UNIVERSIDAD TECNOLÓGICA

INDOAMÉRICA

FACULTAD DE INGENIERÍA Y
TECNOLOGÍAS DE LA INFORMACIÓN Y
COMUNICACIÓN. FITIC
SEGURIDAD INDUSTRIAL

PAE N°1. MEDICIÓN DEL DESEMPEÑO.

PROCESOS PRODUCTIVOS.

NIVEL:
Quinto nivel.

AUTOR:
Carrera Francisco.

DOCENTE:
Ing. Ana Álvarez.

QUITO/ ECUADOR
2021
 Introducción.

En la actualidad la industrialización de procesos de producción ha generado grandes

avances en la optimización como la calidad de los productos y recursos a elaborar, es

por ello que las empresas han optado por realizar un control estadístico del desarrollo de

los procesos para estudiar el nivel del desempeño del proceso. La implementación del

uso de nuevas tecnologías permite realizar un estudio a profundidad del desempeño de

un proceso, en el que el control estadístico permite por medio de la utilización de

softwars estudiar los niveles y puntos donde se encuentra fuera de los limites

requeridos. La utilización de estos softwars permite tomar como punto de partida para el

análisis de los resultados, planteamiento de medidas correctivas y deducir la viabilidad

de continuar o no con el desarrollo de este proceso. Desde el punto de vista de los

clientes, las empresas y/u organizaciones existen para proveer un producto material o

inmaterial, un bien o un servicio, ya que ellos necesitan productos con características

que satisfagan sus necesidades y expectativas. [ CITATION Hum09 \l 12298 ]

 Objetivos.

Objetivo general:

Controlar los estándares de calidad presentes en el desarrollo de un producto, por medio

de la toma de muestras, para el planteamiento de medidas correctivas.

Objetivos específicos:

 Estudiar los resultados de las muestras tomadas del proceso, mediante la

tabulación y graficas para delimitar si se encuentra dentro o fuera de los niveles
aceptables el proceso.
 Deducir la viabilidad del proceso, mediante el análisis de los resultados
obtenidos del estudiado de las muestras, para la aplicación de medidas
correctivas.
 Hallar y eliminar las causas que generan alteraciones en las muestras obtenidas
del proceso, mediante la implementación de medidas correctivas para la
obtención de un proceso dentro de los estándares permisibles.

Marco teórico.

Datos variables.

Los gráficos de control por variables permiten estudiar la calidad de características

numéricas. Proporcionan más información que los gráficos de control por atributos

sobre el rendimiento del proceso y permiten procedimientos de control más eficaces. En

particular, se obtiene más información sobre las causas que producen una situación

fuera de control. Asimismo, detectan mejor pequeñas variaciones del proceso. Los

tamaños muestrales requeridos para un nivel de protección del proceso son menores.

Los gráficos de control por variables más usuales son los que controlan el valor medio y
la variabilidad del proceso. Más concretamente, para el control de la variabilidad del

proceso, estudiaremos los gráficos del rango, la desviación típica y la varianza. A partir

de estos gráficos se obtiene una estimación de los parámetros del proceso, así como una

aproximación de su capacidad o rendimiento. Existen otros gráficos por variables que

utilizan la información suministrada por varias muestras; se construyen a partir de una

secuencia de estadísticos muestrales, en contraste con los gráficos anteriores, que tan

solo utilizan la información de una muestra. Estos gráficos permiten detectar pequeños

cambios en la media del proceso, corrigiendo así la ‘incapacidad’ de los gráficos

anteriores, para controlar pequeñas variaciones.[ CITATION Rui \l 2058 ]

Gráficos X-R (medias y rangos).

Las graficas de control por variables es una herramienta poderosa que puede utilizarse

cuando se dispone de mediciones de los resultados de un proceso. El diámetro de un

cojinete en milímetros, el esfuerzo de cierre de una puerta en libras o el torque de un

tornillo en libras-pie son algunos ejemplos típicos de aplicación. Las grafica de control

por variables son particularmente útiles por las siguientes razones:

1. La mayoría de los procesos y sus resultados tienen características que son

medibles por lo que su aplicación potencial se amplía.

2. Un valor movible contiene más información que una simple afirmación de si o

no.

3. A pesar de que el costo en la medición precisa de una pieza es mayor que el de

establecer simplemente si la misma esta bien o no como se requieren menos

piezas para obtener más información sobre el proceso en algunos casos.

