Universidad del Sinú, Montería, Córdoba,2019

CARTAS DE CONTROL DE CALIDAD (CUSUM, ARIMA, EWMA)

Wilmar Vergara Sierra, Ramón Espinosa Oviedo, Jesús Martínez Sánchez

RESUMEN

El control estadístico de procesos es catalogado como una herramienta que circunscribe una
serie de técnicas cuantitativas orientadas a la mejora continua de calidad de los procesos y/o
productos, por lo que posibilita la detección y prevención de incidentes no esperados y de
aparición de causas de variabilidad asignable. Dado esto aparecen Las cartas de control
estadístico que son gráficos que dentro del control de proceso estadístico permiten monitorear
la(s) característica(s) de calidad de un proceso industrial o de servicios y son ampliamente
usadas en la actualidad. Para la implementación de las cartas usualmente se asume que las
observaciones no presentan una estructura de auto correlación, pero en la realidad esta
condición es violada con frecuencia. En los últimos 20 años, varias propuestas de cartas de
control se han presentado teniendo en cuenta la estructura de auto correlación en los datos para
su construcción. En este artículo se presenta la construcción en forma ilustrativa de tres de
dichas propuestas, una dada por Alwan & Roberts (1988) basada en los gráficos de control
ARMA, otra dada por Montgomery & Mastrangelo (1991) basada sobre la estadística EWMA,
y la otra dada por Page (1954) basada en los gráficos de control CUSUM, con el objeto de que
sirvan como instrumento de enseñanza y aprendizaje de este tipo de cartas, ya que paquetes
especializados en control estadístico de la calidad no tienen implementadas estas cartas.

Palabras clave: Control, Calidad, Correlación.

ABSTRACT

The statistical control of processes is classified as a tool that circumscribes a series of

quantitative techniques aimed at the continuous improvement of the quality of processes and /
or products, making it possible to detect and prevent unexpected incidents and causes of
causes of assignable variability causes. Given this appear the statistical control charts that
are the graphics that are within the control of the statistical process allows to monitor the
characteristic (s) of the quality of an industrial process or of the services and the use of the
information. For the implementation of the charts it is usually assumed that the observations
are not presented in a structure of self-correlation, but in reality this condition is frequently
violated. In the last 20 years, several proposals of letters of control have been presented in
the structure of self-correlation in the data for its construction. This article presents the
construction in illustrative form of the same proposals, one given by Alwan & Roberts (1988)
based on ARMA control charts, another given by Montgomery & Mastrangelo (1991) based
on EWMA statistics, and the other page by page (1954), based on the CUSUM control charts,
in order to serve as an instrument for teaching and learning this type of letters, and packages
are in the statistical control of quality.

Keywords: Control, Quality, Correlation.

1
 Universidad del Sinú, Montería, Córdoba,2019

1. INTRODUCCIÓN la investigación hacia la actualidad y la

importancia de esta para la toma de
La calidad es una herramienta básica de decisiones en cualquier organización de
análisis importante para la empresa. Hace
bienes o servicios.
parte de ella el control estadístico de la
calidad. Interiorizando un poco más Para hallar esta información nos basamos
encontramos que: una de las herramientas
en revistas científicas actuales (presentes de
de monitoreo estadístico más importantes
son las cartas de control, con las cuales se forma virtual). Esto lo encontramos en
busca identificar variaciones inusuales en bases de datos como: ScienceDirect,
los parámetros del proceso. Existen dos Scopus, Proquest, SpringerLink, Google
tipos de cartas de control, las que poseen Académico, ResearchGate entre otras. Las
memoria y las que no (Abbas & Riaz 2011). cuales tenemos a disposición y son
Las cartas tipo Shewhart se denominan sin reconocidas por suministrar información
memoria, debido a que solo se basan en la
confiable, además engloban la temática
información actual para el proceso de
monitoreo, además que son menos sensibles actual presente, de manera de eficaz.
para detectar pequeños corrimientos en la
3. DESARROLLO DEL TEMA
media del proceso. Para abordar este
problema se han restablecido los
De acuerdo a la investigación propuesta, se
coeficientes de límites de control para
diferentes normas (Abbas & Riaz 2011). Se presenta la información recopilada de
presentan diferentes tipos de cartas de manera objetiva de las siguientes cartas de
acuerdo al tipo de característica de calidad a control:
controlar, donde nos centramos en las de
cartas especiales, las cuales algunas de ellas
son CUSUM, EWMA, ARIMA (por sus
siglas) y se darán a conocer en el desarrollo
del presente artículo, junto con sus
características e importancia.

