Analisis e Interpretacion de Graficos de Control X-R 1

Análisis e interpretación de tres gráficos de control X – R (casos –
ejemplos) en el que se permiten mantener el proceso bajo control.
Antes de la llamada revolución industrial, la producción de bienes que

consumía la sociedad era elaborada por artesanos especializados, quienes en
muchas ocasiones firmaban cada pieza que elaboraban. Pero la demanda de
nuevos productos, la producción en línea y la aparición de nuevos sistemas de
fabricación rompieron con el antiguo esquema de producción. En este nuevo
sistema, el artesano pasó a ser un trabajador de fábrica perdiéndose con ello la
identificación de éste con cada producto elaborado, disminuyendo así su calidad,
ya que los requerimientos de producción en masa descuidaban las características
que satisfacían las necesidades de los consumidores.
Esta nueva forma de producir bienes disminuyó considerablemente la

calidad de los productos, y no fue sino hasta mediados de la década de 1920, que
Walter Shewhart,1 investigador de Bell Laboratorios, hizo un descubrimiento
significativo en el área de mejoramiento de la producción. “Identificó que, aunque
la variación en la fabricación de productos era inevitable, este hecho podría
vigilarse y controlarse utilizando ciertos procesos estadísticos. Shewhart desarrolló
la denominada carta de control, una gráfica simple que permitía determinar
cuándo la variación en un proceso de fabricación excedía los límites aceptables”.
Un producto o servicio se considera de calidad si las características

satisfacen ciertos requisitos en los que las variaciones están bajo control. En las
líneas de producción actuales, las partes defectuosas que no se detectan
provocan que todo el trabajo subsiguiente se desperdicie cuando el producto
finalmente es rechazado por los inspectores de control de calidad; mientras que el
consumidor de un servicio exige su mejora, de manera inmediata, al solicitarla al
encargado del servicio o gerente. Esto último ha llevado a las empresas al objetivo
de evitar los defectos en cada etapa del proceso de fabricación o de prestación de
un servicio. Para lograrlo, las personas que están encargadas de cada etapa
tienen la responsabilidad de verificar su trabajo antes de entregarlo, de tal forma
que el producto o servicio final llegue al cliente sin defectos (cero defectos),
satisfaciendo así todos sus requerimientos.
Las gráficas, diagramas o cartas de control permiten detectar la variación

sistémica generada en un proceso de producción o en la prestación de un servicio
con el objetivo de poder ser identificada y corregida antes de que ésta produzca
una gran cantidad de partes, productos o servicios defectuosos.
EJEMPLO 1: Control estadístico de la calidad de un servicio mediante
Gráficas
X y R.
Para efectos de este análisis consideraremos una unidad física que tiene por
objeto atender a clientes o ciudadanos, por ejemplo, una caja rápida en un
supermercado, en un banco o bien en una oficina de la Tesorería. Bajo este
antecedente, se selecciona una muestra pequeña de clientes en la caja, por
ejemplo, cinco clientes y se calcula la media aritmética del tiempo requerido de
atención de ellos en ésta (muestra X).
Se selecciona posteriormente varias muestras más del mismo tamaño y también

se calcula su respectivo promedio o media aritmética, es decir, se cuenta con
las medias de las diversas muestras (X1, X2, X3... Xk).
Finalmente se calcula la media de las medias muéstrales(X) que se denota

como equis doble barra (ecuación 1).
El error estándar de la distribución de esas medias muéstrales (2) se

denomina como (sigma de equis barra), y se calcula mediante:
Por lo tanto, la media aritmética (promedio) de una población (lote de servicios)

es igual a la media de todas las medias de las muestras aleatorias que fueron
seleccionadas de esa población. Al mismo tiempo se observa que, la
dispersión total en la población () es mayor que la de la distribución de las
medias muestrales, en el factor √ n(ecuación 2). También puede observarse
que aun si la población es normal sólo en forma aproximada, las inferencias
con respecto a la distribución de las medias muestrales pueden obtenerse con
base en una distribución normal como se muestra en el Cuadro 1.
Estas relaciones permiten establecer límites alrededor de los promedios de

