructivas a fin de determinar una caracterstica
particular de calidad. Se probaron cuatro XYZ-77 de cada lote de 500 para establecer una
base para aceptacin. Se trazaron grficas de control, con el empleo de cada conjunto de
cuatro pruebas como subgrupo. Se apreci buen control y slo un punto, poco frecuente,
quedaba fuera de los lmites de control
Las especificaciones establecan que el valor promedio de esta caracterstica de
calidad debera ser 540, con tolerancias de 20. Se comprob que era posible mantener el
promedio (es decir, X en la grfica de control) a 540, El lmite superior de control en la
grfica X fue de 549; el inferior, fue de 531. Esto indic que los valores de 3-sigmas de
los valores de cada observacin separada fueron de 558 y 522. Con ello, pareci ser
razonable creer que, si la distribucin era normal o casi normal, mientras se mantuviera el
control, la casi totalidad del producto quedara dentro de los lmites especificados de 560
y 520, Dado que el proceso mostr buen control, continuara esta situacin satisfactoria.
De repente, hubo demanda de XYZ-77 que pudieran mantener una tolerancia
mucho ms estrecha que 540 6. No se requera que todo el producto cumpliera con estas
especificaciones, pero se deseaba que s lo hiciera una buena parte de l.
Una de las personas que haba estado trabajando con la grfica de control expuso
una sugerencia que se pens resolvera el problema. No era preciso hacer cambios en los
mtodos de produccin y se necesitaba mantener las pruebas destructivas en cuatro de
cada lote de 500 y la grfica de control se llevara igual que antes. Pero se propuso
agregar dos nuevos lmites internos en la grfica de control, que se establecera a una
distancia desde X igual a los limitas de tolerancia divididos n . Esto significaba

6
lmites internos de 540

, es decir, en 543 y 537.

Se propuso adems que siempre que el promedio de una muestra quedase trazado
dentro de estos limites internos, se clasificara al lote como que cumpla con las nuevas
especificaciones de 5406. Siempre que el promedio de la muestra quedaba trazado
279

dentro de los lmites de control, pero por arriba de 543 o por abajo de 537, se considerara
que el lote cumpla con las especificaciones originales de 54020.
Comentarios acerca del razonamiento errneo del ejemplo 4-2.
Estas sugerencias slo la podra haber hecho alguien que no hubiera entendido en
absoluto la correcta interpretacin de la grfica de control,
Cuando las grficas X y R de alguna caracterstica de calidad de un producto
manufacturado muestran durante largo tiempo que hay control, significa que los
subgrupos sucesivos se comportan cono muestras sacadas en forma aleatoria de un solo
tazn. El hecho de que halla control indica que para todos los efectos, el tazn no cambio
durante el periodo. Si como se expone en el ejemplo 4-2 cada subgrupo es una muestra
pequea de un lote grande, la prueba es que los lotes grandes son casi iguales. La
variacin entre un subgrupo y otro, es slo una variacin casual que se debe esperar en el
muestreo aleatorio,
Con todos los puntos en la grfica de control de X que estn entre los lmites de
control 549 y 531, el hecho de que la muestra de un lote tenga X de 545 y la muestra del
lote siguiente tenga una X de 540, es una indicacin de que los lotes son iguales, no
diferentes. Slo en el caso de que haya falta de control, se puede emplear la grfica de
control para agrupar lotes pequeos en otros ms grandes que tengan diferentes
dispersiones o promedios.
En el ejemplo 4-2 la grfica de control ofreci pruebas concluyentes de que el proceso de
manufactura, tal como se llevaba a cabo entonces, no poda cumplir con la nueva
tolerancia propuesta de 6. Si hubiera sido posible la inspeccin de 100%, el producto
que cumpliera con estas tolerancias precisas (alrededor de dos terceras partes del
producto total si la distribucin fuera ms o menos normal), se podra haber separado el
producto que no cumpla con la especificacin. Debido a que la prueba era destructiva, no
fue posible hacerlo. Por tanto, fue necesario hacer algn cambio fundamental en el
proceso de manufactura que redujera la variabilidad del producto o bien idear alguna
prueba no destructiva que produjera la misma informacin que la prueba destructiva y,
con ello, permitiera inspeccin de 100%.
Actuacin en el proceso mediante las grficas de control.
Si se contina el empleo de las grficas de control, puede haber tres clases diferentes de
actuaciones en el proceso, que son:
1. Eliminacin de las causas asignables de variacin que estn a la vista mediante
puntos fuera de control.
2. Establecimientos del promedio del proceso.
3. Establecimiento de la dispersin del proceso
Una vez que un proceso ha quedado bajo control con promedio y dispersin
satisfactorios, una finalidad importante de la grfica de control es ayudar a que contine
esta situacin; ese es el objetivo ms comn en el empleo de la grfica de control para
variables. Incluye tan slo dejar el proceso como est mientras permanezca bajo control y
buscar y eliminar las causas asignables de la variacin siempre que las grficas muestran