2. MÉTODO

Para recopilar información del tema, se

tuvo que esclarecer de donde provienen
estas cartas, luego, establecer por qué estas
son importantes y la necesidad de hacer una
investigación de estas.
Puesto que, los datos que encontramos
acerca de la calidad, enfatizando el control
estadístico de la calidad, es inmensa, y que
desde sus inicios hasta la actualidad se han
desarrollado innumerables artículos, libros,
revistas. Se quiere centralizar un poco más
Figura 1. Cartas especiales. Gutiérrez Pulido,
Humberto. De la Vara, Román. (2004). “Control
Estadístico de Calidad y Seis Sigma”. McGraww-
Hill/Interamericana Editores, S.A. de C.V. México
D.F., México.
3.1 CUSUM
Este gráfico cuyo nombre deriva de sus
siglas en inglés “cumulative sum” o en
castellano “diagrama de control de suma

2

acumulativa”, fue propuesto por primera
vez por Page (1954) , y ha sido objeto de
estudio por diversos autores, véase Ewan
(1963) y Lucas (1976) .
Para pequeños corrimientos menores a
1.5 , la carta de Shewart es ineficiente, en
esos casos la carta de sumas acumuladas de
Page, que funciona con n >=1 es mejor, ya
que incorpora toda la información anterior
en el valor de la muestra al graficar la suma
acumulada de las desviaciones con
referencia a un valor objetivo 0. Si se
colectan muestras de tamaño n >= 1 siendo
el valor promedio de la muestra j-ésima. La
carta de sumas acumuladas se forma
graficando para cada muestra i la cantidad
siguiente que representa la suma acumulada
hasta la muestra i,
Como esta carta es eficiente para n=1, es
una buena alternativa para el control de
procesos químicos y el C.E.P. automatizado.
Si la media tiene un corrimiento hacia
arriba, la carta mostrará una tendencia
ascendente y viceversa.
La siguiente gráfica muestra un gráfico
CUSUM en donde la media del proceso a
partir de la muestra No 16, ha sufrido un
presunto deslizamiento hacia un valor
mayor que el nominal, y la suma acumulada
ha comenzado a crecer indefinidamente.
3
Universidad del Sinú, Montería, Córdoba,2019
El principal problema que tropezó este
gráfico inicial CUSUM fue la ausencia de
unos límites de control para la suma
acumulada que permitieran detectar cuando
el proceso se ha desajustado.
La solución de este problema condujo a dos
variantes del gráfico conocidas como el
CUSUM algorítmico y la plantilla o
mascarilla V.
Para construir estos gráficos, es necesario
definir un valor “k” llamado “valor de
referencia”, que representa el mayor
deslizamiento en la media del proceso que
podría tolerarse, y a partir del cual la suma
acumulada se considera significativa y en
consecuencia el proceso fuera de control.
El valor de “k” también depende de la
probabilidad con que se quiera detectar un
deslizamiento, y su metodología de cálculo
es distinta en el CUSUM algorítmico y para
la plantilla V.
Gráfico de CUSUM algorítmico o tabular
mientras que en el de la plantilla “V” esta
otra:
 Universidad del Sinú, Montería, Córdoba,2019

