UNIVERSIDAD NACIONAL DE SAN MARTIN

FACULTAD DE INGENIERIA AGROINDUSTRIAL

DEPARTAMENTO ACADEMICO DE INGENIERIA AGROINDUSTRIAL

EJERCICIOS RESUELTOS CONTROL ESTADSTICO DE PROCESOS

ALUMNO : Roder Williams Torres Loja

CURSO : ADMINISTRACIN DE LA CALIDAD

DOCENTE : Ing. M.Sc. EPIFANIO MARTINEZ MENA

CDIGO : 112109

TARAPOTO
2017
 GRAFICOS DE CONTROL POR ATRIBUTOS
Son Grficos de Control basados en la observacin de la presencia o ausencia de una determinada
caracterstica, o de cualquier tipo de defecto en el producto, servicio o proceso en estudio.

Las Grficas de Control son grficas utilizadas para estudiar como el proceso cambia a travs del
tiempo.

Se grfica el promedio como la lnea central y los lmites de control superior e inferior que son
permitidos en el proceso.

Atributos
Data que se puede clasificar y contar
Tipos
- Cantidad de defectos por unidad Nonconformities
- Cantidad de unidades defectuosas Nonconforming

Proceso en control
Mtodo visual para monitorear un proceso- se relaciona a la ausencia de causas especiales en el
proceso.
Grfica c
Nmero de defectos por unidad. Estudia el comportamiento de un proceso considerando el nmero
de defectos encontrados al inspeccionar una unidad de produccin. El artculo es aceptable aunque
presente cierto nmero de defectos. La muestra es constante. Principales objetivos: Reducir el costo
relativo al proceso, Determinar qu tipo de defectos no son permitidos en un producto.
Grfica p
Porcentaje de fraccin defectiva. Representa el porcentaje de fraccin defectiva
Tamao de muestra (n) vara. Principales objetivos: Descubrir puntos fuera de control,
Proporcionar un criterio para juzgar si lotes sucesivos pueden considerarse como representativos
de un proceso, Puede influir en el criterio de aceptacin.

Grfica u
Proporcin de defectos. Puede utilizarse como: Sustituto de la grfica c cuando el tamao de la
muestra (n) vara.
Grfica np
Nmero de unidades defectuosas por muestra constante. Se utiliza para graficar las unidades
disconformes. Tamao de muestra es constante. Principales objetivos: Conocer las causas que
contribuyen al proceso, Obtener el registro histrico de una o varias caractersticas de una operacin
con el proceso productivo.

Grficas p. Es una grfica de control que se usa comnmente para representar atributos. En este
caso, la caracterstica de calidad no se mide sino que se cuenta, y el elemento o servicio se declara
satisfactorio o deficiente en su totalidad. Por ejemplo, en el sector bancario, los atributos
susceptibles de una operacin de recuento pueden ser el nmero de depsitos no endosados o el
nmero de declaraciones financieras incorrectas remitidas. Este mtodo implica seleccionar una
muestra aleatoria, examinar cada uno de sus elementos y calcular la proporcin de la muestra que
presenta defectos, p, la cual es equivalente al nmero de unidades defectuosas, dividido entre el
tamao de la muestra. En el caso de una grfica p, el muestreo implica una decisin de s o no; el
elemento o servicio examinado est defectuoso o no lo est. La distribucin estadstica fundamental
se basa en la distribucin binomial. Sin embargo, si los tamaos de muestra son grandes, la
distribucin normal proporciona una buena aproximacin a ese respecto. La desviacin estndar de
la distribucin de la proporcin defectuosa es entonces:

Donde:

= tamao de la muestra
= proporcin defectuosa de la proporcin histrica promedio o valor objetivo y lnea central de la
grfica

La lnea central de la grfica p puede ser el promedio de la proporcin defectuosa de la muestra

pasada o un objetivo que la gerencia haya establecido para el proceso. Podemos emplear para
encontrar los acotamientos de control superior e inferior de una grfica p:

Peridicamente se toma una muestra aleatoria de tamao n y se cuenta el nmero de productos o

servicios defectuosos. Este ltimo nmero se divide entre el tamao de la muestra para obtener una
proporcin de muestra defectuosa, p, la cual se dibuja despus sobre la grfica. Cuando una
proporcin de muestra defectuosa queda fuera de los acotamientos de control, el analista supone
que la proporcin defectuosa generada por el proceso en cuestin ha cambiado y busca la causa
asignable. Es posible que el analista no logre encontrar ninguna causa asignable porque siempre
existe una pequea probabilidad de que una proporcin fuera de control se haya producido en
manera fortuita. Sin embargo, si el analista descubre causas asignables, esos datos de muestra no
debern servir de base para calcular los acotamientos de control que se utilizarn en la grfica.

