CARTAS DE CONTROL

Dr. Luis Alberto Rubio Jcobo

Docente del Departamento Acadmico de Estadstica, Universidad Nacional de Trujillo

Introduccin
Las cartas de control son la herramienta ms poderosa para analizar la
variacin en la mayora de los procesos. Han sido difundidas
exitosamente en varios pases dentro de una amplia variedad de
situaciones para el control del proceso. Es la representacin grfica de
una o ms caractersticas de la calidad en un proceso a lo largo del
tiempo, que sirve para evaluar la variabilidad y el comportamiento del
proceso alrededor del valor medio y dentro de los lmites de control. El
objetivo principal es descubrir el desajuste del proceso, los cuales se
identifican cuando existen tendencias pronunciadas de los datos o
puntos fuera de control. Dentro de estas graficas tenemos, graficas de
control para variables y graficas de control para atributos, las cuales
dependen del tipo de variable que se estn evaluando. Tambin son
eficaces para evitar defectos preventivamente, manteniendo el proceso
bajo control durante la etapa de fabricacin, lo que evita el costo de
reparar los artculos defectuosos. Los grficos de control fueron creados por Walter A. Shewhart,
que fueron publicados en su libro Economic Control of Quality of Manufactured Products (1931).

Ventajas:

Es una herramienta simple y efectiva para lograr un control estadstico.

El operario puede manejar las cartas en su propia rea de trabajo, por lo cual puede dar
informacin confiable a la gente cercana a la operacin en el momento en que se deben de
tomar ciertas acciones.
Cuando un proceso est en control estadstico puede predecirse su desempeo respecto a las
especificaciones. En consecuencia, tanto el productor como el cliente pueden contar con niveles
consistentes de calidad y ambos pueden contar con costos estables para lograr ese nivel de
calidad.
Una vez que un proceso se encuentra en control estadstico, su comportamiento puede ser
mejorado posteriormente reduciendo la variacin.
Al distinguir ente las causas especiales y las causas comunes de variacin, dan una buena
indicacin de cundo un problema debe ser corregido localmente y cuando se requiere de una
accin en la que deben de participar varios departamentos o niveles de la organizacin.

Cartas de control por variables y por atributos:

En Control de Calidad mediante el trmino variable se designa a cualquier caracterstica de calidad
medible tal como una longitud, peso, temperatura, etc. Mientras que se denomina atributo a las
caractersticas de calidad que no son medibles y que presentan diferentes estados tales como
Universidad Nacional de Trujillo.Departamento Acadmico de Estadstica

Pgina

conforme y disconforme o defectuoso y no defectuoso. Segn sea el tipo de la caracterstica de

calidad a controlar as ser el correspondiente Grfico de Control que, por tanto, se clasifican en
Cartas de Control por Variables y Cartas de Control por Atributos.

Comparacin de las cartas de control por Variables vs. Atributos

Ventaja/Desventaja
Ventajas significativas

Desventajas significativas

Cartas de Control por

variables
Conducen
a
un
mejor
procedimiento de control.
Proporcionan una utilizacin
mxima de la informacin
disponible de datos.

Cartas de control por

atributos
Son potencialmente aplicables a
cualquier proceso
Los datos estn a menudo
disponibles.
Son rpidos y simples de
obtener.
Son fciles de interpretar.
Son frecuentemente usados en
los informes a la Gerencia.
Ms econmicas
No se entienden a menos que No proporciona informacin
se de capacitacin; puede detallada del control de
causar confusin entre los caractersticas individuales.
lmites de especificacin y los
lmites de tolerancia.
No reconoce distintos grados de
defectos en las unidades de
producto.

Campos de aplicacin de las cartas:

VARIABLES
Carta
X R

X S

Descripcin
Medias y Rangos
Medias y desviacin
estndar.
Individuales

Campo de aplicacin.
Control de caractersticas individuales.
Control de caractersticas individuales.
Control de un proceso con datos variables que no pueden
ser muestreados en lotes o grupos.

ATRIBUTOS
Carta
P

Descripcin
Proporciones

Campo de aplicacin.
Control de la fraccin global de defectuosos de un

Universidad Nacional de Trujillo.Departamento Acadmico de Estadstica

Pgina

proceso.
NP

Nmero de defectuosos

Control del nmero de piezas defectuosas

C
U

Defectos por unidad

Promedio de defectos por
unidad

Control de nmero global de defectos por unidad

Control del promedio de defectos por unidad.