280

falta de control. El empleo de las grficas de control para esta finalidad se ilustra en los
ejemplos 3-1 y 3-2
Las acciones para establecer un promedio del proceso a cierto valor (nivel)
deseado, se hace de acuerdo con los procedimientos que se han sugerido. Se debe hacer
hincapi en que siempre que se utiliza un valor de al cual se aspira en la grfica de
control, se debe hacer un verdadero esfuerzo por tratar de alcanzar ese valoren el proceso
de fabricacin en s. No se gana nada con poner esa lnea en la grfica de control, salvo
que forme una base para actuacin por parte de quienes ejecutan las operaciones de
manufactura
Las actuaciones para reducir la dispersin del proceso, a menudo requieren cambios
fundamentales en las mquinas o en los mtodos. Tambin se puede emprender esta
accin para hacer concordar las diversas dispersiones del proceso con los distintos
trabajos que se van a llevar a cabo. La informacin suministrada por las grficas de
control en cuanto a las tolerancias naturales que mantendrn diversas mquinas o
diversos procesos de produccin, puede permitir ajustar la dispersin del proceso al
trabajo en cuestin. Las operaciones en que se requieren tolerancias muy precisas se
pueden efectuar con mquinas que las mantengan; las operaciones con amplia tolerancia,
se pueden efectuar en las mquinas que slo sean para tolerancias amplias. Este empleo
de la grfica de control en la planeacin de la produccin, puede ser la aportacin ms
importante en algunos trabajos efectuados en talleres independientes.
(Montgomery, 847)
14-5 CARTAS DE CONTROL X y R.
Cuando se trata con una caracterstica de calidad que puede expresarse como una
medicin, es costumbre vigilar tanto el valor medio de sta como su variabilidad. El
control sobre la calidad promedio se ejerce mediante la carta de control para los
promedios, la que se conoce como carta X . La variabilidad del proceso puede
controlarse ya sea con una carta de rangos (R) o con una carta de desviacin estndar,
dependiendo de la forma en que se estima la desviacin estndar de la poblacin. A
continuacin se estudiar slo la carta R.
Suponga que se conocen la media y la desviacin estndar del proceso y , y
que la caracterstica de calidad tiene una distribucin normal. Considrese la carta X .
Tal como se indic con anterioridad puede utilizarse como la lnea central de la carta
de control, y se pueden colocar los lmites superior e inferior 3-sigma en

LSC 3

3
y LIC

, respectivamente.

Cuando los parmetros y son desconocidos, lo usual es estimarlos con base en

muestras preliminares, tomadas cuando se piensa que el proceso est bajo control. Los
autores recomiendan el uso de 20 a 25 muestras preliminares por lo menos. Supngase
que se tienen disponibles m muestras preliminares, cada una de tamao n. Es comn que
n sea 4, 5 o 6; estos tamaos de muestra relativamente pequeos se emplean mucho y

281

aparecen con frecuencia en la construccin de subgrupos racionales. Sea X i , la media

muestral de la i-sima muestra. Entonces, la estimacin de la media de la poblacin, ,
est dada por la gran media
X

1 m
Xi
m i 1

(14-3)

Por tanto, se toma a X como la lnea central de la carta de control X .

La estimacin de puede hacerse a partir de la desviacin estndar o del rango de
las observaciones dentro de cada muestra. Dado que lo anterior es lo que ms se utiliza en
la prctica, la presentacin se restringe slo al mtodo del rango. El tamao de la muestra
es relativamente pequeo, as que se pierde muy poca eficiencia al estimar a partir de
los rangos de las muestras.
Es necesario obtener la relacin entre el rango R de una muestra tomada de una
poblacin normal con parmetros conocidos y la desviacin estndar de la poblacin.
Puesto que R es una variable aleatoria, la cantidad W= R/ (el rango relativo) tambin es
una variable aleatoria. Los parmetros de la distribucin de W ya han sido determinados
para cualquier tamao demuestran. La media de la distribucin de W es d2 y la tabla XIII
del apndice proporciona d2 para varios valores de n. Sea Ri, el rango de la i-sima
muestra, y sea
R

1 m
Ri
m i 1

(14-4)

el rango promedio. Entonces, un estimador de es

R
d2

(14-5)

Por consiguiente, para la carta X pueden emplearse como lmites de control superior e
inferior
LSC X

3
d2 n

R y LIC X

3
d2 n

(14-6)

Defnase la constante
A2

(14-7)

d2 n

Una vez calculados los valores muestrales x y r , los parmetros de la carta de control
X puede definirse de la manera siguiente
Definicin
La lnea central y los lmites de control superior e inferior de una carta de control X son
LSC x A2 r
LC x

