La Grafica de control es una comparacin de los datos de

desempeo del proceso con los lmites de control estadstico.

El objetivo primordial de una grafica de control es detectar causas
especiales o atribuibles.

Se pueden rastrear dos tipos de causas:
1.-Comn: aleatoria o al azar
2.-Especial: atribuible
El objetivo de una grafica de Control es reducir la variacin.
Una grafica de control detecta la presencia de una causa especial
pero no encuentra la causa.
GRAFICAS DE CONTROL ESTADSTICO
El proceso tiene estabilidad, lo que hace posible
predecir su comportamiento a corto plazo.

Un proceso bajo control estadstico opera con menos
variabilidad que un proceso con causas especiales.

Un proceso con causas especiales es inestable.

Un proceso estable que cumple con las especificaciones
del proceso proporciona evidencia de que tiene
condiciones para producir un producto aceptable.
VENTAJAS DEL CONTROL ESTADSTICO
LIMITE SUPERIOR DE CONTROL LSC
LIMITE INFERIOR DE CONTROL LIC
LINEA CENTRAL
CARTA DE CONTROL REPRESENTATIVA
Variabilidad del dimetro
con el material
0,0
10,0
20,0
30,0
40,0
50,0
60,0
70,0
1
4
1
7
2
1
2
4
2
8 3 6
1
0
1
3
1
7
FECHA
D
i
a
m

[
m
m
]
LCS
Diam
LC
LCI
mat F
mat K
INTERPRETACION DE PROCESOS INESTABLES
Uno o ms puntos fuera de los lmites de control

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
0
5
10
D
MUESTRA
E
F
E
C
T
O
S



















LCS
LC
LCI
INTERPRETACION DE PROCESOS INESTABLES
Una secuencia de siete o ms puntos sucesivos sobre cualquiera de
los lados de la lnea central.Por ejemplo, 10 de 11; 12 de 14 o 16 de
20 puntos sobre el mismo lado.

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
0
5
10
D
MUESTRA
E
F
E
C
T
O
S





















LCS
LC
LCI
INTERPRETACION DE PROCESOS INESTABLES
Una tendencia que se desplaza ya sea hacia arriba o
hacia abajo durante siete puntos sucesivos.

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
0
5
10
D
MUESTRA
E
F
E
C
T
O
S




















LCS
LC
LCI
INTERPRETACION DE PROCESOS INESTABLES
Un ciclo o patrn que se repite por si mismo.

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
0
5
10
D
MUESTRA
E
F
E
C
T
O
S




















LCS
LC
LCI
INTERPRETACION DE PROCESOS INESTABLES
Estratificacin: puntos que se mantienen muy cerca de la lnea
central, con poca dispersin hacia los lmites de control.

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
0
5
10
D
MUESTRA
E
F
E
C
T
O
S


















LCS
LC
LCI
INTERPRETACION DE PROCESOS INESTABLES
Puntos que se mantienen muy cerca de cualquiera de
los lmites de control.

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
0
5
10
D
MUESTRA
E
F
E
C
T
O
S




















LCS
LC
LCI
INTERPRETACION DE PROCESOS INESTABLES
Racimos o grupos de puntos en reas
particulares de la grfica.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
0
5
10
D
MUESTRA
E
F
E
C
T
O
S




















LCS
LC
LCI
Carta de Control c
ALCANCES
Es utilizada para determinar la cantidad de defectos que
aparecen en muestras fijas.
Nmero de llamadas que llegan a una central telefnica en un
intervalo de tiempo.
Errores tipogrficos sobre pgina impresa.
Nmero de remaches faltantes al ensamblar el ala de un aeroplano.
Burbujas de aire en los artculos de cristalera

Descubrir la variacin en la calidad de una caracterstica o pieza.
Es factible, dependiendo de su naturaleza y su gravedad, que un
artculo posea varias disconformidades y de todos modos, no sea
clasificado como disconforme.
DIAGRAMA DE CONTROL DE DEFECTOS C
Cuando un producto no satisface una especificacin
resulta ser un defecto o disconformidad.

Existen muchos casos prcticos en los que es
preferible trabajar directamente con el nmero de
defectos, que con la otra fraccin conforme.

PROCEDIMIENTOS
Los defectos ocurren en esta unidad de
inspeccin segn la distribucin de Poisson,es
decir:
!
*
) (
x
c e
x p
x c
=
x= 0,1,2,...
x: Nmero de defectos
c: Parmetro de la distribucin de Poisson, c > 0
c
c
=
=
2
o

PROCEDIMIENTOS
Para un diagrama de control de defectos con
lmites de tres sigmas est dado por:

c c LIC
c LC
c c LCS
3
3
=
=
+ =
Suponiendo que se conoce un valor estndar
para c
PROCEDIMIENTOS
Si no se conoce el valor estndar ste se
puede estimar, quedando c como la media
observada del nmero de defectos
c
c c LIC
c LC
c c LCS
3
3
=
=
+ =
EJEMPLO 1
En la siguiente tabla se presenta el nmero de
disconformidades observadas en 26 muestras sucesivas,
cada una con 100 tarjetas de circuitos impresos.
Nro de muestras Nro de defectos Nro de muestras Nro de defectos
1 21 14 19
2 24 15 10
3 16 16 17
4 12 17 13
5 15 18 22
6 5 19 18
7 28 20 39
8 20 21 30
9 31 22 24
10 25 23 16
11 20 24 19
12 24 25 17
13 16 26 15
OBSERVACIONES
DOS PUNTOS ESTAN FUERA DE LOS LIMITES DE
CONTROL, LA MUESTRA 6 Y 20
LA MUESTRA NUMERO 6 SE REFLEJA CUANDO UN
INSPECTOR NUEVO NO RECONOCIO VARIOS TIPOS
DE DISCONFORMIDADES QUE ESTABAN
PRESENTES.
LA MUESTRA NUMERO 20 SE REFLEJA POR UN
PROBLEMA EN EL CONTROL DE LA TEMPERATURA
DE LA MAQUINA DE SOLDAR.