Elaboracin de Cartas de control X R (variables):

Paso 1: Recolectar los datos.
Los datos son el resultado de la medicin de las caractersticas del producto, los cuales deben de ser
registrados y agrupados de la siguiente manera:

Se toma una muestra (en cada subgrupo) de 2 a 10 piezas consecutivas y se anotan los resultados de
la medicin (se recomienda tomar 5). Tambin pueden ser tomadas en intervalos de tiempo de - 2
hrs., para detectar si el proceso puede mostrar inconsistencia en breves periodos de tiempo.

Se realizan las muestras de 20 a 25 subgrupos.(m)

Paso 2: Calcular el promedio

X y R para cada subgrupo

X 1 X 2 .... X n
n
R X mayor X menor
X

Paso 3: Calcule el rango promedio R y el promedio del proceso X .

R1 R2 ......Rm
m
X X 2 ....... X m
X 1
m

Donde m es el nmero de subgrupos, R 1, R2..es el rango de cada subgrupo;

cada subgrupo.

X 1 , X 2....

son el promedio de

Paso 4: Calcule los lmites de control

Los lmites de control son calculados para determinar la variacin de cada subgrupo, estn basados en el
tamao de los subgrupos y se calculan de la siguiente forma:

Universidad Nacional de Trujillo.Departamento Acadmico de Estadstica

Pgina

LSC R D4 R

LSC X X A2 R

LIC R D3 R

LIC X X A2 R

Donde D4, D3, A2 son constantes que varan segn el tamao de muestra. A continuacin se presentan los
valores de dichas constantes para tamaos de muestra de 2 a 10.
n
D4
D3
A2

2
3.27
0
1.88

3
2.57
0
1.02

4
2.28
0
0.73

5
2.11
0
0.58

6
2.00
0
0.48

7
1.92
0.08
0.42

8
1.86
0.14
0.37

9
1.82
0.18
0.34

10
1.78
0.22
0.31

Paso 5: Seleccione la escala para las grficas de control

Para la grfica

la amplitud de valores en la escala debe de ser al menos del tamao de los lmites de

tolerancia especificados o dos veces el rango promedio R .

Para la grfica R la amplitud debe extenderse desde un valor cero hasta un valor superior equivalente a 1
- 2 veces el rango.
Paso 6: Trace la grfica de control

Dibuje las lneas de promedios y lmites de control en las grficas.

Los lmites de Control se dibujan con una lnea discontinua y los promedios con una lnea continua para
ambas grficas.
Marcar los puntos en ambas grficas y unirlos para visualizar de mejor manera el comportamiento del
proceso.
Paso 7: Analice la grfica de control

Ejemplo 1:
Se toman las medidas de los dimetros de una pieza cilndrica, el tamao de muestra de cada subgrupo es
de cinco, y se toman 25 subgrupos a intervalos de 1 hr.
Realice la carta de control
muestra subgrupo
1
2
3
4
5
muestra subgrupo
1
2
3
4
5
Promedio
Calculando el rango
Rango

X R.

1
2
3
4
0.65 0.75 0.75 0.60
0.70 0.85 0.80 0.70
0.65 0.75 0.80 0.70
0.65 0.85 0.70 0.75
0.85 0.65 0.75 0.65
1
2
3
4
14
15
16
17
0.65 0.75
0.90 0.75 0.60
0.75
0.70 0.85
0.80 0.80 0.70
0.65
0.85 0.75
0.80 0.80
0.75 0.70
0.85
0.65
0.75 0.85
0.75 0.70
0.80 0.75
0.70
0.85
0.60 0.65
0.85 0.75
0.65 0.65
0.80
0.70 0.77 0.76 0.68
y el promedio para cada
0.20 0.20 0.10 0.15

5
6
7
8
0.70 0.60 0.15 0.60
0.75 0.75 0.80 0.70
0.65 0.75 0.65 0.80
0.85 0.85 0.75 0.75
0.80 0.70 0.70 0.75
5
6
7
8
18
19
20
21
0.70
0.75 0.60
0.65 0.15
0.60 0.60
0.50
0.75
0.70 0.75
0.65 0.80
0.60 0.70
0.55
0.65
0.60 0.75
0.85 0.65 0.80
0.65
0.85
0.70 0.85
0.65 0.75
0.60 0.75
0.80
0.80
0.60 0.70 0.70
0.65 0.75
0.80
0.75 0.73 0.61 0.72
subgrupo obtenemos:
0.20 0.25 0.65 0.20