El procedimiento para construir esta Cuando cualquier estadístico C+ y C-

mascarilla “V” fue desarrollado por excede el intervalo de decisión H, se
Johnson y Leone (1978) , y para una
considera al proceso fuera de control. Un
explicación detallada sobre su
construcción véase: “Control de valor razonable para H es cinco veces el
Calidad y Estadística Industrial. valor de .
Duncan Cap. 22 (1990)”.
También se puede obtener una presentación
gráfica de esta carta, denominada Carta de
Cusum en forma tabular
Estatus de Cusum, graficando Ci+ y Ci-
La carta tabular Cusum trabaja con
contra el número de muestra. Esto da una
derivaciones acumuladas de 0 sobre el
idea gráfica al operador del desempeño del
objetivo con un estadístico C+ o debajo de
proceso.
este con un estadístico C-, también llamados
Cusum de lado superior o inferior En forma similar a las cartas Cusum, se
respectivamente. Se calculan como sigue: debe detener el proceso, identificar la causa
asignable o especial, tomar acción

Ci  max 0, xi  (  0  K )  Ci1  correctiva e iniciar de nuevo la Cusum

 max0, (   Tabular.
Ci 0  K )  xi  Ci1

Cuando el proceso se corre, la nueva media

donde los valores iniciales para C+ y C- son  puede estimarse de:
cero.
C i
En las ecuaciones anteriores K es el valor de   0  K  , si C i  H
N
referencia y se selecciona como un valor
intermedio entre la 0 objetivo y la 1 fuera Ci
  0  K  
, si C i  H
de control en la que estamos interesados en N

detectar. El procedimiento de la mascarilla en v

Así, si el corrimiento se expresa en unidades
de desviación estándar 1 = 0 + , Un procedimiento alterno al uso del método
entonces K es la mitad de la magnitud del tabular Cusum, es la mascarilla en V
corrimiento: propuesta por Barnard (1959), esta
mascarilla es aplicada a valores sucesivos

K =  / 2 = Valor absoluto de (1 - 0) / 2 del estadístico,

4
 Universidad del Sinú, Montería, Córdoba,2019

términos de unidades de distancia de la

i escala vertical.
Ci   y j  yi  Ci 1
j 1 Por ejemplo para la forma tabular con k = ½
El procedimiento consiste en colocar la y h = 5, seleccionando A =1 se tiene
mascarilla en V sobre la carta Cusum, con el
punto O sobre el último valor de Ci y la k = A tan () => ½ = (1) tan ()
línea OP paralela al eje horizontal. Si todos   = 26.57
los puntos anteriores C1, C2,....,Cj se de h = d.k => 5 = d (1/2)
encuentran dentro de los dos brazos de la  d =10
mascarilla, el proceso está en control, sin
embargo si cualquier punto de las sumas Estos son los parámetros de la mascarilla en
acumuladas se encuentra fuera de los brazos V.
de la mascarilla, se considera al proceso Johnson y Leone han sugerido un método
fuera de control. para diseñar una mascarilla en V, con las
En la práctica, la mascarilla en V se debe fórmulas siguientes (el método es utilizado
colocar a cada punto tan pronto como es por el paquete STATGRAPHICS):
graficado, los brazos de la mascarilla se
asumen extendidos hasta el origen.   
  tan 1  
La operación de la mascarilla en V está  2A 
determinada por la distancia y
al vértice d y el ángulo .  2  1  
d   2  ln  
La Cusum Tabular es equivalente a la     
mascarilla en V si, Donde 2 es la máxima probabilidad de una
falsa alarma cuando el proceso está en
k = A tan () control y  es la probabilidad de no detectar
y un corrimiento de magnitud .
h = A d tan () = d.k
ln(  )
d cuando  es muy pequeño.
Donde A es la distancia horizontal en la 
mascarilla en V, entre puntos sucesivos en

