Rojas, M. et al., Revista Electrnica de Divulgacin de la Investigacin Vol.

8, Diciembre - 2014

Anlisis comparativo del control estadstico de procesos (CEP)

univariable y multivariable en un proceso de produccin de galletas
1

Ma. Eugenia Rojas Ochoa*, 2Aide Hernndez Lpez, 3Jos Ruiz Tamayo
1 Universidad del SABES plantel Celaya
ma.rojaso@alumnos.sabes.edu.mx
2 Departamento de Ingeniera Industrial Universidad del SABES plantel Celaya
aidee.hernandezl@sabes.edu.mx
3 Universidad del SABES plantel Celaya
Jose.ruizt@alumnos.sabes.edu.mx

Recibido: 28 Marzo 2014

Aceptado: 18 Noviembre 2014

RESUMEN
El propsito de la investigacin es analizar comparativamente el CEP Univariable y Multivariable en un
proceso de produccin de galletas. Se identifican las variables crticas del proceso, controlndolas y
actuando sobre las causas de la variacin. Para lograrlo se plantea la implementacin de dos fases: la fase
I donde se toma una muestra representativa y se establece la utilizacin de las 7 herramientas de calidad
para poner la variable en control y establecer los parmetros de operacin de la grfica T 2 Hotelling, la
fase II consiste en la generacin de 200 datos simulados a fin de poder visualizar el comportamiento de las
variables en control, con los parmetros obtenidos. Se realiza el anlisis comparativo de los grficos
Univariable y Multivariables, evaluando la interaccin de las variables individuales por medio del grfico
multivariable T2 de Hotelling. Resultando por medio de la implementacin, un proceso en control tanto en
el grfico univariado como en el grafico T2 Hotelling de los puntos graficados conforme a lo esperado.
Finalmente se obtiene un modelo de implementacin de CPM que puede ser replicado en otras variables de
la industria alimentaria en el centro del pas.
Palabras claves: Control estadstico del proceso, anlisis univariado, anlisis multivariable

41

Rojas, M. et al., Revista Electrnica de Divulgacin de la Investigacin Vol. 8, Diciembre - 2014

1. INTRODUCCIN
El control de calidad en los procesos de manufactura es una estrategia importante usada para mejorar la calidad de
la produccin. Los productos fabricados suelen tener ms de una caracterstica a evaluar y su observacin como
forma de control de la calidad depende normalmente de los grficos de control. Los grficos de control fueron
desarrollados en 1929 por el Dr. Walter A. Shewhart, en una propuesta original de establecer un medio de
supervisin de la calidad de la produccin.
La supervisin por grficos de control de un proceso es lo mismo que observar cambios en los valores de los
parmetros de las caractersticas de calidad expresadas como variables aleatorias de los productos manufacturados
en el proceso, que son la media y la desviacin estndar.
Con la observacin de los cambios indicados en la tendencia central (cambios en la media) y en la dispersin
(cambios en la desviacin estndar), y con la identificacin de patrones no aleatorios, se tratan de establecer los
momentos en que el proceso tienda a generar productos no satisfactorios debido a la presencia de los tipos de
patrones que as lo indiquen.
Como la calidad de un producto est definida frecuentemente para mltiples caractersticas, es necesario controlar
dos o ms caractersticas de calidad relacionadas en un proceso de manufactura, hecho no posible para los grficos
de control presentados por Shewhart, ya que una limitacin de stos grficos es su incapacidad para tratar con ms
de una caracterstica a la vez. Esto es debido a que tales grficos estn diseados y son usados solamente para casos
univariantes y no multivariables. En esta situacin, la prctica comn en la industria es aplicar los grficos de control
a cada caracterstica de calidad de forma individual; esto resulta ineficiente y puede conducir a conclusiones
errneas. Un mtodo para superar estas dificultades es extender el anlisis univariado graficando un estadstico que
mida la desviacin global de las observaciones multivariables.
En consecuencia, los grficos de control pueden dividirse en dos grupos de acuerdo al nmero de variables aleatorias
que se involucran en el diseo y operacin del grfico: Grupo 1. Cuando la cantidad de variables intervinientes en
el grfico es la unidad, se dice que los grficos de control utilizables son los grficos para casos univariantes. Grupo
2. Si el grfico de control debe supervisar a ms de una variable aleatoria entonces el grfico de control ser un
grfico para casos multivariables.
En el grupo 1 los parmetros de tendencia central y de dispersin son la media y la desviacin estndar. En cuanto
al grupo 2 se tiene que los parmetros son el vector de medias y la matriz de varianzas-covarianzas.
Desde hace dcadas se han empleado mtodos tradicionales para monitorear procesos aleatorios tales como el
control estadstico del proceso (CEP) univariado, en la actualidad se ha planteado el uso del control multivariado
de procesos, que se encarga de analizar a mltiples variables aleatorias simultneamente. Dentro de cualquier
proceso estn presentes dos tipos de variabilidad, la variacin natural y variacin especial, donde estas variaciones
en las series de datos presentan patrones naturales y especiales, respectivamente (Chias Snchez, Lpez Jurez, &
Vzquez Lpez , 2014). Los objetivos del CEP son: minimizar la produccin defectuosa, mantener una actitud de
mejora continua del proceso y comparar la produccin respecto a las especificaciones (Box & Kramer, 1992).
Los grficos de control (GC) estudian procesos aleatorios univariados, pero es posible que en un proceso de
produccin sea necesario vigilar varias mediciones, en cuyo caso se est ante un control multivariable (Huerga
Castro, Blanco Alonso, & Abad, 2005). En control estadstico de la calidad, desde un punto de vista multivariable,
las herramientas ms utilizadas son los grficos de control T2 Hotelling y MEWMA (Chias Snchez, Lpez Jurez,
& Vzquez Lpez , 2014). Chakraborty (2001) y Stoumbous (2000) mencionan que los mtodos de control
multivariados no paramtricos han sido poco aplicados en la industria y enfatizan que no existen mtodos para
interpretar las seales fuera de control en trminos de la identificacin de las variables causantes de stas.
El principal problema del control multivariable de la calidad de un proceso de manufactura, observada por grficos
de control u otras tcnicas aplicables, es el cmo identificar a la variable o grupo de variables que causan un patrn