9
0.65
0.80
0.85
0.85
0.75
9
22
0.65
0.60
0.80
0.85
0.65
0.85
0.65
0.75
0.78
0.20

10
0.60
0.70
0.60
0.80
0.65
10
23
0.60
0.80
0.70
0.65
0.60
0.75
0.80
0.65
0.65
0.67
0.20

11
0.80
0.75
0.90
0.50
0.80
11
24
0.80
0.65
0.75
0.60
0.90
0.65
0.50
0.60
0.80
0.70
0.75
0.40

12
0.85
0.75
0.85
0.65
0.70
12
25
0.85
0.65
0.75
0.70
0.85
0.70
0.65
0.60
0.70
0.65
0.76
0.20

13
0.70
0.70
0.75
0.75
0.70
13
0.70
0.70
0.75
0.75
0.70
0.72
0.05

muestra subgrupo
14
15
16
17
18
19
20
21
1
0.65 0.90 0.75 0.75 0.75 0.65 0.60 0.50
2
0.70 0.80 0.80 0.70 0.70 0.65 0.60 0.55
Universidad Nacional de Trujillo.Departamento Acadmico de Estadstica
3
0.85 0.80 0.75 0.85 0.60 0.85 0.65 0.65
4
0.75 0.75 0.80 0.70 0.70 0.65 0.60 0.80
5
0.60 0.85 0.65 0.80 0.60 0.70 0.65 0.80
Promedio
0.71 0.82 0.75 0.76 0.67 0.70 0.62 0.66
Rango
0.25 0.15 0.15 0.15 0.15 0.20 0.05 0.30

22
0.60
0.80
0.65
0.65
0.75
0.69
0.20

23
0.80
0.65
0.75
0.65
0.65
0.70
0.15

24
0.65
0.60
0.65
0.60
0.70
0.64
0.10

25
0.65
0.70
Pgina
0.70
0.60
0.65
0.66
0.10

Calculando el Rango promedio, promedio del proceso y lmites de control:

R .198
X = .71

LSC R D4 R = 2.11* 0.198 = 0.41

LIC R D3 R

=0

LSC X X A2 R

= .71+(.58)(.198) = .82

LIC X X A2 R

= .71-(.58)(.198) = .59

Sample Mean

Xbar/R Chart for C1

0.7

Mean=0.7112

0.6

LCL=0.5970

Subgroup

Sample Range

UCL=0.8254

0.8

0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0

10

15

20

25

UCL=0.4187
R=0.198
LCL=0

La carta de control R muestra un punto fuera de los lmites de especificaciones, por lo cual el
proceso se encuentra fuera de control, en este caso es necesario investigar las causas y tomar las
Universidad Nacional de Trujillo.Departamento Acadmico de Estadstica

Pgina

acciones correctivas para eliminar el problema. En la siguiente parte se muestran los criterios para
determinar las situaciones en las cuales un proceso puede estar fuera de control.

Interpretacin del control del proceso.

El objeto de analizar una grfica de control es identificar cul es la variacin del proceso, las causas
comunes y causas especiales de dicha variacin y en funcin de esto tomar alguna accin apropiada
cuando se requiera.
Juran1 sugiere un conjunto de reglas de decisin para detectar patrones no aleatorios en las cartas de
control. Cuando se detecta alguno de los patrones siguientes se puede decir que el tomar alguna
accin para corregir el problema ya que el proceso puede estar fuera de control.

PATRONES FUERA DE CONTROL

1 Anlisis y planeacin de la calidad, J.M. Juran ,F.M Gryna, Tercera Edicin, McGrawHill.
Universidad Nacional de Trujillo.Departamento Acadmico de Estadstica

Pgina

Grficas de control X S (variables):

El procedimiento para realizar las cartas de control X S es similar al de las cartas X R La

diferencia consiste en que el tamao de la muestra puede variar y es mucho ms sensible para
detectar cambios en la media o en la variabilidad del proceso.
El tamao de muestra n es mayor a 9.
La Carta X monitorea el promedio del proceso para vigilar tendencias.
La Carta S monitorea la variacin en forma de desviacin estndar.