Ejemplo de uso de una grfica p para observar un proceso.

Tomemos como ejemplo el caso de una compaa de seguros. Supongamos que el Gerente de
Operaciones de esta compaa est implementando un control de las plizas que la empresa
realiza. Cada semana toma una muestra de los trabajos realizados (que ascienden a 2.500 plizas)
y anota la cantidad de plizas que estn mal confeccionadas. Los resultados de las 12 ltimas
semanas aparecen en la tabla. Est fuera de control este proceso? La empresa utiliza
acotamientos de control tres sigma.

Solucin:
 Paso 1. Construya una grfica p, usando datos del
pasado para calcular p.

Paso 2. Calcule la proporcin defectuosa de esta

muestra. En el caso de la muestra 1, la proporcin de
elementos defectuosos es 15/2500 = 0,0060.

Paso 3. Dibuje en la grfica cada una de las proporciones defectuosas de la muestra, como
vemos en la figura:

Grfica p donde vemos que la muestra 7 est fuera de control.

La muestra 7 rebasa el acotamiento de control superior; por lo tanto, el proceso est fuera de control
y ser necesario averiguar las razones del mal desempeo registrado durante esa semana. Tal vez
los nmeros fueron ingresados errneamente en la computadora por una persona en proceso de
capacitacin o una mquina codificadora tena una falla. Una vez corregido el problema, el analista
vuelve a calcular los acotamientos de control utilizando nuevos datos. Si todos los elementos de la
proporcin defectuosa de la nueva muestra se localizan dentro de los acotamientos de control,
entonces el proceso est bajo control estadstico. Cada semana se toma otra muestra y el resultado
se traza sobre la grfica. As pues, la grfica p es una herramienta que no slo sirve para medir la
calidad del producto, sino tambin para indicar en qu momento requiere ajustes el proceso.

Grficas c. A veces los productos tienen ms de un defecto por unidad. Por ejemplo, un rollo de
alfombra puede tener varios defectos, como fibras apelotonadas, escoloridas o manchas originadas
en el proceso de produccin. Otras situaciones en donde es posible que se presente ms de un
defecto, son las imperfecciones en los tableros frontales de la pantalla de un televisor, los accidentes
que ocurren en una esquina cualquiera y las quejas de los huspedes de un hotel. Cuando la
gerencia desea reducir el nmero de defectos por unidad, resulta til otro tipo de representacin de
control: la grfica c.
La distribucin de muestreo subyacente en una grfica c corresponde a la distribucin de Poisson.
ste se basa en la suposicin de que los defectos se presentan dentro de una regin continua y
que la probabilidad de que dos o ms defectos se presenten en una misma localizacin cualquiera
es insignificante. La media de la distribucin es y la desviacin es . Una tctica til consiste en
usar la aproximacin normal a la distribucin de Poisson, con lo cual la lnea central de la grfica
es:

Ejemplo de uso de una grfica para vigilar los defectos por unidad.

LESDESMA S.A. fabrica papel para la industria grfica. En la fase final del proceso, el papel pasa
por una mquina que mide varias caractersticas de calidad. Cuando el proceso est bajo control,
el promedio es de 20 defectos por cada rollo de papel.
a) Elabore una grfica de control para el nmero de defectos por rollo. Use acotamientos de
control dos sigma.
b) Los dos primeros rollos contenan 27 y 5 defectos, respectivamente. Se encuentra este
proceso bajo control?
Solucin:
a. El nmero promedio de defectos por rollo es 20. Por lo tanto,

La grfica de control:

Grfica c de defectos por rollo de

papel.

