Que se debe tomar en cuenta

Celular en vibrador
Evitar interrupciones

NO REDES SOCIALES

Iniciar y terminar a tiempo PARTICIPAR

“Aprender no es obligatorio… sobrevivir
tampoco”. E. Deming

“El temor puede sacar lo mejor de las

personas ”. J. Juran

“La calidad empieza por la educación y

termina con la educación”.
Kaoru Ishikawa
 Objetivo
Al final de la jornada, el participante será capaz de:

✓ Identificar las fuentes de variación

de un proceso
✓ Construir Gráficos de Control
apropiados para cada situación
✓ Interpretar gráficos de control
✓ Medir la capacidad del Proceso
✓ Planificar e implementar CEP en su
empresa
HISTORIA DEL CEP
Historia del CEP
Walter Shewhart (1891-1967)
“La Calidad como un problema de variación, el cual
puede ser controlado y prevenido mediante la
eliminación a tiempo de las causas que lo
provocan”
➢Físico, ingeniero y estadístico estadounidense, conocido como el padre del
CEP, ingeniero en Western Electric de 1918 a 1924, y en los laboratorios
Bell Telephone.
➢Cuando el Dr. Shewhart se unió a la Western Electric Company Inspection
Engineering Department en 1918, la calidad industrial estaba limitada a la
inspección de productos terminados y la remoción de artículos defectuosos.
➢ Introdujo el uso de gráficos en los cuales consignaba los patrones de
comportamiento observados (gráficos de control).
 Historia del CEP
Joseph M. Juran (1904-2008)
"Toda revolución de la calidad exitosa incluye la
participación de la alta dirección. Sabemos que no hay
excepciones”

“Contribuí a una nueva ciencia: la gestión de la

calidad”

Graduado en ingeniería y leyes, ascendió hasta ocupar los puestos de gerente

de calidad en la Western Electric Company, fue funcionario del gobierno.
Juran considera que la calidad consiste en dos conceptos diferentes, pero
relacionados entre sí:
➢Una forma de calidad está orientada a los ingresos, y consiste en aquellas
características del producto que satisfacen necesidades del consumidor y,
como consecuencia de eso producen ingresos. En este sentido, una mejor
calidad generalmente cuesta más.
➢Una segunda forma de calidad estaría orientada a los costes y consistiría en
la ausencia de fallas y deficiencias. En este sentido, una mejor calidad
generalmente cuesta menos.
 Historia del CEP
Edward Deming(1900-1993)
“Un cliente insatisfecho no se queja, simplemente se
cambia"”.
"Pon una buena persona en un mal sistema y siempre
ganará el mal sistema”.

"Si usted no puede describir lo que está haciendo como

un proceso, usted no sabe lo que está haciendo."
➢Estadístico estadounidense, profesor universitario, autor de textos, consultor y
difusor del concepto de calidad total. Su nombre está asociado al desarrollo y
crecimiento de Japón después de la Segunda Guerra Mundial.

➢A MAYOR CALIDAD, MENORES COSTOS = MAYOR PRODUCTIVIDAD.

➢El ciclo PHVA, también conocido como "Ciclo Deming, ciclo de la calidad o
espiral de mejora continua"
Declaración del manifiesto de la Calidad ( 21-05-1986)
CALIDAD
Cuales son tus
expectativas
¿Cual es de mejor Calidad?
Toyota - Yaris
US$ 13 000

Ferrari- GTC4Lusso
US$ 300 000
¿Calidad es………..?

Expectativas vs Requisitos

Satisfacer Expectativas
 Enfoque en Procesos
Proceso:
Conjunto de actividades interrelacionadas que transforman elementos de
entrada en elementos de salida (resultados) que agregan valor desde el punto
de vista de el clientes

Resultados de Resultados de
otros procesos otros procesos
Elementos de
Entrada a A Resultados
Resultados de D
Resultados
PROCESO A de A
Entradas a B PROCESO B de B
Entradas a C PROCESO D

Entradas a C Resultados de C
PROCESO C
Enfoque en Procesos
Visión: OBJETIVO
Excelencia
Operativa

Dueño del Proceso

P
R C
O Método
L
V I
E Proceso E
E Entradas Producto
N
Máquina
D T
O Recursos E
R
RRHH, $$$,
Procedimientos
Desarrollo de un Producto
Definir el
Expectativas Producto
del Cliente

Datos de Diseño

Diseño del
Producto

Datos de Producción

Fabricar el
Producto

Información de apoyo
sobre el producto
Estandarización
 ¿2 productos iguales?

Los procesos productivos son incapaces de producir dos unidades del mismo producto
exactamente iguales.

Esto se debe a un sin numero de causas que provocan variación y que por lo tanto es
necesario controlarlas cuando se presentan en exceso.
 Ciclo de Deming
ACTIVIDADES PARA EL LOGRO DE OBJETIVOS
• Actividades
• Recursos
• Personas
• Tiempo
• Presupuesto
• Materiales
• infraestructura

MEJORA CONTINUA
Decisiones en
base a hechos
y datos

PLANEADO vs
EJECUTADO
LO PLANEADO
 Modelo de Reacción de Deming
Aumento de la
Calidad

Aumento de la
Productividad

Reducción de
Costos

Reducción de
Precios

Aumento de la
cuota de mercado

Creación de nuevos
puestos de trabajo

Aumento de las
Utilidades

Supervivencia
de la empresa
Trilogía de JURAN
PLANIFICACION

CALIDAD

CONTROL MEJORA
Trilogía de JURAN
Trilogía de JURAN

Planificación Control Mejora

• Establecer metas de • Evaluar rendimiento • Demostrar necesidad de
calidad • Comparar rendimiento con mejora
• Identificar a los clientes las metas de calidad • Establecer infraestructura
• Determinar necesidades del • Actuación sobre la diferencia • Identificar Proyecto de
cliente mejora.
• Desarrollo de características •Establecer equipos de
del producto trabajo y proporcionar
• Desarrollo de Procesos recursos.
• Establecer Controles • Establecer controles
 Planificación de la Calidad
Identificación de los Clientes
Descubrir Necesidades del Cliente
Expectativas • Porque compra
• Qué servicio espera
del cliente
• Cómo se beneficiará
• Cómo lo usa
• Qué ha provocado quejas
• Por qué elijen a la competencia
•Comprensión de las necesidades Diseño de productos, procesos y control
Discrepancia •Diseño de producto
en la calidad •Capacidad de ejecutar el producto Identificación de Clientes
•Prestación real
Necesidades de Clientes

Características Producto

Metas Producto
Percepción
del cliente Características Proceso

Metas del Proceso Metas del Proceso

 Control de la Calidad
Es un proceso de gestión que dirige
operaciones que proporcionan
estabilidad y previenen cambios
adversos

Ejecución de operaciones

Planificación
del proceso Resultado
esperado
Actuación

Punto de
Control Desviación
 Mejora de la Calidad
Creación organizada de un
cambio beneficioso, logro del
un nivel sin precedentes.