EJEMPLO 2
DEFECTOS POR METRO CUADRADO DE TELA
Numero de Cantidad de Nmero de Cantidad de
muestras defectos muestras defectos
1 7 11 6
2 5 12 3
3 3 13 2
4 4 14 7
5 3 15 2
6 8 16 4
7 2 17 7
8 3 18 4
9 4 19 2
10 3 20 3
Total cantidad de defectos:82
Nmero de muestras:20

LC : c : 82/20= 4.1
LCS: c +3\c :4.1+3\4.1=10.17
LCI: c -3\c :4.1-3\4.1= -1.97 = 0
Nota: Las tasas de defectos
negativos no existen
GRAFICA
DEFECTOS POR METRO CUADRADO DE TELA

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
0
5
10
D
MUESTRA
E
F
E
C
T
O
S




















LCS
LC
CONCLUSION
La carta de control no posee
tendencia, racha y ciclo, entonces
estaramos en condiciones de decir
que el proceso esta de momento bajo
control

En algunos procesos es preferible trabajar con el nmero de
defectos por unidad ms que con el nmero total de defectos.
Por tanto, si la muestra consiste en n unidades y existen en
total C defectos en ella, entonces
U = C

Es el numero promedio de defectos por unidad. Con esto
puede construirse una carta U para los datos. Si existe m
muestras preliminares, y el nmero de defectos por unidad en
stas son U
1
,U
2
,....,U
m
, entonces el estimador del nmero
promedio del defecto por unidad es
= 1 E U
i
m
m
i=1
n
Los parmetros de la carta U estn definidos
de la manera siguiente:
LSC = + 3
LC =
LIC = - 3
\ n
n \
= promedio de
defectos por unidad
n = nmeros de
unidades en una muestra
Limite superior
de control
Limite inferior
de control
Limite central
Limites de control
3-sigma
Corresponde a una
distancia de a lo
menos 3 desviaciones
estndar.
1 5 6 1,2
2 5 4 0,8
3 5 8 1,6
4 5 10 2
5 5 9 1,8
6 5 12 2,4
7 5 16 3,2
8 5 2 0,4
9 5 3 0,6
10 5 10 2
11 5 9 1,8
12 5 15 3
13 5 8 1,6
14 5 10 2
15 5 8 1,6
16 5 2 0,4
17 5 7 1,4
18 5 1 0,2
19 5 7 1,4
20 5 13 2,6
32
Tamao de la
muestra, n
Numeros de
defectos, c
Defectos por
unidad, u
Muestra
Ejemplo para Datos de defectos para tarjetas de circuitos :
U = C
n

= 1 E U
i
m
Resultados de los datos:
Sigma = 3
LC = = 1,6
LSC = 3,30
LIC =
-0,10 0,0
Se aproxima a 0 por que no pueden
haber defectos negativos.
= 32/20
1,6 + 3*\1,6/5
1,6 - 3*\1,6/5
Grafico del Ejemplo:
CARTA U
0
0,5
1
1,5
2
2,5
3
3,5
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Nmero de muestra
D
e
f
e
c
t
o
s

p
o
r

u
n
i
d
a
d
,
u


Defectos
LSC
LC
LIC
HERRAMIENTAS PARA LA CALIDAD
CARTAS P
CARTAS P O DIAGRAMAS DE CONTROL
PARA LA FRACCION DISCONFORMES
Los grficos p de control se utilizan para controlar los procesos de
los cuales se recogen datos como valores de la fraccin de unidades
defectuosas o el porcentaje de unidades defectuosas. Tambin se
conoce como carta de control para la fraccin de artculos que no
cumplen con las especificaciones
La proporcin de disconformes se define como el cociente de artculos
disconformes entre el total de artculos de la poblacin:

p = artculos disconformes
total de artculos

En general se usa el porcentaje de disconforme como una medida ms
intuitiva de medicin al ser mostrado.
Ejemplo
Ensayo: 100 hojas o unidades de producto terminado

Unidades defectuosas o no conformes: 5 unidades






Fraccin de unidades defectuosas (p)= 5/100 = 0.05

Porcentaje de unidades no conformes: 5%

Principios Estadsticos de cartas p
Se basan en la distribucin binomial.
En un proceso estable cada artculo producido es una v.a. con
parmetro p.

Si se selecciona una muestra aleatoria de n artculos del producto
con un numero de artculos D como no conformes, entonces D
tiene distribucin binomial con parmetros n y p, o sea:

P{D=x} = ( ) p
x
(1-p)
n-x
; x = 0,1,2,.n

n
x
PREPARACIN DE LOS GRFICOS
1) RECOGER LOS DATOS:
Estas cartas requieren un tamao de muestras
considerablemente mayor que sus contrapartes
donde intervienen mediciones .
Se tiene que conocer el nmero de unidades
inspeccionadas (n) y el nmero de unidades
defectuosas o no conformes (np), para cada
fraccin de unidades defectuosas.