b. Puesto que el primer rollo tena slo 27 defectos, o sea, menos de los que indica el acotamiento
de control superior, el proceso sigue estando bajo control. Cinco defectos es menor que el valor
del acotamiento de control inferior y, por consiguiente, el proceso se encuentra tcnicamente
fuera de control. Sin embargo, la grfica de control indica que ha sucedido algo bueno. En este
caso, sera conveniente que la gerencia localizara la causa asignable y la aprovechara para
reducir el nmero promedio de defectos.
 Grficas de control para variables

Las grficas de control para variables se usan con el propsito de vigilar la media y la variabilidad
de la distribucin de un proceso.

Grficas R. Una grfica de rango, o grfica R, se usa para vigilar la variabilidad de los procesos.
Si desea calcular el rango de un conjunto de datos de muestra, el analista resta la medicin ms
pequea de la medicin ms grande obtenida en cada muestra. Si cualquiera de los datos queda
fuera de los acotamientos de control, se dice que la variabilidad del proceso no est bajo control.

Los acotamientos de control para la grfica R son:

Donde:
= promedio de varios valores R pasados y la lnea central de la grfica de control.
D3 y D4 = constantes que proporcionan tres acotamientos de desviacin estndar (tres sigma) para
un tamao de muestra dado.

Los valores de = 0.0021 y D4 estn contenidos en la siguiente tabla y cambian en funcin del
tamao de la muestra.

Factores para calcular acotamientos tres sigma para la grfica x y la grfica R

Observe que la expansin entre los acotamientos de control se vuelve ms estrecha cuando
aumenta el tamao de la muestra. Este cambio es consecuencia de contar con ms informacin
como base para hacer una estimacin del rango del proceso.

Grficas : Para medir una media se utiliza una grfica (lase grfica x barra). Cuando las
causas asignables a la variabilidad del proceso han sido identificadas y la variabilidad de dicho
.
proceso se encuentra dentro del control estadstico, el analista puede construir una grfica
Los valores de A2 estn contenidos en la tabla (Factores para calcular acotamientos tres sigma
para la grfica x y la grfica R).
Observe que en los acotamientos de control se usa el valor de R; por lo tanto, la grfica debe
construirse despus de que la variabilidad del proceso ha quedado bajo control.
Donde:
= lnea central de la grfica y el promedio de las medias de una muestra pretrita o un valor
establecido como objetivo para el proceso

A2 = constante para proporcionar acotamientos tres sigma para una media de la muestra.

Los analistas pueden desarrollar y usar grficas y R en la siguiente forma:

Paso 1. Recabar datos sobre la medicin de la calidad de una variable (por ejemplo, peso,
dimetro o tiempo) y organizar los datos por nmeros de muestra. De preferencia, deben
tomarse por lo menos 20 muestras para usarlas en la construccin de una grfica de control.

Paso 2. Calcular el rango para cada muestra y el rango promedio, R, para el conjunto de
muestras.

Paso 3. Use la tabla para determinar los acotamientos de control superior e inferior de la
grfica R.

Paso 4. Trace los rangos de la muestra. Si todos estn bajo control, avance al paso 5. De
lo contrario, encuentre las causas asignables, corrjalas y regrese al paso 1.

Paso 5. Calcule para cada muestra y la lnea central de la grfica .

Paso 6. Use la tabla de la figura a fin de determinar los parmetros para UCLx y LCLx , y
construya la grfica .

Paso 7. Trace las medias de la muestra. Si todas estn bajo control, el proceso est
controlado estadsticamente en trminos del promedio del proceso y de la variabilidad del
proceso. Siga tomando muestras y vigile el proceso. Si alguna de ellas est fuera de control,
desde el punto de vista estadstico, busque las causas asignables, corrjalas y regrese al
paso 1. Si no logra encontrar ninguna causa asignable despus de realizar una cuidadosa
bsqueda, suponga que los puntos fuera de control representan causas comunes de
variacin y contine vigilando el proceso.

