Investiga

ción
Graficas
de
Control.
INTRODUCCION

La historia del concepto de la calidad se remonta a la preocupación por el trabajo bien

hecho, por tanto, siempre ha existido un concepto intuitivo de la calidad. La Revolución
Industrial impulsó el campo de la calidad, pero, sobre todo, el desarrollo de herramientas
estadísticas y gerenciales que ocurre durante el siglo XX. El consumidor, tanto institucional
como el particular, más exigente cada día, y la fuerte competencia nacional e internacional,
provocan una evolución constante en las bases filosóficas y en la práctica de la Gestión de la
Calidad. La II guerra mundial fue el catalizador que permitió ampliar el cuadro de control a
diversas industrias en los Estados Unidos, cuando la simple reorganización de los sistemas
productivos resultó inadecuada para cumplir las exigencias del estado de guerra y posguerra.
Los gráficos de control se pueden definir como una herramienta estadística que se utiliza para
controlar un proceso. Permite al responsable del mismo distinguir entre las causas de variación
que aparecen en el mismo:

 Variabilidad debida a causas comunes, que nos permite realizar predicciones sobre el
estado del proceso.
 Variabilidad debida a causas especiales, que no nos permiten predecir la situación del
proceso en un determinado momento.

Los gráficos de control se pueden clasificar en dos grandes grupos en función de la

característica de calidad que se controle:

 Las Gráficas de Control para Variables conformada por: X-R, X-S, X de

individuales. La característica de calidad es una variable, que puede medirse y
expresarse como un número en una escala de medición continua.
 Las Gráficas de Control para Atributos conformado por: Basados en la distribución
Binomial (p y np). Basados en la distribución de Poisson (c y u). Muchas
características de calidad no se miden en una escala continua o en una escala
cuantitativa. En estos casos, cada unidad del producto puede juzgarse como conforme o
disconforme en base a si posee o no ciertos atributos, o puede contarse el número de
disconformidades (defectos) que aparecen en una unidad del producto.
Existen gráficos de control para la media, la dispersión, la proporción de piezas defectuosas y la
proporción de defectos o sus frecuencias.
GRAFICAS DE CONTROL

Un proceso de control es aquel cuyo comportamiento con respecto a variaciones es

estable en el tiempo. Las gráficas de control se utilizan en la industria como técnica de
diagnósticos para supervisar procesos de producción e identificar inestabilidad y circunstancias
anormales. Una gráfica de control es una comparación gráfica de los datos de desempeño de
proceso con los “límites de control estadístico” calculados, dibujados como rectas limitantes
sobre la gráfica. Los datos de desempeño de proceso por lo general consisten en grupos de
mediciones que vienen de la secuencia normal de producción y preservan el orden de los datos.
Las gráficas de control constituyen un mecanismo para detectar situaciones donde las causas
asignables pueden estar afectando de manera adversa la calidad de un producto. Cuando una
gráfica indica una situación fuera de control, se puede iniciar una investigación para identificar
causas y tomar medidas correctivas.

El objetivo de una carta de control es observar y analizar el comportamiento de un

proceso a través del tiempo para así reducir la variación. Así, es posible distinguir entre
variaciones por causas comunes y especiales (atribuibles), lo que ayudará a caracterizar el
funcionamiento del proceso nos referimos principalmente a las variables de salida
(características de calidad), pero las cartas de control también pueden aplicarse para analizar la
variabilidad de variables de entrada o de control del proceso mismo. Los límites de control,
inferior y superior, definen el inicio y final del rango de variación de W, de forma que cuando el
proceso está en control estadístico está en control estadístico existe una alta probabilidad de que
prácticamente todos los valores de W caigan dentro de los limites. Por ello, si se observa un
punto fuera de los límites de control, es señal que ocurrió algo fuera de lo usual en el proceso.
Por el contrario, si todos los puntos están dentro de los límites y no tienen algunos patrones no
aleatorios de comportamiento, entonces será señal de que en el proceso no ha ocurrido ningún
cambio fuera de lo común, y funciona de manera estable (que está en control estadístico). Así, la
carta se convierte en una
herramienta para detectar cambios
en los procesos.

