Tema 2 Gráficos de Control

UNIVERSIDAD PRIVADA DEL NORTE
PROGRAMA WORKING ADULT

ESCUELA PROFESIONAL DE INGENIERA INDUSTRIAL
INGENIERA DE MTODOS II
Ciclo 2017 5
21 octubre 09 diciembre
PROGRAMA WORKING ADULT MSc. Jorge Luis Chiroque Caldern

SEDE LIMA CENTRO jorge.chiroque@upn.pe
UNIVERSIDAD PRIVADA DEL NORTE
PROGRAMA WORKING ADULT

ESCUELA PROFESIONAL DE INGENIERA INDUSTRIAL
INGENIERA DE MTODOS II
Ciclo 2017 5
21 octubre 09 diciembre
PROGRAMA WORKING ADULT MSc. Jorge Luis Chiroque Caldern

SEDE LIMA CENTRO jorge.chiroque@upn.pe
Sumilla
Tema 1: Muestreo del Trabajo.
Tema 2: Grficos de Control.
Tema 3: Balance de Lneas.
Tema 4: Localizacin de Plantas.
Tema 5: Distribucin de Instalaciones.
Tema 6: Seguimiento y Uso de Estndares.
Tema 2:
Grficos de Control
MSc. Jorge Luis Chiroque Caldern jorge.chiroque@upn.pe

Contenido:
Primera sesin:
Tema 2: Grficos de Control.
Segunda sesin:
Continuacin del Tema 2: Grficos de Control.
Logro de Aprendizaje:
Al trmino de las sesiones, el participante ser capaz de:
Elaborar e interpretar los grficos de control para atributos (aplicables a productos defectuosos y para defectos
en los procesos en lneas de produccin).

Tema 2: Grficos de Control
Introduccin
Qu es Control estadstico del

proceso (SPC)?
Qu son los Grficos de Control?
Video 1
Video 2

Introduccin
Qu es el Control Estadstico de Procesos (CEP, SPC)?

Control Estadstico de Procesos (CEP, SPC)
Control Estadstico de Procesos (CEP) [Statistical Process Control, SPC]
El Control Estadstico de Procesos, CEP, es un instrumento de gestin que, comparando el funcionamiento del proceso con unos lmites
establecidos estadsticamente, permite implantar y garantizar los objetivos deseados bajo la filosofa de la prevencin.
Objetivos del Control Estadstico de Procesos (CEP, SPC)
El Control Estadstico de Procesos produce el efecto de:
Conocer la variacin de los factores que integran un proceso.
Prevenir los defectos.
Reducir los costos.
Cumplir los requisitos (de calidad del producto/servicio, de medio ambiente, de seguridad y salud en el trabajo, de responsabilidad social).
El control estadstico de procesos (CEP, SPC), es una metodologa para el seguimiento de un proceso para identificar las causas de la variacin
y sealar la necesidad de emprender una accin correctiva en el momento apropiado.
Video 1

No conformidad (ISO 9000:2015) 3.6.9
Incumplimiento de un requisito (3.6.4)
Nota 1 a la entrada: Este es uno de los trminos comunes y definiciones esenciales para las normas de sistemas de gestin que se proporcionan
en el Anexo SL del Suplemento ISO consolidado de la Parte 1 de las Directivas ISO/IEC.
Defecto (ISO 9000:2015) 3.6.10
No conformidad (3.6.9) relativa a un uso previsto o especificado
Nota 1 a la entrada: La distincin entre los conceptos defecto y no conformidad es importante por sus connotaciones legales, particularmente
aquellas asociadas a la responsabilidad legal de los productos (3.7.6) y servicios (3.7.7).
Nota 2 a la entrada: El uso previsto tal y como lo prev el cliente (3.2.4) podra estar afectado por la naturaleza de la informacin (3.8.2), tal
como las instrucciones de funcionamiento o de mantenimiento, proporcionadas por el proveedor (3.2.5).
Conformidad (ISO 9000:2015) 3.6.11
Cumplimiento de un requisito (3.6.4)
Nota 1 a la entrada: Esta nota no se aplica a la versin espaola de la Norma.
Nota 2 a la entrada: Este trmino es uno de los trminos comunes y definiciones esenciales para las normas de sistemas de gestin que se
proporcionan en el Anexo SL del Suplemento ISO consolidado de la Parte 1 de las Directivas ISO/IEC. La definicin original se ha modificado
aadiendo la nota 1 a la entrada.

Todo proceso produce variaciones, peroQu causa

dichas variaciones?
Nunca dos objetos pueden fabricarse exactamente

iguales.

Clasificacin de las Causas de la Variabilidad de la Calidad
Variacin por causas comunes [Causas no Asignables, Naturales o Aleatorias]
Es aquella que permanece da a da, lote a lote y es aportada en forma natural por las condiciones de las 6 M.
Variacin por causas especiales[Causas Asignables o Especiales]
Es causada por situaciones o circunstancias especiales que no estn de manera permanente en el proceso.
La variacin por causas comunes (o por azar) es inherente a las actuales caractersticas del proceso y es resultado de la acumulacin y
combinacin de diferentes causas que son difciles de identificar y eliminar, ya que son inherentes al sistema y la contribucin individual
de cada causa es pequea; no obstante, a largo plazo representan la mayor oportunidad de mejora.
La variacin por causas especiales (o atribuibles) pueden ser identificadas y eliminadas si se cuenta con los conocimientos y condiciones
para ello. Por ejemplo, la falla ocasionada por el mal funcionamiento de una pieza de la mquina, el empleo de materiales no habituales o
el descuido no frecuente de un operario.
Nota:
Cuando estn presentes causas especiales, el proceso est fuera de control.
Si la variacin en un proceso se debe slo a causas comunes, se dice que el proceso est en control estadstico.

Variacin por causas comunes [Causas no Asignables o Aleatorias]
Es aquella que permanece da a da, lote a lote y es aportada en forma natural por las condiciones de las 6 M.
Ejemplos de variacin por causas comunes (Causas no Asignables o Aleatorias):
Variaciones debidas a la materia prima.
Las diferencias de habilidad entre el personal.
Variaciones debidas a factores ambientales.
Otros.
Causas comunes
Procedimientos inapropiados.
Pobre diseo.
Pobre mantenimiento de mquinas.
Carencia de procedimientos estndares de operacin claramente definidos.
Pobres condiciones de trabajo, por ejemplo, iluminacin, ruido, polvo, temperatura, ventilacin.
Materia prima subestndar.
Aseguramiento del error.
Error en el control de calidad.
Vibracin en procesos industriales.
Temperatura y humedad ambiental.
Desgaste y roturas normales.
Variabilidad en los ajustes.
Tiempo de respuesta de los computadores.

