Control Charts de Shewhart

(CONTROL ESTADÍSTICO DE
PROCESOS)

1
 Control Chart
• Busca determinar si una secuencia de datos
puede ser usada para hacer predicciones
sobre lo que ocurrirá en el futuro
• Un proceso es predecible cuando se encuentra
en un estado de control estadístico, es
impredecible cuando no se encuentra en un
estado de control estadístico
• ¿Qué es un proceso?

2
 Proceso
Es un grupo de tareas o actividades
relacionadas las cuales tienen inputs y outputs
claramente definidos, involucra una
transformación.

3
 Tipos de Control Chart
• Para Variables:
– ത
De medias (𝑋)
– De rangos (R)
– De desviaciones estándar(S)
– De medidas individuales(X)
• Para Atributos:
– Proporción o fracción de artículo defectuoso (p)
– Número de unidades defectuosas (np)
– Número de defectos (c)
– Número promedio de defectos por unidad (u)
4
 La lógica del Control Chart
Asuma que el proceso muestra
variación controlada
Prediga comportamiento del proceso
basado en los valores del promedio y del
rango promedio (cálculo de límites de
control)

Compare valores
de promedio y
rango
observados o
futuros con los
límites de
control Si las observaciones son
Si las observaciones son inconsistentes con
consistentes con predicciones, el proceso
predicciones , el proceso definitivamente esta
puede estar estable inestable

Continúe operando el Tome acción para

proceso dentro de los identificar y remover las
límites, es la única prueba causas asignables
de estabilidad
5
Uso de sub-grupos (muestras) para
monitorear el proceso
Gráfico del Promedio

Gráfico del Rango

CONTROL CHARTS
6
 Uso de sub-grupos (muestras) para
monitorear el proceso
• Siempre y cuando el proceso permanezca
estable y sin cambios, el promedio y el rango
de los sub-grupos se moverá alrededor dentro
de los límites de control de modo aleatorio
• Mientras que esto suceda, se puede decir que
no hay presencia de variación no controlada

7
Uso de sub-grupos (muestras) para
monitorear el proceso
Gráfico del Promedio

Gráfico del Rango

CONTROL CHARTS
8
 Uso de sub-grupos (muestras) para
monitorear el proceso
Para calcular los límites de control, dado k
subgrupos, cada sub-grupo consiste de n
observaciones:
• Calcule el promedio y el rango para cada sub-
grupo
• Calcule el gran promedio (Esta será la línea
central del gráfico del promedio)
• Calcule el gran rango (Esta será la línea
central del gráfico del rango)
9
 Uso de sub-grupos (muestras) para
monitorear el proceso
• Encuentre los valores A2, D3 y D4
correspondientes para n
• Fórmulas para los límites de control están
dadas en la Tabla A.2

10
 Uso de sub-grupos (muestras) para
monitorear el proceso
• Además de utilizar el promedio de los rangos,
se puede utilizar la mediana de los rangos de
subgrupos
– Sin embargo, no es el mejor estadístico para uso
general, para que pueda ser usada efectivamente,
se debe tomar solo dos tercios de los datos
(referirse a la Tabla A.3 y A.7)
• En lugar de usar rangos, se pueden utilizar
otras medidas de dispersión, por eje.: s o sn
(referirse a la Tabla A.4 y A.5 )
11
 Factores de Corrección de Sesgo
• En Control Estadístico de Procesos se han
identificado los siguientes factores de
corrección de sesgo (entre otros que veremos
más adelante):
A2=constante asociada al tamaño del subgrupo n
d2=media del rango relativo, también está asociada
an
d3= desviación estándar del rango relativo, también
está asociada a n
12
 Example 3.1
The measurements shown below represent the thickness of a
certain part. The numbers recorded are the amount by which
the part exceeded 0.300 inches, in units of one-thousandth of
an inch. Obtain control limits for subgrouped data.

Subgrupo Values Subgrupo Values

1 1 4 6 4 11 4 5 6 5
2 3 7 5 5 12 6 7 8 5
3 4 5 5 7 13 3 3 7 3

4 6 2 4 5 14 6 3 2 9

5 1 6 7 3 15 7 3 4 3

6 8 3 6 4 16 6 4 6 5

7 7 5 6 6 17 5 5 0 5

8 5 3 4 6 18 6 4 6 3

9 4 5 9 2 19 6 4 4 0

10 7 5 6 5 20 6 2 5 4
13
 Tarea
• Para los datos del ejemplo anterior, elabore 3
histogramas, uno para las 80 mediciones, otro
para los 20 promedios de subgrupos y otro
para los 20 rangos de subgrupos. Para los 3
histogramas, use la misma escala en el eje
horizontal, es decir la amplitud o la clase que
especifique en la base del histograma debe ser
la misma para los tres.