las muestras para mostrar qué tanta variación puede esperarse. Estos límites
esperados, en calidad, reciben el nombre de Límite Superior de Control (LSC) y
Límite Inferior de Control (LIC).
La gráfica de control para medias de procesos tiene como objetivo mostrar

las fluctuaciones de las medias muestrales que se presentan dentro de estos
límites. Si las medias muestrales caen dentro de los límites establecidos para un
proceso (rango de aceptación), se dice que la variación que presenta el proceso
sólo es aleatoria. Pero si las medias muestrales exceden el límite superior de
control (LSC) o bien, caen por debajo del límite inferior de control (LIC), entonces
el proceso de producción o un servicio está fuera de control, y deberá corregirse.
En el control estadístico de la calidad de un producto o servicio deben

establecerse ambos límites de control (LSC y LIC) alrededor de la media de las
muestras ´x́ . Para ello se emplea una regla empírica que establece que, el 99.74%
de todas las observaciones en una distribución normal estarán dentro de este
rango. Con base en ella, nuestros límites de control estarán definidos como:
 Límite superior de control (LSC) para las medias de procesos.
 Límite inferior de control (LIC) para las medias de procesos.
 Límite superior de control (LSC) para las medias de procesos:
 Límite inferior de control (LIC) para las medias de procesos:
Con base en estos límites, (5) y (6), el analista puede elaborar un gráfico de
control para las medias de procesos que le permita determinar si su proceso de
producción o la prestación de un servicio se encuentran dentro de los estándares
de calidad establecidos para ello. En aquellos casos donde esto no sea así,
entonces el analista de calidad deberá encontrar las causas de esta variabilidad
para corregir la situación y regresar el proceso de producción o la prestación de un
servicio a los estándares de calidad especificados.
Otra herramienta gráfica que nos permite analizar la calidad de un servicio y que
complementa al gráfico anterior es la gráfica de control de variabilidad de procesos
o gráfica R.
La distribución muestral de los rangos (R) se càlcula a partir de su desviación
estándar mediante la relación siguiente:
Rango 5 = dato de mayor valor – dato de menor valor, en la muestra.
 = desviación estándar de la
población.
d3 = factor de dispersión calculado con base al número de datos de cada
muestra “n”.
Los valores correspondientes a d3 se obtienen de la tabla de “Factores

críticos de las gráficas de control” que se anexa.
Por otro lado, la desviación estándar de la población puede sustituirse
por:
También los valores de d2 se obtienen de la tabla (Factores críticos de las

gráficas de control) que se anexa. Entonces, la desviación estándar de los
rangos es:
por lo que los límites de control para la variación (superior LSCR e inferior
LICR) de los procesos se pueden establecer como:
Donde:
Por lo que al sustituir estos valores (D4 y D3) en las ecuaciones de los límites de
control para la variación obtenemos:
En las gráficas de control para variabilidad de procesos, el cálculo de los
límites de control deberá considerar lo siguiente (ecuaciones 8 y 9). El rango
de una muestra siempre es un número positivo, sin embargo, cuando n < 6, el
LICR, calculado con la ecuación 9, será negativo. En estos casos, el valor de
ese límite será igual a cero. Por ello los valores de D3 en la tabla de “Factores
críticos de las gráficas de control” toman valor cero.
El objetivo del estudio consistió en determinar si el tiempo de atención al cliente
(en segundos) se encontraba dentro de los estándares de atención establecidos
por la tienda para su caja rápida. La herramienta estadística propuesta para
probar esta hipótesis es la elaboración de gráficas de control para variables
(gráfica de control para medias de un proceso y la gráfica de control para
variabilidad de procesos).
Procedimiento
Se realizaron 210 mediciones del tiempo requerido de atención (en segundos) en

una caja rápida. En este tipo de caja, sólo está permitido un máximo de 8 artículos
por cliente.14 La muestra se obtuvo realizando la medición del tiempo de atención
durante tres semanas de operación (Cuadro 2). Las mediciones del servicio se
realizaron en los dos turnos de operación de la caja.
El muestreo consistió en tomar el tiempo de cada cliente desde que llega a la caja
y se retira de ella mediante un cronómetro digital. Se tomaron los tiempos de
atención de diez clientes por día de manera aleatoria dentro del turno de trabajo
del cajero que atiende esta caja.
Con ayuda de una hoja electrónica, calculamos la media aritmética del tiempo de
atención y el rango para cada una de las muestras, como se observa en el Cuadro
3.
Excel permite calcular la media aritmética con la función promedio. Esta