Variacin por causas especiales[Causas Asignables o Especiales]
Es causada por situaciones o circunstancias especiales que no estn de manera permanente en el proceso.
Ejemplos de variacin por causas especiales (Causas Asignables o Especiales):
Desajustes de maquinaria.
Lotes defectuosos.
Fallos de controles.
Errores humanos.
Fallas en la seguridad, salud en el trabajo y medio ambiente (contaminacin, entre otros).
Otros.
Causas especiales
Pobre ajuste del equipo.
Operador se queda dormido.
Controladores defectuosos.
Malfuncionamiento de las mquinas.
Malfuncionamiento de los computadores.
Lote de materia prima de mala calidad.
Variaciones de energa.
Alta demanda de cuidados mdicos por los ancianos.
Trfico anormal (fraude de clicks) en los avisos de internet.
Tiempo de duracin de las pruebas de laboratorio extremadamente grandes debido al cambio a un nuevo sistema de computadores.
Ausencia del operador.
El control estadstico de procesos (CEP, SPC), es una metodologa con la que es posible dar seguimiento a un proceso a fin de identificar las
causas especiales de variacin y sealar la necesidad de emprender una accin correctiva.
El SPC depende de las grficas de control (diagramas de control), una de las herramientas bsicas de mejora de la calidad.
El SPC es una tcnica probada para mejorar la calidad y la productividad. Existen clientes piden a sus proveedores que proporcionen
evidencias de un control estadstico de sus procesos. De modo que el SPC ofrece un medio para que la organizacin demuestre su
capacidad para la calidad, actividad necesaria para sobrevivir en los mercados actuales altamente competitivos.
El SPC requiere que los procesos muestren una variacin que sea posible medir, no es eficaz para los niveles de calidad que se aproximan a
Six Sigma. Sin embargo, es muy eficaz para las organizaciones que se encuentran en las primeras etapas de los esfuerzos de calidad.
Aunque las grficas de control se desarrollaron y utilizaron por primera vez en un contexto de manufactura, se aplican con facilidad a las
organizaciones de servicio.
Grfico de Control [Diagrama de Control]
Un diagrama de control es simplemente un diagrama de corrida al que se agregan dos lneas horizontales, llamadas lmites de control: el lmite
de control superior (LCS) y el lmite de control inferior (LCI).

Grficos de Control
Grfico de Control [Diagrama de Control]
Un diagrama de control es simplemente un diagrama de corrida al que se agregan dos lneas horizontales, llamadas lmites de control: el lmite
de control superior (LCS) y el lmite de control inferior (LCI).
Estructura de un Diagrama de Control

Indicadores de Control de Calidad
(Categoras)
Atributo Variable
Mtodos Estadsticos de Control de Calidad
Control Estadstico Muestreo de

de Procesos Aceptacin
(Grficos de control) (Planes de muestreo)
Atributo Variable Atributo Variable

(Categoras)
Atributo Variable
Atributo
Caracterstica del desempeo que est presente o ausente del producto o servicio por considerar.
Caractersticas de un Atributo:
Los datos de atributos son discretos e indican si la caracterstica es conforme.
Los atributos se pueden medir con la inspeccin visual.
Por lo regular, los indicadores del atributo se expresan como proporciones o tasas (fraccin de no conformidades en un grupo de artculos,
el nmero de defectos por unidad o el ndice de errores por oportunidad).
Ejemplos:
1. Una dimensin est dentro de la tolerancia o fuera de sta, o comparar una dimensin con las especificaciones, es decir, si el dimetro de
una palanca est dentro de los lmites de una especificacin de 4 0.025 centmetros.
2. Un pedido est completo o incompleto.
3. Una factura tiene uno, dos, tres o cualquier cantidad de errores.
4. Evaluar si se utiliz el cdigo de operacin correcto al enviar un pedido, ingreso correcto de claves dinmicas para operaciones bancarias.

Atributo
Caracterstica de calidad de un producto que no implica necesariamente
medirla.
Puede ser identificada mediante la inspeccin o comparacin visual.
Referencia las caractersticas de calidad cualitativas tales como los defectos de
un metal el mal funcionamiento o no de un aparato, etc.
Ejemplos:
1. El acabado de una pieza puede ser identificado mediante su apariencia
(forma, aspereza, brillo, color, etc.).
2. Los calibradores tipo pasa no pasa para evaluar dimetros, grosores de
tornillos, pernos, washers, pistn- cilindro.

(Categoras)
Atributo Variable
Variable
Tipo de caracterstica del desempeo. Los datos de las variables son continuos (longitud o peso).
Caractersticas de una Variable:
Los indicadores de la variable se ocupan del grado de conformidad con las especificaciones.
Los indicadores de la variable se expresan con valores estadsticos como promedios y desviaciones estndar.
Ejemplos:
Los indicadores de la variable se ocupan del grado de conformidad con las especificaciones.
En lugar de determinar si el dimetro de una palanca simplemente cumple con una especificacin de 4 0.025 centmetros, se registra un
valor real de la medicin del dimetro.

Variable
Caracterstica de calidad que puede ser medible y corresponde a la lectura de una escala.
Tiene como resultado nmeros especficos y descriptivos.
Referencia las caractersticas de calidad cuantitativas tales como longitud, peso voltaje, etc.
Ejemplos:
1. La longitud y dimetro de una troza.
2. Los espesores de lminas y tableros.
3. El contenido de humedad de la madera.
4. Las propiedades fsicas y mecnicas de la madera.
5. Dimetro interno y externo de un tubo.
6. La resistencia elctrica de un circuito.

Grficos de Control
Control Estadstico del Proceso (SPC, Statistical Process Control)
Procedimiento empleado para supervisar estndares, tomar medidas y acciones correctivas mientras el producto o servicio se est
produciendo.
Walter Shewhart de Laboratorios Bell hizo una distincin entre las causas comunes y especiales de la variacin de un
proceso, dichas variaciones son causas naturales y causas asignables. Walter Shewhart tambin desarroll una
herramienta simple pero poderosa para separarlas: la grfica de control.
Grficos de Control
Presentacin grfica de los datos del proceso en el tiempo.
Empleamos el control estadstico del proceso para medir el desempeo de

un proceso.
El objetivo de un sistema de control es proporcionar una seal estadstica

cuando estn presentes causas de variacin asignables.