4. Debido a que se requiere medir una menor cantidad de piezas para tomar

decisiones confiables, el periodo de tiempo entre la producción de las piezas y la

 acción correctiva puede ser acortado significativamente.[ CITATION Mig \l

2058 ]

Utilice la Gráfica R para monitorear la variación (rango) del proceso cuando tenga datos

continuos y tamaños de subgrupo de 8 o menos. Utilice esta gráfica de control para

monitorear la estabilidad del proceso en el tiempo, de manera que pueda identificar y

corregir las inestabilidades en un proceso.

Por ejemplo, un fabricante de plásticos desea determinar si la variación del proceso de

producción de un nuevo producto es estable. Los analistas recolectan subgrupos de 5

productos cada hora durante 20 horas y evalúan la resistencia del plástico.[ CITATION

sop \l 2058 ]
El método WV usa dichas distribuciones para obtener los límites de la carta de control,

una para obtener el límite inferior (LCI) y la otra para deducir el límite de control

superior de la carta (LCS). De esta forma, si la distribución es sesgada a la derecha, la

distancia del LCI a la media del proceso es menor que la distancia que se obtenga de la

media del proceso a LCS. De manera análoga se tiene si la distribución es sesgada a la

izquierda; es decir, la distancia de la media del proceso al LCI es mayor que la distancia

establecida hasta el LCS, si la distribución es simétrica, las distancias de la línea central

de la carta a cada uno de los límites será la misma.[ CITATION Cha00 \l 2058 ]

Datos de atributo.

Los datos de atributos se definen como la información utilizada para crear gráficos de

control. Estos datos se pueden utilizar para crear muchos sistemas de gráficos

diferentes, incluidos los gráficos de porcentajes, gráficos que muestran la cantidad de

unidades afectadas, gráficas de conteo por unidad, y gráficos de puntaje de calidad. Por

su parte, los datos variables se definen como información y figuras utilizadas para

construir tablas de control. Los datos variables pueden ser utilizados para crear gráficas

de promedios, gráficas de rangos y ejemplos de gráficas de desviación estándar. Cuando

se construye una gráfica de control para dar seguimiento de las variaciones en los datos
 que se miden, las empresas y los equipos deben recopilar datos de atributos y datos

variables como parte del proceso de resolución de problemas. Hoy vamos a conocer un

poco más de las diferencias entre los datos de atributos y los datos variables para crear

un proyecto de datos exitoso.

Ventajas de los datos de atributos.

Hay otras formas de clasificar los datos. Los datos que no se adaptan bien a los

números, como el color o el sabor, se llaman datos cualitativos, por ejemplo. Los datos

de atributos son más sencillos de reunir que los datos cualitativos, por lo que es una

buena opción si se trata de una condición binaria, en la que sólo hay dos alternativas:

 El producto funciona o no funciona.

 El vendedor cerró el trato o no lo hizo.

 Las piezas encajan en la ranura a la que se supone que pertenecen o no.

 Los estudiantes pasan la prueba o la fallan.

Puede recopilar los datos de atributos para ver qué tan bien se desempeñan tu proceso,

equipo o personal. Si quiere que el 80 por ciento de tus estudiantes pasen sus exámenes

finales, y sólo el 20 por ciento lo hace, eso muestra un problema. Habrá que determinar

si se trata del cuerpo estudiantil, de los profesores o de algún otro problema. De ahí la

importancia de hacer un análisis de datos.[ CITATION tud20 \l 2058 ]

Graficas p.

El gráfico p es un gráfico de control del porcentaje o fracción de unidades defectuosas

(cociente entre el número de artículos defectuosos en una población y el número total de

artículos de dicha población). Este tipo de gráfico se basa en la evaluación del número

de unidades defectuosas en muestras de tamaño variable tomadas a intervalos fijos de

tiempo. Se utiliza cuando en un muestreo no puede mantenerse constante el tamaño de

muestra.

