Control Estadstico de Calidad

Cartas de control de variables continuas - Cartas x y rango Capacidad de

proceso
Introduccin

Las cartas de control se aplican a

procesos que pueden ser de
produccin o de servicio.

Salida
Variables

Salida:
Para caracterizar el proceso tomamos informacin con una determinada frecuencia
por medio de muestras obtenidas a la salida o muestras correspondientes a lotes
iguales de produccin.

Nos va a preocupar la evolucin de:

Media Variabilidad
- La media del proceso.
n=4 r S S2 - La variabilidad del proceso.
1 3,4 3,5 3,3 3,0 3,30 0,5
En la tabla se muestra una serie de
2 3,2 3,5 4,0 4,1 3,70 0,9 muestras de tamao 4 (n = 4). En
3 3,5 3,1 3,6 3,8 3,50 0,7 este caso se ha elegido el
parmetro rango para el
seguimiento de la variabilidad del
proceso.
25 3,9 3,6 3,1 3.5 3,53 0,8

x r
Con la media de las muestras obtenemos la media poblacional estimada x
r
Con el rango medio estimamos la variabilidad del sistema segn:
d2
d2 : Est en tablas, depende de n.

Teorema del lmite central

El teorema establece una relacin entre la variabilidad entre las muestras ( x ) y la
variabilidad del proceso ( ) .

La variabilidad entre las
=
x
medias de las muestras es
n
menor que la variabilidad
de la poblacin original
El teorema adems nos dice que la distribucin de las muestras tiende a una
distribucin normal aunque la poblacin original no corresponda a una distribucin

Miguel Zanuttini 1
normal (ver Anexo). Esta aproximacin es ms cierta a medida que aumenta el
tamao de muestra y es exacta en general para un tamao de n = 30.
El teorema es importante porque analizaremos en general las cartas de control
suponiendo que la distribucin de la variable en estudio corresponden a una
distribucin normal.
Distribucin de la poblacin no normal Distribucin de las muestras tiende a una
normal.

0.2 0.4
0.16
0.3
0.12
0.2
0.08

0.04 0.1

0 0
0 4 8 12 16 20 -5 -3 -1 1 3 5
x x

0.6 0.4
0.5
0.3
0.4
0.3 0.2
0.2
0.1
0.1
0 0
0 2 4 6 8 10 12 -5 -3 -1 1 3 5
x x

Comparacin entre distribuciones de la poblacin y distribucin de las muestras:

Ejemplo: Si tenemos una poblacin = 50 x = 50 , las medias de las muestras de
tamao 4 (n = 4) que podemos obtener sern tales que:
x = 50 ; x = 10 / 4 = 5

Densidad de Probabilidad
0,08
Media , Desv. estndard
0,06 Distribucin 50 , 5
de muestras 50 , 10
0,04
Distribucin
0,02 de la
poblacin
0
0 20 40 60 80 100
x

Modelo general de las cartas de control

Caracterizamos el sistema con la media y variabilidad de ambos parmetros (media
y rango):

Media de las muestras:

x .y x

Miguel Zanuttini 2
 Rango de las muestra
r y r
r

En un control estadstico de proceso tendremos una carta para x y una carta para el
rango.

Para las cartas usaremos una lnea central (LC) y lmites superior (LSC) e inferior
(LIC) bajo el siguiente concepto:

Media 3

+ 3 + 3
0.4

0.3

1= 0,00135
0.2 (1 - 2)= 0,00135

0.1

0
-5 -3 -1 1 3 5

Adoptar 3 , implica excluir solamente una probabilidad de 0,0027, es decir 27 /

10000 probabilidad.
1 + (1 2 ) = 0,0027 y 1 = (1 2 ) = 0,00135
Longitud de corrida media:
Es la cantidad de puntos de la carta de control que puedo esperar que resulten
dentro de los lmites hasta que uno resulte afuera de ellos:
1
LCM =

1
LCM = = 370
Para el valor usual de = 0,0027, resulta: 0 , 0027

Significa que se obtendr, en promedio, un punto fuera de los lmites cada 370
puntos. Este punto significar una falsa alarma.