2) ORGANIZAR LOS DATOS (subgrupos)
En este caso, si n es demasiado pequeo, la potencia
estadstica de la prueba del grfico de control es
deficiente. Cuando n es demasiado grande, los
datos deben estratificarse y agruparse en
subgrupos de diversas maneras.
3) CALCULAR LA FRACCIN DE UNIDADES
DEFECTUOSAS PARA CADA SUBGRUPO


P(i)= nmero de unidades defectuosas
nmero de unidades en la muestra
(tamao del subgrupo)


4) CALCULAR LA FRACCIN DE UNIDADES
DEFECTUOSAS MEDIA, p

p= nmero total de unidades defectuosas
nmero total de unidades inspeccionadas
5) CALCULAR LOS LMITES DE CONTROL

Los lmites de control + 3 sigma del grfico p se
calculan con las siguientes frmulas:

Lmite de control superior: LCS = p +3 p (1-p )
n(i)

Lmite de control inferior : LCI = p -3 p (1-p )
n(i)

Nota: si LCI<0 no es aplicable


6) REPRESENTAR EL GRFICO DE CONTROL
DESARROLLO Y EMPLEO DEL DIAGRAMA p
La grfica controla la fraccin disconforme p del proceso, es
por ello que tambin se denomina diagrama o carta p.
Supongamos que se conoce la verdadera fraccin disconforme
p del proceso.entonces el diagrama de control tendra:

LSC = p +3 \ p (1-p)/n
Lnea central = p
LIC = p -3 \ p (1-p)/n

Sin embargo cuando se desconoce p, se estima a partir de los
datos observados.

El procedimiento normal es seleccionar m muestras, cada una
de tamao n. Si existe D
i
artculos no conformes en la muestra i se
calcula la fraccin disconforme o proporcin como:

m

P
i
= D
i
; i=1,2,3,..m.

i=1
La media de estas proporciones muestrales es :

m

p = P
i
/ m

i=1

los limites del diagrama de control p se calculan de la siguiente
manera:
LSC = p +3 \ p(1-p)/n
Lnea central = p
LIC = p - 3 \ p(1-p )/n ;
Consideraciones al analizar la grfica:
Los lmites obtenidos se consideran lmites de control de prueba, es
decir permiten determinar si el proceso estaba bajo control cuando se
obtuvieron las m muestras iniciales.
Si los puntos caen dentro de los lmites y no existe comportamiento
sistemtico, podemos decir que el proceso esta bajo control.
Se debe comparar el diagrama p resultante para probar la hiptesis de
un control anterior y analizar si los limites de control de prueba son
adecuados para controlar el proceso actual y futuro.
Examinar los puntos fuera de control y buscar las causas atribuibles.
Rara vez se conoce el verdadero valor de p, ms bien se tiene un valor
deseado u objetivo. Por lo cual el proceso podra estar fuera de control
para el objetivo, pero bajo control para otro valor calculado. Este
concepto es til en procesos en los cuales es posible controlar mediante
ajustes.
Numero del N" unidades N" unidades Fraccin de
subgrupo inspecc. defectuosas unidades def.
n np p
1 50 3 0,06
2 " 8 0,16
3 " 3 0,06
4 " 5 0,1
5 " 4 0,08
6 " 10 0,2
7 " 10 0,2
8 " 9 0,18
9 " 4 0,08
10 " 6 0,12
11 " 9 0,18
12 " 8 0,16
13 " 12 0,24
14 " 6 0,12
15 " 8 0,16
16 " 8 0,16
17 " 10 0,2
18 " 13 0,26
19 " 9 0,18
20 " 5 0,1
21 " 7 0,14
22 " 9 0,18
23 " 5 0,1
24 " 3 0,06
25 " 13 0,26
Total 1250 187
Promedio n=50 p=0.1496
DATOS PARA EJEMPLO DIAGRAMA p
Grafico de control p
0
0,1
0,2
0,3
0,4
0 10 20 30
Num de subgrupo
F
r
a
c
c
i
o
n

d
e
f
e
c
t
u
o
s
a
LC = p =0.1496
LCS= 0.301
LCI= -0.0017 = 0

Ejemplo de aplicacin:
Se envasa jugo de naranja concentrado y congelado en botes de
cartn de 1lt. Estos envases los produce una mquina formando
un tubo a partir de una pieza de cartn y aplicando luego un fondo
metlico. Al inspeccionar un bote puede determinarse al llenarlo si
gotear por la junta lateral o el fondo. Tal bote disconforme tiene
un sellado inadecuado en la junta o el fondo. Se desea elaborar un
diagrama de control para vigilar la fraccin de disconformes
producidas por esta mquina. Para establecer el diagrama de
control, se seleccionaron 30 muestras de n =50 botes cada media
hora durante un periodo de tres turnos , durante los cuales la
mquina oper continuamente. Los datos se muestran en la tabla
1.
Numero de
muestra
Numero de
disconformes
Di
Fraccin de
disconformes
pi
Numero de
muestra
Numero de
disconforme
Di
Fraccin de
disconformes
pi
1 12 0.24 16 8 0.16
2 15 0.30 17 10 0.20
3 8 0.16 18 5 0.10
4 10 0.20 19 13 0.26
5 4 0.08 20 11 0.22
6 7 0.14 21 20 0.40
7 16 0.32 22 18 0.36
8 9 0.18 23 24 0.48
9 14 0.28 24 15 0.30
10 10 0.20 25 9 0.18
11 5 0.10 26 12 0.24
12 6 0.12 27 7 0.14
13 17 0.34 28 13 0.26
14 12 0.24 29 9 0.18
15 22 0.44 30 6 0.12
_
347 P = 0.2313


Tabla 1: Datos para los lmites de control de prueba, tamao n =50



Usando como estimacin de la fraccin disconforme p = 0.2313, se
calculan los lmites superior e inferior de control como:

