Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Gráficos de Control
Gráficos de Control
Un grfico de control es una carta o diagrama especialmente preparado donde se van anotando
los valores sucesivos de la caracterstica de calidad que se est controlando. Los datos se
registran durante el funcionamiento del proceso de fabricacin y a medida que se obtienen.
El grfico de control tiene una Lnea Central que representa el promedio histrico de la
caracterstica que se est controlando y Lmites Superior eInferior que tambin se calculan
con datos histricos.
Podemos observar en este grfico que los valores fluctan al azar alrededor del valor central
(Promedio histrico) y dentro de los lmites de control superior e inferior. A medida que se
fabrican, se toman muestras de los anillos, se mide el dimetro y el resultado se anota en el
grfico, por ejemplo, cada media hora.
Pero Qu ocurre cuando un punto se va fuera de los lmites? Eso es lo que ocurre con el ltimo
valor en el siguiente grfico:
Esa circunstancia puede ser un indicio de que algo anda mal en el proceso. Entonces, es
necesario investigar para encontrar el problema (Causa Asignable) y corregirla. Si no se hace
esto el proceso estar funcionando a un nivel de calidad menor que originalmente.
Existen diferentes tipos de Grficos de Control: Grficos X-R, Grficos C, Grficos np, Grficos
Cusum, y otros. Cuando se mide una caracterstica de calidad que es una variable continua se
utilizan en general los Grficos X-R. Estos en realidad son dos grficos que se utilizan juntos, el
de X (promedio del subgrupo) y el de R (rango del subgrupo). En este caso se toman muestras
de varias piezas, por ejemplo 5 y esto es un subgrupo. En cada subgrupo se calcula el
promedio X y el rango R (Diferencia entre el mximo y el mnimo).
A continuacin podemos observar un tpico grfico de X:
Histogramas
Un histograma es un grfico o diagrama que muestra el nmero de veces que se repiten cada
uno de los resultados cuando se realizan mediciones sucesivas. Esto permite ver alrededor de
que valor se agrupan las mediciones (Tendencia central) y cul es la dispersin alrededor de ese
valor central.
Supongamos que un mdico dietista desea estudiar el peso de personas adultas
de sexo masculino y recopila una gran cantidad de datos midiendo el peso en kilogramos de sus
pacientes varones:
74.6
74.5
77.0
70.7
79.4
74.6
85.2
81.6
67.9
63.7
72.1
71.6
69.4
69.8
83.5
83.5
74.9
73.2
70.7
79.4
88.6
70.7
79.4
70.7
79.4
74.6
85.2
81.6
67.9
63.7
72.1
71.6
69.4
69.8
83.5
67.9
As como estn los datos es muy difcil sacar conclusiones acerca de ellos.
Entonces, lo primero que hace el mdico es agrupar los datos en intervalos contando cuantos
resultados de mediciones de peso hay dentro de cada intervalo (Esta es la frecuencia). Por
ejemplo, Cuntos pacientes pesan entre 60 y 65 kilos? Cuntos pacientes pesan entre 65 y 70
kilos?:
Intervalos
<50
50-55
55-60
60-65
65-70
70-75
75-80
80-85
85-90
90-95
95-100
100-105
105-110
>110
Por ejemplo, la tabla nos dice que hay 48 pacientes que pesan entre 65 y 70 kilogramos. Por lo
tanto, levantamos una columna de altura proporcional a 48 en el grfico:
Print FriendlyImprimir
Los grficos de control tienen su origen al final de la dcada de 1920, cuando
Walter A. Shewhart analiz numerosos procesos de fabricacin concluyendo
que todos presentaban variaciones. Encontr que estas variaciones podan ser
de dos clases: una aleatoria, entendiendo por ella que su causa era
insignificante o desconocida, y otra imputable (tambin llamada asignable),
cuyas causas podan ser descubiertas y eliminadas tras un correcto
diagnstico.
De datos por variables. Que a su vez pueden ser de media y rango, mediana y
rango, y valores medidos individuales.
De datos por atributos. Del estilo aceptable / inaceptable, s / no,
En la base de los grficos de control est la idea de que la variacin de una
caracterstica de calidad puede cuantificarse obteniendo muestras de las
salidas de un proceso y estimando los parmetros de su distribucin
estadstica. La representacin de esos parmetros en un grfico, en funcin del
tiempo, permitir la comprobacin de los cambios en la distribucin.
El grfico cuenta con una lnea central y con dos lmites de control, uno
superior (LCS) y otro inferior (LCI), que se establecen a 3 desviaciones tpicas
(sigma) de la media (la lnea central). El espacio entre ambos lmites define la
variacin aleatoria del proceso. Los puntos que exceden estos lmites indicaran
la posible presencia de causas especficas de variacin.
Los lmites de control se sitan de forma que un porcentaje fijado de los puntos
estn dentro de ellos. Estos lmites suelen calcularse para incluir o bien el 75%
o el 95% de los datos:
- Lmites que incluyen el 75% de los datos: En este caso, un proceso que
funcione correctamente deber mostrar un 75% de los valores dentro de los
lmites superior e inferior, un 12,5% de los valores por encima del lmite
superior y otro 12.5% por debajo del lmite inferior. Si se aprecia un punto
fuera de estos lmites se considera como normal, pero si aparecen varios
puntos seguidos por encima o por debajo de los lmites probablemente sea una
situacin inusual, e indique que el proceso est descontrolado.
- Limites que incluyen el 95% de los datos: En este caso slo el 2,5% de los
valores deben dar por encima o por debajo de los lmites. Al ser tan restrictivo,
en esta situacin si un dato sale fuera de los lmites significar que ha habido
una circunstancia inusual en el proceso.
Diagrama de control
Se dice que un proceso est fuera de control, y por lo tanto debe corregirse, en
las siguientes situaciones:
1)
Elegir la caracterstica a estudio. Debe medir la variable que queremos
controlar: la longitud de una pieza, la temperatura de una mquina, etc.
2)
Tomar los datos. Deberemos recoger los valores durante un periodo de
tiempo suficiente que nos permita obtener una visin representativa del
desarrollo del proceso.
3)
Introducir os datos en la hoja de clculo, y calcular la cul es la lnea
central (valor medio de los datos) y los lmites superior e inferior.
4)
Representar los datos en la grfica, y estudiar si el funcionamiento es el
correcto. Si no no fuera por estar el proceso descentrado (la media de los datos
no es la medida que nos pide las especificaciones) habra que recalibrar las
mquinas. O bien, si la variabilidad es demasiado alta y los productos se salen
de las tolerancias demasiado frecuentemente, habra que estudiar las causas
para afinar los resultados.
5)
Volver a realizar el estudio cada cierto tiempo para comprobar que el
funcionamiento sigue siendo el correcto.