42

Rojas, M. et al., Revista Electrnica de Divulgacin de la Investigacin Vol. 8, Diciembre - 2014

multivarible asociable a una seal fuera de control en el proceso. Esto es un problema porque, segn Hachicha y
Ghorbel (2012) para un proceso multivariable, esto no ha sido definido an.
Actualmente en la industria existen normas concretas para la aplicacin de mtodos univariados en el control de
procesos. En aos recientes en la industria automotriz se ha considerado la aplicacin de cartas de control
multivariadas basadas en el estadstico T2 de Hotelling, a pesar de que este se basa en la suposicin de normalidad,
la cual como enfatiza Liu (1995), difcilmente pueden sostenerse en la mayora de los casos.
En el presente trabajo se aborda el estudio del uso de los GC univariado y multivariados (T2Hotelling) en una
empresa productora de galletas, de tal forma que se identifican en la fase inicial las variables crticas del proceso,
posteriormente se identifica el estado de control y se implementa el GC multivariado para finalmente realizar el
anlisis comparativo de ambos grficos en el proceso de produccin de galletas.

2. MTODOS
Existen diversos tipos de produccin dependiendo de la naturaleza del proceso, se aplican diferentes tcnicas de
CEPM a fin de obtener el mejoramiento de la calidad econmicamente. 1) Investigar el sistema del proceso por
medio de la creacin de un comit de calidad formado por los responsables del proceso el cual identifica la situacin
problemtica mediante sesiones de lluvias de ideas, y da respuesta a la pregunta, Dnde aplicar el procedimiento
de control en el proceso, dado que existen muchas variables? 2) Recolectar y evaluar el conjunto de datos
preliminares esta fase consiste en la verificacin de la calidad de los datos, examinando los errores de los datos
tanto humanos como electrnicos se analizan aquellos problemas que pueden afectar el uso y desempeo del
estadstico T2, en contraste con los problemas de la recoleccin de datos estudiados en el paso 2 (Jackson , 1991).
El estadstico T2 para una observacin (n = 1) sobre p variables se expresa como 2 = 1 ( )
Donde X =(1, , 2 , ) donde el vector de medias muestrales () representa una medida del centro del proceso.
La matriz de varianzas-covarianzas S proporciona informacin sobre las variables individuales y sobre la
correlacin entre los componentes de la vector observacin.
El uso del estadstico T2 en el control estadstico requiere el cumplimiento de ciertos supuestos entre las variables,
como son: a) Ausencia de colinealidad, o redundancias exactas entre las variables del proceso, lo que puede ocurrir
cuando dos variables estn perfectamente (o casi perfectamente) correlacionadas. Esta anomala puede resolverse
eliminando alguna de las variables del estudio. b) Independencia entre las observaciones, pueden surgir
dependencias de tipo temporal entre las observaciones, lo que genera problemas de auto correlacin. Es importante
sealar que la deteccin de auto correlacin no prohbe el uso del procedimiento T 2, simplemente hay que ajustar
los datos ante la presencia de este tipo de dependencia (Mason, Tracy, & Young, 1997).
El proceso de depuracin consiste en calcular el valor T2 para cada observacin y compararlo con un valor de la
distancia crtica, denominado el lmite de control superior (LCS). Se eliminan las observaciones con un T2 > LCS,