LSC = p +3 \ p(1-p)/n ;
Lnea central = p
LIC = p - 3 \ p(1-p)/n ;
As : p 3 \ p(1-p)/n = 0.2313 3\ 0.2313(0.7687) /50
= 0.2313 3(0.0596) = 0.2313 0.1789
Por lo tanto
LSC = 0.4102
LC = 0.2313
LIC = 0.0524
0
0,05
0,1
0,15
0,2
0,25
0,3
0,35
0,4
0,45
0,5
0,55
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30
nmero de muestras
f
r
a
c
c
i

n

d
i
s
c
o
n
f
o
r
m
e

d
e

l
a

m
u
e
s
t
r
a
LSC de prueba = 0.4102
LIC de prueba = 0.0524
Carta P para los datos de la tabla 1 con lnea central LC = 0.2313
Se observa que dos puntos correspondientes a las muestras
15 y 23 se hallan sobre la lnea de control,por lo cual se
investiga la causa. Como la causa es identificable se
eliminan las muestras 15 y 23, y se determinan la nueva
lnea central y los lmites de control revisado como:
p = 301/ (28 * 50) = 0.2150
p 3 \ p(1-p)/n = 0.2150 3\ 0.2150 (0.7850) /50
= 0.2150 \ 3(0.0581)
= 0.2150 0.1743
Por lo tanto As :
LSC revisado = 0.3893
LC revisado = 0.2150
LIC revisado= 0.0407
0
0,05
0,1
0,15
0,2
0,25
0,3
0,35
0,4
0,45
0,5
0,55
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30
nmero de muestras
f
r
a
c
c
i

n

d
i
s
c
o
n
f
o
r
m
e

d
e

l
a

m
u
e
s
t
r
a
LSC revisada = 0.3893
LIC revisada = 0.0407
LSC de prueba = 0.4102
LIC de prueba = 0.0524
Carta P para los datos de la tabla 1 con lmites revisados LC = 0,2150
Antes de concluir que el proceso esta bajo control se observa que
no existan patrones no aleatorios.

Como no se observan patrones no aleatorios, concluimos que el
proceso est bajo control a un nivel p= 0.2150, y que se adoptan
los lmites de control revisados para verificar la produccin actual
Tabla 2. Datos de latas de jugo de naranja concentrado tamao n =50
Numero de
muestra
Numero de
disconformes
Di
Fraccin de
disconformes
pi
Numero de
muestra
Numero de
disconforme
Di
Fraccin de
disconformes
pi
1 9 0.18 13 3 0.06
2 6 0.12 14 6 0.12
3 12 0.24 15 5 0.10
4 5 0.10 16 4 0.08
5 6 0.12 17 8 0.16
6 4 0.08 18 5 0.10
7 5 0.10 19 6 0.12
8 3 0.06 20 7 0.14
9 7 0.14 21 5 0.10
10 6 0.12 22 6 0.12
11 2 0.04 23 3 0.06
12 4 0.08 24 4 0.08


133 P = 0.1108





0
0,05
0,1
0,15
0,2
0,25
0,3
0,35
0,4
0,45
0 2 4 6 8 10 12 14 16 18 20 22 24
nmero de muestra
f
r
a
c
i
o
n

d
i
s
c
o
n
f
o
r
m
e

d
e

l
a

m
u
e
s
t
r
a
Carta P con datos de la tabla 2 con los lmites
revisados anteriormente y LC = 0,2150
LSC revisada = 0.3893
LIC revisada = 0.0407
LC revisada = 0.2150
Podemos probar la hiptesis que la fraccion de disconforme del
proceso actual difiere de la fraccin disconforme de los datos
preliminares,mediante una prueba de hiptesis para dos
parmetros binomiales:
Las hiptesis son: H
o
: p
1
= p
2

H
1
: p
1
> p
2
Donde p
1
es la fraccin disconforme del proceso de los datos
preliminares y p
2
es la fraccin disconforme del proceso actual.
As estimamos p
1
por p
1
= 0.2150,
y p
2
por p
2
= 133 / (50*24) = 0.1108

El estadstico de prueba para la hiptesis es:
Z
0
= p
1
- p
2

p(1- p) ( 1 + 1 )

n
1
n
2

donde : p = n
1*
p
1
+ n
2*
p
2

n
1
+ n
2
En el ejemplo se tiene:
p = 1400*0.2150 + 1200 *0.1108 = 0.1669
1400 + 1200
Por otro lado Z
0
= 7.22
Utilizando o = 0.05 en la distribucin normal estndar, se
encuentra que Z
0.05
= 1.645. Como Z
0
= 7.22 > 1.645, se
rechaza H
0
y concluimos que hubo una disminucin
significativa de fallas del proceso.
Consecuencia:
Se cambian los lmites de control de los datos preliminares (tabla
1) y se adoptan los del periodo reciente (tabla 2). Esto produce:

p 3 \ p(1-p)/n = 0.1108 3\ 0.1108 (0.8892) /50
As: Lnea central = LC = 0.1108
LSC = p+3\ p(1-p)/n = 0.1108+3\ 0.1108 (0.8892) /50 = 0.2440
LIC = p -3 \ p(1-p)/n = 0.1108 - 3\ 0.1108 (0.8892) /50 = - 0.0224
Tabla 3. Datos para el diagrama de control de la fraccion, tamao n =50 figura 3
Numero de
muestra

Numero de
disconformes Di

Fraccin de
disconformes pi

Numero de
muestra

Numero de
disconforme Di

Fraccin de
disconformes pi

1

8

0.16

21

5

0.10

2

7

0.14

22

8

0.16

3

5

0.10

23

11

0.22

4

6

0.12

24

9

0.18

5

4

0.08

25

7

0.14

6

5

0.10

26

3

0.06

7

2

0.04

27

5

0.10

8

3

0.06

28

2

0.04

9

4

0.08

29

1

0.02

10

7

0.14

30

4

0.08

11

6

0.12

31

5

0.10

12

5

0.10

32

3

0.06

13

5

0.10

33

7

0.14

14

3

0.06

34

6

0.12

15

7

0.14

35

4

0.08

16

9

0.18

36

4

0.08

17

6

0.12

37

6

0.12

18

10

0.20

38

8

0.16

19

4

0.08

39

5

0.10

20

3

0.06

40

6

0.12

0,00
0,05
0,10
0,15
0,20
0,25
0,30
0,35
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40
nmero de muestras
f
r
a
c
c
i

n

d
i
s
c
o
n
f
o
r
m
e

d
e

l
a

m
u
e
s
t
r
a
LSC revisada = 0.2440
LC revisada = 0.1108
LIC revisada = 0.00
Fig. 3 :Uso continuo del diagrama de control
de la fraccin disconforme para los datos de la tabla 3
CONCLUSIONES
La carta p controla la proporcin de artculos no conformes
de un proceso, es un control del atributo del producto.

