UNA EXPLORACION GRAFICA A LOS PROCESOS ESTADISTICOS DE CONTROL

En 1932 Walter Shewhart publico Economic Control of Quality of Manufactured Product en el cual se describen
muchas de las herramientas estadsticas usadas en las dcadas pasadas, los cuales fueron el inicio de lo que
actualmente se conoce como procesos de control estadstico (SPC por sus siglas en ingles).
Y aunque el avance de la ciencias ha cambiado durante estos 65 aos y el nivel de aplicacin lo haya hecho
tambin, el conocimiento de la metodologas se basan en entender los principios bsicos de la estadstica y la
probabilidad.
Por ejemplo, los talleres de capacitacin rara vez tienen a alguien que pueda definir cercanamente bien un
control de procesos, o como las variaciones de los procesos pueden afectar la salida de las partes de un
componente. He incluso los supervisores y gerentes entienden que el entendimiento de los principios
fundamentales es casi inexistente.
La intencin de este documento es examinar la estructura, uso y abuso de herramientas de bsquedas
centradas en los procesos y discutir que reglas sern usadas en identificar los procesos fuera de control. Esto se
puede hacer:
- Definiendo y discutiendo cuales son los procesos no controlados
- Definiendo el control de Shewhart y describiendo las condiciones de uso
- Discutiendo las reglas que seales la presencia de las causas de variacin en los procesos
- Presentando las probabilidades de que las reglas usadas detecten las causas especiales
- Examinar la robustes de X media

Procesos de control
Para ejemplificar los tipos de procesos que existen se ejemplifica el movimiento de muelle, los cuales describen
un movimiento que grficamente seria una campana y el valor esperado seria una lina recta sobre las que se
acomodan dichas campanas. Los tipos de procesos son:
PROCESO EN CONTROL: Grficamente, todas las campanas estn centradas sobre la lnea.
PROCESO EN CONTROL, FUERA DEL BLANCO: Las campanas estn a una distancia regular de la lnea que marca
el valor esperado.
PROCESO FUERA DE CONTROL CON TENDENCIA: Las campanas se alejan poco a poco y a intervalos regulares de
la lnea.
PROCESO FUERA DE CONTROL CON CAMBIO: Las campanas pasan de estar centradas en la lnea a una posicin
separada de la lnea.
PROCESO CICLICO FUERA DE CONTROL: Las campanas se alejar y se acercan a intervalos regulares del valor
esperado, genera un patrn similar a una funcin seno.
PROCESO FUERA DE CONTROL CON TENDENCIA DE PESADILLA: las campanas se alejan progresivamente de la
lnea que marca el valor real, adems la base de la campana se amplia.
MEJORA DE LOS PROCESOS FUERA DE CONTROL: En la grfica las campanas pasan de estas alejadas de la lnea
a estar sobre ella de manera continua, adems puede darse el caso en el que las campanas reduscan el ancho
de su base.
Un proceso est bajo control si y slo si las distribuciones de todas sus caractersticas medibles son constantes
en el tiempo .
Debido a que muchas distribuciones de probabilidad son importantes, incluyendo que las distribuciones son
normales y estan completamente caracterizados por su media y la varianza , es posible utilizar el siguiente
definicion menos preciso pero ms prctico:
Un proceso est bajo control si y slo si los centros de la totalidad de sus caractersticas medibles son
constantes en el tiempo y las varianzas de la totalidad de sus caractersticas medibles son constantes con el
tiempo

GRAFICOS DE CONTROL
Los profesionales de calidad intentan dar seguimiento a la distribucin de las medidas de una caracterstica
importante a travs del muestreo de una cantidad pequea de muestras en un tiempo determinado o en un
intervalo de tiempo especfico. Si la distribucin de las medidas de una caracterstica del producto o servicio
puede ser completamente determinada por su media y desviacin estndar, entonces, en el momento
designado o el intervalo de la produccin, muestras relativamente pequeas de datos puede a menudo ser
utilizada para determinar cmo el proceso se est comportando.

Figura 12. Distribucin del peso de compresin.
La Figura 12, por ejemplo, representa la distribucin del peso en kilogramos requerido para comprimir los
resortes una distancia especfica (5cm). La variacin natural de los pesos de compresin es por variacin de
causa comn. Suponiendo que la salida del proceso es bastante uniforme en el tiempo, se toman muestras de
n = 5 resortes cada 30 minutos y la media, y la desviacin estndar, S
X
, se calculan para cada muestra.