Orientada a los Ingresos

•Comité de Calidad •Desarrollo del producto para crear nuevas
•Propuestas características que proporcionen mayor
•Sistema de datos satisfacción al cliente.
•Estudios especiales •Mejora del Proceso del Producto
•Reacciones de los Clientes •Creación de un Sistema de comunicación
•Trabajadores
efectivo con el cliente.
•Proveedores – Clientes

•Proyectos Orientada a reducir las deficiencias

•Equipo •Incremento del rendimiento de los procesos
•Responsabilidad de operaciones.
•Ejecución
•Reducción de la tasa de errores
•Reducción de los fallos en operaciones.
CONTROL DE CALIDAD
Control de Calidad
Algunas ventajas del control de calidad
•Aumento de la calidad y disminución del numero de
productos defectuosos.
•Obtención de una calidad mas uniforme
•Disminución del número de reclamos
•Aumento de la confianza en los productos
•Reducción de los costos de producción
•Aumento en el precio de venta de los productos
•Mayores utilidades
•Disminución de los reprocesos y mejora en la eficiencia.
•Mejora la relaciones humanas y eliminación de barreras
entre departamentos.
•Rapidez en la toma de decisiones y mejora en el
despliegue de la política y la dirección por objetivos.
•Confianza en la empresa
Control de Calidad
Obstáculos a los que se enfrenta el
programa de control de calidad
•Falta de apoyo de la gerencia en la
implementación de la calidad.
•Falta de apoyo por parte de los
trabajadores para realizar el proceso
•Falta de compromiso con la calidad
•Falta de un programa de educación
continua
•Rechazo al cambio
•Falta de humildad y afán de
protagonismo
Características de Calidad

Variables Atributos
•Características que se pueden medir •Características que el producto o
( por ejemplo el peso o la longitud) servicio poseen o no.
•Pueden ser números enteros o •Los productos se clasifican en
fracciones productos “buenos” o “malos”, o se
cuentan los defectos que tengan.
Control “Estadístico” de Calidad
El control estadístico de la calidad implica las siguientes actividades

1. Control Estadístico de Procesos (CEP)

2. Estadística Descriptiva, que incluya la media, la desviación estándar

y el rango.
•Involucra inspeccionar la salida de un proceso
•Las características de calidad son medidas y clasificadas
•Ayudan a identificar variación en el proceso.

3. Muestreo por Aceptación, utilizado para inspeccionar aleatoriamente

lotes de productos, con fines de determinar la aceptación / rechazo del
lote.
• No ayuda a reflejar los problemas de variación en el proceso
•Existe muestreo por aceptación para atributos y para variables.
 VARIACION
Factores y Causas
Preguntas que todos hacemos

• ¿Por qué se producen defectos?

• ¿Por qué tardamos tanto?

• ¿Por qué el costo del proceso es tan alto?

• ¿Por qué el proceso no se repite igual siempre?

• ¿Por qué nuestra calidad no es sostenida?

 Factores de éxito

Pintor

Soplete

Pintura

Forma de Aplicación

Superficie
Calidad esperada

Brillo

Adherencia

Espesor

Tonalidad de Color
 El Enfoque Six Sigma

X Y
Material
Máquina Producto
Método
Mano de Obra
Proceso (Características
Esperadas)
Medición
Medioambiente

f(x) = Y
f (X1, X2, X3, X4, X5) = Y1, Y2, Y3
Variables Críticas de Entrada (KPIV) y
Variables Críticas de Salida (KPOV)

KPIV Proceso KPOVs

X1 Tipo de soplete Espesor de la pelicula Y1
X2 Tipo de Pintura Brillo Y2
X3 Limpieza de la superficie Adhesión Y3
X4 Viscosidad de la Pintura Tonalidad de Color Y4
X5 Distancia entre soplete y pintura
X6 Tiempo de aplicación
Pintado
X7 Habilidad del Pintor
X8 Temperatura del Horno
X9 Tiempo de secado
X10 Condiciones ambientales
El Enfoque Six Sigma

f (X1, X2, X3, X4, X5) = Y1, Y2, Y3

Para obtener resultados,

¿deberíamos fijar nuestros procedimientos en Y o en x?
 x1… xN  Y
 Independiente  Dependiente
 Entrada del Proceso  Salida
 Causa  Efecto
 Problema  Síntoma
 Control  Monitor

Si estamos bien en x,
¿Para qué ensayamos e inspeccionamos constantemente Y?
HERRAMIENTAS ESTADISTICAS
BASICAS PARA REGISTRAR LA
VARIACION
 Estratificación

• Estratificar significa entender (analizar) un problema por sus diversos

componentes, enfoques y/o realidades.
• Estratificar significa desagregar. Es comparar el problema por turnos
de trabajo, por plantas, por máquinas, por aplicación de diversas
materias primas, etc.
 Hojas de Control

• La Lista de verificación es una

forma que se usa para registrar
la información en el momento en
que se está recabando.

• Esta forma puede consistir de

una tabla o gráfica, donde se
registre, analice y presente
resultados de una manera
sencilla y directa.
Ejemplo - Hoja de Chequeo
Ordenando datos
por frecuencias

Promedio
30, 28, 31,26, 29,
27, 32, 28, 25, 27,
25, 29, 28, 26,
31,30,32, 33, 28, 24,
29,26, 28, 27, 33,
24, 29, 25, 30, 28,
29, 27, 29, 30, 28,
27, 31, 32
24 25 26 27 28 29 30 31 32 33
Población o Universo
Rango
 Histograma

• Gráfico de barras que permite describir el

comportamiento de unos datos en cuanto a su
tendencia central, forma y dispersión
 Elaborando un Histograma
Mediciones de la concentración de solvente en la laca
1. Defina la variable a graficar
% Solvente 9:00 a.m. 11:00 a.m. 2:00 p.m. 4:00 p.m.
2. Elabore una plantilla para su
Lunes 1.25 1.42 1.27 1.30
registro Martes 1.44 1.35 1.31 1.25
3. Determine el rango (R) Miércoles 1.32 1.30 1.45 1.39
4. Determine el # de frecuencias Jueves 1.18 1.19 1.33 1.31
Viernes 1.33 1.29 1.43 1.26
(k)
5. Calcule la amplitud (H)
6. Determine la cantidad por
cada frecuencia R= Xmax – Xmin
7. Grafique R= 1.45 – 1.18
8. Interprete. R= 0.27

n = número de datos
 Elaborando un Histograma

Mediciones de la concentración
de solvente en la laca

Rango Cantidad Clase

1.18 - < 1.234 2 A

1.234 - < 1.288 4 B

1.288 - < 1.342 8 C

1.342 - < 1.396 2 D

1.396 - 1.45 4 E

Interprete!
 Definiciones en Histogramas
Límite inferior y superior de clase
Son los numeros más pequeños y más grandes de las clases

Marcas de clase
Son los puntos medios de las clases

Fronteras de clase
Se obtienen al incrementar los límites superiores de clase y al
decrementar los inferiores en una cantidad igual a la media de la
diferencia entre un límite superior de clase y el siguiente límite inferior
de clase

Ancho de clase
Es la diferencia entre dos límites de clase inferiores consecutivas
Comportamientos de los Histogramas
Comportamientos de los Histogramas
 Estadística Descriptiva
La estadística descriptiva se basa en:

x
• La media, como promedio o medida de
tendencia de la central i

• El rango, la diferencia entre la mayor y

x i 1

la menor de las observaciones

n
presentadas en los datos

•
 x 
Desviación Estándar, como distancia n 2
promedio de alejamiento (dispersión) de
i X
los datos con respecto a la media.
σ i 1

n 1
• Tipo de Distribución de los Datos
 Normal
 Uniforme
 Binomial
 Poison
 Distribución Normal

A más muestras se incrementa

la descripción de la Población
 La distribución normal queda definida por dos parámetros:

LA MEDIA DE LA DISTRIBUCIÓN Y EL DESVIACIÓN ESTÁNDAR

El promedio y la piscina
La desviación estándar y
la altura
Media y Desviación Estándar

Distribución de las
medias en el
muestreo
Distribución
de las medias
en el proceso

x
(media)
La variación y sus consecuencias

Meta

Límite especificado Límite especificado

inferior superior

Desempeño Desempeño Desempeño

no aceptable aceptable no aceptable
 CONTROL
ESTADISTICO
DE PROCESOS
Controlar el proceso sobre la base de estadísticas mensuales
es como tratar de manejar un carro mirando el espejo
retrovisor.