Si la desviacin estndar de la distribucin del proceso es conocida, es posible usar otra forma de
la grfica .
El analista puede emplear una grfica R para asegurarse de que la variabilidad del proceso est
bajo control, antes de construir la grfica . La ventaja de usar esta forma de la grfica consiste
en que el analista tiene la posibilidad de ajustar la expansin de los acotamientos de control
modificando el valor de z. Este enfoque suele ser til para establecer el equilibrio entre los efectos
de los errores tipo I y tipo II.

y R para vigilar un proceso.

Ejemplo de cmo usar grficas

La direccin de Metalrgica Introvatto est preocupada por la produccin de un tornillo de acero

especial que usan algunos de los clientes ms importantes de la empresa. El dimetro del tornillo
es crtico. Los datos de cinco muestras aparecen en la siguiente tabla (para simplificar el ejemplo
hemos tomado solamente 5 muestras, en la prctica sera conveniente usar ms de 20 muestras).
El tamao de la muestra es 4. Est el proceso bajo control?

Solucin:
Paso 1. Calcular el rango para cada muestra, restando el valor ms bajo del ms alto. Por
ejemplo, en la muestra 1, el rango es 0.5027 - 0.5009 = 0.0018 pulgadas. En forma similar,
los rangos para las muestras 2, 3, 4 y 5 son 0.0021, 0.0017, 0.0026 y 0.0022 pulgadas
respectivamente. Como se aprecia en la tabla, = 0.0021

Paso 2. Para construir la grfica R, seleccione las constantes apropiadas en la tabla

(Factores para calcular acotamientos tres sigma para la grfica x y la grfica R) para un
tamao de muestra 4. Los acotamientos de control son:

Paso 3. Trace los rangos en la grfica R, como se muestra en la siguiente figura.

Grfica de rango para el tornillo de acero, mostrando que la variabilidad del proceso est bajo
control.

Ninguno de los rangos de la muestra queda fuera de los acotamientos de control. En consecuencia,
la variabilidad del proceso est bajo control estadstico. Si cualquiera de los rangos de la muestra
hubiera quedado fuera de esos lmites, habramos tenido que buscar las causas de la variabilidad
excesiva, corregirlas y repetir el paso 1.

Paso 4. Calcule la media para cada muestra. Por ejemplo, la media para la muestra 1 es:

En forma similar, las medias de las muestras 2, 3, 4 y 5 son 0.5027, 0.5026, 0.5020 y 0.5045
respectivamente. Tal como lo ilustra la tabla, = 0.5027.

Paso 5. Ahora construya la grfica para el promedio de este proceso. El dimetro promedio
del tornillo es 0.5027 pulgadas y el rango promedio es 0,0021 pulgadas, por lo cual puede
usar = 0,5027; = 0,0021 y A2, para un tamao de muestra 4, para construir los
acotamientos de control:

Paso 6. Trace las medias de la muestra en la grfica de control, como se aprecia en la figura:

Grfica para el tornillo de acero, ilustrando que la muestra 5 est fuera de control.

La media de la muestra 5 ha quedado por arriba del acotamiento de control superior, lo cual indica
que el promedio de este proceso est fuera de control y que ser necesario explorar las causas
asignables, tal vez con la ayuda de un diagrama de causa y efecto. Si se logra encontrar causas
asignables, ser menester corregir los problemas, recopilar nuevos datos y construir otra vez las
grficas.
 SOLUCION

7. Segn la informacin proporcionada por una carta X-R, sobre un proceso de

produccin de piezas metlicas, la media de la longitud de tales piezas metlicas, la
media de la longitud de tales piezas es 50 mm y el rango medio con tamao de
muestra 5 es 0.6, resuelva lo siguiente:

X=50, R=0.6, n=5, D3= 0.000

d2=2.326, A2=0.577, D4= 2.115

a) obtenga la desviacin estndar del proceso

desv.est= R/d2= 0.26

b) calcule los limites de control para la carta X e interprtelos

L real S =X + 3desv = 50 + 0.577(0.26)= 50.15

L real I =X - 3desv = 50 - 0.577(0.26)= 49.85

los limites en los cuales los datos estarn estables estn entre 49.7 y 50.35

c) obtenga los lmites de control para la carta R y explique su significado

LCI= D3R= 2.115 * 0.6= 1.269

LCS= D4R= 0 * 0.6= 0

los rangos de los subgrupos varan de 0 a 1.269 con lo cual podemos ver la
estabilidad de produccin de piezas metlicas.
d) si la especificacin inferior y superior para esta pieza es 49 y 51 mm, respectivamente
calcule los limites reales o naturales e interprtelos