Establecer una gráfica de control

requiere los siguientes pasos:

1. Elegir la característica que

debe graficarse.
2. Elegir el tipo de gráfica de
control
3. Decidir la línea central que
deben usarse y la base para
calcular los límites. La
línea central puede ser el
promedio de los datos históricos o puede ser el promedio deseado.
4. Seleccionar el subgrupo racional. Cada punto en una gráfica de control representa un
subgrupo que consiste en varias unidades de producto.
 5. Proporcionar un sistema de recolección de datos si la gráfica de control ha de servir
como una herramienta cotidiana en la planta.
6. Calcular los límites de control y proporcionar instrucciones específicas sobre la
interpretación de los resultados y las acciones que debe tomar cada persona en
producción.
7. Graficar los datos e interpretar los resultados.

Tipos de carta de control

Existen dos tipos generales de cartas de control: para variables y para atributos. Las
cartas de control para variables se aplican a características de calidad de tipo continuo, que
intuitivamente son aquellas que requieren un instrumento de medición (peso, volumen, voltaje,
longitud, resistencia, temperatura, humedad, etc.). Las cartas para variable tipo Shewhart más
usuales son:

 X ( de medias ) .
 R (de rango).
 S¿
 X ( de medias individuales)

Las distintas formas de llamarle a una carta de control se deben al correspondiente

estadístico que representa en la carta, y por medio de la cual se busca analizar una característica
importante de un producto o proceso.

Existen características de calidad de un producto que no son medidas con un

instrumento de medición en una escala continua o al menos en una numérica. En estos casos, el
producto se juzga como conforme o no conforme, dependiendo si posee ciertos atributos;
también, al producto se le podrá contar el número de defectos o no conformidades que tiene.
Este tipo de características de calidad son monitoreadas a través de las cartas de control para
atributos:

 P (proporción o fracción de artículos defectuosos).

 Np (número de unidades defectuosas).
 C (número de defectos).
 U (número de defectos por unidad).

GRAFICAS DE CONTROL POR 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.

Los gráficos de control por variables se utilizan para aquellas características de calidad
que permiten ser medidas y, por lo tanto, son cuantificables. 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 muéstrales 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. A partir de estos gráficos se obtiene
una estimación de los parámetros del proceso, así como una aproximación de su capacidad o
rendimiento.

Elección del tipo de gráfico:

Paso 1: Establecer los objetivos del control estadístico del proceso. La finalidad es establecer
claramente qué se desea conseguir con el mismo.

Paso 2: Identificar la variable o variables a controlar. Es necesario determinar qué variable o

variables del producto/servicio o proceso se van a medir para conseguir satisfacer las
necesidades de información establecidas en el paso anterior.

Paso 3: Determinar el tipo de Gráfico de Control que es conveniente utilizar. Conjugando

aspectos como:

 Tipo de información requerida.

 Características del proceso.
 Recursos Humanos.
 Recursos Materiales.

a) Gráficos de Control " X, R"

Constan de dos gráficos, uno para el control de las medidas de tendencia central
(media x) y otro para el control de la variabilidad.
o Utilizan el recorrido (R) de los datos como medida de la variabilidad del
proceso. Sencillo de calcular.
o Válido para muestras pequeñas (tamaño de muestra n < 8).

a) Gráficos de Control " X, S"

Constan de dos gráficos, uno para el control de las medidas de tendencia central
(media x) y otro para el control de la variabilidad.
o Utilizan la desviación típica (s) como medida de la variabilidad del proceso.
o Mayor dificultad de cálculo.
o Mejor indicador estadístico de variabilidad.
o Válido para cualquier tamaño de muestra.
GRAFICO X-R

Son diagramas para variables que se aplican en procesos masivos, en donde en forma
periódica se obtiene un subgrupo de productos, se miden y se calcula la media y el rango R para
registrarlos en la carta correspondiente.

