El control estadístico de procesos (SPC) es un método significativo para monitorear procesos y garantizar la calidad. Los gráficos de control son las herramientas más importantes en SPC. A medida que los procesos de producción y las partes de producción se vuelven más complejos, existe la necesidad de diseñar gráficos de control utilizando distribuciones más complejas. Uno de los gráficos de control más importantes para monitorear el número de no conformidades en los procesos de producción es el gráfico C, que utiliza la distribución de Poisson como distribución característica de calidad. Sin embargo, para ajustar la distribución de Poisson a los datos de conteo, se debe cumplir con la igualdad de la media y la varianza. En algunos casos, como en las ciencias biológicas y médicas, los datos de conteo muestran sobre dispersión, lo que significa que la varianza de los datos es mayor que la media. En tales casos, podemos usar la distribución de Poisson-Lindley en lugar de la distribución de Poisson para modelar los datos de conteo. En este documento, primero discutimos algunas características importantes de la distribución de Poisson-Lindley. Luego, presentamos gráficos de control paramétricos y de bootstrap cuando las observaciones siguen la distribución de Poisson-Lindley y analizamos su rendimiento. Finalmente, proporcionamos un ejemplo simulado y un conjunto de datos del mundo real para demostrar la implementación de los gráficos de control. Los resultados muestran el buen rendimiento de los gráficos de control propuestos.