5

Por ejemplo si  = 0.05 y  = 0.05 y  = 1
que son los defaults del Statgraphics, se
obtiene la máscara en V siguiente:
2   1  0.05 
d  2  ln   = 5.888
1   0.05 
1
  tan 1    26.56 
2
Autores como Montgomery (Montgomery
05) desaconsejan esta forma de implementar
el gráfico cusum (con máscara V) y
prefieren el gráfico asociado al Cusum
algorítmico. Las razones de este rechazo son
fundamentalmente las siguientes:
• No es posible adaptar algunos de los
procedimientos de mejora tales como la
respuesta inicial rápida.
• En ocasiones no está claro cuánto
debemos extender hacia atrás los brazos de
la plantilla, dificultando la interpretación
por partes del usuario.
Ventajas del gráfico de control CUSUM
 Detecta los cambios de pequeña
magnitud más rápido que otros gráficos.
 Se detecta el momento a partir del cual se
presenta el cambio.
 Se puede estimar la magnitud del sesgo
producido.
 Se fija la probabilidad de que se
produzcan falsas alarmas como el tiempo
medio que tardamos en detectar un
cambio
 se puede controlar en los datos.
Campos de aplicación
 Campo Médico: sirve para la detección
6
Universidad del Sinú, Montería, Córdoba,2019
de señales en neurología o cardiología.
 Campo Financiero: en análisis de series
financieras.
 Campo de la informática: Sirve en la
fabricación de semiconductores o
equipos técnicos; también, en el control
de producción de software
 Campo de la industria.
3.2 EWMA
Haciendo un poco de énfasis en la historia,
el diagrama de control Promedio Móvil
Exponencialmente Ponderado (diagrama
EWMA) fue introducido en el control
estadístico de la calidad por Roberts (1959),
como una herramienta, para controlar la
media de un proceso de producción.
La carta ha demostrado ser muy eficiente.
Según Gutiérrez & De la Vara (2004).
EWMA es la carta en la que se grafica la
suma ponderada de las medias de los
subgrupos observados hasta el tiempo de
inspección, que asigna pesos decrecientes a
las medias anteriores.
El cual se da a conocer como una carta de
control que permite suavizar efectos de
ruido que no puede ser controlado
directamente en los datos, y permite darles
mayor peso a los datos históricos o a los
datos más recientes. Esta es de gran ayuda
para detectar cambios pequeños en los
procesos.
Según Garro (2017), esta se usa cuando: hay
datos continuos; se requiere detectar
pequeños cambios en el proceso; o cuando
se requiere: medir la variación alrededor de
un objeto; suavizar el efecto de ruido que no
 Universidad del Sinú, Montería, Córdoba,2019

Para dar ultimátum, acerca de esta carta El promedio exponencialmente ponderado

presentamos algunas aplicaciones reales y se calcula como:
sus áreas:

 Almacén de paquetes de software de

modelado para los analistas.
Además, los límites de calculan como sigue:
 Identificación de causas de variabilidad
en procesos de crédito del sector
financiero.

 Medicina: En la construcción de
diagramas de monitoreo del estado del
paciente en función de varias
características.

 Telecomunicaciones: aproximación de
los gráficos de atributos para el
monitoreo de la satisfacción del cliente
Por consiguiente, se muestra una grafica
en la prestación del servicio.
refernete a la presente carta, con sus limites
 Agricultura: para clasificar terrenos de de control.
cultivo por fotografía aérea.

 Arqueología: clasificar restos

arqueológicos.

 Biometría: identificar los factores que

determinan la forma de un organismo
vivo.

 Computación: diseñar algoritmos de

clasificación automática.

 Educación: para investigar la efectividad Figura 2. Grafico EWMA. Magazine

del aprendizaje a distancia. Engineering Statistics Handbook del NIST.
 Geología: clasificar sedimentos.
3.3 ARIMA
 Lingüística: encontrar patrones de
asociación de palabras. (Promedio Móvil Integrado Auto-
Regresivo)
 Psicología: para identificar factores que
componen la inteligencia humana Según Martínez (2006) Esta carta crea
gráficos de control para una sola variable
Para calcular esta se hace de la siguiente numérica done los datos fueron recolectados
manera.
individualmente o en subgrupos. A
diferencia a otros gráficos control, los