Terminologa
k = nmero de subgrupos
n
= nmero de muestras en cada subgrupo
X
= promedio para un subgrupo
X
= promedio de todos los promedios de los subgrupos
S
= Desviacin estndar de un subgrupo

S
= Desviacin estndar promedio de todos los subgrupos

X 1 X 2 .... X n
n

Universidad Nacional de Trujillo.Departamento Acadmico de Estadstica

Pgina

X 1 X 2 ....... X m
m

LSC X X A3 S
LIC X X A3 S
LSC S B4 S
LIC S B3 S
Ejemplo 2:
Se registra el peso diariamente durante dos semanas. Realizar la grfica de control X S
Da Muestra1
Muestra2 Muestra3
Muestra4
Muestra5
S
X
10.00
1
10
12
8
10.40
2
12
11
7
9
13
6.00
3
5
6
4
9
7.33
4
8
8
6
17.20
5
17
15
16
18
20
22.67
6
22
24
22
8.00
7
8
9
7
5.50
8
6
5
6
5
10.00
9
10
10
10
11
9
11.67
10
13
10
12
10.88

2.00
2.41
2.16
1.15
1.92
1.15
1.00
0.58
0.71
1.53
1.46

X 10.88
S 1.46
Se calculan los lmites de control para cada subgrupo, ya que al tener tamaos de muestra diferentes
estos son variables.

X
Grfica S con lmites constantes:

Para la realizacin de los diagramas de control con lmites constantes utilizamos las frmulas
siguientes:

Universidad Nacional de Trujillo.Departamento Acadmico de Estadstica

Pgina

Los parmetros para el grfico X son:

LIC X X A3 S
LIC X X A3 S

y para el grfico S :
LIC S B4 S
LSC S B3 S

r / S

r t

f o

- C

le

. 7

. 0

. 8

r o

Ejemplo 3:
Las siguientes cifras son las medias y las desviaciones estndar de muestras de 5 observaciones
correspondientes a los dimetros de una pieza metlica:

Universidad Nacional de Trujillo.Departamento Acadmico de Estadstica

Pgina

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

X-bar
74.01
74.001
74.008
74.003
74.003
73.996
74
73.997
74.004
73.998
73.994
74.001
73.998

Si
0.0148
0.0072
0.0106
0.0091
0.0122
0.0087
0.0055
0.0123
0.0055
0.0063
0.0029
0.0042
0.0105

muestra
14
15
16
17
18
19
20
21
22
23
24
25
PROMEDIOS

X-bar
73.99
74.006
73.997
74.001
74.007
73.998
74.009
74
74.002
74.002
74.005
73.998
74.001

Si
0.0153
0.0073
0.0078
0.0106
0.007
0.0085
0.008
0.0053
0.0074
0.0119
0.0087
0.0162
0.0090

De la tabla tenemos que: X 74.001 y S = .0090

Calculamos los limites de control:
LIC X X A3 S
= 74.001 + (1.427)(.0090) = 74.014
LIC X X A3 S = 74.001 (1.427)(.0090) = 73.998
LIC S B4 S

= (2.089)(.0090) = 0.019

LSC S B3 S

= (0)(.0090) = 0

Carta de control de lecturas Individuales I-MR (Datos variables).

A menudo esta carta se llama I o Xi.

Esta Carta monitorea la tendencia de un proceso con datos variables que no pueden ser
muestreados en lotes o grupos.
Este es el caso cuando la capacidad de corto plazo se basa en subgrupos racionales de una
unidad o pieza.
Este tipo de grfica es utilizada cuando las mediciones son muy costosas (Ej. Pruebas
destructivas), o cuando la caracterstica a medir en cualquier punto en el tiempo es
relativamente homognea (Ej. el PH de una solucin qumica)
La lnea central se basa en el promedio de los datos, y los lmites de control se basan en la
desviacin estndar (+/- 3 sigmas)

Terminologa
k
n
X
R
R
LSC X
LIC X

= nmero de piezas
= 2 para calcular los rangos
= promedio de los datos
= rango de un subgrupo de dos piezas consecutivas
= promedio de los (n - 1) rangos
X E2 R
X E2 R