Grficos de Control
Tipos de Grficos de Control
Grfico de Control (Carta de Control)
Diagrama ordenado cronolgicamente que se usa para determinar si las variaciones observadas son anormales.
Grfico de Control (Carta de Control)

Por Variables Por Atributos Es una grfica que sirve para observar y analizar la
variabilidad y el comportamiento de un proceso a travs del
Monitoreo de Clases: tiempo.
caractersticas de tipo p: Proporcin de
continuo (peso, volumen). defectuosos.
np: Nmero de unidades
Instrumento de medicin. defectosas.
c: Nmero de defectos.
Clases:
u: Defectos presentes en
X: Medias.
la unidad.
R: Rango.
S: Desviacin estndar.
X: Medidas individuales.

Grficos de Control
Grficos de control por Atributos
Grfica de Control de
Atributos
Cantidad de Productos o Servicios Cantidad de Defectos o No

Defectuosos o No Conformes Conformidades por Producto o
(Piezas Defectuosas) Servicio (Defectos por pieza)
Grfica p Grfica np Grfica u Grfica c
Artculo defectuoso
Es un producto que no rene ciertos atributos, por lo que
no se permite que pase a la siguiente etapa del proceso;
puede ser reprocesado o de plano desechado.

Grficos de Control
Recuerde que

Grficos de Control
Reglas de Proceso bajo Control

Grficos de Control
GRFICOS DE CONTROL PARA ATRIBUTOS
Grficos p
Grfico que se usa para controlar la proporcin de servicios o productos defectuosos generados por el proceso.
La desviacin estndar de la distribucin de la proporcin defectuosa, , es entonces:
(1 )
=

donde
es el tamao de la muestra
es la lnea central del grfico, que puede ser la proporcin defectuosa de la poblacin histrica promedio, o un valor objetivo.
Se puede usar para obtener los lmites de control superior e inferior para un grfico p:
= + [Lmite de Control Superior para un grfico p]
= [Lmite de Control Inferior para un grfico p]
donde
es el desvo normal (nmero de desviaciones estndar con respecto al promedio)

Grficos de Control
Procedimiento para determinar el Grfico p
El grfico se determina de la siguiente forma:
1. Peridicamente se toma una muestra aleatoria de tamao n y se cuenta el nmero de productos o servicios defectuosos.
2. Clculo de una proporcin de muestra defectuosa :

=

3. Clculo de la desviacin estndar de la distribucin de la proporcin defectuosa :
(1 )
=

donde
es el tamao de la muestra
es la lnea central del grfico, que puede ser la proporcin defectuosa de la poblacin histrica promedio, o un valor objetivo.
4. Cuando los lmites de control superior e inferior para un grfico :

= + [Lmite de Control Superior para un grfico p]
= [Lmite de Control Inferior para un grfico p]
donde
es el desvo normal (nmero de desviaciones estndar con respecto al promedio).

Grficos de Control
Uso de un grfico p para monitorear un proceso
Ejemplo 1:
Al gerente de operaciones del departamento de servicios de registro de una entidad bancaria le preocupa la gran cantidad de errores que
comete el personal del banco al registrar los nmeros de cuenta de los clientes. Cada semana se toma una muestra aleatoria de 2500 depsitos
y se anota la cantidad de nmeros de cuenta registrados incorrectamente. Los resultados de las doce ltimas semanas se presentan en la
siguiente tabla. El proceso de registro est fuera de control estadstico? Use lmites de control tres sigma.
Solucin Nmero de Nmeros de cuenta
Depsito Registro de Nmeros de Cuentas de Clientes Nmeros de Cuentas registrados incorrectamente Muestra equivocados
(SERVICIO Operacin) (SERVICIO DEFECTUOSO) 1 15
2 12
3 19
4 2
5 19
6 4
7 24
8 7
9 10
10 17
11 15
12 3
Total 147

Grficos de Control
Ejemplo 1:
Al gerente de operaciones del departamento de servicios de registro de una entidad bancaria le preocupa la gran cantidad de errores que
comete el personal del banco al registrar los nmeros de cuenta de los clientes. Cada semana se toma una muestra aleatoria de 2500 depsitos
y se anota la cantidad de nmeros de cuenta registrados incorrectamente. Los resultados de las doce ltimas semanas se presentan en la
siguiente tabla. El proceso de registro est fuera de control estadstico? Use lmites de control tres sigma.
Solucin Nmero de Nmeros de cuenta
Muestra equivocados
Paso 1: Use estos datos de muestra para calcular el grfico p
1 15
2 12
3 19
4 2
5 19
6 4
7 24
8 7
9 10
10 17
11 15
12 3
Total 147

Grficos de Control
Ejemplo 1: Nmero de Nmeros de cuenta Proporcin de elementos
Muestra equivocados defectuosos
Solucin 1 15 0.006
Paso 2: Calcule la proporcin defectuosa de la muestra. 2 12 0.0048
En el caso de la muestra 1, la proporcin de elementos 3 19 0.0076
defectuosos es de 15/2,500 = 0.0060. 4 2 0.0008
5 19 0.0076
6 4 0.0016
Valores Comunes para la Desviacin 7 24 0.0096
Estndar Z 8 7 0.0028
Nivel de 9 10 0.004
Valor Z
Confianza 10 17 0.0068
90 1.645 11 15 0.006
12 3 0.0012
95 1.96 Total 147
95.45 2
99 2.575
99.73 3

Grficos de Control
Lmite de Lmite de
Nmero de Nmeros de cuenta Proporcin de elementos
Ejemplo 1: Muestra equivocados defectuosos
Control Control
Inferior LCL Superior UCL
1 15 0.006 0.000710303 0.009089697
Solucin 2 12 0.0048 0.000710303 0.009089697
3 19 0.0076 0.000710303 0.009089697
Paso 3: Trace en el grfico cada una de las proporciones 4 2 0.0008 0.000710303 0.009089697
defectuosas de la muestra. 5 19 0.0076 0.000710303 0.009089697
6 4 0.0016 0.000710303 0.009089697
7 24 0.0096 0.000710303 0.009089697
8 7 0.0028 0.000710303 0.009089697
9 10 0.004 0.000710303 0.009089697
10 17 0.0068 0.000710303 0.009089697
Grfico de Control del registro de nmeros de cuenta de los 11 15 0.006 0.000710303 0.009089697
clientes 12 3 0.0012 0.000710303 0.009089697
Total 147
0.012
Proporcin de elementos defectuosos
0.01
0.008
Proporcin de elementos
defectuosos
0.006 Lmite de Control Inferior LCL
Lmite de Control Superior

0.004
UCL
0.002
0
1 2 3 4 5 6 7 8 9 10 11 12

Grficos de Control
Grfico de Control del registro de nmeros de cuenta de los clientes
Ejemplo 1: 0.012
Solucin
0.01
Conclusin