Son dos graficas que se elaboran siempre juntas y con base en los mismos datos.

o La gráfica X . Representa los promedios de las muestras y muestra cualquier cambio

en la media (valor medio).
o La gráfica R. Representa los rangos y muestra cualquier cambio en la dispersión del
proceso.

Utilidad:

Las gráficas X −R muestran, al mismo tiempo, los cambios en el valor medio y

dispersión del proceso, lo que las convierte en una herramienta efectiva para revisar diariamente
las anormalidades en un proceso. La gráfica de control es un método que estudia a partir de
pequeñas muestras aleatorias (al azar). La idea fundamental es recolectar pequeñas muestras n
en intervalos de tiempos regulares del proceso a estudiar; usualmente los muestreos de tamaño 4
o 5 son los mejores. En ocasiones será conveniente utilizar n=2 o n=3; las muestras de 6 o 7, o
más, no son recomendables. Esta grafica indica los cambios de una manera dinámica.

FORMULAS
X R

X 1+ X 2 + X 3 +…+ X n R= X max− X min

X=
n

X 1+ X 2 + X 3 +…+ X n R1 + R2 + R3 +…+ R k
X́ = R=
n k
LC =R
LC = X́
LCS= X́ + A 2 ∙ R LCS=D 4 ∙ R

LCI = X́− A 2 ∙ R LCI =D3 ∙ R

EJEMPLO:
Se desea que la resistencia de un artículo sea de por lo menos 300 psi. Para verificar que se cumple
con tal característica de calidad, se hacen pequeñas inspecciones periódicas y los datos se registran en
una carta X-R. El tamaño del subgrupo que se ha usado es de tres artículos, que son tomados de
manera consecutiva cada dos horas. Los datos de los últimos 30 subgrupos se muestran en la tabla.
 DATOS
SUBGRUPO X1 X2 X3
X R
31
1 15.40
315.6 9.2 303.8 312.87
2 318.8 309.2 321.4 316.47 12.20
3 311.2 312.1 342.9 322.07 31.70
4 322.0 321.1 329.1 324.07 8.00
5 315.2 327.4 300.6 314.40 26.80
6 310.3 319.8 338.5 322.87 28.20
7 320.6 315.9 318.3 318.27 4.70
8 322.2 303.6 323.4 316.40 19.80
9 329.1 306.7 312.4 316.07 22.40
10 322.4 318.8 299.7 313.63 22.70
11 326.2 310.1 338.5 324.93 28.40
12 328.8 325.0 322.0 325.27 6.80
13 328.8 306.3 305.6 313.57 23.20
14 318.7 320.8 310.3 316.60 10.50
15 326.7 316.7 327.3 323.57 10.60
16 313.4 307.4 329.5 316.77 22.10
17 337.3 312.9 324.4 324.87 24.40
18 316.3 314.1 323.0 317.80 8.90
19 327.2 338.2 340.9 335.43 13.70
20 337.8 343.0 337.4 339.40 5.60
21 309.2 321.7 310.5 313.80 12.50
22 314.3 321.6 318.0 317.97 7.30
23 318.9 322.2 333.5 324.87 14.60
24 303.7 326.3 337.1 322.37 33.40
25 319.3 338.8 320.9 326.33 19.50
26 317.0 327.4 312.5 318.97 14.90
27 310.6 318.5 336.7 321.93 26.10
28 319.5 326.0 333.2 326.23 13.70
29 308.6 321.7 306.0 312.10 15.70
30 316.2 321.6 328.5 322.10 12.30

320.73 17.20
X́ R
LC= 320.73 LC= 17.20

LCS= 320.73 + 1. 023 ∙ 17.20 = 338.33 LCS= 2.5735 ∙ 17.20 = 44.2642

 1
2

LCI= 320.73 - 1. 023 ∙ 17.20 = 303.13 LCI= 0 ∙ 17.20 = 0

𝑿 ̿
342
LCS
338

334

330

326

322 LC

318

314

310

306 LCI

302
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31

46
44
42
40
38 LCS
36
34
32
30
28
26
24
22
20
18
16 LC
14
12
10
8
6
4
LCI
2
0
-2 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31

El gráfico de X se observa que un valor se encuentra fuera del LCS, que corresponde con el grupo de muestra 20
esto se debe a una causa especial de variación significa por lo tanto que ha habido una circunstancia inusual el
proceso, mientras tanto el gráfico de R representa que la variabilidad de los datos permanece estable ya que
ninguno de ellos supera los límites de control.