Utilizar datos de atributos requiere de muestras relativamente grandes para obtener

resultados estadísticos válidos. En el siguiente artículo de describe el procedimiento

para la confección de una gráfica p utilizando distintos niveles de significancia

estadística al momento de definir los límites de control. [ CITATION GEO15 \l 2058 ]

Los gráficos de control por atributos generalmente se requiere un tamaño de muestra

grande, tanto para este gráfico de control como para el resto de gráficos de control por

atributos. Este tamaño de muestra ha de ser lo suficiente como para que en cada muestra

se registren varias unidades defectuosas, de forma que puedan evidenciarse cambios

significativamente favorables, como la aparición de muestras con cero unidades

defectuosas. Los principios estadísticos que sirven de base al diagrama de control p se

basan en la distribución Binomial: supóngase que el proceso de producción funciona de

manera estable, de tal forma que la probabilidad de que cualquier artículo no esté
conforme con las especificaciones es p, y que los artículos producidos sucesivamente

son independientes. Representando por Xi al número de artículos defectuosos en la

muestra i-ésima, tendremos que Xi ≈ B (ni, p).[ CITATION Ele12 \l 2058 ]

Graficas C.

Estudia el comportamiento de un proceso considerando el número de defectos

encontrados al inspeccionar una unidad de producto o servicio.

La gráfica c debe utilizarse sólo cuando el área de oportunidad de encontrar defectos

permanece constante.

Las gráficas c tienen los siguientes objetivos:

 Reducir el costo de tener que repetir trabajos.

 Informar a supervisores y a la administración acerca del nivel de calidad.

 Determinar qué tipo de defectos no son permisibles en un producto o servicio, e

informar sobre la probabilidad de ocurrencia de defectos en un área o proceso de

trabajo. [ CITATION Edg18 \l 2058 ]

La gráfica “c” permite realizar la medición acerca de la proporción de deficiencias que

se dan en nuestras piezas como producto terminado, para esto pondré un sencillo

ejemplo; imaginemos por un momento que elaboramos algo con lo que convivimos a

día que son las laptops, supongamos que elegiremos una laptop al azar y dentro de esta

ubicamos ciertas deficiencias o irregularidades, como pueden ser: Que la vida de la

batería es muy escasa, posee varios raspones en su carcasa, no le funciona bien su touch,

etc. Por lo que ya nos pudimos dar cuenta estas ciertas deficiencias o irregularidades

podemos clasificarlas en diferentes clases y por ello debemos tomar en cuenta todas

estas anomalías en la muestra que tomamos de la laptop, con ello obtendremos el Total

de Desperfectos en este caso de la laptop, pero podemos hacerlo también para cualquier

otra pieza que queramos estudiar.[ CITATION Dan \l 2058 ]

la gráfica c sirve para controlar el proceso productivo, mediante el conocimiento del

número de defectos que aparecen en los objetos determinados de una o varias muestras.

esta grafica se utiliza cunado la cantidad de productos producida es muy bajo en

productos físicamente muy grandes como maquinarias, teniendo en cuenta la utilidad de

estas gráficas, se puede usarse mejor la distribución de Posición en la que los límites de

control pueden calcularse de la siguiente fórmula.[ CITATION Jos \l 2058

Formula de los límites de control:

Ejemplo:
 Materiales/recursos y equipos.

DISPONIBILIDAD A RESERVA

DESCRIPCIÓN. CANTIDAD. EN DEL

LABORATORIO. ESTUDIANTE.

Área de la empresa donde

1
está el proceso en estudio.

Material bibliográfico
6
básico y complementario.

Calculadora. 1

Tabla para soporte de la

1
documentación.

La guía de base de datos. 1

Procedimiento.
La empresa de juguetes play store desea conocer sobre la resistencia que tendrá su

nuevo soldado de guerra, el cual se espera que tenga al menos 300psi. Con la finalidad

de conocer si el muñeco cumple o no con la característica de calidad antes mencionada,

se procedió a tomar varias muestras registrados en la siguiente tabla. Determinar:

 Calcular las medias globales 𝑋 y 𝑅, establecer los límites de control apropiados,

usualmente en el nivel del 99.73%, y calcular los límites de control superior e

inferior preliminares.