14
 Límites Naturales del Proceso
• Son límites calculados para valores individuales
• Pueden ser usados para predecir el
comportamiento del proceso en el futuro, lo que
producirá en el futuro
• Se obtienen a partir de los valores usados para
calcular los límites de control (Diapositiva 8).
Seguidamente,
– Encuentre el valor d2 que corresponde al tamaño del
subgrupo n (Ver Tabla A.1)
– Utilizando el Gran Promedio como la Línea Central, los
límites naturales superior e inferior del proceso son:

15
 Límites Naturales del Proceso
• Ejemplo: encuentre los límites naturales para
el ejemplo anterior, para los datos del grosor
de la parte.
– ¿Cómo se diferencian los límites calculados
inicialmente para el Gráfico de Promedio con los
Límites Naturales del Proceso?
– ¿Cómo se comportan los valores individuales?

16
 Importante tener en cuenta que:
• A la hora de redondear, cuántos dígitos usar?
Tenga en cuenta que debe usar suficientes
dígitos, que le permitan detectar diferencias
entre una medición y otra. Requiere de
conocer el proceso. Cuando la medición debe
ser altamente precisa, es necesaria usar
cuatro o cinco decimales.
– Guía: considerar la cantidad de dígitos que usa el
problema bajo estudio. En la respuesta, proveer
un dígito adicional.

17
 Importante tener en cuenta que:
• Cuando se trata con procesos que generan datos
de forma rápida (producción en masa, diaria, tres
turnos, etc.), es común esperar a tener de 20 a 30
subgrupos antes de calcular los límites de control
y elaborar gráficos de control.
• Cuando se trata con procesos lentos, se calculan
límites de control con cualquier cantidad de
subgrupos, los que hayan disponibles.
– Tiene el riesgo de no detectar signos importantes.

18
 CONTROL CHARTS PARA SUBGRUPOS
DE TAMAÑO 1
• En muchas situaciones, la lógica nos dice que el tamaño de
subgrupo debe ser n=1
– Cuando cada medida representa un lote, cuando las medidas
están ampliamente espaciadas en el tiempo o cuando cada
medida debe ser usada para evaluar el proceso. Eje.: industria de
bebidas alcohólicas, en las que deben pasar desde una hasta
más de 100 horas para obtener los resultados de los procesos de
fermentación y destilación. Otro eje.: algunas variables
administrativas cuyas mediciones se obtienen cada día, cada
semana o más, pueden ser mediciones de productividad, de
desperdicio, de consumo de agua, electricidad, combustible, etc.
• No hay manera de calcular Rangos de subgrupos dado que
cada subgrupo tiene una sola medida

19
 CONTROL CHARTS PARA SUBGRUPOS
DE TAMAÑO 1
• El estimado de la variación “a corto plazo” será el
promedio del rango móvil (moving range) que está
basado en diferencias sucesivas entre los valores
individuales
• Calculamos entonces control charts para valores
individuales (Xs) y para moving ranges con las
siguientes fórmulas:

• No hay manera de calcular Rangos de subgrupos dado

que cada subgrupo tiene una sola medida
20
 CONTROL CHARTS PARA SUBGRUPOS
DE TAMAÑO 1
• Los rangos móviles son tratados como si
provienen de subgrupos de tamaño n=2
• Cualquier valor del rango móvil que caiga por
encima del Límite de Control Superior indica
un cambio repentino el cual se debe atribuir a
la presencia de causas asignables

21
 CONTROL CHARTS PARA SUBGRUPOS
DE TAMAÑO 1
Ejemplo: una empresa manufacturera utiliza un contenedor cargado de cierto
químico cada mes. Cada contenedor viene con su propio certificado de
análisis. La empresa rastrea ingredientes claves en cada carga en control
charts separados con el propósito de evitar ajustes innecesarios en el
proceso de manufactura. Dado que nos interesa saber si el nuevo envío es
consistente o no con envíos previos, no tiene sentido obtener subgrupos
de estos valores. Para un ingrediente clave, los valores individuales de los
12 envíos pasados y el rango móvil asociado es:

X 39 41 41 41 43 44 41 42 40 41 44 40
mR 2 0 0 2 1 3 1 2 1 3 4

22
 Exercise 3.4
A certain chemical is produced in batches, and the batch identity is
maintained in shipping to each customer (batches are not blended
together). Since each batch is well-stirred and logically homogeneous,
every batch is characterized by a single test value. These test values for the
past 15 batches are:
X 35 39 38 42 37 37 39 37 37 40 39 39 38 42 36

a) Since these data are used to characterize each batch, it would be

inappropriate to arrange them into subgroups. Place these 15 values
on an Individual and Moving Range Chart.
b) If batch 16 had a value of 34, would that batch be judged to be
consistent with the previous 15 batches?
c) If batch 17 had a value of 44, would that batch be judged to be
consistent with the previous batches?

23
¿Cuál es el grado razonable de control
estadístico?
• La operación continua dentro de los límites es un
indicador de control estadístico.
• Sin embargo, de acuerdo con Shewhart, el estado de
control estadístico es un ideal, el cual solo puede ser
aproximado en la práctica. Por lo tanto, necesitamos
un criterio para decidir cuando un proceso esta
razonablemente cerca de lo ideal
– Shewhart establece entonces un criterio para Control
Charts, inicialmente para subgrupos de n=4: si el control
chart presenta al menos 25 subgrupos consecutivos los
cuales no indican ninguna falta de control, entonces el
proceso se puede decir que muestra un grado razonable y
aceptable de control estadístico

24
 Conceptos Fundamentales de los
Control Charts
• Las fórmulas para calcular los límites han sido
cuidadosamente definidas de modo que
contienen ciertos aspectos que resultan en
límites robustos
– Esto es “cálculos robustos”… aún cuando se pueda
estar utilizando datos fuera de control para
calcular los límites, los límites que se definan son
lo suficientemente buenos para detectar la falta
de control.