GRAFICO X-S

Cuando con una carta X −R se requiere tener mayor potencia para detectar cambios
pequeños en el proceso, se incrementa el tamaño de subgrupo, n. pero si n>10, la carta de
rangos ya no es eficiente para detectar cambios en la variabilidad del proceso, y en su lugar se
recomienda utilizar la carta S, en la que se grafican las desviaciones estándar de los subgrupos.

A cada subgrupo se le calcula S, que, al ser una variable aleatoria, sus límites se
determinan a partir de su media y su desviación estándar.

FORMULAS

√
n

∑ ( X i−X )2 LCS s =S B 4
i=1
S=
n−1

m L Cs =S
∑ Si
S= i=1
m
LCI s=S B 3
LC S X =X + A 3 S

L C X =X LC S X =X − A3 S
EJEMPLO:

No. X1 X2 X3 X4 X5 X S
X
1 26 21 23 25 24 119 23.8 1.935
2 23 21 22 24 23 113 22.6 1.1402
3 21 20 21 22 27 111 22.2 2.7749
4 24 21 23 22 27 107 21.4 2.0719
5 22 22 23 22 21 110 22 0.7071
6 18 24 21 21 23 107 21.4 2.3022
7 21 22 23 27 23 116 23.2 2.2804
8 21 24 22 23 20 110 22.2 1.5969
9 21 25 24 24 27 121 24.2 2.1679
10 23 24 26 21 21 115 23 2.1213
11 21 22 19 24 20 106 21.2 1.9235
12 23 17 21 22 21 104 20.8 2.2804
13 25 27 24 23 23 122 24.2 1.6733
14 21 24 19 27 22 113 22.6 3.0496
15 26 26 23 22 24 121 24.2 1.7889
16 21 24 20 23 24 112 22.4 1.8166
17 21 23 21 21 22 108 21.6 0.8944
18 24 22 24 19 25 114 22.8 2.3875
19 21 25 24 23 22 115 23 1.5811
20 20 23 24 19 23 109 21.8 2.1679
21 21 20 22 23 21 107 21.4 1.1402
22 27 24 25 22 21 119 23.8 2.3875
23 24 22 23 21 22 112 22.4 1.1402
24 18 24 20 21 21 104 20.8 2.1679
25 25 16 24 21 24 110 22 3.6742
Ʃ= 49.171
S= 1.96684
GRAFICAS DE CONTROL POR ATRIBUTOS

Los gráficos de control por atributos constituyen la herramienta esencial utilizada para
controlar características de calidad con sólo dos situaciones posibles, como, por ejemplo:
conforme/disconforme, funciona/ no funciona, defectuoso/no defectuoso, presente/ausente, etc.;
o bien para características que se puedan contar, como número de manchas, número de golpes,
número de rayas, etc. También en algunas ocasiones se tratan características por variables como
atributos, en el caso de que sólo se considere si se cumplen o no las especificaciones de calidad
sin importar cuál es el valor concreto de dicha variable. Las especificaciones de calidad son las
medidas deseadas de las características de la calidad en un producto. Las características de
calidad se evalúan con respecto a estas especificaciones. Por lo general, los gráficos por
atributos no ofrecen tanta información como los gráficos por variables, ya que una medición
numérica es más informativa que la sola clasificación de una unidad como conforme o
disconforme. Aun así, los gráficos por atributos son muy útiles en el sector servicios y en los
esfuerzos de mejora de la calidad fuera de la manufactura, ya que no es fácil medir en una
escala numérica un gran número de las características de calidad que se encuentran en estos
escenarios.