La carta p se basa en el modelo probabilstico binomial
donde las unidades sucesivas en la produccin son independientes.

La interpretacin de los puntos en el diagrama de control debe
hacerse con cuidado, en especial en la interpretacin de los
puntos que se hallan por debajo del lmite inferior. Estos puntos
no a menudo representan una mejora real en la calidad del
proceso, pueden ser el resultado de errores en la medicin .

No todos los cambios en la proporcin p se deba a una mejora
de la calidad
GRAFICOS DE CONTROL np
Un grfico de control np muestra la cantidad de productos defectuosos.

Se utiliza cuando el tamao del subgrupo (n) es constante.

Muestra a la vez las caractersticas de la media y la dispersin del proceso de
produccin

Este tambin es un diagrama para datos de atributos. Grafica un proceso medido por el
nmero de elementos producidos que no estn en conformidad con las especificaciones.
El atributo o caracterstica de inters siempre est en forma de si/no, pasa/falla,
xito/fracaso etc.

Por ejemplo: Numero de facturas con errores, Ctodos manchados
LMITES DE CONTROL

Los lmites de control del grfico np se calculan con las
siguientes formulas:

Lmite de control superior: LCS= np + 3 np*(1-p )


Lmite de control inferior : LCI = np - 3 np*(1-p )

donde:

Lnea central = numero prom. de unidades defectuosas

LC = numero total de unidades defectuosas
numero de subgrupos
COMPARACION DIAGRAMAS p Y np
DIAGRAMAS P:

Los datos son de atributos.
Los tamaos de las muestras son variables o
constantes.
El rastreo de la proporcin de elementos que no
cumplen con las especificaciones es importante
para nosotros.

DIAGRAMAS NP:

Los datos tambin son de atributos.
El tamao del subgrupo es constante
Se utiliza cuando el nmero es mas signficativo
que la proporcin de elementos defectuosos.

Construccin del grfico
Paso1. Recoger los datos y obtener la mayor cantidad posible de
datos que indiquen la cantidad inspeccionada (n) y la cantidad
de productos defectuosos (np).Por lo menos 20 pares.
Paso 2. Dividir los datos en subgrupos.Habitualmente se agrupan
en lotes o por fecha.
Paso 3. Calcular el total de los productos defectuosos sobre el total
inspeccionado.
p= Total de productos defectuosos = pn
Total inspeccionado n
Paso 4. Calcular los lmites de control: superior, central e inferior.

Lnea Central Superior
LCS = np + 3 \ np (1 - p)
Lnea Central
LC = np
Lnea Central Inferior
LCI = np - 3 \ np (1 - p)
Ejemplo
Tabla de defectos de platinado en piezas montadas

Subgrupo
N
Tamao
subgrupo (n)
Cantidad de
piezas
defectuosas pn
Subgrupo
N
Tamao
subgrupo (n)
Cantidad de
piezas
defectuosas pn
1 100 1 16 100 4
2 100 6 17 100 6
3 100 5 18 100 15
4 100 4 19 100 12
5 100 3 20 100 6
6 100 2 21 100 3
7 100 2 22 100 4
8 100 4 23 100 3
9 100 6 24 100 3
10 100 2 25 100 2
11 100 1 26 100 5
12 100 3 27 100 7
13 100 1 28 100 4
14 100 4 29 100 6
15 100 5 30 100 8
Total 3000 143




3

Clculos y grfica
p = 143 / 3000 = 0.04766
LC = np = 100*0.0476 = 4.76
LCS = np + 3 \ np (1 - p) = 4.76 + 6.38 = 11.03
LCI = np - 3 \ np (1 - p) = 4.76 - 6.38 = - 1.62 (no se toma el valor negativo)
GRAFICO DE CONTROL "np"
0
2
4
6
8
10
12
14
16
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29
N Subgrupo
C
a
n
t
i
d
a
d

p
i
e
z
a
s

d
e
f
e
c
t
u
o
s
a
s

n
p
LCS
LC
LCI
Control estadstico de calidad
Cartas de Control
R y X
Control sobre la calidad promedio
X
= Carta de control para los promedios
Control sobre la variabilidad del proceso
R
= Carta de control de rangos
n
LSC
o