25
 Veamos un ejemplo sobre dos maneras
diferentes pero correctas para realizar los
cálculos
Se tienen los siguientes 3 subgrupos de tamaño 8:

Sub Observaciones Promedio Rango s

grupo
I 4 5 5 4 8 4 3 7 5 5 1.690
II 0 2 1 5 3 2 0 3 2 5 1.690
III 6 9 9 7 8 7 9 9 8 3 1.195

El Gran Promedio es 5.0 y el Promedio del Rango es 4.333

Los límites para los Control Charts basados en Promedio y Rango son:

26
 Veamos un ejemplo sobre dos maneras
diferentes pero correctas para realizar los
cálculos
De la misma manera podemos usar estos datos y calcular límites para
Promedio y Desviación Estándar:
Sub Observaciones Promedio Rango s
grupo
I 4 5 5 4 8 4 3 7 5 5 1.690
II 0 2 1 5 3 2 0 3 2 5 1.690
III 6 9 9 7 8 7 9 9 8 3 1.195

El Gran Promedio es 5.0 y el Promedio de la Desviación Estándar es 1.525

Los límites para los Control Charts basados en Promedio y Desv. Est. son:

27
 Veamos un ejemplo sobre dos
maneras diferentes pero correctas
para realizar los cálculos
• Al obtener los Control Charts para los cálculos anteriores, en ambos
casos los gráficos del promedio muestran la falta de control –tanto
el cálculo utilizando el Rango como el cálculo utilizando la
Desviación Estándar detectaron esta falta de control, a pesar de
que los datos fuera de control fueron usados para calcular los
límites
– Esto es en esencia el propósito del control chart: detectar la falta de
control cuando en efecto ésta existe, aún cuando los datos que se
utilicen estén fuera de control
• Se observa también que los límites de control para los Gráficos del
Promedio son muy parecidos a pesar de que dos medidas
diferentes de dispersión fueron usadas. Adicionalmente, ambos
gráficos del Rango y de la Desviación Estándar muestran
comportamiento similar

28
 Control Charts para datos que no
siguen una Distribución Normal
• Los Control Charts funcionan efectivamente aún
cuando los datos no están distribuidos normalmente
• Los factores descritos en las Tablas A.1 ~ A.7 toman en
cuenta la posible falta de normalidad de los datos –los
valores para estos factores han sido calculados
utilizando una distribución de probabilidad normal
para los datos originales
• Dichos factores no cambiaran mucho, aún cuando los
datos son no normales
– Investigaciones empíricas (Irving Burr y otros) examinaron
26 distribuciones no normales y encontraron que A2 varió
menos de 2% en el promedio y D4 varió menos que el 6%
en promedio.

29
Veamos las siguientes distribuciones
Uniforme Burr

Triangular Ji Cuadrada (Chi Square)

Normal
Exponencial

30
 Control Charts para datos que no
siguen una Distribución Normal
• Estudios de simulación realizados por Shewhart y
posteriormente otros investigadores
– Se generaron observaciones de cada una de las
distribuciones por medio de generadores de números
aleatorios
– Estas observaciones aleatorias fueron agrupadas en
subgrupos de tamaño n, el promedio del subgrupo y
rango del subgrupo fueron calculados
– Se generaron histogramas, repitiendo para n=2, 4 y 10

31
Resultados para Distribuciones
Uniforme y Triangular

32
Resultados para Distribuciones Normal
y Burr

33
Resultados para Distribuciones Ji
Cuadrada y Exponencial

34
 Control Charts para datos que no
siguen una Distribución Normal
• Virtualmente todos los valores caen dentro de los límites, aún cuando se
refiera a histograma para valores individuales, para promedios de
subgrupos o para rangos de subgrupos
• Considerando los porcentajes que se muestran en las figuras, se puede
observar que a pesar de que existen porcentajes que caen fuera de los
límites de control, estos son relativamente pequeños
• Para los promedios de subgrupos el porcentaje que cae fuera es aprox. 1%
o menos, para los rangos el porcentaje que cae fuera supera el 2%
solamente para la Distribución Ji Cuadrada y Exponencial
– Aún cuando se trate con distribuciones que se alejan mucho de la distribución
Normal, como lo son la Ji Cuadrada y la Exponencial, la utilidad de los control
charts para detectar la falta de control sigue siendo efectiva
• Como señalamos anteriormente, las observaciones fuera de control siguen
indicando la existencia de causas asignables
• En conclusión, el Gráfico del Promedio y el Gráfico del Rango son Robustos
aún cuando se analice distribuciones no normales, las cuales se pueden
encontrar con frecuencia en industria

35