Al igual que en los gráficos de control por variables, el gráfico de atributos representa
un estadístico T del proceso (como puede ser el número de defectos) frente al número de la
muestra o al tiempo. Una línea central representa el valor medio o esperado del estadístico,
mientras que la especificación de los límites de control es una de las decisiones críticas que
deben tomarse al diseñar un gráfico de control. Un punto que se encuentra fuera de los límites
de control se interpreta como una evidencia de que el proceso está fuera de control. Además,
incluso si todos los puntos se hallan comprendidos entre los límites de control, pero se
comportan de manera sistemática o no aleatoria, también se tendría un proceso fuera de control.
En el uso de este tipo de gráficos han de considerarse las siguientes limitaciones:

 Es necesario tomar muestras de tamaño grande para obtener información significativa.

 Son aplicables a procesos que presentan cantidades considerables de disconformidades
(defectos), o unidades no conformes (defectuosas).
 No avisan de cambios adversos en el parámetro que queremos controlar en el proceso
hasta que se han registrado un mayor número de defectos o unidades no conformes.
 Las verificaciones pueden estar influidas por subjetividades de las personas que evalúan
la muestra, por lo que se hace necesario el establecimiento de unos criterios de
conformidad escritos y con apoyo de medios visuales que minimicen estas diferencias.

Utilidad:

 La función primaria de una gráfica de control es mostrar el comportamiento de un

proceso.
 Identificar la existencia de causas de variación especiales (proceso fuera de control).
 Monitorear las variables claves en un proceso de manera preventiva.
 Indicar cambios fundamentales en el proceso.
Ventajas:

 Resume varios aspectos de la calidad del producto; es decir si es aceptable o no.

  Son fáciles de entender.
 Provee evidencia de problemas de calidad.
 La recogida de información de atributos es rápida y poco costosa.
 Se pueden aplicar a cualquier tipo de característica.
 Permiten identificar las causas especiales de variación que afectan al proceso cuando
los valores representados en la gráfica se salen de los límites de control especificados,
es decir, cuando el proceso está estadísticamente fuera de control.
Desventajas:

 Interpretación errónea por errores de los datos o los cálculos utilizados.

 El hecho de que un proceso se mantenga bajo control no significa que sea un buen
proceso, puede estar produciendo constantemente un gran número de no conformidades.
 Controlar una característica de un proceso no significa necesariamente controlar el
proceso. Si no se define bien la información necesaria y las características del proceso
que deben ser controladas, tendremos interpretaciones erróneas debido a informaciones
incompletas.
El término atributos se utiliza en literatura sobre control de calidad para describir dos
situaciones:

1. Cada pieza producida es defectuosa o no defectuosa (cumple las

especificaciones o no).
2. Una sola pieza puede tener uno o más defectos y el número de estos es
determinado. En el primer caso, una gráfica de control está basada en la
distribución binomial; en el último, la distribución de Poisson es la base para
la gráfica.
Se presentan dos cartas de control de atributos:

1. Gráfica de control para la fracción disconforme o gráfica p

2. Gráfica de control de disconformidades o gráfica c
GRAFICAS DE p (PROPORCION DE DEFECTUOSOS)

Muestra las variaciones en la fracción de artículos defectuosos por muestra o subgrupo;

es ampliamente utilizada para evaluar el desempeño de procesos.

En esta carta se muestran las variaciones en la fracción o proporción de artículos defectuosos

por muestra o por subgrupo. La carta p (proporción de defectuosos) es ampliamente usada para
evaluar el desempeño de una parte o de todo un proceso, tomando en cuenta su variabilidad con
el propósito de detectar causas o cambios especiales en el proceso.

La grafica de fracción de defectuosos puede emplearse para cualquier proceso de dos

estados como podría ser pesado/ligero, grande/pequeño. La grafica de control para p se
construye de una manera similar la gráfica de control para X . Primeramente se recopila una
muestra grande y luego se calcula, para el conjunto completo de datos como un todo, la fracción
que tenga la característica en cuestión (por ejemplo; demasiado ligero, defectuoso, demasiado
antiguo, etc.) p.