3
+ =
n
LIC
o

3
=
Gran media

=
= =
m
i
i
X
m
X
1
1

Rango promedio

=
=
m
i
i
R
m
R
1
1
d
R
Estimando
2

= o
o
Por lo tanto en la carta
X
tenemos:
LSC=
LIC=
R
n
X
d
2
3
+
R
n
X
d
2
3

LSC=
LC=
LIC=
r A X
2
+
n
d
2
3
X
r A X
2

LSC=
LC=
LIC=
r D
4
2
3
1
d
w
o
+
r 2
3
1
d
w
o

r D
3
FACTORES PARA DIAGRAMAS DE CONTROL X-R
TAMAO FACTORES PARA DIAGRAMAS X FACTORES PARA DIAGRAMAS R
MUESTRAL d2 A2 d3 D3 D4
(n)
2 1,128 1,881 0,853 0,000 3,269
3 1,693 1,023 0,888 0,000 2,574
4 2,059 0,729 0,880 0,000 2,282
5 2,326 0,577 0,864 0,000 2,114
6 2,534 0,483 0,848 0,000 2,004
7 2,704 0,419 0,833 0,076 1,924
8 2,847 0,373 0,820 0,136 1,864
9 2,970 0,337 0,808 0,184 1,816
10 3,078 0,308 0,797 0,223 1,777
11 3,173 0,285 0,787 0,256 1,744
12 3,258 0,266 0,779 0,283 1,717
13 3,336 0,249 0,770 0,308 1,692
14 3,407 0,235 0,763 0,328 1,672
15 3,472 0,223 0,756 0,347 1,653
16 3,532 0,212 0,750 0,363 1,637
17 3,588 0,203 0,744 0,378 1,622
18 3,640 0,194 0,739 0,391 1,609
19 3,689 0,187 0,734 0,403 1,597
20 3,735 0,180 0,729 0,414 1,586
21 3,778 0,173 0,724 0,425 1,575
22 3,819 0,167 0,720 0,434 1,566
23 3,858 0,162 0,716 0,443 1,557
24 3,895 0,157 0,712 0,452 1,548
25 3,931 0,153 0,708 0,460 1,540
Nmero
de
muestra x1 x2 x3 x4 x5 X r
1 33 29 31 32 33 31,6 4
2 33 31 35 37 31 33,4 6
3 35 37 33 34 36 35,0 4
4 30 31 33 34 33 32,2 4
5 33 34 35 33 34 33,8 2
6 38 37 39 40 38 38,4 3
7 30 31 32 34 31 31,6 4
8 29 39 38 39 39 36,8 10
9 28 33 35 36 43 35,0 15
10 38 33 32 35 32 34,0 6
11 28 30 28 32 31 29,8 4
12 31 35 35 35 34 34,0 4
13 27 32 34 35 37 33,0 10
14 33 33 35 37 36 34,8 4
15 35 37 32 35 39 35,6 7
16 33 33 27 31 30 30,8 6
17 35 34 34 30 32 33,0 5
18 32 33 30 30 33 31,6 3
19 25 27 34 27 28 28,2 9
20 35 35 36 33 30 33,8 6
Gran media 33,3 r media 5,8
Mediciones de apertura del labe
Ejemplo:
Control de la apertura de los
labes, en la fabricacin de
turbinas
28,0
30,0
32,0
34,0
36,0
38,0
40,0
42,0
1 3 5 7 9
1
1
1
3
1
5
1
7
1
9
Carta X
X
Nmero de muestras
LSC=36.67
LIC=29.98
LC=33.32
2
4
6
8
10
12
14
16
1 3 5 7 9
1
1
1
3
1
5
1
7
1
9
Carta
R
r
Nmero de muestras
LSC=12.27
LC=5.8
28,0
30,0
32,0
34,0
36,0
38,0
40,0
42,0
1 3 5 7 9
1
1
1
3
1
5
1
7
1
9
Carta X
X
Estimacin de los limites
LSC revisado=36.10
LIC revisado =30.33
LC=33.21
= no utilizado en el clculo de los lmites de control
2
4
6
8
10
12
14
16
1 3 5 7 9
1
1
1
3
1
5
1
7
1
9
Carta
R
r
LSC revisado=10.57
LC revisado=5.0
Estimacin de los limites
= no utilizado en el clculo de los lmites de control
Estimacin de la capacidad de proceso
CCP =Coeficiente de capacidad de proceso
o 6
LIE LSE
CCP

=
LAS CARTAS DE CONTROL PARA MEDICIONES
INDIVIDUALES SON AQUELLAS QUE SE
UTILIZAN EN MUCHAS SITUACIONES, DONDE
EL TAMAO DE LA MUESTRA ES IGUAL A 1,
ESTO ES QUE LA MUESTRA ESTA FORMADA
POR UNA SOLA UNIDAD O POR UN PROMEDIO
DE VARIAS MUESTRAS DONDE NO ES
NECESARIO CONSIDERARLAS YA QUE LAS
DIFERENTES MEDICIONES ENTRE ELLAS ES
SOLO ATRIBUIBLE AL ERROR DE MEDICION
CARACTERISTICAS
Es una herramienta muy utilizada en procesos continuos.
Es una representacin de observaciones individuales
contra el tiempo.
No se representan medias sino representaciones
individuales.
Establece una prueba rpida de la existencia de causas
atribuibles de variacin.
La carta de control de individuos utiliza el rango movil de
dos observaciones sucesivas para estimar la variabilidad
del proceso.
La carta de control de individuos debe ir acompaada de
la carta de control de rango movil.
EJEMPLOS DE ALGUNAS SITUACIONES DONDE
SE UTILIZAN CARTAS DE CONTROL PARA
MEDICIONES INDIVIDUALES:
TECNOLOGIA DE MEDICION E INSPECCIN
AUTOMATIZADO
EN RITMOS DE PRODUCCION LENTOS
MEDICIONES REPETIDAS DE UN PROCESO
DIFIEREN SOLO DEBIDO A ERRORES DE
MEDICION
EN PLANTAS DE PROCESO DONDE SE MIDEN
ESPESORES DE LA FABRICACION DEL PAPEL
PARA REALIZAR LOS CALCULOS EN LAS
CARTAS DE CONTROL SE TOMAN LOS
SIGUIENTES PARAMETROS QUE SE
DEFINEN COMO:
| | 1 = i X X MR i
RANGO MOVIL : EL RANGO MOVIL SE
DEFINE COMO AQUEL PARAMETRO QUE SE
UTILIZA PARA ESTIMAR LA VARIABILIDAD EN
UN PROCESO
2 d
3
mr
LSC + X =
2 d
3
mr
LIC X =
LIMITES DE CONTROL:SON AQUELLOS
LIMITES SUPERIORES O INFERIORES QUE
LIMITAN EL PROCESO BAJO CONTROL
X LC=
LIMITES DE CONTROL PARA UNA CARTA
DE RANGO MOVIL
Rango Movil:

LSC = D4*mr
LC = mr
LIC = D3*mr

EJEMPLO EN UNA PLANTA DE SECADO
TOLVA DE
ALIMENTACIN

SECADOR
AGREGADO
COMPUESTOS
MEZCLADOR
INTERCAMBIADOR
DE CALOR
PRODUCTO FINAL
Datos de humedad en el Proceso de la Planta
Hora Humedad ( % )
x
Rango Movil
mr
1 0.12
2 0.11 0.01
3 0.04 0.07
4 0.06 0.02
5 0.08 0.02
6 0.12 0.04
7 0.10 0.02
8 0.05 0.05
9 0.09 0.04
10 0.13 0.04
11 0.11 0.02
12 0.10 0.01
13 0.11 0.01
14 0.08 0.03
15 0.13 0.05
16 0.12 0.01
17 0.09 0.03
18 0.12 0.03
19 0.19 0.07
20 0.11 0.08
21 0.09 0.02
22 0.08 0.01
23 0.06 0.02
24 0.06 0.00
x=0.098 mr =0.030



CARTA DE CONTROL PARA MEDICIONES INDIVIDUALES DE
PLANTA DE SECADO
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0.16
0.18
0.2
0.22
0.24
0.26
0 4 8 12 16 20 24
Subgrupo ( Hora)
x

i
n
d
i
v
i
d
u
a
l
(
%

H
u
m
e
d
a
d

)
LC=0.098
LSC=0.178
LIC=0.018
CARTA DE CONTROL PARA RANGO MOVIL
0
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.1
0 2 4 6 8 10 12 14 16 18 20 22 24 26
Subgrupo
R
a
n
g
o

m
o
v
i
l
LSC=0.098
LC=0.030
LIC=0.00

CARTA DE CONTROL DE INDIVIDUOS MODIFICADA
PARA PLANTA DE SECADO
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0.16
0.18
0.2
0.22
0.24
0 4 8 12 16 20 24
Subgrupo ( Horas )
x

i
n
d
i
v
i
d
u
a
l

(

%

H
u
m
e
d
a
d
)
LSC=0.160
LC=0.094
LIC=0.028

CARTA DE CONTROL MODIFICADA PARA RANGO
MOVIL
0
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.1
0 2 4 6 8 10 12 14 16 18 20 22 24 26
Subgrupo
R
a
n
g
o

m
o
v
i
l
LC=0.025
LSC=0.082
LIC=0.00

CARTA DE CONTROL DE INDIVIDUOS MODIFICADA
PARA PLANTA DE SECADO
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0.16
0.18
0.2
0.22
0.24
0 4 8 12 16 20 24
Subgrupo ( Horas )
x

i
n
d
i
v
i
d
u
a
l

(

%

H
u
m
e
d
a
d
)
LSC=0.160
LC=0.094
LIC=0.028

CARTA DE CONTROL MODIFICADA PARA RANGO
MOVIL
0
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.1
0 2 4 6 8 10 12 14 16 18 20 22 24 26
Subgrupo
R
a
n
g
o

m
o
v
i
l
LC=0.025
LSC=0.082
LIC=0.00
El siguiente problema muestra una tabla con
20 observaciones de concentracin en la
salida de un proceso qumico. Las
observaciones se toman a intervalos de una
hora . Si se toman varias observaciones al
mismo tiempo, la lectura de concentracin
observada ser diferente debido solo al error
de medicin. Puesto que este es pequeo,
solo se toman dos observaciones cada hora
y se promedia entre ellos.
Ejercicio
Observacion Concentracion Rango movil
1 102,0
2 94,8
3 98,3
4 98,4
5 102,0
6 98,5
7 99,0
8 97,7
9 100,0
10 98,1
11 101,3
12 98,7
13 101,1
14 98,4
15 97,0
16 96,7
17 100,3
18 101,4
19 97,2
20 101,0
99,1 X = mr =
7.2
3.5
0.1
3.6
3.5
0.5
1.3
2.3
1.9
3.2
2.6
2.4

2.7
1.4
0.3
3.6
1.1
4.2
3.8
2.59
Para buscar el rango
mvil utilizaremos la
siguiente formula
| | 1 = i X X MR i
| 0 . 102 8 . 94 | = MR
2 . 7 = MR
Por ejemplo :
19
2 . 49
589 . 2 = mr =
Calculando la media del Rango movil
CALCULANDO EL VALOR DE LA LINEA CENTRAL
1 . 99 = = X LC
EL VALOR DE LA LINEA CENTRAL CORRESPONDE AL
VALOR DE LA MEDIA OBTENIDA DE LAS
CONCENTRACIONES
n
x
x
i

=
DONDE :
20
9 . 1981
=
095 . 99 =
POR LO TANTO
CALCULANDO LOS LIMITES DE CONTROL TENEMOS:
2
3
d
mr
X LSC + =
128 . 1
59 . 2
3 1 . 99 + =
99 . 105 =
128 . 1
59 . 2
3 1 . 99 =
21 . 92 =
2
3
d
mr
X LIC =
CARTA DE CONCENTRACIONES INDIVIDUALES
90
93
96
99
102
105
108
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
X

I
N
D
I
V
I
D
U
A
L
LC
LSC
LIC
105.9
92.20
99.1
GRAFICO DE RANGO MOVIL
0
1
2
3
4
5
6
7
8
9
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
R
a
n
g
o

m
o
v
i
l
2.59
LSC
CARTA DE CONTROL SUMA ACUMULATIVA
Principios Bsicos
Estos diagramas siven para detectar pequeos cambios en
la media del proceso (del orden de 0,5o

a 2 o
x
) .
En este intervalo se detectarn los cambios dos veces ms
rpidos con un tamao muestra ms pequeo.
Son eficaces para muestras de n = 1
Visualmente se detectan los cambios en el proceso por el
cambio en la pendiente de los puntos.
CARACTERISTICAS
Desventajas del mtodo
La grfica es lenta para detectar cambios grandes en el
proceso.
No es un mtodo eficaz para analizar datos anteriores.
EXISTEN DOS ENFOQUES PARA EL
DISEO DE LIMITES DE CONTROL
SUMCUM
Mascara V
Tabular
Ventajas de una carta de
control de SUMCUM
Son ms eficaces.
Se pueden detectar con facilidad.
) (
0
1
=