La gerencia investig las circunstancias en que se tom la
muestra 7: 0.008
La mquina codificadora que se utiliza para imprimir

los nmeros de cuenta en los cheques tuvo una falla 0.006
Lmite de Control Inferior LCL
esa semana. Lmite de Control Superior UCL
La mquina se repar en la semana siguiente; sin 0.004
embargo, el mantenimiento preventivo recomendado
para la mquina no se realiz durante meses antes de
0.002
la falla.
La gerencia revis el desempeo del departamento de
mantenimiento e instituy cambios en los procedimientos 0
1 2 3 4 5 6 7 8 9 10 11 12
de mantenimiento de la mquina codificadora. Despus
de que se corrigi el problema, se volvi a calcular los
lmites de control usando lo datos sin la muestra 7. Se
tomaron varias muestras en las semanas posteriores, y se Recuerda que:
determin que el proceso de registro estaba bajo control El grfico p proporciona una herramienta que sirve para indicar cundo
estadstico. requiere ajustes un proceso.

Grficos de Control
Da (Nme ro Nmeros de Habitaciones
Uso de un grfico p para monitorear un proceso de Mue stra) No Preparadas
1 16
Ejemplo 2: 2 7
Durante la fase de anlisis del modelo Seis Sigma DMAIC, se recolectaron los datos de las disconformidades 3 21
diariamente de una muestra de 200 habitantes de un hotel. La siguiente tabla lista el nmero y proporcin de 4 17
5 25
habitaciones disconformes para cada da durante un periodo de 4 semanas. 6 19
7 16
Solucin 8 15
9 11
10 12
11 22
12 20
13 17
14 26
15 18
16 13
17 15
18 10
19 14
20 25
21 19
22 12
23 6
24 12
25 18
26 15
27 20
28 22
Total 463

Grficos de Control
Da (Nme ro Nmeros de Habitaciones
Uso de un grfico p para monitorear un proceso de Mue stra) No Preparadas
1 16
Ejemplo 2: 2 7
Durante la fase de anlisis del modelo Seis Sigma DMAIC, se recolectaron los datos de las disconformidades 3 21
diariamente de una muestra de 200 habitantes de un hotel. La siguiente tabla lista el nmero y proporcin de 4 17
5 25
habitaciones disconformes para cada da durante un periodo de 4 semanas. 6 19
7 16
Solucin 8 15
9 11
10 12
11 22
12 20
13 17
14 26
15 18
16 13
17 15
18 10
19 14
20 25
21 19
22 12
23 6
24 12
25 18
26 15
27 20
28 22
Total 463

Grficos de Control
Da (Nmero Nmeros de Habitaciones Proporcin de Habitaciones
Uso de un grfico p para monitorear un proceso de Muestra) No Preparadas No Preparadas
1 16 0.08
Ejemplo 2: 2 7 0.035
Durante la fase de anlisis del modelo Seis Sigma DMAIC, se recolectaron los datos de las 3 21 0.105
disconformidades diariamente de una muestra de 200 habitantes de un hotel. La siguiente 4 17 0.085
5 25 0.125
tabla lista el nmero y proporcin de habitaciones disconformes para cada da durante un 6 19 0.095
periodo de 4 semanas. 7 16 0.08
8 15 0.075
Solucin 9 11 0.055
10 12 0.06
Paso 2: Calcule la proporcin defectuosa de la muestra. En el caso de la muestra 1, la 11 22 0.11
proporcin de elementos defectuosos es de 16/200 = 0.08. 12 20 0.1
13 17 0.085
14 26 0.13
15 18 0.09
16 13 0.065
17 15 0.075
18 10 0.05
19 14 0.07
20 25 0.125
21 19 0.095
22 12 0.06
23 6 0.03
24 12 0.06
25 18 0.09
26 15 0.075
27 20 0.1
28 22 0.11
Total 463

Grficos de Control
Lmite de Lmite de
Nmeros de Habitaciones Proporcin de Habitaciones
Uso de un grfico p para monitorear un proceso Da (Nmero
de Muestra) No Preparadas No Preparadas
Control Control
Ejemplo 2: 1 16 0.08 0.024258308 0.141098834
2 7 0.035 0.024258308 0.141098834
Durante la fase de anlisis del modelo Seis Sigma 3 21 0.105 0.024258308 0.141098834
DMAIC, se recolectaron los datos de las 4 17 0.085 0.024258308 0.141098834
5 25 0.125 0.024258308 0.141098834
disconformidades diariamente de una muestra de 200 6 19 0.095 0.024258308 0.141098834
habitantes de un hotel. La siguiente tabla lista el nmero y 7 16 0.08 0.024258308 0.141098834
proporcin de habitaciones disconformes para cada da 8 15 0.075 0.024258308 0.141098834
9 11 0.055 0.024258308 0.141098834
durante un periodo de 4 semanas. 10 12 0.06 0.024258308 0.141098834
11 22 0.11 0.024258308 0.141098834
Solucin 12 20 0.1 0.024258308 0.141098834
13 17 0.085 0.024258308 0.141098834
Paso 3: Trace en el grfico cada una de las proporciones 26
14 0.13 0.024258308 0.141098834
defectuosas de la muestra. 15 18 0.09 0.024258308 0.141098834
16 13 0.065 0.024258308 0.141098834
17 15 0.075 0.024258308 0.141098834
18 10 0.05 0.024258308 0.141098834
19 14 0.07 0.024258308 0.141098834
20 25 0.125 0.024258308 0.141098834
21 19 0.095 0.024258308 0.141098834
22 12 0.06 0.024258308 0.141098834
23 6 0.03 0.024258308 0.141098834
24 12 0.06 0.024258308 0.141098834
25 18 0.09 0.024258308 0.141098834
26 15 0.075 0.024258308 0.141098834
27 20 0.1 0.024258308 0.141098834
28 22 0.11 0.024258308 0.141098834
Total 463

Grficos de Control
Ejemplo 2: Grfico de Control del registro de nmeros de cuenta de los clientes
Durante la fase de anlisis del modelo Seis Sigma 0.16
DMAIC, se recolectaron los datos de las

0.14
disconformidades diariamente de una muestra de 200
Proporcin de habitaciones no preparadas

habitantes de un hotel. La siguiente tabla lista el nmero y 0.12
proporcin de habitaciones disconformes para cada da
durante un periodo de 4 semanas. 0.1
Proporcin de Habitaciones no
preparadas
Solucin 0.08 Lmite de Control Inferior LCL
Paso 3: Trace en el grfico cada una de las proporciones Lmite de Control Superior UCL
0.06
defectuosas de la muestra.
0.04
0.02
0
1 2 3 4 5 6 7 8 9 10111213141516171819202122232425262728