W. Edwards Deming
 ¿Cómo es la variación en un
sistema basado en el tiempo?

Control Dinámico LCS

Control Estáico
Media

LCI
Tiempo de Muestreo

Debemos pasar de un control estático

a un control dinámico

Control Estático LCS= Limite de Control Superior

LCI = Limite de Control Inferior
 Control estadístico del proceso (CEP)

Estabilidad de la Cartas de Control

Control variabilidad
CONTROL
Estadístico
de
Procesos
Capacidad para
Índices de Capacidad
cumplir
Histogramas
especificaciones
CONFORMIDAD
 Variabilidad de los procesos

LIE = Limite Inferior de Especificación

LSE = Limite Superior de Especificación
 Cartas de Control

Límites de especificación:
• Dependen del diseño del producto que
se realiza en base a las expectativas
(requisitos) del cliente.

Límites de control:
• Los determina el proceso.
 Control estadístico del proceso (CEP)

• CONTROL: mantener algún tipo

de situación dentro de unas
fronteras.

• ESTADISTICO: con la ayuda de

números o datos.

• PROCESO: combinación de
gente, equipo, materiales
(documentos) método y medio
ambiente.
Control estadístico del proceso (CEP)

• Mide el funcionamiento de un proceso.

• Se utilizan las matemáticas (estadística).
• Es necesario una recolección, organización e interpretación
de los datos.

Objetivo: proporcionar una señal estadística cuando aparezcan

causas de variación imputables (algo esporádico).
Se usa para:
 controlar el proceso de producción y
 examinar las muestras de los productos finalizados.
Causas de las variaciones

Causas no asignables o aleatorias:

• Debidas al azar, no son identificables, no pueden ser

reducidas o eliminadas. Producen variaciones
pequeñas.

Causas asignables:

• Identificables y que deben ser eliminadas. Producen

variaciones grandes.
GRAFICOS DE
CONTROL
Elementos de la Carta de Control

Límite de Control Superior

Media de Proceso

Límite de Control Inferior

Número de muestra en el tiempo

 Cartas de Control en CEP

• Carta de Control (Gráfico de Control) es una de las 7 Herramientas Estadísticas

Básicas de Calidad. Muestra datos de muestras detallados en una grafico, limitado
por el limite superior de control (LSC) y el límite inferior de control (LIC).
• Carta de Control para Variables usados para monitorear características de calidad
que pueden ser medidas, tales como el peso, la longitud, el diámetro, tiempo,
espesor, etc.
• Carta de Control para Atributos usados para monitorear características de calidad
que tiene valores discretos y pueden ser contados tales como los defectos, número
de asistentes, el color, etc.
 Cartas de Control

Principio Básico 1
Un típica carta de control tiene limite de control definidos
como valores tales que si el proceso esta en control, casi
todos los puntos estarán dentro de los límites de control

LCS
Característica
de Calidad

Media

LCI
Tiempo de Muestreo
LCS= Limite de Control Superior
LCI = Limite de Control Inferior
 Cartas de Control
Limite Naturales
• Límite real inferior =  - 3s
• Límite real superior =  + 3s

Límite de control superior

Línea central

Límite de control inferior

Tiempo
 Cartas de Control
Principio Básico 2

calidad (longitud mm)

1

Característica de
0.8
LCS = q + ksq 0.6
LC = q 0.4

LCI = q - ksq 0.2

0

11
13
15
17
19
21
23
25
1
3
5
7
9
Número de muestra
Donde:
q = característica de calidad
k = distancia del limite de control desde la línea central
q = promedio de una muestra estadística q
sq = desviación estándar de una estadística q.
Muestras y Subgrupos

Tamaño de la muestra y frecuencia del muestreo

 Tomar con frecuencia muestras pequeñas: 4, 5, 6 cada
media hora.
 Tomar muestras grandes con una frecuencia menor: 20 cada
dos horas.

Número de Subgrupos
 Aproximadamente 25 muestras, entre 100-150 observaciones
 Control Estadístico

Un gráfico de control permite identificar causas

asignables y determinar si un proceso está bajo o fuera
de control.

Bajo control:
Trabaja en presencia de variaciones aleatorias.

Fuera de control:
Hay variaciones debidas a causas asignables.
 Pruebas de verificación
Ocho pruebas para verificar que una gráfica NO está bajo control estadístico

Prueba # 2
Prueba # 1: Ocho puntos en forma consecutiva
Un dato fuera del límite de control por arriba o por debajo del
promedio

LSC LSC
A A
B B
C C
LC LC
C C
B B
A A
LIC LIC
tiempo tiempo
 Pruebas de verificación

Prueba # 3 Prueba # 4

Cinco puntos consecutivos en forma Catorce puntos alternándose en

ascendente o descendente forma consecutiva arriba y abajo.

LSC
LSC
A
A
B
B
C
C LC
LC C
C
B
B
A
A
LIC
LIC
tiempo
tiempo
Pruebas de verificación

Prueba # 6
Prueba # 5
Cuatro de cinco puntos consecutivos
Dos o tres puntos en la zona A o
en la zona B o más allá
más allá

LSC LSC
A A
B B
C C
LC LC
C C
B B
A A
LIC LIC
tiempo tiempo
Pruebas de verificación

Prueba # 7 Prueba # 8
Ocho puntos consecutivos que
Quince puntos consecutivos en la no caigan en la zona C
zona C

LSC LSC
A A
B B
C C
LC LC
C C
B B
A A
LIC LIC
tiempo tiempo
Un Proceso esta bajo control si …..

1. … ningún punto de la muestra excede los límites.

2. … la mayor parte de puntos están cerca de la media

del proceso.

3. … casi igual número de puntos por encima y por

debajo de la media.

4. … puntos aparecen distribuidos aleatoriamente.