despus de investigar las causas; en caso contrario, dichas observaciones se retienen. El proceso contina hasta
obtener un conjunto de datos homogneos, con los que se estiman X y S, para construir el estadstico de control T2
y as monitorear futuras observaciones (Fermn, Valdiviezo, Orlandoni, & Berreto, 2009)
Para la implementacin de CEPM se puede realizar por medio de dos fases distintas en la utilizacin de graficas de
control (Alt, 1985). La Fase I se dirige a la estimacin de los parmetros del proceso y est conformada por dos
Etapas Etapa 1: consiste en un examen retrospectivo de la conducta de los subgrupos previamente definidos. Etapa
2: Es el examen prospectivo de futuros subgrupos, utiliza los valores especificados para los parmetros del proceso.
El objetivo de la Fase I es determinar si el proceso est en control estadstico mediante el uso de graficas de control
y estimar los parmetros en control del proceso. En la Fase II, las grficas se usan para probar si el proceso
permanece bajo control cuando se extraen futuros subgrupos.
2.1 VARIABLES DEL PROCESO Y VARIABLES DE CALIDAD EN LA ELABORACIN DE GALLETAS

43

Rojas, M. et al., Revista Electrnica de Divulgacin de la Investigacin Vol. 8, Diciembre - 2014

En el proceso de produccin es en lnea, por lo cual se tiene un proceso continuo. Dentro de la empresa se tienen
identificadas tres partes del proceso cada una con sus diferentes variables. 1. Horneado (cuyas variables son
dimetro de horneado, humedad de horneado, peso de galleta horneada, volumen de galleta, peso crudo maquinado).
2. Relleno (densidad de merengue, densidad de la mezcla, slidos de mezclas, temperatura de mezcla, gramos de
cobertura, peso merengue, volumen. 3. Empaque (peso de paquete y velocidad de desplazamiento). Consenso
Normalmente las variables a controlar son establecidas por el cliente final sin embargo en el caso de esta aplicacin
de CEPM por T2 Hotelling, las variables crticas de calidad son determinadas por el personal de ingeniera,
consensndose con la empresa y el departamento de calidad. Derivado de este acuerdo se obtuvieron las variables
crticas peso de la galleta y peso de paquete para el presente estudio. Estas variables deben estar dentro de las
especificaciones ya que un incremento o disminucin en su peso da como resultado un mal sellado de los paquetes
que la contienen, as como la falta de confiabilidad en la informacin impresa en el mismo.
2.2 FASE I: DETERMINACIN DEL PROCESO EN CONTROL ESTADSTICO EN AMBAS VARIABLES.

2.2.1 VARIABLE PESO DE GALLETA

Antes de iniciar el anlisis con las grficas T2 Hotelling del proces elaboracin de galletas, se analiza su situacin
estadstica actual de las variables, apoyndonos con el software Minitab en su versin 16. El anlisis inicial
comprende determinar si las muestras presentan una distribucin normal por medio de la grfica de la normal,
histograma de frecuencias y grafica de caja.
Tabla I. Datos de recoleccin para investigar el proceso.
100
101.80
101.60
102.30
101.70
102.30
103.10
104
101.11
102.86

Datos de la variable Peso de Galleta

100.09
100.60
100.90
102
102.
101.30
101.10
101.60
102.10
101.70
102.93
103.28
102.70
102.40
101.90
102.50
102.40
102.20
102.80
102.90
102.50
102.12
103.20
103.40
103.20
103.70
103.40
103.55
104.20
104.20
103.55
103.57
101.34
101.23
102.84
102.88
103
102.53
102.54
102.70

102
101.40
102.53
102.30
102.30
103.10
103.23
103.33
102.76
102.30

Figura 1. Grficas de probabilidad normal.