Grficos de Control
Ejemplo 2: Grfico de Control del registro de nmeros de cuenta de los clientes
0.16
Solucin
0.14
Conclusin
Se observa que la proporcin de disconformidades es
Proporcin de habitaciones no preparadas

0.12
mayor en el da N 14 y menor en el da N 23. No hay
causas especiales de variacin, ya que las proporciones 0.1
Proporcin de Habitaciones no
estn dentro de los lmites de control. preparadas
0.08 Lmite de Control Inferior LCL
Lmite de Control Superior UCL

0.06
0.04
0.02
0
1 2 3 4 5 6 7 8 9 10111213141516171819202122232425262728

Grficos de Control
Ejemplo 3: Nmero de
Disconformidades
Los siguientes datos fueron recolectados de disconformidades durante un periodo de 10 das con una muestra Muestra
de 100 datos. 1 10
En qu da la proporcin de disconformidades es mayor?. Y menor? Da 6, Da 7 2 11
Cules son los lmites de control inferior y superior? 0,0278 y 0,2282 3 13
Hay algunas causas especiales de variacin? No, las proporciones estn dentro de los lmites de control 4 14
5 15
Solucin 6 17
7 9
8 14
9 13
10 12
Total 128

Grficos de Control
Ejemplo 3: Nmero de
Disconformidades
de 100 datos. 1 10
En qu da la proporcin de disconformidades es mayor?. Y menor? 2 11
Cules son los lmites de control inferior y superior? 3 13
Hay algunas causas especiales de variacin? 4 14
5 15
Solucin 6 17
7 9
8 14
9 13
10 12
Total 128

Grficos de Control
Nmero de Proporcin de
Ejemplo 3: Disconformidades Disconformidade s
Muestra
Los siguientes datos fueron recolectados de disconformidades durante un periodo de 10 das con 1 10 0.1
una muestra de 100 datos. 2 11 0.11
En qu da la proporcin de disconformidades es mayor?. Y menor? 3 13 0.13
4 14 0.14
Cules son los lmites de control inferior y superior?
5 15 0.15
Hay algunas causas especiales de variacin? 6 17 0.17
7 9 0.09
Solucin 8 14 0.14
9 13 0.13
Paso 2: Calcule la proporcin defectuosa de la muestra. En el caso de la muestra 1, la proporcin de 10 12 0.12
elementos defectuosos es de 10/100 = 0.1. Total 128

Grficos de Control
Lmite de Lmite de
Ejemplo 3: Muestra
Disconformidades Disconformidades Control Control
Los siguientes datos fueron recolectados de disconformidades durante un periodo de 1 10 0.1 0.027773058 0.228226942
2 11 0.11 0.027773058 0.228226942
10 das con una muestra de 100 datos.
3 13 0.13 0.027773058 0.228226942
En qu da la proporcin de disconformidades es mayor?. Y menor? 4 14 0.14 0.027773058 0.228226942
Cules son los lmites de control inferior y superior? 5 15 0.15 0.027773058 0.228226942
6 17 0.17 0.027773058 0.228226942
Hay algunas causas especiales de variacin? 7 9 0.09 0.027773058 0.228226942
8 14 0.14 0.027773058 0.228226942
9 13 0.13 0.027773058 0.228226942
Solucin 10 12 0.12 0.027773058 0.228226942
Total 128
Paso 2: Calcule la proporcin defectuosa de la muestra. En el caso de la muestra 1,
la proporcin de elementos defectuosos es de 10/100 = 0.1.

Grficos de Control
Ejemplo 3:
Los siguientes datos fueron recolectados de disconformidades durante un periodo de 10 das con una muestra de 100 datos.
En qu da la proporcin de disconformidades es mayor?. Y menor?
Cules son los lmites de control inferior y superior?
Hay algunas causas especiales de variacin?
Solucin Grfico de Control de disconformidades
0.25
Paso 2: Calcule la proporcin defectuosa de la
muestra. En el caso de la muestra 1, la proporcin
de elementos defectuosos es de 10/100 = 0.1. 0.2
Proporcin de disconformidades
0.15
Proporcin de Disconformidades
0.1 Lmite de Control Superior UCL
0.05
0
1 2 3 4 5 6 7 8 9 10

Grficos de Control
Ejemplo 4: Nmero de
Disconformidades
de 230 datos. 1 20
a) En qu da la proporcin de disconformidades es mayor?. Y menor? 2 17
b) Cules son los lmites de control inferior y superior? 3 15
c) Hay algunas causas especiales de variacin? 4 12
5 16
Solucin 6 8
7 9
8 19
9 13
10 18
Total 147

Grficos de Control
Ejemplo 4: Disconformidades Disconformidade s
Muestra
Los siguientes datos fueron recolectados de disconformidades durante un periodo de 10 das con 1 20 0.086956522
una muestra de 230 datos. 2 17 0.073913043
a) En qu da la proporcin de disconformidades es mayor?. Y menor? 3 15 0.065217391
4 12 0.052173913
b) Cules son los lmites de control inferior y superior?
5 16 0.069565217
c) Hay algunas causas especiales de variacin? 6 8 0.034782609
7 9 0.039130435
Solucin 8 19 0.082608696
9 13 0.056521739
10 18 0.07826087
Total 147

Grficos de Control
Ejemplo 5:
Los siguientes datos fueron recolectados de disconformidades durante un periodo de 10 das con una muestra de 230 datos.
a) En qu da la proporcin de disconformidades es mayor?. Y menor?
b) Cules son los lmites de control inferior y superior?
c) Hay algunas causas especiales de variacin?
Solucin

Grficos de Control
Grficos np (Carta np)
Diagrama que analiza el nmero de defectuosos por subgrupo; se aplica cuando el tamao de subgrupo es constante.
En ocasiones, cuando el tamao de subgrupo o muestra en las cartas p es constante, es ms conveniente usar la carta np, en la que se grafica el
nmero de defectuosos por subgrupo , en lugar de la proporcin. Los lmites de control para la carta np se obtienen estimando la media y la
desviacin estndar de , estn dadas por:
= y = (1 )
donde
es el tamao de subgrupo.
es la proporcin promedio de artculos defectuosos.
Para obtener los lmites de control superior e inferior para un grfico np:
= + 3 [Lmite de Control Superior para un grfico np]
= 3 [Lmite de Control Inferior para un grfico np]
donde
= 3 es el desvo normal (nmero de desviaciones estndar con respecto al promedio)

Grficos de Control
Grficos np (Carta np)
La grfica np muestran el nmero total de unidades no conformes. Se puede utilizar una grfica np para monitorear lo siguiente:
El nmero de vuelos que despegan tarde.
El nmero de vehculos para transporte que estn fuera de servicio cada da.
El nmero de ruedas de bicicleta que estn desinfladas.
El numero de logotipos impresos que estn manchados.
Aunque una unidad pudiera tener muchas caractersticas de calidad que se pueden evaluar, siempre se considera que la unidad es conforme o
no conforme.
NOTA:
La grfica np es similar a la grfica p. Sin embargo, la grfica np pudiera ser ms fcil de entender porque grafica el nmero de unidades no
conformes en lugar de la proporcin de unidades no conformes.