Uso de las Cartas de Control

a) Proveen evidencia de que el sistema est bajo control.
b) Permiten la reduccin de la variabilidad del proceso.
c) Permiten la estimacin de la capacidad del proceso.
Miguel Zanuttini 3
Aplicacin
a) Se obtiene una serie de datos muestrales. Se analiza si ha estado bajo
control estadstico. Se detectan situaciones fuera de control para su estudio.
b) Representacin de cada resultado a medida que se obtiene en una grfica
construida segn lmites estndares previamente establecidos. Puede ser por:
conocimiento del proceso, pedidos por gerencia, etc.
El caso a) es el ms comn

Fundamento de las cartas de control

Diferenciamos dos tipos de variabilidades: variabilidad natural y otra de mayor
magnitud.

a) Variabilidad Natural o ruido de fondo es el efecto acumulativo de muchas

causas pequeas. Corresponde a un sistema cuya variabilidad responde solo a
causas aleatorias. Decimos que el sistema est bajo control estadstico.

b) Variabilidad mayor, inaceptable, que responde a una causa que puede

encontrarse y corregirse. Estas causas se denominan: Causas asignables:
La presencia de causas asignables indica un sistema fuera de control.

Definicin de una carta de control:

Grfica de una determinada caracterstica que ha sido medida sobre muestras
tomada segn una frecuencia definida. La grfica incluye una lnea central y lmites:
Lmite superior de control (LSC) y lmite inferior (LIC).
- Se analiza en conjunto con los registros del proceso ya que cada muestra
corresponde a una situacin del proceso en un determinado momento.

En general usamos dos cartas:

Una carta para la media y otra para la variabilidad.

Ejemplo

X-bar para Variable

Carta de X medio
50
UCL = 48,01
46
42
X-bar

38 LC = 39,11
34
30 LCL = 30,22
0 4 8 12 16 20
Subgroup (Muestra)

Miguel Zanuttini 4
 Carta rango
Rango
30
UCL = 27,86
25
20
15
LC = 12,21
10
5
0 LCL = 0,00
0 4 8 12 16 20
Subgroup (Muestra)

Situacin fuera de control: a) Punto fuera de los lmites: Implica que debe
b) Comportamientos no hallarse la causa y
aleatorios: aplicarse la accin
correctiva

Comportamiento no aleatorio

a) Corridas: 8 puntos o ms sucesivos en ascenso o descenso.

X-bar para Variable
50
UCL = 48,30
46
X-bar

42
38 LC = 39,41
34
30 LCL = 30,52
0 4 8 12 16 20
Subgroup (Muestra)

b) Comportamiento cclico

X-bar para Variable

49
UCL = 47,06
45
X-bar

41
37 LC = 38,17
33
29 LCL = 29,28
0 4 8 12 16 20
Subgroup (Muestra)

c) Violacin de las Reglas de Zona

Miguel Zanuttini 5
Reglas de Zona: Separamos la carta en tres zonas superiores y tres inferiores.
Consideramos comportamiento no aleatorio si existe:

a) Serie de datos consecutivos de 8 o mayor arriba o abajo de la lnea central.

b) Corridas hacia arriba o hacia abajo de longitud mayor de 8 puntos.
c) Grupo de 5 muestras con cuatro ms all de 1,0 sigma.
d) Grupo de tamao 3 con al menos 2 ms all de 2,0 sigma.
e) Grupo de 15 muestras dentro de 1,0 sigma.
f) Grupos de 8 muestras ms all de 2,0 sigma.

Ejemplo:

X-bar para Variable

49
UCL = 47,39
45
41
X-bar

37 LC = 38,50
33
29 LCL = 29,61
0 4 8 12 16 20
Subgroup (Muestra)
En la figura existen 9 puntos seguidos por arriba de la Lnea Central lo cual implica
un comportamiento no aleatorio (violacin del regla 1).
La violacin de las reglas de zona no son fciles de detectar a simple vista. Es til la
ayuda de un software.

En el ejemplo siguiente, el programa informa que no se cumple la regla en las

muestras 9 y 10 por violacin de la regla C.
Informe del programa Statgraphics:
Violaciones:

Muestra Carta X-barra Carta Rango

9 C ---
10 C ----

Un software como Statgraphics indica la muestra y la regla de zona que ha sido

violada

Situacin fuera de control

Si existe un punto afuera de los lmites, se recalculan estos lmites sin considerar
esa muestra. Los valores de x medio y rango de la muestra se indican en la grfica.