7

gráficos ARIMA no asumen que las
observaciones sucesivas son independientes.
También, lo dicho por dicho por Box &
Jeinkins (1994). En este grafico se desglosa
el procedimiento de estimación del modelo
que describe el comportamiento dinámico
de la característica de calidad sometida a
estudio, asumiendo que tal, sigue un
proceso autor regresivo integrado de media
móvil. Los resultados concernientes a la
identificación del orden del modelo,
estimación y evaluación del mismo se
desglosan a la posteridad. Los análisis se
basan en un modelo explícito. Los modelos
con el nombre de ARIMA (Promedio Móvil
Integrado Auto-Regresivo), que deriva de
sus tres componentes AR (Auto regresivo),
I(Integrado), y MA (Medias Móviles).
El modelo ARIMA permite describir un
valor como una función lineal de datos y
anteriores errores debidos al azar, además,
puede incluir un componente cíclico o
estacional. Es decir, debe contener todos los
elementos necesarios para describir el
fenómeno.
Box & Jenkins (1994). Recomiendan con
un mínimo de 50 observaciones en la serie
temporal.
Algunas de las hipótesis que se asumen
usualmente para la construcción de las
gráficas de control estándar son las
siguientes: que los comportamientos de las
observaciones recolectadas puedan ser
modelizado por una distribución gaussiana
con parámetros 𝜇𝜇 y 𝜎𝜎 y que la
característica de calidad o variable sometida
a análisis se halla bajo un estado de control.
8
Universidad del Sinú, Montería, Córdoba,2019
Por tanto, el modelo propuesto por
Montgomery (2004)
𝑋𝑋𝑡𝑡 = 𝜇𝜇 + 𝑒𝑒𝑡𝑡 con 𝑒𝑒𝑡𝑡~𝑁𝑁(0, 𝜎𝜎2)
Este representa adecuadamente tal
característica de calidad. Otra condición de
cumplimiento estricto para la construcción
de los gráficos tipo Shewart es que los datos
-ordenados cronológicamente- que no estén
correlacionados entre sí. La transgresión
simultánea o individual de las condiciones
teóricas anteriormente señaladas deriva en
un menoscabo de las propiedades
estadísticas de la carta y, por consiguiente,
de la disminución de la potencia para
detectar adecuadamente señales fuera de
control, pues, los límites construidos suelen
estrecharse y la longitud promedio de
corrida (ARL) suele ser errónea (Baena, et
al 2013).
Bajo estas consideraciones, se hace
perentorio especificar y construir
herramientas de seguimiento de procesos
altamente eficaces e inmunes a estas
situaciones que no son anómalas en
sistemas de manufactura de naturaleza
continua o en esquemas de producción por
loteo, pues éstas no deben entenderse como
el resultado de la emergencia de causas de
variación asignable, en tanto que sobre
cierto tipo de procesos, asiduamente operan
elementos inerciales como reflujos, suele
existir una alta incidencia de condiciones
ambientales en el mismo, dinámicas
superiores a la frecuencia de muestreo
(Ferrer, 2004) .