Figura 13. Muestras (n=5) y medias de un Proceso en Control.
La Figura 13 contiene las 5 observaciones por muestra (puntos blancos) y su media correspondiente (puntos
negros) en 10 periodos de tiempo diferentes, de un proceso que es control. Aunque es difcil representar la
desviacin estndar en esta imagen, es posible imaginar el rango de cada muestra, R
x
, como la distancia ms
larga entre un par de puntos blancos en la muestra. En situaciones reales, es usualmente imposible observar la
distribucin de X; la nica informacin disponible acerca del proceso son los 50 puntos blancos, por lo que el
profesional de la calidad debe usar esa informacin para determinar cmo se est comportando el proceso.

Figura 14. Datos, promedio y Distribuciones marginales de un Proceso en Control.
Para apreciar la naturaleza de las dos distribuciones marginales, se debe imaginar que este proceso ha estado
en control por mucho tiempo. En cada perodo de tiempo, se ha obtenido una muestra de n = 5 mediciones y
se ha graficado. La media de las muestras tambin se ha calculado y graficado. De la Figura 13, si todos los
valores de X (los puntos blancos) son empujados al margen superior derecho, y apilados, y si una curva se
dibuja sobre ellos, esta sera la curva de distribucin marginal de X (Figura 14). En este caso, la distribucin
marginal de X es idntica a la distribucin de salida del proceso en cada perodo de tiempo (Figura 13) debido a
que el proceso est en control (es decir, no hay variacin de causa especial). La distribucin marginal de la
media de X se obtiene de la misma forma. Todos los puntos negros (medias) son empujados al margen superior
derecho y apilados, y se traza una lnea curva sobre ellos.
DISTRIBUCION MARGINAL. Valiosas por tres razones:
1. Los clientes quieren una imagen de la distribucin marginal de X (lo que sale de la planta del proveedor).
Mientras que el proveedor se preocupa por el comportamiento de sus procesos.
2. El conocimiento de la media y la desviacin estndar de X son fundamentales para la construccin del
grfico.
3. No hay posibilidad de que alguien entienda las reglas habituales para la lectura y comprensin de un grfico
de control sin la comprensin de la distribucin marginal de X.

GRAFICO DE CONTROL
Las muestras se obtuvieron de un proceso de puntos especficos en el tiempo. De cada muestra, un valor de B
(sea el que sea) se calcula. Los valores de B se trazan en el grfico. El grfico B consiste en 5 lineas:
1. Una escala vertical de los valores de B.
2. Una escala horizontal que designa puntos secuenciales en el tiempo o en una progresin del nmero
de unidades producidas.
3. Una lnea central (CL) donde CLB= B
4. Un lmite inferior de control, donde LCLB = B-3sB
5. Un lmite superior de control, donde UCLB = B+3sB
DISTRIBUCIN NORMAL.
En muchas circunstancias, la distribucin marginal de la estadstica trazada en un grafico est muy cerca de una
distribucin normal. Por esta razn, es til revisar algunas de las caractersticas de las distribuciones normales:
Hay un nmero infinito de diferentes distribuciones normales.
La distribucin normal es una distribucin de dos parmetros. Dos distribuciones normales con la
misma media y la desviacin estndar son idnticos en todos los aspectos.
Es unimodal y simtrica. Por lo tanto, la media y la mediana de una distribucin normal, en particular
son idnticas.
Son en forma de campana.
Tiene dos aplicaciones importantes:
1. Teora normal. Afirma que si las mediciones de un proceso de control se distribuyen normalmente, sin
importar el tamao de la muestra, la distribucin de X tambin ser distribuido normalmente. Incluso cuando
n = 1, la distribucin de los valores de X en un grafico sern distribuidos normalmente.
2. Teorema del lmite central. Establece que si las mediciones de un proceso no se distribuyen normalmente,
entonces, para un tamao de muestra "grande, sea cual sea la distribucin la media muestral, seguir
aproximadamente una distribucin normal.
Esta discusin de las distribuciones normales se puede concluir que:
1. Mientras que la distribucin natural de muchos procesos estn normalmente distribuidos, hay miles de
procesos cuyas caractersticas medibles no son normalmente distribuidos.
2. No hay sustituto para el conocimiento de los datos. En el negocio son esenciales los profesionales de calidad,
es importante para que se desarrollen formas creativas de mostrar y evaluar los procesos.

Referencias

1. Walter A. Shewhart, Control Econmico de la Calidad De productos manufacturados (New York, NY: D. Van
Nostrand Company, Inc., 1931).
2. W. Edwards Deming, Out of the Crisis (Cambridge, MA: Massachusetts Institute of Technology, Center for
Advanced Estudio de Ingeniera, 1986), pp 322-323 y pp 337-338.
3. Shewhart, Control Econmico de la Calidad de los Fabricado Producto, pp 275-277