Miguel Zanuttini 6
 Carta X medio
66
UCL = 63,80
61
X Medio 56
51 Centerline = 50,11
46
41
36 LCL = 36,42
0 5 10 15 20 25
Subgroup (Muestra nmero)

Carta Rango
50

40 UCL = 42,90
Rango

30

20 Centerline = 18,80
10

0 LCL = 0,00
0 5 10 15 20 25
Subgroup

Es necesario tener registro de las variables de proceso que se consideren

relevantes:
Ejemplo:
Lote de materia prima en uso en cada momento
Variables de operacin
Operario u grupo de trabajo
Cualquier anomala

Alternativas para la conformacin de la muestra

Los subgrupos o muestras pueden tomarse de dos maneras:
A) Muestra representativa del instante del proceso: Individuos sucesivos en la
produccin.
B) Muestra representativa del perodo. Muestra obtenido del lote de produccin en
el perodo considerado.

Miguel Zanuttini 7
La carta obtenida con las muestras instantneas del proceso es la recomendable
porque es ms sensible.
La instantnea maximiza la variabilidad entre muestras y minimiza la variabilidad en
la muestra.

Carta x medio y rango

Para la carta x usamos los parmetros : y x

Para la carta rango: r y r

Hacemos uso de las relaciones siguientes:

Por el teorema del lmite central x =
n
r
La estimacin del a partir del rango es =
d 2( n )
Usamos aqu otra relacin:

r = d 3( n )

d2 y d3 : constantes que dependen del tamao de muestra (n).

Lmites de la carta x
Aplicamos el concepto de valor medio 3 :

Lmite superior

LSC:
= =
=
r 1
x + 3 x = x + 3 = x+ 3 = x + A2 r
n d2 n

Lnea central:
LC = x

Lmite inferior de control

= =
LIC : x 3 x = x A2 r

A2 : en tablas en funcin de n
Lmites de la carta rango:

LSC:
Miguel Zanuttini 8
 1 d
r + 3 r = r + 3d3 . = r + 3d3 r = r (1 + 3 3 ) = D4 r
d2 d2

LC : r

LIC : r 3 r = D3 r
D3 y D4 : tabulados en funcin de n.
Tabla de constantes y frmulas para las Grficas de Control:
Carta . x : x A2 r
Carta.r : D4 r D3 r
= r / d 2

Necesitamos obtener de las tablas los valores de: A2, D4 , D3 y d2

Grfico x y r Grfico x y S
n A2 d2 D3 D4 A3 C4 B3 B4
2 1,880 1,128 - 3,267 2,659 0,7979 - 3,267
3 1,023
4 0,729

25 0,135 3,931

Capacidad de proceso:
Definicin: Capacidad del sistema de producir dentro de especificaciones.
Especificaciones:
Requerimiento del cliente que en general pueden ser:
Lmite Inferior de Especificacin (LIE)
Lmite Superior o Especificacin (LSE)

Puede suceder que exista solamente un solo lmite (superior o inferior).

El sistema tiene capacidad aceptable para producir dentro de las especificaciones si
los lmites naturales del proceso (media 3 ) estn comprendidos dentro de las
tolerancias (LIE y LSE). Los parmetros del sistema se calculan a partir de los datos
de la carta de control :

Miguel Zanuttini 9
 r
=x =
d 2( n)
Ejemplo:

-3
Densidad de Probabilidad Media +3
0,04

0,03

0,02

0,01

0
0 20 40 60 80 100
LIE x LSE

CCPk
El cociente de capacidad de proceso se define como el menor valor de los dos
casos:

LSE LIE
3 3
;

En el caso de que el sistema est centrado ( en el centro de tolerancia) la

capacidad puede calcularse:

LSE LIE
6
Valores recomendados:
Mnimo: CCP = 1,33
Puede ser conveniente: CCP = 2,0
Es posible que el cliente exija un determinada capacidad de proceso.

Miguel Zanuttini 10
La figura muestra distintos casos. Una capacidad de proceso de 2,0 parece
exageradamente alta, sin embargo implica un cierto margen de seguridad. La
capacidad puede cambiar por corrimiento de la media hacia alguno de las dos
tolerancias o por aumento de la variabilidad del sistema.

Clculo de la capacidad de proceso :

Debe recordarse que la capacidad es intrnseca al sistema. No depende del tamao

de muestra elegido, ni de la frecuencia de muestreo ni del tipo de carta usada para
el clculo de y de .
Debe notarse que no se puede comparar en forma directa los lmites de la carta x
con los lmites de especificacin. Recordar que los lmites de la carta se refiere a la
variabilidad entre muestras ( x ) que resulta menor que la variabilidad del sistema
( ).