 Cartas de Control

Mejora del Proceso usando una Carta de Control

Entrada Salida
Proceso

Actualice las cartas Sistema de

de control y Medición
modifique los Seleccionar una
procedimientos Verifique y haga Defecto debido a causa común para
seguimiento causa asignable mejorar
necesarios

Valide e implemente Implemente la

la mejora acción correctiva Identifique la causa Defina un plan
raíz del problema de acción
 TIPOS DE CARTAS DE CONTROL

Variables Defina el tipo Atributos

de dato

NO, defectos
01 unidad presentes por SI
Contamos
por unidad unidades
Por lo general
No subgrupo defectuosas
mayor a 50
unidades por
Si subgrupo

Subgrupos
< 10
de tamaño Subgrupos
muestras
constante de tamaño
por No
subgrupo Si constante
Si No No Si

X&R X&S Im & R C U p np

Promedio Promedio y Rangos Número de % de % de Número de
y Rango Desviación Moviles Defectos Defectos Unidades Unidades
Estandar Defectuosas Defectuosas
GRAFICOS DE
CONTROL POR
VARIABLES
Tabla de Constantes de Gráficos de Control
 Carta de Control X-R

• Son 2 cartas de control que trabajan juntas. Una representa gráficamente

el promedio (X) de una muestra y la otra el rango (R) que es la diferencia
entre el valor mayor y el menor valor de la muestra.
• Se debe interpretar las 2 cartas a la vez, para evidenciar diferentes
comportamientos del proceso.
• En el promedio (x) conviene que los datos tengan tendencia al centro.
• Conviene que el rango (R) tenga tendencia a CERO
Promedio X
Rango R
 Carta de Control X-R
1. Definir la cantidad de muestras por 7. Calcular los límites de control para la
subgrupo media y el rango promedio
2. Recolectar los datos
3. Obtener el promedio para cada subgrupo
LCS = Límite de control superior

σ𝑛1 𝑚𝑢𝑒𝑠𝑡𝑟𝑎 LC = Límite de control

𝑋= LCI = Límite de control inferior
𝑛
X = Media de los promedios de las muestras
4. Obtener el rango para cada subgrupo
R= Rango promedio
Rango = Valor Max – Valor Mínimo
LCS = X + A2R LCS = D4R
5. Calcular la media de los promedios
LC = X LC = R
σ𝑛1 𝑋
𝑋= LCI = X - A2R LCI = D3R
𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑆𝑢𝑏𝑔𝑟𝑢𝑝𝑜𝑠

6. Calcular el rango promedio.

8. Graficar
9. Interpretar
σ𝑛1 𝑅
𝑅=
𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑆𝑢𝑏𝑔𝑟𝑢𝑝𝑜𝑠
 Carta de Control X-R
Ejemplo
En una producción de perlas de fantasía, de 5 mm, se toman 4 muestras cada
15 minutos para medir el diámetro exterior
Hora Muestra 1 Muestra 2 Muestra 3 Muestra 4 Χ R X 4.99 LCS LC LCI LCS LC LCI
08:00 5.17 4.83 4.92 4.73 4.91 0.44 A2 0.729 5.46 4.99 4.52 2.93 0.64 0.00
08:15 4.99 5.45 4.89 4.64 4.99 0.81 R 0.64 5.46 4.99 4.52 2.93 0.64 0.00
08:30 5.28 5.36 4.68 4.51 4.96 0.84 D4 2.282 5.46 4.99 4.52 2.93 0.64 0.00
08:45 5.13 4.83 5.13 5.45 5.13 0.62 D3 0 5.46 4.99 4.52 2.93 0.64 0.00
09:00 5.20 4.54 5.49 4.96 5.05 0.95 5.46 4.99 4.52 2.93 0.64 0.00
09:15 4.73 5.25 5.48 5.41 5.22 0.75 5.46 4.99 4.52 2.93 0.64 0.00
09:30 5.01 4.54 5.39 4.72 4.91 0.85 5.46 4.99 4.52 2.93 0.64 0.00
09:45 5.00 5.02 4.77 4.64 4.86 0.38 5.46 4.99 4.52 2.93 0.64 0.00
10:00 5.25 4.88 4.98 5.30 5.10 0.42 5.46 4.99 4.52 2.93 0.64 0.00
10:15 5.10 5.05 4.85 4.69 4.92 0.42 5.46 4.99 4.52 2.93 0.64 0.00
10:30 4.81 5.47 4.64 4.93 4.96 0.83 5.46 4.99 4.52 2.93 0.64 0.00
10:45 5.22 5.04 4.75 5.42 5.11 0.67 5.46 4.99 4.52 2.93 0.64 0.00
11:00 4.62 4.64 4.93 4.72 4.73 0.30 5.46 4.99 4.52 2.93 0.64 0.00
11:15 5.21 4.74 5.06 4.59 4.90 0.62 5.46 4.99 4.52 2.93 0.64 0.00
12:15 5.25 5.09 4.94 4.68 4.99 0.57 5.46 4.99 4.52 2.93 0.64 0.00
13:15 5.37 5.28 4.76 5.18 5.15 0.61 5.46 4.99 4.52 2.93 0.64 0.00
14:15 5.09 4.60 5.21 4.74 4.91 0.62 5.46 4.99 4.52 2.93 0.64 0.00
15:15 4.74 4.64 4.74 5.42 4.88 0.77 5.46 4.99 4.52 2.93 0.64 0.00
16:15 4.96 4.75 5.43 5.39 5.13 0.68 5.46 4.99 4.52 2.93 0.64 0.00
17:15 4.52 4.77 5.22 4.59 4.77 0.70 5.46 4.99 4.52 2.93 0.64 0.00
18:15 5.28 5.14 4.60 4.96 5.00 0.69 5.46 4.99 4.52 2.93 0.64 0.00
19:15 5.21 4.77 4.51 5.49 4.99 0.98 5.46 4.99 4.52 2.93 0.64 0.00
20:15 4.72 5.19 5.33 5.44 5.17 0.73 5.46 4.99 4.52 2.93 0.64 0.00
21:15 5.16 5.24 5.00 5.47 5.21 0.47 5.46 4.99 4.52 2.93 0.64 0.00
22:15 5.08 5.35 5.11 5.00 5.13 0.35 5.46 4.99 4.52 2.93 0.64 0.00
23:15 4.53 5.05 5.39 5.43 5.10 0.90 5.46 4.99 4.52 2.93 0.64 0.00
00:15 4.90 4.73 4.71 4.55 4.72 0.35 5.46 4.99 4.52 2.93 0.64 0.00
01:15 5.00 4.72 5.23 4.53 4.87 0.70 5.46 4.99 4.52 2.93 0.64 0.00
 Gráfico X
5.60

5.40

5.20

5.00

4.80

4.60

4.40

4.20
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

Χ LCS LC LCI

Gráfico R
3.50

3.00

2.50

2.00

1.50

1.00

0.50

0.00
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

R LCS LC LCI
 Carta de Control X - S
1. Definir la cantidad de muestras por 7. Calcular los límites de control para la
subgrupo media y el rango promedio
2. Recolectar los datos
3. Obtener el promedio para cada subgrupo
LCS = Límite de control superior

σ𝑛1 𝑚𝑢𝑒𝑠𝑡𝑟𝑎 LC = Límite de control

𝑋= LCI = Límite de control inferior
𝑛
X = Media de los promedios de las muestras
4. Obtener la desviación estándar de la
muestra S= Desviación Estándar Promedio

LCS = X + A3S LCS = B4S

5. Calcular la media de los promedios LC = X LC = S
σ𝑛1 𝑋 LCI = X – A3S LCI = B3S
𝑋=
𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑆𝑢𝑏𝑔𝑟𝑢𝑝𝑜𝑠
8. Graficar
6. Calcular el rango promedio.
9. Interpretar
σ𝑛1 𝑆
𝑆=
𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑆𝑢𝑏𝑔𝑟𝑢𝑝𝑜𝑠
 Carta de Control X - S
Ejemplo
En una producción de perlas de fantasía, de 5 mm, se toman 10 muestras cada
15 minutos para medir el diámetro exterior