Grficos de Control
Uso de un grfico np para monitorear un proceso
Ejemplo 1: (Muestra n constante) Componentes
Muestra
defectuosos
Del anlisis de los datos de inspecciones y pruebas finales de un producto ensamblado se detect a travs de una
1 9
estratificacin y un anlisis de Pareto que la causa principal por la que los artculos salen defectuosos est relacionada 2 6
con los problemas de un componente en particular (el componente k12). Por lo tanto, se decide analizar ms de cerca 3 10
el proceso que produce tal componente. Para ello, de cada lote de componentes k12 se decide inspeccionar una 4 8
muestra de n = 120. Los datos obtenidos en 20 lotes consecutivos se muestran en la tabla siguiente. Como n es 5 5
constante, la cantidad de defectuosos por muestra se puede analizar con una carta np. Elabore el grfico np 6 5
correspondiente. 7 14
8 12
Solucin 9 9
10 8
11 10
12 20
13 12
14 10
15 10
16 0
17 13
18 5
19 6
20 11
Total 183

Grficos de Control
Uso de un grfico np para monitorear un proceso
Lmite de Lmite de
Ejemplo 1: (Muestra n constante) Componentes
Muestra Control Control
defectuosos Infe rior LCL Supe rior UCL
Solucin 1 9 0.428141683 17.87185832
2 6 0.428141683 17.87185832
Grfico de Control del registro de componentes defectuosos de un producto 3 10 0.428141683 17.87185832
ensamblado 4 8 0.428141683 17.87185832
5 5 0.428141683 17.87185832
6 5 0.428141683 17.87185832
20 20
7 14 0.428141683 17.87185832
8 12 0.428141683 17.87185832
9 9 0.428141683 17.87185832
10 8 0.428141683 17.87185832
15
11 10 0.428141683 17.87185832
14
12 20 0.428141683 17.87185832
13
12 12 13 12 0.428141683 17.87185832
Componentes defectuosos
11 14 10 0.428141683 17.87185832
10 10 10 10 10 15 10 0.428141683 17.87185832
9 9 16 0 0.428141683 17.87185832
8 8
17 13 0.428141683 17.87185832
18 5 0.428141683 17.87185832
6 6
5 5 5 5 19 6 0.428141683 17.87185832
20 11 0.428141683 17.87185832
Total 183
0 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

Grficos de Control
Uso de un grfico np para monitorear un proceso Productos Nmero de Fraccin
Muestra Produccin
Defectuosos Defectos Defectuosa
Ejemplo 2: (Muestra n NO constante, muestra variable) 1 96 8 12 0.0833
En lo siguiente se tiene los datos de 24 muestras de producto producido por 2 99 12 14 0.1212
turno. La columna de Fraccin Defectuosa, la fraccin defectuosa de un turno 3 99 17 21 0.1717
4 100 16 21 0.1600
se calcula dividiendo el nmero de productos defectuosos por la produccin
5 100 9 15 0.0900
de ese turno. 6 100 15 18 0.1500
7 100 18 22 0.1800
Solucin
8 100 14 20 0.1400
1.- Los lmites de control de un grfico de fraccin defectuosa con tamao de 9 100 15 19 0.1500
muestra variable vienen dado por la siguiente frmula: 10 99 14 20 0.1414
11 100 17 19 0.1700
= + 3 = + 3 1 12 100 15 17 0.1500
13 100 15 20 0.1500
= 3 = 3 1 14 94 8 9 0.0851
15 94 10 13 0.1064
Donde: 16 99 22 32 0.2222

=1 =1 17 100 15 21 0.1500
= =
18 97 12 19 0.1237
19 87 9 12 0.1034
= 20 100 12 12 0.1200
21 100 13 18 0.1300
22 98 18 24 0.1837
23 97 14 19 0.1443
24 97 13 19 0.1340
Total 2356 331 436

Grficos de Control Lmite de Lmite de
Productos Nmero de Fraccin
Control Control
Defectuosos Defectos Defectuosa Inferior LCL Superior UCL
Uso de un grfico np para monitorear un proceso 8 12 0.0833 3.272978628 23.70155448
Ejemplo 2: (Muestra n NO constante, muestra variable) 12 14 0.1212 3.536085211 24.28140206
17 21 0.1717 3.536085211 24.28140206
Solucin Grfico de Control del registro de un producto elaborado por turnos 16 21 0.1600 3.624322034 24.47414995
25 9 15 0.0900 3.624322034 24.47414995
15 18 0.1500 3.624322034 24.47414995
18 22 0.1800 3.624322034 24.47414995
22
14 20 0.1400 3.624322034 24.47414995
20 15 19 0.1500 3.624322034 24.47414995
14 20 0.1414 3.536085211 24.28140206
18 18 17 19 0.1700 3.624322034 24.47414995
17 17
15 17 0.1500 3.624322034 24.47414995
16
15 15 15 15 15 15 15 20 0.1500 3.624322034 24.47414995
8 9 0.0851 3.09895275 23.31361092
Ttulo del eje
14 14 14
Productos Defectuosos
13 13 10 13 0.1064 3.09895275 23.31361092
12 12 12 Lmite de Control Inferior LCL
22 32 0.2222 3.536085211 24.28140206
10 10
15 21 0.1500 3.624322034 24.47414995
9 9 12 19 0.1237 3.360409395 23.89510843
8 8 9 12 0.1034 2.499122905 21.94654772
12 12 0.1200 3.624322034 24.47414995
13 18 0.1300 3.624322034 24.47414995
5
18 24 0.1837 3.448112978 24.08838957
14 19 0.1443 3.360409395 23.89510843
13 19 0.1340 3.360409395 23.89510843
331 436
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
Grficos de Control
Grficos c
Grfico que se usa para controlar el nmero de defectos cuando es posible que se presente ms de un defecto en un servicio o
producto.
Dado que es el nmero medio de defectos por unidad, la frmula de la desviacin estndar es igual a . Para calcular los lmites de control
de con un x% de fiabilidad, utilizamos la frmula para obtener los lmites de control superior e inferior para un grfico c:
= + [Lmite de Control Superior para un grfico c]
= [Lmite de Control Inferior para un grfico c]
donde
es el desvo normal (nmero de desviaciones estndar con respecto al nmero medio de defectos por unidad ).
Valores Comunes para la Desviacin
Estndar Z
Nivel de
Valor Z
Confianza
90 1.645
95 1.96
95.45 2
99 2.575
99.73 3