Universidad Nacional de Trujillo.Departamento Acadmico de Estadstica

Pgina

10

LSC R D4 R
LIC R D3 R

Donde D4, D3, E2 son constantes que varan segn el tamao de muestra usado para agrupar los
rangos mviles como se muestra en la tabla siguiente:
n
2
3
4
5
6
7
8
9
10
D4
3.27
2.57
2.28
2.11
2.00
1.92
1.86
1.82
1.78
D3
0
0
0
0
0
0.08
0.14
0.18
0.22
E2
2.66
1.77
1.46
1.29
1.18
1.11
1.05
1.01
0.98
* Generalmente se utiliza n = 2
Ejemplo 4:
La longitud de un tramo de tubo se registra para cada producto. Realice la grfica de control
individual.
Parte
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

Longitud
12.02
11.85
11.98
11.72
11.88
12.07
12.03
12.13
12.16
12.16
12.16
12.21
12.19
11.93
11.89

Se calcula el rango mvil de la siguiente manera: diferencia entre 1 y 2 lectura, 2 y 3 y as

hasta n-1.

Universidad Nacional de Trujillo.Departamento Acadmico de Estadstica

Pgina

11

X 12.03
R 0.10
LSC X X E 2 R =12.03+(2.66)(.10) = 12.29
LIC X X E 2 R =12.03 (2.66)(.10) = 11.76
LSC R D4 R = 3.27(.10)= .327

LIC R D3 R

=0
I Chart for C1
12.35
UCL=12.30

Individual Value

12.25
12.15
12.05

Mean=12.03

11.95
11.85
11.75

LCL=11.75
1

11.65
0

10

15

Observation Number

Moving Range Chart for C1

0.4
UCL=0.3384

Moving Range

0.3

0.2

0.1

R=0.1036

0.0

LCL=0
0

10

15

Observation Number

Interpretacin del proceso:

Revisar la grfica de rangos para puntos fuera de los lmites de control como signo de la
existencia de causas especiales. Note que los rangos sucesivos estn correlacionados, debido a
que tienen un punto en comn y debido a esto se tiene que tener cuidado al interpretar
tendencias.
Las grficas por lecturas individuales pueden ser analizadas para puntos fuera de los lmites de
control, dispersin de puntos dentro de los lmites de control y para tendencias o patrones. Cabe
hacer notar que si la distribucin de proceso no es simtrica, las reglas mostradas anteriormente
para grficas X podrn dar seales de causas especiales sin que stas existan.

Universidad Nacional de Trujillo.Departamento Acadmico de Estadstica

Pgina

12

Grficas de control por atributos

Este tipo de graficas constituyen la herramienta esencial para controlar caractersticas de calidad
cualitativas, es decir, es situaciones donde es difcil hacer una medida numrica y donde los
defectos pueden agruparse. Estas graficas de control pueden ser:
Graficas de control para fraccin defectuosa (p): relaciona el nmero de artculos defectuosos
(disconformes) de la poblacin y el nmero total de artculos que componen dicha poblacin.
Los artculos pueden tener varias caractersticas de calidad que son examinadas al mismo tiempo
por un inspector. Si el artculo no se ajusta al estndar en una o ms caractersticas se le
considera como disconforme. La fraccin disconforme se expresa generalmente con un decimal
o en porcentaje
Grafica de control para nmero de defectuosos (np): Se basan en el nmero de defectuosos; se
sugiere usar esta grfica cuando el tamao de muestra es constante.
Grafica de control para nmero de defectos por muestra (c): un artculo disconforme es una
unidad del producto que no satisface una o ms especificaciones para ese producto. Es efectiva
cuando el nmero de defectos posibles en una unida es grande. La grafica hace uso directo del
conteo de defectos. Se puede desarrollar cartas de control para el nmero total de defectos en una
muestra o bien para el nmero promedio de disconformidades por unidad.
Grafica de control para defectos por unidad (u): se utiliza indistintamente cuando el tamao de
muestra es constante o no.
Cualquier caracterstica de calidad que pueda ser clasificada de forma binaria: cumple o no
cumple, funciona o no funciona, pasa o no pasa, etc., a los efectos de control del proceso, ser
considerado como un atributo y para su control se utilizar un Grfico de Control por Atributos.
Los criterios de aceptacin al utilizar grficas de control por atributos deben estar claramente
definidos y el procedimiento para decidir si esos criterios se estn alcanzando es producir resultados
consistentes a travs del tiempo. Este procedimiento consiste en definir operacionalmente lo que se
desea medir. Una definicin operacional consiste en:
1 . Un criterio que se aplica a un objeto o a un grupo
2. Una prueba del objeto o del grupo y
3. Una decisin, s o no: El objeto o el grupo alcanza o no el criterio.