Hora Muestra 1 Muestra 2 Muestra 3 Muestra 4 Muestra 5 Muestra 6 Muestra 7 Muestra 8 Muestra 9 Muestra 10 Χ S X 4.96 LCS LC LCI LCS LC LCI
08:00 4.91 5.30 4.55 5.27 4.87 4.67 4.97 5.17 5.04 4.99 4.98 0.24 A3 1.628 5.41 4.96 4.51 0.62 0.27 0.00
08:15 4.60 5.26 5.27 4.95 5.28 4.61 5.09 5.04 5.23 5.14 5.05 0.26 S 0.27 5.41 4.96 4.51 0.62 0.27 0.00
08:30 5.31 5.02 4.73 4.56 4.72 4.60 4.97 4.77 4.89 4.59 4.82 0.23 B4 2.266 5.41 4.96 4.51 0.62 0.27 0.00
08:45 5.38 4.76 5.13 4.62 4.84 5.48 5.11 5.47 4.86 4.93 5.06 0.31 B3 0 5.41 4.96 4.51 0.62 0.27 0.00
09:00 4.79 4.87 4.70 4.89 5.12 4.62 5.21 5.06 4.84 4.74 4.88 0.19 5.41 4.96 4.51 0.62 0.27 0.00
09:15 5.37 4.67 5.01 4.54 5.10 5.44 4.89 5.18 4.56 4.73 4.95 0.32 5.41 4.96 4.51 0.62 0.27 0.00
09:30 5.36 5.14 4.75 4.58 4.72 4.75 5.05 5.08 4.99 4.91 4.93 0.24 5.41 4.96 4.51 0.62 0.27 0.00
09:45 5.01 5.35 4.51 4.91 4.64 5.01 4.56 4.79 5.46 5.32 4.96 0.34 5.41 4.96 4.51 0.62 0.27 0.00
10:00 4.77 4.71 5.09 4.88 5.39 5.00 4.84 5.31 4.96 4.79 4.97 0.23 5.41 4.96 4.51 0.62 0.27 0.00
10:15 4.56 5.26 5.48 5.13 5.11 4.82 4.80 5.33 5.25 4.81 5.05 0.29 5.41 4.96 4.51 0.62 0.27 0.00
10:30 4.60 4.55 5.41 5.37 5.17 4.73 5.07 4.78 4.78 5.13 4.96 0.31 5.41 4.96 4.51 0.62 0.27 0.00
10:45 4.78 5.14 5.30 4.58 4.76 4.54 5.37 4.53 5.41 4.82 4.92 0.35 5.41 4.96 4.51 0.62 0.27 0.00
11:00 4.55 5.29 4.88 4.85 5.09 5.40 5.00 4.58 4.79 4.56 4.90 0.30 5.41 4.96 4.51 0.62 0.27 0.00
11:15 4.83 4.58 5.25 4.84 5.00 5.24 4.95 5.16 5.31 5.07 5.02 0.23 5.41 4.96 4.51 0.62 0.27 0.00
 Media X

5.40

5.20

5.00

4.80

4.60

4.40
1 2 3 4 5 6 7 8 9 10 11 12 13 14

Χ LCS LC LCI

Desviación Estandar S
0.65

0.55

0.45

0.35

0.25

0.15

0.05

-0.05 1 2 3 4 5 6 7 8 9 10 11 12 13 14

S LCS LC LCI
 Carta de Control X - Rm
1. Recolectar los datos 7. Calcular los límites de control para la
2. Obtener el rango promedio móvil, media y el rango promedio
restando los 2 valores próximos de la
variable que se muestrea.
LCS = Límite de control superior

R=Xi - Xi-1 LC = Límite de control

LCI = Límite de control inferior
3. Calcular el promedio de los rangos.
(k=cantidad de subgrupos) X = Media de los promedios de las muestras
Rm = Rango Móvil Promedio

LCS = X + 3Rm/d2 LCS = D4Rm

3. Calcular el promedio de las muestras
LC = X LC = Rm
LCI = X – 3Rm/d2 LCI = D3Rm

8. Graficar
9. Interpretar

* No se grafica el 1er. valor

 Carta de Control X - Rm
Ejemplo
En una producción de perlas de fantasía, de 5 mm, se toman 01 muestra cada
15 minutos para medir el diámetro exterior
Hora Muestra 1 Rango Movil X 4.95
08:00 4.93 d2 1.128 LCS X LC LCI LCS RM LC LCI
08:15 5.50 0.57 RM 0.40 6.00 5.50 4.95 3.90 1.29 0.57 0.40 0.00
08:30 4.59 0.91 D4 3.267 6.00 4.59 4.95 3.90 1.29 0.91 0.40 0.00
08:45 4.86 0.27 D3 0 6.00 4.86 4.95 3.90 1.29 0.27 0.40 0.00
09:00 4.82 0.04 6.00 4.82 4.95 3.90 1.29 0.04 0.40 0.00
09:15 5.17 0.35 6.00 5.17 4.95 3.90 1.29 0.35 0.40 0.00
09:30 5.18 0.01 6.00 5.18 4.95 3.90 1.29 0.01 0.40 0.00
09:45 4.64 0.53 6.00 4.64 4.95 3.90 1.29 0.53 0.40 0.00
10:00 5.25 0.61 6.00 5.25 4.95 3.90 1.29 0.61 0.40 0.00
10:15 4.50 0.75 6.00 4.50 4.95 3.90 1.29 0.75 0.40 0.00
10:30 4.53 0.03 6.00 4.53 4.95 3.90 1.29 0.03 0.40 0.00
10:45 5.03 0.50 6.00 5.03 4.95 3.90 1.29 0.50 0.40 0.00
11:00 5.44 0.40 6.00 5.44 4.95 3.90 1.29 0.40 0.40 0.00
11:15 4.93 0.50 6.00 4.93 4.95 3.90 1.29 0.50 0.40 0.00
12:15 5.29 0.36 6.00 5.29 4.95 3.90 1.29 0.36 0.40 0.00
13:15 5.38 0.08 6.00 5.38 4.95 3.90 1.29 0.08 0.40 0.00
14:15 4.73 0.64 6.00 4.73 4.95 3.90 1.29 0.64 0.40 0.00
15:15 5.26 0.52 6.00 5.26 4.95 3.90 1.29 0.52 0.40 0.00
16:15 4.68 0.57 6.00 4.68 4.95 3.90 1.29 0.57 0.40 0.00
17:15 4.56 0.13 6.00 4.56 4.95 3.90 1.29 0.13 0.40 0.00
18:15 4.90 0.34 6.00 4.90 4.95 3.90 1.29 0.34 0.40 0.00
19:15 5.43 0.53 6.00 5.43 4.95 3.90 1.29 0.53 0.40 0.00
20:15 4.84 0.59 6.00 4.84 4.95 3.90 1.29 0.59 0.40 0.00
21:15 5.18 0.34 6.00 5.18 4.95 3.90 1.29 0.34 0.40 0.00
22:15 4.50 0.67 6.00 4.50 4.95 3.90 1.29 0.67 0.40 0.00
23:15 4.86 0.36 6.00 4.86 4.95 3.90 1.29 0.36 0.40 0.00
00:15 5.28 0.42 6.00 5.28 4.95 3.90 1.29 0.42 0.40 0.00
01:15 5.18 0.10 6.00 5.18 4.95 3.90 1.29 0.10 0.40 0.00
02:15 4.94 0.24 6.00 4.94 4.95 3.90 1.29 0.24 0.40 0.00
03:15 5.28 0.34 6.00 5.28 4.95 3.90 1.29 0.34 0.40 0.00
04:15 4.54 0.74 6.00 4.54 4.95 3.90 1.29 0.74 0.40 0.00
05:15 4.65 0.11 6.00 4.65 4.95 3.90 1.29 0.11 0.40 0.00
06:15 4.55 0.10 6.00 4.55 4.95 3.90 1.29 0.10 0.40 0.00
07:15 4.95 0.40 6.00 4.95 4.95 3.90 1.29 0.40 0.40 0.00
 Promedio X
6.50