Grficos de Control
Uso de un grfico c para monitorear un proceso
Ejemplo 1:
Woodland Paper Company fabrica papel para la industria editorial de peridicos. En la fase final del proceso, el papel pasa por una mquina
que mide varias caractersticas de calidad del producto. Cuando el proceso de produccin de papel est bajo control, el promedio es de 20
defectos por cada rollo.
a) Elabore un grfico de control para el nmero de defectos por rollo. Para este ejemplo, use lmites de control dos sigma.
b) Cinco rollos tuvieron el siguiente nmero de defectos: 16, 21, 17, 22 y 24, respectivamente. El sexto rollo, en el se us pulpa de otro
proveedor, tuvo 5 defectos. El proceso de produccin de papel est bajo control?
Solucin Valores Comunes para la Desviacin
Estndar Z
Nivel de
Valor Z
Confianza
90 1.645
95 1.96
95.45 2
99 2.575
99.73 3

Grficos de Control
Ejemplo 1:
Woodland Paper Company fabrica papel para la industria editorial de peridicos. En la fase final del proceso, el papel pasa por una mquina
que mide varias caractersticas de calidad del producto. Cuando el proceso de produccin de papel est bajo control, el promedio es de 20
defectos por cada rollo.
a) Elabore un grfico de control para el nmero de defectos por rollo. Para este ejemplo, use lmites de control dos sigma.
b) Cinco rollos tuvieron el siguiente nmero de defectos: 16, 21, 17, 22 y 24, respectivamente. El sexto rollo, en el se us pulpa de otro
proveedor, tuvo 5 defectos. El proceso de produccin de papel est bajo control?
Solucin
b) En virtud de que los primeros cinco rollos tenan defectos que se ubicaban dentro de los
lmites de control, el proceso sigue estando bajo control. Sin embargo, cinco defectos son
menos que el valor del LCL y, por consiguiente, el proceso se encuentra tcnicamente fuera
de control. El grfico de control indica que ha sucedido algo bueno.

Grficos de Control
Ejemplo 1:
Punto de decisin Grfico de Control de Defectos por Rollo de Papel
Woodland Paper trabaja con el proveedor de las primeras cinco 35
muestras desde hace muchos aos. El proveedor de la sexta

30
muestra es nuevo en la compaa. La gerencia decidi seguir
Defectos por Rollo de Papel

trabajando con el nuevo proveedor por un tiempo y monitorear el 25
Nmeros de defectos por rollo
nmero de defectos para ver si sigue siendo igual de bajo. Si el
20 Lmite de Control Inferior
nmero contina ubicndose por debajo del LCL en 20 muestras LCL
consecutivas, la gerencia cambiar de proveedor 15 Lmite de Control Superior
UCL
permanentemente y volver a calcular los parmetros del grfico
Lmite de Control Central
10
de control.
5
0
1 2 3 4 5 6

Grficos de Control
Ejemplo 2:
Red Top Cab Company es una empresa de taxis que recibe bastantes quejas diarias sobre el comportamiento de sus conductores. En un
periodo de nueve das (los das son unidades de medida) el propietario ha recibido el siguiente nmero de llamadas de pasajeros irritados: 3, 0,
8, 9, 6, 7, 4, 9 y 8, para un total de 54 quejas. Calcular los lmites con una fiabilidad del 99,73%.
Solucin
Valores Comunes para la Desviacin

Estndar Z
Nivel de
Valor Z
Confianza
90 1.645
95 1.96
95.45 2
99 2.575
99.73 3

Grficos de Control
Ejemplo 2:
Punto de decisin Grfico de Control de Quejas Diarias
Cuando el propietario dibuj estos datos en un grfico de control 16
y colg el grfico de forma ostensible en el vestuario de los 14

conductores, el nmero de llamadas recibidas disminuy a un
promedio de tres por da. Puede explicar qu ocurri?. 12
Nmero de Quejas Diarias

Nmeros de Quejas Diarias
10
8
Lmite de Control Superior
6 UCL
4
0
1 2 3 4 5 6 7 8 9

Grficos de Control
Ejemplo 3:
En una empresa que elabora productos agroqumicos se tiene el problema de intoxicacin de los trabajadores debido al contacto con agentes
txicos. Para evaluar el nmero de obreros intoxicados por mes en los ltimos dos aos, se recurre a los registros de la enfermera de la
empresa. Los datos obtenidos se muestran en la tabla siguiente:
Nmeros de intoxicados por
Solucin Para este caso, evale los lmites Mes
mes
de control para un nivel de 1 6
confianza del 95.45% y 99.73% 2 5
3 4
respectivamente. Qu concluye?
4 4
5 1
6 3
7 3
8 7
9 5
10 7
11 5
12 12
13 5
14 4
15 7
16 2
17 4
18 2
Total 86
4.777777778

Grficos de Control
Ejemplo 3:
Punto de decisin Grfico de Control de Intoxicados por mes
Se aprecia que en el mes 12 hubo una situacin 14
especial que caus un alto nmero de intoxicados,

ms de los que ordinariamente se esperaran. Al 12
recurrir a los expedientes de la enfermera, se
encontr que ese punto fuera de los lmites
Nmero de Intoxicados por mes

10
ocurri cuando se introdujo por primera vez
cierto txico, y que no se les dieron las 8 Nmeros de intoxicados por mes
instrucciones adecuadas a los trabajadores. Lmite de Control Inferior LCL
6
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

Grficos de Control
Ayuda para decidir qu tipo de grfico de control hay que utilizar
DATOS DE ATRIBUTOS
Utilizacin de un Grfico p
1. Las observaciones son atributos que se pueden clasificar como bueno o malo (o aprobado-suspenso; funciona-estropeado), es decir, tienen
dos estados.
2. Se utilizan defectos en porcentajes o proporciones o cocientes.
3. Hay varias muestras, con muchas observaciones cada una. Por ejemplo, 20 muestras de = 100 observaciones en cada muestra.
Utilizacin de un Grfico c
1. Las observaciones son atributos cuyos defectos por unidad de producto pueden contarse.
2. Se utiliza el nmero de unidades contadas, que es un nmero pequeo respecto a las posibles ocurrencias.
3. Los defectos pueden ser: nmero de fallos en una mesa; quejas en un da; crmenes en un ao; asientos rotos en un estadio; erratas en el
captulo de un libro; o quejas.