NÙMERO DE MUESTRAS
SUBGRUPO
1 2 3 4 5
1 315,16 319,2 303,8 312,8 337,3
2 318,8 309,2 321,4 316,4 316,3
3 311,2 312,1 342,9 322,7 327,2
4 322 321,1 329,1 324,7 337,8
5 315,2 327,4 300,6 314,4 303,6
6 310,3 319,8 338,5 322,8 306,7
7 320,6 315,9 318,3 318,2 318,8
8 322,2 303,6 323,4 316,4 310,1
9 329,1 306,7 312,4 316,7 325
10 322,4 318,8 299,7 316,6 299,7
11 326,6 310,1 338,5 313,6 338,5
12 328,8 325 322 324,9 322
13 328,8 306,3 305,6 325,2 305,6
14 318,7 320,8 310,3 313,5 316,4
15 326,7 316,7 327,3 323,5 322,7
16 313,4 307,4 329,5 316,7 324,7
17 337,3 312,9 324,4 324,8 314,4
18 316,3 314,1 323 317,8 322,8
19 327,2 338,2 340,9 335,4 315,16
20 337,8 343 337,4 339,4 318,8
 NÙMERO DE MUESTRAS DATOS DE MEDIAS DATOS DE RANGO
SUBGRUPO PROMEDIO LCENTRAL LCENTRAL
1 2 3 4 5 LCS LCI RANGO LCS LCI
X DE X R
1 315,16 319,2 303,8 312,8 337,3 317,652 320,46 332,21 308,71 33,5 20,36 43,06 0
2 318,8 309,2 321,4 316,4 316,3 316,42 320,46 332,21 308,71 12,2 20,36 43,06 0
3 311,2 312,1 342,9 322,7 327,2 323,22 320,46 332,21 308,71 31,7 20,36 43,06 0
4 322 321,1 329,1 324,7 337,8 326,94 320,46 332,21 308,71 16,7 20,36 43,06 0
5 315,2 327,4 300,6 314,4 303,6 312,24 320,46 332,21 308,71 26,8 20,36 43,06 0
6 310,3 319,8 338,5 322,8 306,7 319,62 320,46 332,21 308,71 31,8 20,36 43,06 0
7 320,6 315,9 318,3 318,2 318,8 318,36 320,46 332,21 308,71 4,7 20,36 43,06 0
8 322,2 303,6 323,4 316,4 310,1 315,14 320,46 332,21 308,71 19,8 20,36 43,06 0
9 329,1 306,7 312,4 316,7 325 317,98 320,46 332,21 308,71 22,4 20,36 43,06 0
10 322,4 318,8 299,7 316,6 299,7 311,44 320,46 332,21 308,71 22,7 20,36 43,06 0
11 326,6 310,1 338,5 313,6 338,5 325,46 320,46 332,21 308,71 28,4 20,36 43,06 0
12 328,8 325 322 324,9 322 324,54 320,46 332,21 308,71 6,8 20,36 43,06 0
13 328,8 306,3 305,6 325,2 305,6 314,3 320,46 332,21 308,71 23,2 20,36 43,06 0
14 318,7 320,8 310,3 313,5 316,4 315,94 320,46 332,21 308,71 10,5 20,36 43,06 0
15 326,7 316,7 327,3 323,5 322,7 323,38 320,46 332,21 308,71 10,6 20,36 43,06 0
16 313,4 307,4 329,5 316,7 324,7 318,34 320,46 332,21 308,71 22,1 20,36 43,06 0
17 337,3 312,9 324,4 324,8 314,4 322,76 320,46 332,21 308,71 24,4 20,36 43,06 0
18 316,3 314,1 323 317,8 322,8 318,8 320,46 332,21 308,71 8,9 20,36 43,06 0
19 327,2 338,2 340,9 335,4 315,16 331,372 320,46 332,21 308,71 25,74 20,36 43,06 0
20 337,8 343 337,4 339,4 318,8 335,28 320,46 332,21 308,71 24,2 20,36 43,06 0
320,46 20,36
 GRÁFICO DE LAS MEDIAS X
340
335
330
325
320
315
310
305
300
295
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

PROMEDIO X LCENTRAL DE X LCS LCI

GRÁFICO DEL RANGO

50
45
40
35
30
25
20
15
10
5
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

DATOS DE RANGO RANGO DATOS DE RANGO LCENTRAL R

DATOS DE RANGO LCS DATOS DE RANGO LCI

Calcular las medias globales 𝑋 y 𝑅 , establecer los límites de control apropiados,