6.00

5.50

5.00

4.50

4.00

3.50
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 32 33

LCS X LC LCI

Rango Móvil
1.40

1.20

1.00

0.80

0.60

0.40

0.20

0.00
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 32 33

LCS RM LC LCI
GRAFICOS DE
CONTROL POR
ATRIBUTOS
Cartas de Control por Atributos

Objetivos:

• Estimar la fracción defectuosa de producto terminado

• Estimar el Costo estándar de retrabajo (Costos de Calidad)

• Determinar la eficacia de un programa de entrenamiento o de

mantenimiento

• Sugerir dónde utilizar gráficas de control para variables y / o las

gráficas c ó u .
Cartas de Control por Atributos

Ventajas:

• Se utilizan con muestras grandes (a veces cientos ó miles)

Por ejemplo, si p = 0.01 se requieren muestras de tamaño n >
500

• El Costo / unidad de revisar un atributo es menor que el de

medir una característica variable

• Son útiles como medida del desempeño de un taller,

departamento, empresa, etc.

• Generalmente el desempeño mejora después de introducir una

gráfica para atributos pues la gráfica es una representación
visual contínua del desempeño
Cartas de Control por Atributos

Desventajas:
• Pueden no tener Límite Inferior de Control

• A medida que se mejora el proceso (p disminuye)

se requiere incrementar el tamaño de los subgrupos
(n>5/p)

• Tienen desempeño sesgado

(no son muy sensibles para detectar mejoras en p )

• La práctica de identificar patrones sistemáticos ó no aleatorios debe

modificarse ya que la distribución binomial es muy sesgada si p es
pequeño
 Carta de Control p

1. Recolectar los datos

2. Determinar, en cada muestra, por
Límites de control: Línea Central
inspección los productos defectuosos
(np). p = Ʃnp / Ʃn
Los productos pueden tener más de un
Límites de control: Superior e Inferior
defecto, pero se catalogan sólo como un
producto defectuoso.

4. Obtener el promedio de muestras por

subgrupo 6. Graficar los valores del %p con
n = Ʃmuestras / Total de Subrupos
respecto a los límites de control
5. Calcular el valor de %p para cada 7. Interpretar
muestra
%p = Ʃ número de unidades defectuosas / n
 Carta de Control p
Ejemplo
En una producción de perlas de fantasía, de 8 mm, se toman 25 muestras de 10
unidades cada una, con muestras cada 20 minutos. El objetivo del muestreo es
inspección por atributos, debido a múltiples reclamos por parte de los clientes.
Hora N° de Muestra Muestra Defectuosos %p P 0.13200 LCS LC LCI
08:00 1 10 3 0.3 n 10 0.453 0.132 -0.189
08:20 2 10 1 0.1 Raiz 0.107 0.453 0.132 -0.189
08:40 3 10 0 0 Grupos 25 0.453 0.132 -0.189
09:00 4 10 1 0.1 0.453 0.132 -0.189
09:20 5 10 3 0.3 0.453 0.132 -0.189
09:40 6 10 0 0 0.453 0.132 -0.189
10:00 7 10 2 0.2 0.453 0.132 -0.189
10:20 8 10 2 0.2 0.453 0.132 -0.189
10:40 9 10 1 0.1 0.453 0.132 -0.189
11:00 10 10 3 0.3 0.453 0.132 -0.189
11:20 11 10 1 0.1 0.453 0.132 -0.189
11:40 12 10 2 0.2 0.453 0.132 -0.189
12:00 13 10 0 0 0.453 0.132 -0.189
12:20 14 10 1 0.1 0.453 0.132 -0.189
12:40 15 10 0 0 0.453 0.132 -0.189
13:00 16 10 2 0.2 0.453 0.132 -0.189
13:20 17 10 0 0 0.453 0.132 -0.189
13:40 18 10 0 0 0.453 0.132 -0.189
14:00 19 10 1 0.1 0.453 0.132 -0.189
14:20 20 10 1 0.1 0.453 0.132 -0.189
14:40 21 10 4 0.4 0.453 0.132 -0.189
15:00 22 10 0 0 0.453 0.132 -0.189
15:20 23 10 2 0.2 0.453 0.132 -0.189
16:20 24 10 0 0 0.453 0.132 -0.189
17:20 25 10 3 0.3 0.453 0.132 -0.189
 Gráfico p - Porcentaje de Defectuosos
0.5

0.4

0.3

0.2

0.1

-0.1

-0.2

-0.3
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

%p LCS LC LCI
 Carta de Control np

1. Recolectar los datos 5. Calcular los límites de control

2. Determinar, en cada muestra, por
Límites de control: Línea Central
inspección los productos defectuosos
(np).
Los productos pueden tener más de un
Límites de control: Superior e Inferior
defecto, pero se catalogan sólo como un
producto defectuoso.

4. Obtener el promedio de muestras por

subgrupo 6. Graficar los valores del np con respecto
n = Ʃmuestras / Total de Subrupos
a los límites de control
5. Calcular el valor de p 7. Interpretar

p = Ʃnp / Ʃn
 Carta de Control np
Ejemplo
En una producción de perlas de fantasía, de 8 mm, se toman 25 muestras de 30
unidades cada una, con muestras cada 20 minutos. El objetivo del muestreo es
inspección por atributos, debido Defectuosos
a múltiples reclamos por parte de los clientes.
Hora N° de Muestra Muestra np P 0.06000 LCS LC LCI
08:00 1 30 2 n 25 5.062 1.500 -2.062
08:20 2 30 0 Raiz 1.187 5.062 1.500 -2.062
08:40 3 30 2 5.062 1.500 -2.062
09:00 4 30 2 5.062 1.500 -2.062
09:20 5 30 2 5.062 1.500 -2.062
09:40 6 30 4 5.062 1.500 -2.062
10:00 7 30 4 5.062 1.500 -2.062
10:20 8 30 1 5.062 1.500 -2.062
10:40 9 30 0 5.062 1.500 -2.062
11:00 10 30 0 5.062 1.500 -2.062
11:20 11 30 1 5.062 1.500 -2.062
11:40 12 30 3 5.062 1.500 -2.062
12:00 13 30 0 5.062 1.500 -2.062
12:20 14 30 1 5.062 1.500 -2.062
12:40 15 30 0 5.062 1.500 -2.062
13:00 16 30 0 5.062 1.500 -2.062
13:20 17 30 4 5.062 1.500 -2.062
13:40 18 30 1 5.062 1.500 -2.062
14:00 19 30 3 5.062 1.500 -2.062
14:20 20 30 3 5.062 1.500 -2.062
14:40 21 30 3 5.062 1.500 -2.062
15:00 22 30 1 5.062 1.500 -2.062
15:20 23 30 2 5.062 1.500 -2.062
16:20 24 30 4 5.062 1.500 -2.062
17:20 25 30 2 5.062 1.500 -2.062
 Carta np - Unidades defectuosas
6
5
4
3
2
1
0
-1
-2
-3
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

np LCS LC LCI
 Carta de Control - c

1. Recolectar los datos 5. Calcular los límites de control

2. Determinar, en cada muestra, por
Límites de control: Línea Central
inspección los defectos por cada producto
defectuosos (c). = Ʃc/n
Ayuda bastante catalogar los defectos
Límites de control: Superior e Inferior
encontrados para que se facilite análisis
posteriores.