4. DISCUSIÓN
Es notorio como a lo largo de la historia se
pronuncia acerca de las cartas mencionadas,
su efectividad y utilidad.
La discusión respecto a cuál de las
diferentes cartas tiene un mejor desempeño
es cada vez mayor, debido a que cada una
de ellas tiene un comportamiento diferente
en cada campo de aplicación; por ejemplo,
para Montgomery (2001), la carta EWMA
es tan efectiva como la CUSUM.
También autores como Tolley e English
(2001), reconocen que la carta EWMA tiene
la ventaja de detectar cambios pequeños.
Además, recomiendan el uso combinado de
la carta EWMA y la Shewhart, con lo cual
pretenden mejorar el desempeño en
términos de habilidad de detección del
cambio y/o habilidades económicas
Jones (2002) menciona que la EWMA se ha
convertido en una carta ampliamente
estudiada y aceptada como una alternativa
para la tradicional Shewart.
Sin embargo, hay otros autores, como Lu &
Reynolds (1999) y Lucas & Saccucci
(1990), para los cuales la carta EWMA no
presenta un desempeño muy superior al de
otras cartas, ya que consideran que la
capacidad para detectar cambios en la media
de la EWMA y la CUSUM es similar y que
para tomar la decisión de aplicaciones
prácticas deben utilizarse otros criterios,
como la facilidad de interpretación.
9
Universidad del Sinú, Montería, Córdoba,2019
5. CONCLUSIÓN
En el presente artículo se evidencia que las
cartas especiales CUSUM, EWMA y
ARIMA identifican un comportamiento
instantáneo del problema. Los métodos
tradicionales de control estadístico de
procesos pierden mucha efectividad cuando
las observaciones son correlacionadas,
situación usual en las industrias altamente
automatizadas e integradas. Como se
muestra en esta revisión literaria, existen
múltiples alternativas y enfoques para
afrontar este problema como lo son las
cartas anteriormente dichas.
6. REFERENCIAS
BIBLIOGRÁFICAS
[1] Abbas & Riaz, (2011), ‘Enhancing the
Performance of EWMA Charts’, Quality
and Reliability Engineering International
27(6), 821833.
[2] Roberts (1959), ‘Control Chart Tests
Based on Geometric Moving Averages’,
Technometrics 1, 239/250.
[3] Gutiérrez& De la Vara, (2004). “Control
Estadístico de Calidad y Seis Sigma”.
McGraww-Hill/Interamericana Editores,
S.A. de C.V. México D.F., México.
[4] Garro (2017). “Gráficos de control
especiales. Gráfico ewma”. Diario de la
excelencia Recuperado de:
https://blog.pxsglobal.com/2017/11/27/grafi
cos-de-control-especiales-grafico-ewma/.
[5] Montgomery (2001). Introduction to
Statistical Quality Control, 4a edition,
Nueva York, John Wiley and Sons.
 Universidad del Sinú, Montería, Córdoba,2019

[6] Tolley & English (2001). Economic
designs of constrained EWMA and
combined EWMA-X control schemes. IIE
Transactions, Vol. 33, p. 429-436.
[7] Jones (2002). The Statistical Design of
EWMA Control Charts with Estimated
Para-meters. Journal of Quality Technology,
Vol. 34, No. 3, p. 277-288.
del arte y perspectivas de futuro. Estadística
Española, vol. 46, no. 155, pp. 19-47, 2004.
[16] Peñabaena-Niebles, R., Oviedo-
Trespalacios, O., Cuentas-Hernandez, S.
and García-Solano, E., Methodology for the
implementation of an economic and/or
statistical design for x-bar charts with
variable parameters

[8] Lu & Reynolds (1990). Control Charts

for Monitoring the mean and variance of
Autocorrelated Proceses. Journal of Quality
Technology, Vol. 31, N° 3.

[9] Lucas & Saccucci (1990). Exponentially

Weighted Moving Average Control
Schemes: Properties and Enhancements.
Technometrics. Vol. 32

[10] Montgomery, D. (2005), Introduction

to Statistical Quality Control, 5th edn, John
Wiley & Sons, New York

[11] Control de Calidad y Estadística

Industrial. Duncan Cap. 22 (1990).

[12] Alfaro Navarro, Jose Luis. Control

estadístico en procesos multivariantes
autocorrelacionados. Albacete: Universidad
de castilla-La mancha. Dpto de economía y
empresa. Area de estadística 2015. 342 p.

[13] StatPoint, I. (2006). Gráfico ARIMA.

STATGRAPHICS-Rev, 1.

[14] Box, G., Jenkins, G., y Reinsel, G.,

Time Series Analysis: Forecasting and
Control, 3ra Edición, Prentice Hall
Englewood Cliffs, NJ, 1994

[15] Ferrer, A., Control estadístico de

procesos con dinámica: revisión del estado

10