usualmente en el nivel del 99.73%, y calcular los límites de control superior e

inferior

preliminares.
 NÙMERO DE MUESTRAS DATOS DE MEDIAS DATOS DE RANGO
SUBGRUPO PROMEDIO LCENTRAL LCENTRAL
1 2 3 4 5 LCS LCI RANGO LCS LCI
X DE X R
1 315,16 319,2 303,8 312,8 337,3 317,65 320,46 321,8 319,10 33,5 20,36 332,21 308,71
2 318,8 309,2 321,4 316,4 316,3 316,42 320,46 321,5 319,46 12,2 20,36 332,21 308,71
3 311,2 312,1 342,9 322,7 327,2 323,22 320,46 321,5 319,46 31,7 20,36 332,21 308,71
4 322 321,1 329,1 324,7 337,8 326,94 320,46 321,5 319,46 16,7 20,36 332,21 308,71
5 315,2 327,4 300,6 314,4 303,6 312,24 320,46 321,5 319,46 26,8 20,36 332,21 308,71
6 310,3 319,8 338,5 322,8 306,7 319,62 320,46 321,5 319,46 31,8 20,36 332,21 308,71
7 320,6 315,9 318,3 318,2 318,8 318,36 320,46 321,5 319,46 4,7 20,36 332,21 308,71
8 322,2 303,6 323,4 316,4 310,1 315,14 320,46 321,5 319,46 19,8 20,36 332,21 308,71
9 329,1 306,7 312,4 316,7 325 317,98 320,46 321,5 319,46 22,4 20,36 332,21 308,71
10 322,4 318,8 299,7 316,6 299,7 311,44 320,46 321,5 319,46 22,7 20,36 332,21 308,71
11 326,6 310,1 338,5 313,6 338,5 325,46 320,46 321,5 319,46 28,4 20,36 332,21 308,71
12 328,8 325 322 324,9 322 324,54 320,46 321,5 319,46 6,8 20,36 332,21 308,71
13 328,8 306,3 305,6 325,2 305,6 314,30 320,46 321,5 319,46 23,2 20,36 332,21 308,71
14 318,7 320,8 310,3 313,5 316,4 315,94 320,46 321,5 319,46 10,5 20,36 332,21 308,71
15 326,7 316,7 327,3 323,5 322,7 323,38 320,46 321,5 319,46 10,6 20,36 332,21 308,71
16 313,4 307,4 329,5 316,7 324,7 318,34 320,46 321,5 319,46 22,1 20,36 332,21 308,71
17 337,3 312,9 324,4 324,8 314,4 322,76 320,46 321,5 319,46 24,4 20,36 332,21 308,71
18 316,3 314,1 323 317,8 322,8 318,80 320,46 321,5 319,46 8,9 20,36 332,21 308,71
315,1
19 327,2 338,2 340,9 335,4 6 331,37 320,46 321,5 319,46 25,74 20,36 332,21 308,71
20 337,8 343 337,4 339,4 318,8 335,28 320,46 321,5 319,46 24,2 20,36 332,21 308,71
320,46 20,36
Interpretación de los resultados.

La grafica nos permite deducir que existe un punto fuera en el sub grupo 20, donde se

denota que se produjo una falla durante la toma de muestra o el proceso. La gráfica nos
permite deducir que existe un margen de error del 3,33% mismo que se deduce que el

desarrollo del proceso es regular. Las graficas permite deducir que el proceso no se

encuentra en estabilidad porque en la tendencia se puede evidenciar la existencia de

valores que se salen fuera del rango y de los límites de control asignados para el control

de la calidad.

Se puede denotar que el desempeño del proceso es deficiente, en el cual se evidencia

que los limites de control se encuentran fuera del control asignado por lo que es

necesario establecer medidas correctivas, misma que se plantea en revisar el

funcionamiento de las maquinas, estudiar los sub procesos y tomas muestras de ellos

para delimitar el margen de error y os limites de calidad con la finalidad de hallar el

problema en el desempeño del proceso.

La propuesta enviada al jefe del área de producción por parte del control de calidad es

que se pare la producción hasta encontrar el factor que genera inconformidad en el

desarrollo del proceso. La empresa ha planteado analizar las materias primas, el

desempeño de las maquinas y analizar los tiempos de producción dentro de cada

proceso.

Conclusiones.

El desarrollo del proceso se encuentra fuera de los estándares de calidad permisibles,

esto se debe a diversos factores naturales, de logística y del funcionamiento de las

maquinas como de materia prima. La toma de muestras corroboro esta información por

la cantidad de inconsistencias en los datos atribuidos en el estudio del proceso.

Mediante las medidas correctivas se ha generado un plan de contingencia en el cual se

plantea parar la producción hasta encontrar el principal factor que genera el margen de

error en el control estadístico realizado.

La tabulación de las muestras y el estudio que se ha realizado mediante las tablas

anteriormente presentadas permiten controlar estadísticamente el desarrollo del proceso

en varias etapas para conocer si existe o no un margen de error permisible dentro del

desempeño del proceso. Las graficas permiten deducir en que sector de las muestras

tomadas se denotan las inconsistencias de calidad durante el desarrollo del proceso, por

lo que es imprescindible destacar que el proceso se encuentra fuera de los niveles

permitidos.