4. Contar el total de muestras

6. Graficar los valores del %p con
n = Total de Subgrupos
respecto a los límites de control
5. Calcular el valor de c para cada 7. Interpretar
muestra
c = Ʃ número de defectos por unidad
 Carta de Control - c
Ejemplo
En una producción de confortables de cuero, y debido a fuertes reclamos de
clientes, se toman 25 muestras, 01 muestra cada 20 minutos de la producción,
para determinar los defectos estéticos que presentan cada confortable.
Tipo de Defectos c
Hora Muestra D1 D2 D3 D4 Defectos por Unidad c 8.20000 LCS LC LCI
08:00 1 2 3 0 1 6 n 25 16.791 8.200 -0.391
08:20 1 2 3 4 3 12 16.791 8.200 -0.391
08:40 1 1 2 0 2 5 16.791 8.200 -0.391
09:00 1 4 4 3 0 11 16.791 8.200 -0.391
09:20 1 0 0 2 2 4 16.791 8.200 -0.391
09:40 1 2 0 1 1 4 16.791 8.200 -0.391
10:00 1 2 2 1 2 7 16.791 8.200 -0.391
10:20 1 2 2 3 1 8 16.791 8.200 -0.391
10:40 1 4 1 4 2 11 16.791 8.200 -0.391
11:00 1 2 4 3 3 12 16.791 8.200 -0.391
11:20 1 3 2 0 4 9 16.791 8.200 -0.391
11:40 1 0 4 0 0 4 16.791 8.200 -0.391
12:00 1 3 3 4 4 14 16.791 8.200 -0.391
12:20 1 2 1 3 3 9 16.791 8.200 -0.391
12:40 1 3 3 2 1 9 16.791 8.200 -0.391
13:00 1 3 3 1 3 10 16.791 8.200 -0.391
13:20 1 3 2 1 1 7 16.791 8.200 -0.391
13:40 1 4 1 3 4 12 16.791 8.200 -0.391
14:00 1 3 4 1 0 8 16.791 8.200 -0.391
14:20 1 3 1 3 2 9 16.791 8.200 -0.391
14:40 1 1 1 0 2 4 16.791 8.200 -0.391
15:00 1 2 0 2 3 7 16.791 8.200 -0.391
15:20 1 2 3 3 0 8 16.791 8.200 -0.391
16:20 1 1 1 4 2 8 16.791 8.200 -0.391
17:20 1 1 4 0 2 7 16.791 8.200 -0.391
 Gráfico C - Defectos por Unidad
18
16
14
12
10
8
6
4
2
0
-2
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

Defectos por Unidad LCS LC LCI

 Carta de Control - u

1. Recolectar los datos 5. Calcular los límites de control

2. Determinar, en cada subgrupo de
Límites de control: Línea Central
muestras, por inspección los defectos por
cada producto defectuosos (c).
Ayuda bastante catalogar los defectos
Límites de control: Superior e Inferior
encontrados para que se facilite análisis
posteriores.

4. Calcular el valor de muestras promedio

n = Ʃ unidades por muestra 6. Graficar los valores del u con respecto
Total de subgrupos
a los límites de control
5. Calcular el valor de u para cada
muestra 7. Interpretar

u = Ʃ número de defectos por unidad

número de unidades de la muestra
 Carta de Control - u
Ejemplo
En una producción de carpetas escolares, como parte de un requisito de una
licitación, se toman 25 grupos de muestras que varían en cantidad cada 20 minutos
de la producción, para determinar los defectos estéticos que presentan cada carpeta.
C
Tipo de Defectos Defectos por
Hora N° de Muestra Muestras D1 D2 D3 D4 Unidad U U 0.94608 LCS LC LCI
08:00 1 9 4 3 0 0 7 0.8 N 8 1.968 0.946 -0.075
08:20 2 9 0 0 3 1 4 0.4 1.968 0.946 -0.075
08:40 3 6 1 3 3 2 9 1.5 1.968 0.946 -0.075
09:00 4 12 0 1 4 4 9 0.8 1.968 0.946 -0.075
09:20 5 6 1 3 1 0 5 0.8 1.968 0.946 -0.075
09:40 6 12 4 4 3 2 13 1.1 1.968 0.946 -0.075
10:00 7 11 3 4 3 1 11 1 1.968 0.946 -0.075
10:20 8 5 0 3 1 0 4 0.8 1.968 0.946 -0.075
10:40 9 7 0 0 3 1 4 0.6 1.968 0.946 -0.075
11:00 10 5 4 4 2 3 13 2.6 1.968 0.946 -0.075
11:20 11 6 0 0 0 2 2 0.3 1.968 0.946 -0.075
11:40 12 5 2 2 0 0 4 0.8 1.968 0.946 -0.075
12:00 13 8 2 3 2 2 9 1.1 1.968 0.946 -0.075
12:20 14 8 2 3 1 4 10 1.3 1.968 0.946 -0.075
12:40 15 10 0 3 0 2 5 0.5 1.968 0.946 -0.075
13:00 16 7 0 0 2 1 3 0.4 1.968 0.946 -0.075
13:20 17 5 2 2 1 1 6 1.2 1.968 0.946 -0.075
13:40 18 8 4 3 0 4 11 1.4 1.968 0.946 -0.075
14:00 19 11 3 3 1 3 10 0.9 1.968 0.946 -0.075
14:20 20 7 1 3 0 3 7 1 1.968 0.946 -0.075
14:40 21 12 1 4 2 1 8 0.7 1.968 0.946 -0.075
15:00 22 5 2 3 1 4 10 2 1.968 0.946 -0.075
15:20 23 12 3 1 0 3 7 0.6 1.968 0.946 -0.075
16:20 24 8 3 4 3 3 13 1.6 1.968 0.946 -0.075
17:20 25 10 1 4 3 1 9 0.9 1.968 0.946 -0.075
 Gráfica U - % de Defectos por unidad
3

2.5

1.5

0.5

-0.5
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

U LCS LC LCI
CAPACIDAD DE
PROCESO
 Capacidad del Proceso

LCI LCS
Capacidad del Proceso (Cp) EI

ES - EI
Cp 
6s

Variación tolerada
Cp 
Variación real Variación
Real = 6σ

Un proceso es capaz si
Variación tolerada > valoración real Variación
tolerada
 Capacidad del Proceso
Rango de la especificación
ES  EI
Cp 
6s Variación real de un producto

EI ES
No LCS ~ LCI No
conforme conforme

Cp(1) < Cp(2) (2)

(1)

T
-3sX(1) +3sX(1) X
-3sX(2) +3sX(2)

N(X, sX)
 Capacidad del Proceso

Posibilidades del Cp:

Valor del índice Categoría de

Decisión (si el proceso está centrado)
Cp proceso

Cp  2 Clase mundial Se tiene calidad seis sigma

Cp > 1.33 1 Adecuado.