Grficos de Control
Nmero de Nmero de
Uso de un grfico c para monitorear un proceso Muestra
Defectos ci
Muestra
Defectos ci
1 8 26 6
Ejemplo 4:
2 4 27 11
Se han observado los defectos de 50 muestras sucesivas de 40 tarjetas electrnicas de circuitos 3 14 28 12
impresos: 4 9 29 12
5 6 30 8
Solucin 6 9 31 16
7 13 32 13
8 15 33 12
9 10 34 11
10 17 35 6
11 14 36 10
12 13 37 13
13 16 38 6
14 8 39 9
15 9 40 10
16 14 41 11
17 6 42 7
18 9 43 11
19 13 44 13
20 7 45 9
21 13 46 11
22 8 47 7
23 11 48 16
24 9 49 5
25 6 50 9
T otal 515

Grficos de Control
Grfico de Control c (Nmero de defectos por Muestra)
25
Nmero de Defectos c
20
15
10
0
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49
Muestra

Grficos de Control
Nmero de
Uso de un grfico c para monitorear un proceso Muestra Disconformidad
es
Ejemplo 5: 1 21
Se han observado los defectos de 26 muestras sucesivas de 100 tarjetas electrnicas de 2 24
3 16
circuitos impresos. Construir la grfica de control para las disconformidades.
4 12
Solucin 5 15
6 5
7 28
8 20
9 31
10 25
11 20
12 24
13 16
14 19
15 10
16 17
17 13
18 22
19 18
20 39
21 30
22 24
23 16
24 19
25 17
26 15
Total 516

Tema 2 Gráficos de Control

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Tema 2 Gráficos de Control

Uploaded by

Copyright:

Available Formats

UNIVERSIDAD PRIVADA DEL NORTE

PROGRAMA WORKING ADULT

PROGRAMA WORKING ADULT MSc. Jorge Luis Chiroque Caldern

PROGRAMA WORKING ADULT

PROGRAMA WORKING ADULT MSc. Jorge Luis Chiroque Caldern

MSc. Jorge Luis Chiroque Caldern jorge.chiroque@upn.pe

MSc. Jorge Luis Chiroque Caldern jorge.chiroque@upn.pe

Qu es Control estadstico del

MSc. Jorge Luis Chiroque Caldern jorge.chiroque@upn.pe

Qu es el Control Estadstico de Procesos (CEP, SPC)?

MSc. Jorge Luis Chiroque Caldern jorge.chiroque@upn.pe

MSc. Jorge Luis Chiroque Caldern jorge.chiroque@upn.pe

MSc. Jorge Luis Chiroque Caldern jorge.chiroque@upn.pe

Todo proceso produce variaciones, peroQu causa

Nunca dos objetos pueden fabricarse exactamente

MSc. Jorge Luis Chiroque Caldern jorge.chiroque@upn.pe

MSc. Jorge Luis Chiroque Caldern jorge.chiroque@upn.pe

MSc. Jorge Luis Chiroque Caldern jorge.chiroque@upn.pe

MSc. Jorge Luis Chiroque Caldern jorge.chiroque@upn.pe

Estructura de un Diagrama de Control

MSc. Jorge Luis Chiroque Caldern jorge.chiroque@upn.pe

Mtodos Estadsticos de Control de Calidad

Control Estadstico Muestreo de

Atributo Variable Atributo Variable

MSc. Jorge Luis Chiroque Caldern jorge.chiroque@upn.pe

MSc. Jorge Luis Chiroque Caldern jorge.chiroque@upn.pe

MSc. Jorge Luis Chiroque Caldern jorge.chiroque@upn.pe

MSc. Jorge Luis Chiroque Caldern jorge.chiroque@upn.pe

MSc. Jorge Luis Chiroque Caldern jorge.chiroque@upn.pe

Empleamos el control estadstico del proceso para medir el desempeo de

El objetivo de un sistema de control es proporcionar una seal estadstica

MSc. Jorge Luis Chiroque Caldern jorge.chiroque@upn.pe

Grfico de Control (Carta de Control)

MSc. Jorge Luis Chiroque Caldern jorge.chiroque@upn.pe

Cantidad de Productos o Servicios Cantidad de Defectos o No

Grfica p Grfica np Grfica u Grfica c

MSc. Jorge Luis Chiroque Caldern jorge.chiroque@upn.pe

MSc. Jorge Luis Chiroque Caldern jorge.chiroque@upn.pe

MSc. Jorge Luis Chiroque Caldern jorge.chiroque@upn.pe

MSc. Jorge Luis Chiroque Caldern jorge.chiroque@upn.pe

4. Cuando los lmites de control superior e inferior para un grfico :

MSc. Jorge Luis Chiroque Caldern jorge.chiroque@upn.pe

MSc. Jorge Luis Chiroque Caldern jorge.chiroque@upn.pe

MSc. Jorge Luis Chiroque Caldern jorge.chiroque@upn.pe

MSc. Jorge Luis Chiroque Caldern jorge.chiroque@upn.pe

Lmite de Control Superior

MSc. Jorge Luis Chiroque Caldern jorge.chiroque@upn.pe

Proporcin de elementos defectuosos

La mquina codificadora que se utiliza para imprimir

MSc. Jorge Luis Chiroque Caldern jorge.chiroque@upn.pe

MSc. Jorge Luis Chiroque Caldern jorge.chiroque@upn.pe

MSc. Jorge Luis Chiroque Caldern jorge.chiroque@upn.pe

MSc. Jorge Luis Chiroque Caldern jorge.chiroque@upn.pe

MSc. Jorge Luis Chiroque Caldern jorge.chiroque@upn.pe

Durante la fase de anlisis del modelo Seis Sigma 0.16

DMAIC, se recolectaron los datos de las

Proporcin de habitaciones no preparadas

MSc. Jorge Luis Chiroque Caldern jorge.chiroque@upn.pe

Proporcin de habitaciones no preparadas

Lmite de Control Superior UCL

MSc. Jorge Luis Chiroque Caldern jorge.chiroque@upn.pe

MSc. Jorge Luis Chiroque Caldern jorge.chiroque@upn.pe

MSc. Jorge Luis Chiroque Caldern jorge.chiroque@upn.pe

MSc. Jorge Luis Chiroque Caldern jorge.chiroque@upn.pe