Generalmente se toman muestras grandes debido a que la fracción de interés

normalmente es pequeña y el número de artículos de las muestras deberá ser suficientemente
grande para que incluya algunos de los defectuosos. Por ejemplo, al hablar acerca de las piezas
defectuosas, una fracción de defectuosas puede ser de 3% menor. Por lo tanto, tendrá que
tomarse un tamaño de muestra de 33 (es decir 1÷0.33=33) para esperar que incluya al menos un
artículo defectuoso. Puesto que la fracción de defectuosos sigue una distribución binomial (bi=2
un artículo sea o no sea) en vez de una distribución normal, la  puede calcularse directo a
partir de p

FORMULAS

σ=
√ p ( 1− p )
n
LCS= p+3
√ p ( 1−p )
n
LCS= p−3
√ p ( 1− p )
n

Total de defectuosos
p= LC= p
Total de inspeccionados
EJEMPLO:

Una compañía de manufacturas electrónicas elabora varios tipos de tubos de tipo A, ha

presentado considerables dificultades. La siguiente tabla contiene los datos correspondientes a
los 10 días de su periodo. Calcular los límites de control para la gráfica p de este tubo.
Diariamente se inspeccionan 100 unidades.

FRACCION FRACCION
RECHAZADA RECHAZADA
DIA DE TIPO DE DIA DE TIPO DE 5.46
TUBO TUBO p= =0.2600
21
1 0.22 12 0.46
2 0.33 13 0.31
3 0.24 14 0.24
4 0.2 15 0.22
5 0.18 16 0.22
6 0.24 17 0.29
7 0.24 18 0.31
8 0.29 19 0.21
9 0.18 20 0.26
10 0.27 21 0.24
11 0.31 Ʃ= 5.46

σ=
√ 0.2600 ( 1−0.2600 )
100
=0.439 LCS=0.2600+ 3
√
0.2600 ( 1−0.2600 )
100
=0.3917

LCS=0.2600−3
√ 0.2600 ( 1−0.2600 )
100
=0.1283
 GRAFICAS DE P
0.48
0.46
0.44
0.42
0.4 LCS
0.38
0.36
0.34
0.32
0.3
0.28
0.26
0.24
0.22
0.2
0.18
0.16
0.14
0.12 LCI
0.1
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
GRAFICAS DE np

Diagrama que analiza el número de defectuosos por subgrupo; se aplica cuando el

tamaño de subgrupo es constante. En ocasiones, cuando el tamaño de subgrupo o muestra en las
cartas p es constante, es más conveniente usar la cartas np, en la que se grafica el número de
defectos por subgrupo di, en lugar de la proporción. Los límites de control para la carta np se
obtienen estimando la media y la desviación estándar de di, que bajo el supuesto de distribución
binomial.

FORMULAS
LC =n p LCS=n p+3 √ n p ( 1− p ) LCS=n p−3 √ n p ( 1− p )

EJEMPLO:

En un proceso de manufactura al final de la línea de ensamble, antes de empacar, se

hace la inspección y prueba final y en una carta p se registra la proporción de artículos
defectuosos. En esta misma carta se combinan las fallas de los diferentes componentes.
Analizando los datos obtenidos en la inspección final de un producto ensamblado se detectó a
través de una estratificación y un análisis de Pareto que la causa principal por la que los
artículos salen defectuosos está relacionada con los problemas de
COMPONENTE
LOTE
DEFECTUOSOS un componente en particular K. Para ello, de cada lote de
componentes K se decide inspeccionar una muestra de n=120,
1 9
inmediatamente que salen de su proceso (antes de ser
2 6
ensamblados). Los datos obtenidos en 20 lotes consecutivos se
3 10 muestran en la tabla. Como n es constante, la cantidad de
4 8 defectuosos por muestra se puede analizar con una carta np.
5 5
6 5
183
p= =0.0763
120 x 20
7 14
8 12
LCS=120 ( 0.0763 ) +3 √ 120 ( 0.0763 ) (1−0.0763 )=17.8805
9 9
10 8
11 10 LC =120 ( 0.0763 )=9.1560
12 20
13 12 LCS=120 ( 0.0763 ) −3 √120 ( 0.0763 ) ( 1−0.0763 ) =0.4315
14 10
15 10
16 0
17 13 Se aprecia que el proceso no funcionó de manera estable,
ya que el número de piezas defectuosas en la muestra del
18 5
lote 12 es mayor que el límite superior; mientras que en
19 6 la muestra del lote 16 el número de defectuosos es menor
20 11 que el límite inferior. Para afirmar que en la fabricación
Ʃ= 183 del lote 12 se presentó una causa o situación especial que
 CARTA np PARA EL COMPONENTE K
21
20
19
18 LCS
17
16
15
14
13
12
11
10 LC
9
8
7
6
5
4
3
2
1 LCS
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
GRAFICAS c