La viabilidad del proceso muestra inconsistencias, por lo que la gerencia ha

determinado que hasta no eliminar el factor que genera este bajo rendimiento de calidad,

se va a parar la producción. Por parte del área de control de calidad se ha realizado la

toma de nuevas muestras en otros procesos a desarrollar con la finalidad de evidenciar si

existe o no bajos estándares en esos sub procesos y plantear de igual manera medidas

correctivas que ayuden a superar este déficit de calidad.

Las causas que generan la inconformidad de calidad en el desempeño del proceso en la

elaboración del muñeco por parte de la empresa han sido delimitadas y se ha generado

un plan de contingencia que ayude a reducir y eliminar las causas que generan este

error. Una vez que se apliquen las nuevas medidas en la elaboración del producto se

obtendrá una mejor calidad en el desempeño del proceso cumpliendo con los estándares

de calidad requeridos.

Recomendaciones.
Los datos que sean recolectados en el muestreo de los mismo deberán ser exactos y no

presentar anomalías, es importante que se identifique mediante las graficas si los puntos

salen o no del rango recomendado para el estándar de calidad del producto a ser

evaluado. Mediante el análisis grafico se deberá determinar las medidas correctivas que

ayudará a corroborar esta información y obtener un mejor desarrollo del proceso.

Realizar la tabulación de los datos muestreados en el orden correspondiente de acuerdo

a los subgrupos que van a ser evaluados, la resolución del ejercicio deberá emplear las

formulas correctamente para obtener resultados sin errores, la delimitación de los puntos

que se encuentran fuera del rango requerido deberá ser analizados en las gráficas

generadas.

Para deducir la viabilidad del proceso es necesario que se tenga en cuenta los resultados

de las graficas y la debida interpretación de la misma para el desarrollo de medidas

correctivas, el planteamiento de estas medidas deberá ayudar a superar este bajo déficit

de calidad mediante los resultados y la aplicación de nuevas estrategias.

Para la eliminación de las causas que generan un bajo estándar de calidad se recomienda

realizar la toma de nuevas muestras y proceder al control estadístico para determinar

nuevas anomalías en otros sectores de la producción del objeto, esto incrementara la

cantidad de información ya ayudara a tener un claro panorama de las intervenciones que

se debe realizar para eliminar estas anomalías.

 Bibliografía
ChaparroS., E. E. (2000). GRAFICOS DE CONTROL PARA LA MEDIA DE UN
PROCESO EN POBLACIONES CON DISTRIBUCIÓN ASIMÉTRICA.
Revista Colombiana de Estadística, 6-7.

Delgado, E. (3 de diciembre de 2018). Obtenido de SPC consulting group:

https://spcgroup.com.mx/grafica-c-numero-de-defectos/

Elena Pérez Bernabeu, M. S. (2012). Los gráficos de control por atributos. 3ciencias, 6-
7.

Guevara, M. V. (s.f.). gráficas de control para variables. 21-24.

Juárez, D. V. (s.f.). Control estadístico de la calidad . Obtenido de

https://controlestadisticodelacalidad-industrial.weebly.com/323-graacutefico-
c.html

Nava, J. M. (s.f.). control estadístico de la calidad. Obtenido de https://nava-nava-

controlestadistico.weebly.com/323-grafico-c.html

Ruiz, M. (s.f.). Obtenido de https://www.ugr.es/~mruiz/temas/Tema_6.pdf

soporte de minitab . (s.f.). Obtenido de https://support.minitab.com/es-

mx/minitab/19/help-and-how-to/quality-and-process-improvement/control-
charts/how-to/variables-charts-for-subgroups/r-chart/before-you-start/overview/

tudashboard. (22 de enero de 2020). Obtenido de https://tudashboard.com/datos-de-

atributos-y-datos-variables/

tutoriales., G. (1 de agosto de 2015). Gestión de operaciones. Obtenido de

https://www.gestiondeoperaciones.net/control-estadistico-de-procesos/ejemplo-
de-grafica-de-control-p-o-de-proporciones-en-el-control-estadistico-de-procesos/
Vara., H. G. (2009). Control estadístico de calidad y seis sigma. México.D.F:
INTERAMERICANA EDITORES, S.A. DE CV.