Determinacin de control estadstico. Minitab 16.
En la grfica de la probabilidad (Figura 1) del peso de galleta se observa que los datos se distribuyen normalmente
la variable asume un modelo adecuado para los siguientes anlisis de la investigacin.

44

Rojas, M. et al., Revista Electrnica de Divulgacin de la Investigacin Vol. 8, Diciembre - 2014

Figura No. 2. Histograma de frecuencias. Determinacin de control estadstico.

La informacin que nos provee este histograma (Figura 2) sobre la forma de la distribucin, nos sirve para confirmar
la normalidad de los datos, el cual presenta un ligero sesgo hacia la izquierda.

Figura 3. Grfica de caja de variable peso de galleta.

En la grfica de caja de la Figura 3, podemos observar que los datos ms representativos de la muestra tienen una
menor dispersin, pero los bigotes nos indican una dispersin de datos alta en el Cuartil 1 y 4. El valor mximo
encontrado es de 104.2 y el mnimo de 100. La mediana de 102.5 en la representacin de la caja nos indica que es
relativamente simtrica.

Figura 4. Grfica I-MR peso galleta.

En la carta R (Figura 4) los lmites inferior y superior son 0 y 1.333, podemos visualizar que se tienen
dos puntos que rebasan el lmite de control superior. En la grfica contenida en la Figura 4 se observa
un patrn de tendencia ascendente, en el inicio los datos se encuentran fuera de especificacin, cuando
45

Rojas, M. et al., Revista Electrnica de Divulgacin de la Investigacin Vol. 8, Diciembre - 2014

asciende se salen de control algunos valores, y despus se tiene una cada abrupta. Esta variabilidad se debe eliminar
para tener un proceso estable.

2.2.2 ANLISIS.
El primer anlisis derivado de la investigacin del proceso para la variable peso de galleta nos muestra que el
proceso presenta mucha variabilidad y que se tienen datos fuera de los lmites de control, aunque se tiene presente
que en todo proceso estn involucradas causas asignables, se sugiere la aplicacin de una de las herramientas ms
funcionales de las 7 herramientas de calidad. El diagrama de CausaEfecto permite la identificacin de las causas
raz.

2.2.3 APLICACIN DE LA HERRAMIENTA DE

CALIDAD. DIAGRAMA DE ISHIKAWA.

Para la aplicacin del diagrama Ishikawa el equipo de trabajo queda integrado de la siguiente manera: el supervisor
de lnea, encargado de mantenimiento, 2 operadores, 2 integrantes de la cuadrilla de mantenimiento, personal del
rea de calidad.
La lluvia de ideas genera informacin de las causas de la variacin en el peso de la galleta:
Mano de obra.
1) Supervisin deficiente en el proceso de trabajo de la lnea de produccin. No se hacen recorridos de supervisin.
2) Falta de jerarqua en toma de decisiones. Supervisor y encargado de modificaciones en el proceso. 3)
Desmotivacin del personal. No se tienen incentivos por ausencia de paros de lnea y el trabajo se vuelve repetitivo
para el operador. 4) Personal de nuevo ingreso con poca capacitacin en la operacin en caso de eventualidades
durante el funcionamiento de la lnea.
Mtodos.
1) No se sigue una receta estandarizada. El encargado de preparaciones se basa la mayora de veces en base a su
experiencia. 2) Cambios constantes en la cantidad de produccin. Cuando se requiere ms galleta se ajusta sobre la
marcha la velocidad de la lnea. 3) No hay parmetros establecidos de ajuste de temperatura en cada una de las
zonas del horno. 4) No se tiene estandarizado el tiempo de amasado, se confa en el juicio del preparador de mezcla.
Mquina.
1) No se sigue el programa de mantenimiento, por lo que se acta nicamente con mantenimiento correctivo. 2) No
se tiene documentado el ciclo de vida de las piezas (baleros y rodamientos) para reponer antes de que presenten
desgaste excesivo. 3) No se detecta oportunamente el desgaste de moldes. 3) No se verifican las resistencias de
temperaturas, por lo que las temperaturas marcadas no son confiables. 4) Se comienza a producir con el molde
desajustado.
Materiales.
1)
Masa con exceso de agua al colocarse para iniciar la produccin. 2) Exceso de SODA (levadura) en la masa.
3) Baja densidad de la masa. 4) No se tiene control sobre la calidad de algunos componentes de la mezcla.