Parcialmente adecuado, requiere de un control
1 < Cp < 1.33 2
estricto.
No adecuado para el trabajo. Un análisis del
0.67 < Cp < 1 3 proceso es necesario. Requiere de modificaciones
serias para alcanzar una calidad satisfactoria.
No adecuado para el trabajo. Requiere de
Cp < 0.67 4
modificaciones muy serias.
 Capacidad del Proceso

Capacidad del Proceso (Cpk)

Objetivo:
• Verificar si la media del proceso se alinea con la media estándar (o
requerida por el cliente)

ES   X  X  EI
Z USL  , Z LSL 
sX sX

Z min  MIN[ Z ES , Z EI ]

C pk  Z min / 3
Relación entre Cp y Cpk
LEI LES
Cpk = Cp < 1

Cpk = Cp = 1

Cpk = 1 ; Cp > 2

Cpk = Cp > 2
Capacidad y Performance
del Proceso
Capacidad Performance
Corto Plazo Largo Plazo
En control estadístico No en control estadístico
Desv. Estándar de la Muestra Total de la Desv. Estándar

Compara el rango de la
especificación con
Variación respecto al ancho de la Cp Pp
variación del procesos

Que tan cerca esta la

media del proceso con
Centrado respecto a la media Cpk Ppk
estándar

Cpkl = X - EI Cpku = ES - X Cpk = min {Cpki, Cpks}

Cp = ES - EI Pp = ES - EI 3sm 3sm
6sm 6sT Ppkl = X - EI Ppku = ES -X Ppk = min {Ppki, Ppks}
3sT 3sT
Capacidad y Performance
del Proceso

Cp Cpk Pp Ppk Sigma

Malo < 1.00 < 1.00 < 1.33 < 1.33 < 4.5
Bueno 1.00 - 1.33 1.00 - 1.33 1.33 - 1.67 1.33 - 1.67 4.5 - 5.5
Ideal > 1.33 > 1.33 > 1.67 > 1.67 > 5.5

(Cpk x 3) +1.5 = sigma

 Ejemplo

En un proceso de análisis, se determinó que la característica crítica de una

colonia es el % vol. de alcohol y estableció como tolerancia de esta
característica 40% ± 5% ml.
De los muestreos para evaluar la calidad se obtienen los siguientes datos:

41.77 39.28 40.31 34.03 38.89 42.70

39.36 38.83 39.02 35.43 41.81 44.65
39.67 42.12 45.22 42.23 38.80 39.57
40.47 39.52 40.39 38.37 37.26 40.75
42.83 41.66 42.94 38.67 42.69 40.56
37.49 43.59 38.08 39.20 42.07 42.16
39.70 40.38 41.47 41.84 39.48 37.98
39.14 41.03 37.68 41.66 40.68 40.67
41.75 39.81 42.71 39.83 38.17 41.89
41.86 41.77 38.82 40.77 40.10 37.67

a) ¿La media es adecuada?

b) Obtenga una aproximación de los límites reales, e interprete.
c) Obtenga un histograma e interprételo.
d) Conclusiones
 Ejemplo
Donde al realizar un estudio potencial a través de una muestra representativa se
. obtuvo como resultado una desviación típica de 1.22 y una media igual a 40.3 ml

Si calculamos el Cp con base a estos datos, podemos observar lo siguiente:

LSE = 45
LIE = 35
 = 40.3
s = 1.22 LSE - LIE 45 - 35 10
Cp = = = = 1.35
6 s 6 X 1.22 7.32
Variación PERMITIDA por
LIE = 35 el CLIENTE LSE = 45

Centro de FUERA DE
especif. = 40 ESPECIFICACION

 =40.3
Var. a 3 s
 Ejemplo
EI = 35.0 Estándar= 40 ES = 45
 CONTROL
ESTADISTICO
DE PROCESO
EN LA
PRACTICA
¿Cómo hacer un diagnóstico?

• Método intuitivo

• En base a la experiencia

• En base a métodos estadísticos

 Aplicaciones del Control Estadístico del Procesos

El Control Estadístico del Proceso - CEP se asocial principalmente a

Manufactura.
Pero el CEP también puede ser usado en: Ventas, Servicios, Hospitales y
Clínicas, Hoteles
Ejemplos:

• Tipos de defectos en los

diferentes servicios.
• Cantidad de defectos por servicio
• Tiempos de Espera
• Tiempos de atención
• Consumo de combustible
• Reclamos de Clientes
Elementos Operacionales
del CEP
• Entienda el Proceso • Colecte y conserve la
• Defina Metas data
• Evalue el sistema de • Monitoree las salidas
medición • Controle el proceso
• Ejecute

Planifique Medición
el Sistema Monitoreo
de CEP y Control

Utilizar los Asegurar y

resultados Comunicar
• Priorice • Variación de corto
• Mejore, optimice y plazo
prevenga defectos • Variación de largo
plazo
• Comunique resultados
Elementos de Éxito del
Programa CEP

• Liderazgo de la Dirección

• Enfoque de trabajo en Equipo

• Capacitar y Entrenar en TODOS los

niveles

• Enfasís en reducir la variación

• Muestras a medir con enfoque económico

• Comunicar los resultados a toda la

organización
Proceso de Implementación
Norma ISO 7870-2:2013

Eliminar causas
asignables No

Gráfico de Bajo Evaluar

Proceso Control Control Capacidad
Si

Mejorar el proceso o
cambiar de Cpk > 1
No
especificación

Si

Intentar mejorar
Cpk > 1.33
Revise los puntos de medición

Puntos a medir en el espesor del baño electrolítico de manijas de puertas

 Revise la Exactitud y Precisión de
los Equipos de Medición

Alto Mejor

Exactitud

Peor Bajo

Baja Precisión Alto

Interpretación de las gráficas

X-bar Chart for longitud

30.3
UCL = 30.21
30.2 CT R = 29.98
30.1 LCL = 29.76
X-bar

30
29.9
29.8
29.7
0 4 8 12 16 20
Subgroup

El problema es identificar patrones; es decir, reconocer patrones

sistemáticos o no aleatorios en los diagramas de control.
Interpretación de las gráficas
y causas de variación

• Desajuste de los equipos.

Tendencias en el • Desgaste de herramientas.
• Problemas asociados con la limpieza, y
nivel del proceso. mantenimiento de partes y piezas..
• Cambios en las condiciones medioambientales.

• Diferencias en los dispositivos de medición.

Ciclos recurrentes. • Rotación regular de operarios y/o equipos.

• Ajustes innecesarios al proceso.

Mucha variabilidad. • Problemas con los proveedores y/o materias primas.
• Procesos mezclados.
 Eliminación de
Causas Asignables

3. Pobre
liderazgo.

4. Herramientas
2. Pobre
de trabajo en mal
capacitación.
estado.

1. Materias 5. Mal diseño de

CAUSAS
primas de mala sistema de
ASIGNABLES
calidad. atención.

Problemas crónicos en el sistema.

Responsabilidad de los Gerentes y Jefes
 Eliminación de
Causas Aleatorias

3. Variaciones
2. Desajuste de una
menores de Materia
maquinaria.
Prima

1. Error de digitación
4. Ausencia al trabajo
(no asignable a falta
de un empleado.
de capacitación).

CAUSAS
ALEATORIAS

Fallas del Trabajador

Conecte el Sistema de
Medición a la RED

• La data se graba con sólo presionar un botón.

• No hay esperas en registrar la información.
• No hay errores en la transcripción de datos.
• Se puede llevar un control en línea.
• CERO papeles.
[email protected]

987770811
Ivan castillo Chávez