=
i
j
j i
X S
proceso del media la de deseado Valor
muestra esima j la de omedio X
j
=
=
0
Pr

1 0
) (

+ =
i j i
S X S
Donde :
Observacin :
Si el proceso esta bajo control en el valor deseado
0
, la
suma acumulada fluctua alrededor del cero.
Si la media se desplaza hacia arriba por algun valor
1
>
0
,
aparecera en la suma acumulada un corrimiento hacia arriba o
positivo.
Si la media se desplaza hacia abajo por algun valor
1
<
0
,
aparecera en la suma acumulada un corrimiento hacia abajo o
negativo.
DESARROLLO MATEMATICO
Ejemplo
La tabla muestra 20 observaciones de
concentracin en la salida de un
proceso qumico. Las observaciones se
toman a intervalos de una hora . Si se
toman varias observaciones al mismo
tiempo, la lectura de concentracin
observada ser diferente debido slo
al error de medicin . Puesto que ste
es pequeo, slo se toma una
observacin cada hora.
Clculo de SUMCUM para los datos
de concentracin del proceso
Observacin, i Xi Xi - 99 Si = ( Xi - 99) + Si-1
1 102.0 3.0 3.0
2 94.8 -4.2 -1.2
3 98.3 -0.7 -1.9
4 98.4 -0.6 -2.5
5 102.0 3.0 0.5
6 98.5 -0.5 0.0
7 99.0 0.0 0.0
8 97.7 -1.3 -1.3
9 100.0 1.0 -0.3
10 98.1 -0.9 -1.2
11 101.3 2.3 1.1
12 98.7 -0.3 0.8
13 101.1 2.1 2.9
14 98.4 -0.6 2.3
15 97.0 -2.0 0.3
16 96.7 -2.3 -2.0
17 100.3 1.3 -0.7
18 101.4 2.4 1.7
19 97.2 -1.8 -0.1
20 101.0 2.0 1.9
-4
-2
0
2
4
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Observacin (i)
S
i

GRAFICA SUMA ACUMULATIVA
PROCEDIMENTO TABULAR

Intervalo de decisin H.
Si S
H
(i) o S
L
(i) son mayores que el
intervalo H, el proceso est fuera de
control.
Si el proceso est fuera de control se
debe buscar la causa asignable.
Este procedimiento no requiere un
tamao de muestra grande.
| | ) 1 ( ) ( , 0 ) (
0
+ + = i S K X Max i S
H i H

| | ) 1 ( ) ( , 0 ) (
0
+ = i S X K Max i S
L i L

Donde :
S
H
(i) es la suma acumulativa unilateral superior para el periodo i
S
L
(i) es la suma acumulativa unilateral inferior para el periodo i
K : Se conoce como valor de referencia.
DESARROLLO MATEMATICO METODO TABULAR
Ejemplo : mtodo tabular

0
= 99,
K = 1, valor referencia.
H =10, intervalo de decisin.







S
H
(i) = mx [0, x
i
(
0
+ K) + S
H
(i-1)]
S
H
(i) = mx [0, x
i
( 99 + 1) + S
H
(i-1)]
S
H
(i) = mx [0, x
i
100 + S
H
(i-1)]

S
L
(i) = mx [0,(
0
- K) - x
i
+ S
L
(i-1)]
S
L
(i) = mx [0,( 99 - 1) - x
i
+ S
L
(i-1)]
S
L
(i) = mx [0,98 - x
i
+ S
L
(i-1)]
SUMCUM tabular del proceso qumico.
Observacin
i x
i
x
i
- 100 s
H
( i ) n
H
98 - x
i
s
L
( i ) n
L
1 102,0 2,0 2,0 1 -4,0 0,0 0
2 94,8 -5,2 0,0 0 3,2 3,2 1
3 98,3 -1,7 0,0 0 -0,3 2,9 2
4 98,4 -1,6 0,0 0 -0,4 2,5 3
5 102,0 2,0 2,0 1 -4,0 0,0 0
6 98,5 -1,5 0,5 2 -0,5 0,0 0
7 99,0 -1,0 0,0 0 -1,0 0,0 0
8 97,7 -2,3 0,0 0 0,3 0,3 1
9 100,0 0,0 0,0 0 -2,0 0,0 0
10 98,1 -1,9 0,0 0 -0,1 0,0 0
11 101,3 1,3 1,3 1 -3,3 0,0 0
12 98,7 -1,3 0,0 0 -0,7 0,0 0
13 101,1 1,1 1,1 1 -3,1 0,0 0
14 98,4 -1,6 0,0 0 -0,4 0,0 0
15 97,0 -3,0 0,0 0 1,0 1,0 1
16 96,7 -3,3 0,0 0 1,3 2,3 2
17 100,3 0,3 0,3 1 -2,3 0,0 0
18 101,4 1,4 1,7 2 -3,4 0,0 0
19 97,2 -2,8 0,0 0 0,8 0,8 1
20 101,0 1,0 1,0 1 -3,0 0,0 0
SUMCUM superior SUMCUM inferior
| |
| |
| |
| | 2 2 , 0 ) (
0 100 102 , 0 ) (
) 1 ( ) 100 ( , 0 ) (
) 1 ( ) ( , 0 ) (
0
= =
+ =
+ =
+ + =
Max i S
Max i S
i S X Max i S
i S K X Max i S
H
H
H i H
H i H

| |
| |
| |
| | 0 4 , 0 ) (
0 102 98 , 0 ) (
) 1 ( ) 1 99 ( , 0 ) (
) 1 ( ) ( , 0 ) (
0
= =
+ =
+ =
+ =
Max i S
Max i S
i S X Max i S
i S X K Max i S
L
L
L i L
L i L

Carta Control METODO TABULAR