Miguel Zanuttini 11
Estadstica en Control de Calidad
Constantes de las cartas de control -

Lnea Limite
Lmite superior
Central inferior
y definidos previamente
Cartas - A* + A*
x,R d2 * D1* D2*
Cartas - A* + A*
x ,S c4 * B1 * B2 *
Lmites basado en los datos
Cartas X X - A2* R X + A2* R
X , R R D3* R D4* R
Carta X X - A3* S X + A3* S
X, S S B3 * S B4 * S
Carta X X - 2,66 RM X + 2,66* RM
X, RM RM 0 3,27* RM
Carta X X - 2,66* RM X + 2,66 RM
X, RM 0
(Lmit. RM 4,12* RM
probabil.)
Cartas
X, S2 x x A S2 x + A S2

S2 K1 S 2 K2 S 2
A= 3/ n ; A2 = 3 / (d2 * n ) ; D1 = d2 - 3 d3 ; D2 = d2 + 3 d3 .
Recordar que D3 y D4 pueden seleccionarse segn lmites probabilsticos
1 1
B 5 = c4 3 (1 C 4 ^ 2) ; B3 = 1 - 3 (1 C 4 ^ 2) :
C4 C4
1 1
B 6 = c4 + 3 (1 C 4 ^ 2) : B4 = 1 + 3 (1 C 4 ^ 2)
C4 C4
Valores de B5 y B6:
n C4 B1 B2 n C4 B1 B2
2 0,7979 0,0 3,0643 7 0,9594 0,0774 1,8414
3 0,8862 0,0 2,4546 8 0,9650 0,1497 1,7803
4 0,9213 0,0 2,1875 9 0,9693 0,2083 1,7303
5 0,9400 0,0 2,0289 10 0,9727 0,2570 1,6884
6 0,9515 0,0 1,9215

Miguel Zanuttini 12
Miguel Zanuttini 13
Control estadstico de la Calidad

Constantes de las cartas de control

Carta rango
Lmites clsicos Lmites probabilsticos
(1-3 d3/d2) (1+3 d3/d2) /2 = 0,001
n D3 D4 D3(/2) D4 (/2)
2 0 3,269 0 4,122
3 0 2,574 0,035 2,989
4 0 2,282 0,097 2,579
5 0 2,114 0,159 2,356
6 0 2,004 0,204 2,218
7 0,076 1,924 0,255 2,119
8 0,136 1,864 0,292 2,044
9 0,184 1,816 0,327 1,987
10 0,223 1,770 0,351 1,940
Observacin: Para una distribucin normal elegir + 3 implica un /2 = 0,0013.

Carta X medio y S2

Carta X medio : LC: x

S2
Lmites: x + * 3
n
Carta S^2: LC: S2
S2 2
LSC: ( 2 , n 1) = K2 * S 2
n 1
S2 2
LIC: (1 , n 1) = K1 * S 2
n 1

1 = 0,001 , 2 = 0,999
n (1 ), (n 1)
2
K1 2( 2 ), (n 1) K2
2 0 0,000 10,83 10,83
3 0,001 0,001 13,81 6,905
4 0,024 0,008 16,26 5,420
5 0,091 0,0023 18,46 4,615
6 0,21 0,0042 20.51 4,102
7 0,381 0,064 22,45 3,742
8 0,599 0,086 24,32 3,474
9 0,857 0,107 26,12 3,265
10 1,152 0,128 27,88 3,098
Miguel Zanuttini 14
 Anexo: Ejemplo de TEOREMA DEL LMITE CENTRAL
Anlisis de 1000 muestras de tamao 5 de una poblacin distribuida segn Log Normal

Muestra Media
1 2.78 7.84 6.81 10.25 6.81 8.31
2 10.27 3.88 8.35 7.28 10.46 8.05
3 13.36 7.44 19.99 34.81 11.92 17.50
4 10.58 37.63 9.77 29.62 13.60 20.24
5 6.62 3.99 4.03 5.45 10.20 6.06
6 7.98 5.83 4.58 11.67 17.01 9.41
7 16.84 10.40 37.90 14.15 6.15 17.09
8 6.74 1.42 17.72 40.84 14.26 16.20

1000 13.31 7.20 5.32 5.12 13.92 8.97

Poblacin original (Distribucin Log normal, media:12,37, desv. estndar: 9,66 )

Histograma para la Poblacion

150

120
frequencia

90

60

30

0
0 10 20 30 40 50
Poblacion
Poblacin de las medias

Histograma para Media (n = 5; m = 1000)

Media 12,37, desv estndar : 4,34
150

120
frequencia

90

60

30

0
0 10 20 30 40 50
Media

x = / n 9,66/ 5 = 4,32
Los x difieren porque los valores tomados para la poblacin original (5000 valores) son alea torios.

Miguel Zanuttini 15