El objetivo de la carta c es analizar la variabilidad del número de defectos por subgrupo

unidad con un tamaño de subgrupo constante, cuando el tamaño de este se mantiene constante.
En esta carta se grafica Ci que es igual al número de defectos o eventos en el i-ésimo subgrupo
(muestra). Los límites de control se obtienen suponiendo que el estadístico Ci sigue una
distribución Poisson.

FORMULAS

C=
Total de defectos
Total de subgrupos
LCS=c+3
√ c
n
LCI =c−3
√ c
n

LCS= c

EJEMPLO:

En una fábrica de muebles se inspecciona a detalle el acabado de las mesas cuando salen del
departamento de laca. La cantidad de defectos que son encontrados en cada mesa son
registrados con el fin de conocer y mejorar el proceso. En la tabla se muestran los defectos
encontrados en las últimas 18 mesas. Es claro que estamos ante una variable que debe ser
analizada con la carta c, debido a que una misma mesa puede tener varios defectos de diferente
tipo; además, los defectos son relativamente menores, y aunque influyen en la calidad final del
producto, no causan que la mesa sea rechazada.

DEFECTO DEFECTO
MESA MESA
S Сi S Сi
LCS=4.7778+3 √ 4.7778=11.3357
1 6 10 7
2 5 11 5
3 4 12 12 C=4.7778
4 4 13 5
5 1 14 4
6 3 15 7 LCS=4.7778−3 √ 4.7778=−1.7797
7 3 16 2
8 7 17 4
9 5 18 2
86
Ʃ
C=¿
 CARTAS DE CONTROL PARA DEFECTOS EN LAS MESAS
14
13
12
11
10 LCS
9
8
7
6
5
4
3
2
1
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-1 LCI
-2
-3

El gráfico muestra que un valor se encuentra fuera del LCS, que corresponde con el
grupo de muestra 12 esto se debe a una causa especial de variación, por lo tanto, que
ha habido una circunstancia inusual el proceso.
GRAFICAS u

Cuando en las cartas C, el tamaño de subgrupo no es constante o cuando, aunque sea

constante, se prefiere cuantificar el número promedio de defectos por unidad en lugar del total
de defectos en la muestra, se usa la carta U. en esta, para cada subgrupo, se grafica el numero
promedio de defectos por unidad, ui que se obtiene al dividir el total de defectos encontrados en
el subgrupo entre el total de unidades en el subgrupo. En la cual se analizan la variación del
número promedio de defectos por artículo o unidad, en lugar del total de defectos en el
subgrupo. Así, en esta carta, un subgrupo lo forman varias unidades.

NOTA: Cuando n no es el mismo en todos los subgrupos entonces n se sustituye por el

promedio n y se obtiene un gráfico con límites variables.

FORMULAS

√ √
Сi u u
ui = LCS=u+ 3 LCI =u−3
n n n

Total de defectos u
u= u= LC =u
Total de articulos inspeccionados n

Para la carta u con límites variables se utiliza la misma

fórmula.

Carta u con límites variables: se aplica cuando el tamaño de subgrupo n i es muy

variable. Para cada ni se calculan los límites de control correspondientes.