función está definida como = promedio (rango de datos).
Posteriormente calculamos la media de las medias de atención (36.91
segundos) y el promedio de los rangos (8.71 segundos).
En la tabla de “Factores críticos de las gráficas de control”, se muestra el valor
de A2 para cada tamaño de muestra (para n = 10, A2= 0.308). Con este valor
calculamos los límites de control del tiempo de atención en la caja rápida.
Límite superior de control (LSC) para las medias de procesos (ecuación 5):
Límite inferior de control (LIC) para las medias de procesos (ecuación 6):
Por otro lado, ya que contamos con la información del cálculo de los rangos
(Cuadro 3), podemos construir también un gráfico de control para variabilidad
de procesos (gráfica R). También Excel permite calcular el rango de una
muestra mediante la diferencia entre la función MAX () y MIN (). El cálculo del
rango de una muestra se obtiene mediante:
=MAX (rango de datos) – MIN (rango de datos)
Retomando los datos del estudio, obtendríamos los límites de control por
rango para la gráfica R mediante los pasos siguientes:
 Obtenemos los valores d2 y d3 de la tabla que se anexa.

Para n = 10, d2 = 3.078 y d3 = 0.797.
 Calculamos los límites de control por rangos del proceso.
 O bien, si nos encontráramos en la línea de producción o de servicios (en el
punto de observación de la operación de la caja rápida), los límites de
control por rangos, los obtendríamos con las ecuaciones 8 y 9 y los valores
D2 y D3 de la tabla que se anexa, para n = 10 (D 4 = 1.777, D3 = 0.223).
Con esta información podemos construir la gráfica 2 de control para variabilidad

del proceso del tiempo de atención en el cajero rápido del supermercado.
La Gráfica 1 nos muestra que los tiempos del servicio de la caja rápida están fuera
de control debido a una variación de causa asignable. Por otro lado, en la gráfica 2
podemos observar que el proceso en la variabilidad de la atención a clientes está
bajo control.
Las gráficas básicas para control de variables que hemos mostrado, son un buen
punto de partida para comprender los mecanismos que se requieren en el control
de la calidad de un servicio.

Analisis e Interpretacion de Graficos de Control X-R 1

Cargado por

Copyright:

Formatos disponibles

Analisis e Interpretacion de Graficos de Control X-R 1

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Analisis e Interpretacion de Graficos de Control X-R 1

Cargado por

Copyright:

Formatos disponibles

Análisis e interpretación de tres gráficos de control X – R (casos –

ejemplos) en el que se permiten mantener el proceso bajo control.

Antes de la llamada revolución industrial, la producción de bienes que

Esta nueva forma de producir bienes disminuyó considerablemente la

Un producto o servicio se considera de calidad si las características

Las gráficas, diagramas o cartas de control permiten detectar la variación

Se selecciona posteriormente varias muestras más del mismo tamaño y también

Finalmente se calcula la media de las medias muéstrales(X) que se denota

El error estándar de la distribución de esas medias muéstrales (2) se

Por lo tanto, la media aritmética (promedio) de una población (lote de servicios)

Estas relaciones permiten establecer límites alrededor de los promedios de

La gráfica de control para medias de procesos tiene como objetivo mostrar

En el control estadístico de la calidad de un producto o servicio deben

 Límite inferior de control (LIC) para las medias de procesos.

 Límite superior de control (LSC) para las medias de procesos:

 Límite inferior de control (LIC) para las medias de procesos:

Los valores correspondientes a d3 se obtienen de la tabla de “Factores

También los valores de d2 se obtienen de la tabla (Factores críticos de las

Se realizaron 210 mediciones del tiempo requerido de atención (en segundos) en

Excel permite calcular la media aritmética con la función promedio. Esta

=MAX (rango de datos) – MIN (rango de datos)

 Obtenemos los valores d2 y d3 de la tabla que se anexa.

Con esta información podemos construir la gráfica 2 de control para variabilidad

También podría gustarte