Grfica P para fraccin de Unidades Defectuosas (atributos)

La grfica p mide la fraccin defectuosa o sea las piezas defectuosas en el proceso. Se puede referir
a muestras de 75 piezas, tomada dos veces por da; 100% de la produccin durante una hora, etc. Se
basa en la evaluacin de una caracterstica (se instalo la pieza requerida?) o de muchas
caractersticas (se encontr algo mal al verificar la instalacin elctrica?). Es importante que cada
componente o producto verificado se registre como aceptable o defectuoso (aunque una pieza tenga
varios defectos especficos se registrar slo una vez como defectuosa).
Pasos para la elaboracin de la grfica:
Paso 1: Frecuencia y tamao de la muestra:

Universidad Nacional de Trujillo.Departamento Acadmico de Estadstica

Pgina

13

Establezca la frecuencia con la cual los datos sern tomados (horaria, diaria, semanal). Los
intervalos cortos entre tomas de muestras permitirn una rpida retroalimentacin al proceso ante la
presencia de problemas. Los tamaos de muestra grandes permiten evaluaciones ms estables del
desarrollo del proceso y son ms sensibles a pequeos cambios en el promedio del mismo. Se
aconseja tomar tamaos de muestra iguales aunque no necesariamente se tiene que dar esta
situacin, el tamao de muestra debera de ser mayor a 30. El tamao de los subgrupos ser de 25 o
ms.
Paso 2: Calculo del porcentaje defectuoso (p) del subgrupo:
Registre la siguiente informacin para cada subgrupo:
El nmero de partes inspeccionadas n
El nmero de partes defectuosas np

Calcule la fraccin defectuosa (p) mediante:

np
n

Paso 3: Calculo de porcentaje defectuoso promedio y lmites de control

El porcentaje defectuoso promedio para los k subgrupos se calcula con la siguiente frmula:
np np 2 .... np k
p 1
n1 n2 ..... n k
p (1 p )
n
p (1 p )
LIC p p 3
n
n
donde es el tamao de muestra promedio.
NOTA: Cuando p y/o n es pequeo, el lmite de control inferior puede resultar negativo, en estos
casos el valor del lmite ser = 0
LSC p p 3

Paso 4: Trace la grfica y analice los resultados.

Ejemplo 5:
Un fabricante de latas de aluminio registra el nmero de partes defectuosas, tomando muestras cada
hora de n = 50, con 30 subgrupos. Realizar la grfica de control para la siguiente serie de datos
obtenida durante el muestreo.
Muestra

Latas defectuosas
Muestra
Latas defectuosas
np
np
1
12
16
8
2
15
17
10
3
8
18
5
4
10
19
13
5
4
20
11
6
7
21
20
7
16
22
18
8
9
23
24
9
14
24
15
10
10
25
9
Universidad
Estadstica
11 Nacional de Trujillo.Departamento
5
26 Acadmico de12
12
6
27
7
13
17
28
13
14
12
29
9
15
22
30
6

Pgina

14

Calcule la fraccin defectuosa para cada muestra:

Muestra
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

Latas defectuosas
np
12
15
8
10
4
7
16
9
14
10
5
6
17
12
22

Fraccin defectuosa
p
0.24
0.30
0.16
0.20
0.08
0.14
0.32
0.18
0.28
0.20
0.10
0.12
0.34
0.24
0.44

Muestra
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

Latas defectuosas Fraccin defectuosa

np
p
8
0.16
10
0.20
5
0.10
13
0.26
11
0.22
20
0.40
18
0.36
24
0.48
15
0.30
9
0.18
12
0.24
7
0.14
13
0.26
9
0.18
6
0.12

p .2313
LSC p p 3

p (1 p )
.23 * .77
.2313 3
n
50 =.4102
=

LIC p p 3

p (1 p )
.23 * .77
.2313 3
n
50 =.05243
=

Trazando la grfica

P Chart for C1
1

0.5
1

UCL=0.4102

Proportion

0.4
0.3

P=0.2313
0.2
0.1
LCL=0.05243
0.0
0

10

20

30

Sample Number

Universidad Nacional de Trujillo.Departamento Acadmico de Estadstica

Pgina

15

Grfica np Nmero de defectos:

La grfica np es basada en el nmero de defectuosos en vez de la proporcin de defectuosos. Los
lmites son calculados mediante la siguientes frmulas.