La ventaja de usar límites promedio es que al ser solo un par de límites no es necesario
calcularlos para cada punto y se tiene una perspectiva e interpretación más directa; pero su
desventaja es que en ocasiones no detecta cambios, o puede ser que registre un cambio cuando
en realidad no ocurrió. Una buena alternativa sería usar límites promedio cuando los tamaños
muestrales no discrepen más del 20% entre sí.
EJEMPLO:

En una fábrica se ensamblan artículos electrónicos y al final del proceso se hace una
inspección por muestreo para detectar defectos relativamente menores. En la tabla se presenta
el número en 24 lotes consecutivos de piezas electrónicas. El número de piezas inspeccionadas
en cada lote es variable, por lo que no es apropiado aplicar la carta c. es mejor analizar el
número promedio de defectos por pieza, ui, mediante la carta u.

T. DE
TOTAL, DE No. PROM.
LOTE MUESTRA
ni DEF. Сi DE DEF. ui
1 20 17 0.9
2 20 24 1.2
n=20
3 20 16 0.8
4 20 26 1.3
5 15 15 1.0
6 15 15 1.0 n=15
7 15 20 1.3
8 25 18 0.7
9 25 26 1.0
n=25
10 25 10 0.4
11 25 25 1.0
12 30 21 0.7
13 30 40 1.3
14 30 24 0.8
15 30 46 1.5 n=30
16 30 32 1.1
17 30 30 1.0
18 30 34 1.1
19 15 11 0.7
20 15 14 0.9
21 15 30 2.0
n=15
22 15 17 1.1
23 15 18 1.2
24 15 21 1.3
Ʃ= 525 550 25.3
LCS=1.0542−3
√ 1.0542
21.87
=0.3955  Se observa que el proceso no trabaja de
manera estable, ya que en la muestra del
lote 21 el número promedio de defectos
U =1.0542 por pieza sobrepasa el límite de control
superior.

√ 1.0542  En la fabricación de tal lote ocurrió alguna

LCS=1.0542−3 =0.3955 causa especial que empeoró la calidad de
21.87
las piezas.
 Es preciso identificar la causa para evitar
en el futuro.
Carta u con límites variables:

1 – 4 = 20

5 – 7 = 15 Se observa que además del punto correspondiente al lote 21, el lote 10

también aparece fuera de control por el límite de control inferior. En la
8 – 11 = 25 fabricación del lote 10 ocurrió algo especial que mejoró el desempeño
del proceso.
12 – 18 = 30

19 – 24 = 15

n= 20 n= 25

LC= 1.0542 LC= 1.0542

LCS=1.0542+3
√ 1.0542
20
=1.7430 LCS=1.0542+3
√ 1.0542
25
=1.6702

LCS=1.0542−3
√ 1.0542
20
=0.3654 LCS=1.0542+3
√ 1.0542
25
=0.4382

n= 30 n= 15

LC= 1.0542 LC= 1.0542

LCS=1.0542+3
√ 1.0542
30
=1.6166 LCS=1.0542+3
√ 1.0542
15
=1.8495

LCS=1.0542−3
√ 1.0542
30
=0.4918 LCS=1.0542+3
√ 1.0542
15
=0.2589
 CARTA U PARA DEFECTOS EN PIEZAS ELECTRONICAS.

1.8
LCS
1.6

1.4

1.2
ῡ
1

0.8

0.6
LC
0.4 I
0.2

0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

CARTA U CON LIMITES VARIABLES PARA DEFECTOS EN PIEZAS ELEC-

TRONICAS

1.8

1.6

1.4

1.2
1

0.8

0.6

0.4

0.2

0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
CONCLUSION

Los gráficos de control son una herramienta poderosa para las empresas. Pero a la vez
son también un arma de doble filo, puesto que, si no se conocen sus propiedades y cualidades,
pueden usarse de forma incorrecta, no sirviendo para su propósito final que no es otro más que
mejorar los procesos de producción y reducir los costes de todo tipo. La variable a monitorizar
ha de estar claramente definida, así como los resultados que se espera obtener. En ese caso, hay
una amplia variedad de gráficos de control, además, existen muchas variantes de los modelos de
gráficos originales que se adaptan a cas cualquier situación requerida.