(14-8)
282

LSC x A2 r

Tambin es posible determinar con facilidad los parmetros de la carta R. Es obvio que
la lnea central esta dada por r . Para determinar los lmites de control, es necesario
tener una estimacin de R , la desviacin estndar de R. De nuevo si se supone que el
proceso esta bajo control, la distribucin del rango relativo, W, es de utilidad. La
desviacin estndar de W, W es una funcin de n, la cual ya ha sido determinada. En
consecuencia, puesto que
R W

la desviacin estndar de R puede obtenerse como

R W

Dado que el valor de no es conocido, puede estimarse R como

R W

R
d2

con lo que pueden emplearse como limites de control superior e inferior de la carta R

si se hace D3 1

3 W

LSC R

3 W
3
R 1 W
d2
d2

LIC R

3 W
3
R 1 W
d2
d2

D 1
d2 y 4

3 W

d 2 se tiene la siguiente definicin

Definicin
La lnea central y los limites de control superior e inferior de una carta R es
LSC D4 r
LC r

(14-9)

LIC D3 r

Cuando se utilizan muestras preliminares para construir los limites de las cartas de
control, es costumbre tratar estos limites como valores tentativos. Por tanto, las m medias
y rangos muestrales deben graficarse en las cartas apropiadas, investigando cualquier
punto que exceda los lmites de control. Si se descubren causas asignables para estos
puntos, deben eliminarse para proceder a calcular nuevos lmites. De esta manera, el
proceso ser colocado poco a poco bajo control estadstico, donde ser posible evaluar
sus caractersticas inherentes. En ese momento podrn contemplarse otros cambios en el
centrado y dispersin del proceso. Adems, a menudo se estudia primero la carta R
debido a que si la variabilidad del proceso no es constante con el paso del tiempo, los
lmites de control calculados para la carta X pueden ser errneos.

283

(Mongomery, 850)
EJEMPLO 14-11
Un componente de la turbina de un avin se fabrica con un proceso de fundicin. La
apertura del alabe es un parmetro funcional importante de la pieza. A continuacin se
ilustra el uso de las cartas de control X y R para evaluar la estabilidad estadstica de este
proceso. La tabla 14-2 contiene 20 muestras, cada una con cinco piezas. Los valores que
se dan en la tabla se han codificado mediante el empleo de los tres ltimos dgitos de la
dimensin de la pieza;, esto mes, 31.6 significa 0.503316 pulgadas.

x
No de muestra
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

x1

20

Media de
las medias
Rango
Medio

x2

x3

x4

x5

33
33
35
30
33
38
30
29
28
38
28
31
27
33
35
33
35
32
25

29
31
37
31
34
37
31
39
33
33
30
35
32
33
37
33
34
33
27

31
35
33
33
35
39
32
38
35
32
28
35
34
35
32
27
34
30
34

32
37
34
34
33
40
34
39
36
35
32
35
35
37
35
31
30
30
27

33
31
36
33
34
38
31
39
43
32
31
34
37
36
39
30
32
33
28

31.6
33.4
35
32.2
33.8
38.4
31.6
36.8
35
34
29.8
34
33
34.8
35.6
30.8
33
31.6
28.2

35

35

36

33

30

33.8
33.32r

4
6
4
4
2
3
4
10
15
6
4
4
10
4
7
6
5
3
9

33.32
5.8
Tabla 14-2 Mediciones de apertura del alabe

Las cantidades x 33.3 y r 5.8 aparecen en la parte inferior de la tabla 14-2. El

valor de A2 para las muestras de tamao 5 es A2 =0.577. Entonces, los limites de control
tentativos para la carta X son

284

6
5.8

x A2 R 33.3 0.577 5.8

LSC=36.65
LIC=29.95
Para la carta R, los lmites de control tentativos son
LSC D4 r 2.115 5.8 12.27
LIC D3 r 0 5.8 0

La figura 14-9 presenta las cartas de control X y R con estos limites de control
tentativos. Ntese que las muestras 6, 8, 11 y 19 estn fuera de control en la carta X , y
que la muestra 9 esta fuera de control en la carta R.

Figura 14-9 Cartas de control X y R para la apertura del alabe

Supngase que todas las causas asignables llevan a una herramienta defectuosa en el rea
de moldeo. Por tanto, se descartan esas cinco muestras y se vuelven a calcular los lmites
para las cartas X y R. Los nuevos lmites son, para la carta X ,
LSC x A2 r 33.21 0.577 5.0 36.10

LIC x A2 r 33.21 0.577 5.0 30.33

y para la carta R
LSC D4 r 2.115 5.0 10.57
LIC D3 r 0 5.0 0

285

La figura 4-10 presenta las nuevas cartas de control. Ntese que se han tratado las
primeras 20 muestras preliminares como estimacin de datos con los cuales se establecen
los limites de control. Ahora pueden emplearse estos limites para juzgar el control
estadstico de la produccin futura. A medida que se tenga disponible una nueva muestra,
los valores de x y r deben calcularse y graficarse en las graficas de control. Puede ser
deseable revisar de manera peridica los lmites, incluso si el proceso permanece estable.
Los lmites siempre deben revisarse cuando se hacen mejoras al proceso.

Figura 14-10 Cartas de control X-R para la apertura del alabe, limites revisados

286