LSC np 3 np 1 p
LIC np 3 np1 p
Ejemplo 6:
Utilizando los datos del diagrama anterior, construya la grfica np e interprete los resultados. De la
tabla obtenemos p 0.2313 , n = 50.
Calculando los lmites de control tenemos:

LSC = (50)(0.2313) 3 50 0.2313 0.7687 20.510

LIC = (50)(0.2313) 3 50 0.2313 0.7687 2.620

NP Chart for cantidad
1

25

Sam ple Count

1
3.0SL=20.51

20
15

NP=11.57

10
5

-3.0SL=2.621
0
0

10

20

30

Sample Number

Grfica C para nmero de defectos

Se utiliza para determinar la ocurrencia de defectos en la inspeccin de una unidad de producto.
Esto es determinar cuntos defectos tiene un producto. Podemos tener un grupo de 5 unidades de
producto, 10 unidades, etc.
Los lmites de control se calculan mediante las siguientes frmulas:
Universidad Nacional de Trujillo.Departamento Acadmico de Estadstica

Pgina

16

LSC c 3 c
LSC c 3 c
Dnde: c = total de defectos/ nmero de unidades de producto.
Ejemplo 7:
En la siguiente tabla tenemos el nmero de unidades de defectos observados en 26 muestras
sucesivas de 100 filtros de seguridad.
muestra
1
2
3
4
5
6
7
8
9
10
11
12
13

defectos
21
24
16
12
15
5
28
20
31
25
20
24
16

muestra
14
15
16
17
18
19
20
21
22
23
24
25
26

defectos
19
10
17
13
22
18
39
30
24
16
19
17
15

516
19.67
26
LSC 19.67 3 19.67 32.97

LIC 19.67 3 19.67 6.37

C Chart for C1
1

40

Sample Count

3.0SL=33.21
30

20

C=19.85

10
-3.0SL=6.481
1
0
0

10

20

Sample Number
Universidad Nacional de Trujillo.Departamento Acadmico de Estadstica

Pgina

17

Grafica U Defectos por Unidad

El diagrama u se basa en el promedio de defectos por unidad inspeccionada:
c
u= n
Donde:
c = nmero de defectos
n = cantidad de piezas inspeccionadas
Para determinar los limites de control utilizamos las frmulas siguientes:
u
LSC u 3
n
u
LIC u 3
n
Ejemplo 7:2
Una compaa que fabrica computadoras personales desea establecer un diagrama de control del
nmero de defectos por unidad. El tamao de muestra es de cinco computadoras. En la tabla se
muestran el numero de defectos en 20 muestras de 5 computadoras cada una. Establecer el diagrama
de control u

2 Statistical Quality Control, Douglas C. Montgomery, Second Edition pp.181

Universidad Nacional de Trujillo.Departamento Acadmico de Estadstica

Pgina

18

muestra
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

u
n

tamao de muestra Nmero de defectos, c promedio de defectos por unidad u

5
10
2
5
12
2.4
5
8
1.6
5
14
2.8
5
10
2
5
16
3.2
5
11
2.2
5
7
1.4
5
10
2
5
15
3
5
9
1.8
5
5
1
5
7
1.4
5
11
2.2
5
12
2.4
5
6
1.2
5
8
1.6
5
10
2
5
7
1.4
5
5
1
Total
193
38.6

38.60
1.93
20

Los lmites de control son los siguientes:

LSC 1.93 3

1.93
3.79
5

LIC 1.93 3

1.93
0.07
5

U Chart for C1

Sample Count

3.0SL=3.794

U=1.930

1
-3.0SL=0.06613

0
0

10

20

Sample Number

Universidad Nacional de Trujillo.Departamento Acadmico de Estadstica

Pgina

19