Ls = 50 + 3(0.26)= 50.78

Li = 50 - 3(0.26)= 49.22

e) explique para qu sirven los lmites que obtuvo en los incisos b y c, y

para que los que obtuvo en el inciso d Los lmites de la carta X nos sirve para ver la variacin
esperada para
las medias mustrales 5m mientras el proceso no tenga cambio importantes, con lo cual podemos
ver cambios en la media y evaluar su estabilidad y capacidad, mientras que con la carta de control
R podemos ver la variacin para los rangos mustrales y ver la variacin de su amplitud y
magnitud pero no su capacidad, en cambio con los limites reales se espera ver la variacin de las
piezas metlicas en s y no del proceso, juntas se puede observar el proceso en su totalidad.

f) el proceso es capaz. argumente su respuesta

cp=51-49/6*0.26= 1.28,

el proceso es parcialmente adecuado al estar en el rango 1 < cp < 1.33, por lo cual requiere un
control estricto.

g) si, ya que se cuenta con las especificaciones del proceso, tambin con los rangos y las
medias mustrales por lo cual toda esta informacin ha llevado a encontrar la capacidad del
proceso.
a) Calcule los lmites de una carta x R y obtenga las cartas

LCS = x + A2R

LCS = 215.41 + 0.153 x 2.136

LCS = 218.68

LCS = x A2R

LCS = 215.41 - 0.153 x 2.136

LCS = 212.14

b) Interprete las cartas (puntos fuera, tendencias, ciclos, etctera)

Grfica I de C1

UCL=224.11
X=215.41
LCL=206.70
En una empresa se hacen impresiones en lminas de acero que despus se
convierten en recipientes de productos de otras empresas. Un aspecto
importante a vigilar es dicha impresin es la temperatura de horneado'',
donde, entre otras cosas, se presentan adherencia y la lamina se seca una vez
que ha sido impresa. La temperatura de cierto horno debe ser 125C con una
tolerancia de 5 C. A pesar de que al horno se le programa la temperatura,
por experiencia se sabe que no la mantiene, por ello, para llevar un control
adecuado de la temperatura del proceso se decide emplear una carta de control
de individuales. Cada dos horas se mide la temperatura, en la tabla siguiente
se muestran los ltimos 45 datos en el orden que se obtuvieron, con el rango
mvil para facilitar los clculos.
En la fabricacin de artculos de plstico se debe asegurar una resistencia mnima de
65 kg fuerza, para ello, cada dos horas se hacen pruebas destructivas a cuatro artculos
seleccionados de manera aleatoria de uno de los lotes, los datos se registran en una
carta de control X-R. de acuerdo con estudios anteriores, las cartas de control muestran
que el proceso es estable y en particular los limites de control en la carta X son los
siguientes:
LCS = 80, Lnea central = 74, LCI = 68
En la fabricacin de discos pticos una mquina metaliza el disco. Para garantizar la
uniformidad del metal en el disco, la densidad debe ser de 1.93. con una tolerancia de
0.12. En la tabla se muestran los datos obtenidos para un estudio inicial con tamao
de subgrupo 5.
BIBLIOGRAFA:

GUTIRREZ H. 2013, CONTROL ESTADSTICO DE LA CALIDAD Y SEIS

SIGMA Tercera Edicin. Centro Universitario de Ciencias exactas e Ingeniera.
Universidad de Guadalajara.
CARRO R. 2008 CONTROL ESTADSTICO DE PROCESOS. Universidad
Nacional de Mar del Plata. pdf
GASTON P. 2004 Gua de estudio para la unidad II de Control de Calidad.
[Online] (https://gastonperezu.files.wordpress.com/2011/10/guia-unidad-ii-2-3-
probabilidad-y-dist-de-probabilidad1.pdf)
HERVS J. 2007 Control estadstico de procesos. [Online]
(http://www.matematicasypoesia.com.es/Estadist/ManualCPE06p2.htm)