46

Rojas, M. et al., Revista Electrnica de Divulgacin de la Investigacin Vol. 8, Diciembre - 2014

Mano de obra

Material
Sin recorridos en
lnea
Mala supervisin

Jerarqua en toma de
decisiones
Falta de
comunicacin
Trabajo
repetitivo
Desmotivacion

Exceso de SODA

Calidad de
componentes de la
mezcla

Falta de incentivos

Falta de capacitacin
nuevos ingresos

Desgaste de molde
Resistencias daadas en
control de temperatura
Rodillo de moldeo
desajustado

Mquina

Malas especificaciones

Baja densidad
de masa

No se sigue plan de
mantenimiento

Exceso de agua

Errores en
cantidades
No siguen
receta

Sin mantenimiento
preventivo Sin parametros
de ajuste de
Lubricacin
Sin
temperatura
documentacion
de ciclo de vida
Inestabilidad de piezas
de banda
Mtodo

Variabilidad en
peso de galleta
Cambios en cantidad
de produccin
Tiempos no estandarizados
de amasado
Instructivo de zonas de
horno

Figura 5. Diagrama de Ishikawa. Variabilidad en peso de la galleta

2.2.4 ESTRATEGIAS IMPLEMENTADAS PARA TENER UN PROCESO EN CONTROL.

Con la finalidad de tener un proceso estable que permita la implementacin de CEP por medio de la grfica de T2
Hotelling se establecieron las siguientes mejoras en el proceso:
Mano de obra:
Se crea un programa de incentivos para motivar al personal en la implementacin de CEP. Este programa premia el
buen desempeo de trabajador, la ausencia de paros derivados de no seguir los procesos y estndares que se
implementan. Se establece que los cambios en el proceso se deben autorizar por el supervisor por escrito. Se
implementa un checklist del proceso que debe ser llenado por el supervisor al menos una vez por turno sobre la
situacin de la lnea en funcionamiento.
Mtodos:
Se estipula como obligatorio seguir la receta estandarizada de elaboracin de la masa y cualquier cambio ante
cualquier eventualidad debe ser registrado por el operador y por el supervisor de la lnea. Se estipula el seguimiento
del MRP para la produccin, de esta manera la velocidad de la lnea se establece desde la puesta en marcha segn
las necesidades de produccin por turno, evitando cambios no programados en la cantidad de galletas y
modificaciones en la temperatura del horno. Se establece tiempo mnimo de amasado, para asegurar la integracin
correcta de los ingredientes.
Maquinaria:
Se comienza con la aplicacin y programacin de mantenimientos, los cuales no re realizaban y se propone que una
vez que se tenga continuidad de los mismos, se proponga la modificacin para la realizacin de mantenimientos
autnomos. Se monitorean los desgastes de baleros, engranes, rodamientos y resistencias de control de temperatura,
a fin de establecer un ciclo de vida de las piezas real. Este monitoreo se registra junto con las fechas de lubricacin
lo cual ayuda en mejorar la estabilizacin de la banda y se evita desperdicio de galleta moldeada.
Materiales:
Para eliminar el exceso de agua en la masa, se estandariza la cantidad que debe contener y para que pueda ser
eliminada correctamente en la etapa de horneado, evitando as que el producto sea frgil y que una vez empacada
la galleta se descomponga dentro del empaque por exceso de humedad. Para evitar que la SODA incremente el
tamao de la galleta, se establece un nico proveedor, el cual debe cumplir con una estandarizacin de
concentracin. Para asegurar la calidad del ingrediente se implementan cambios en el manejo de materias primas,
con PEPS, asegurando as la correcta rotacin de ingredientes. Al igual que con la SODA, se maneja solo dos

47

Rojas, M. et al., Revista Electrnica de Divulgacin de la Investigacin Vol. 8, Diciembre - 2014

proveedores de ingredientes a los cuales se les verifica constantemente sus procesos de produccin acorde con la
certificacin Kosher.

2.2.5 EVALUACIN DE LA APLICACIN DE LA HERRAMIENTA DE CALIDAD.

Con la implementacin de las herramientas de calidad usadas (vase Figura 5) y el compromiso de los trabajadores
y directivos de la empresa se obtiene el control estadstico del proceso. Para verificarlo, se procede al anlisis
estadstico de un nuevo muestreo.
Tabla II. Tabla de datos en control estadstico peso galleta.
Datos de muestreo despus de aplicacin de herramientas de calidad
101.80 102.30 102.50 101.30 102.12 102.93 101.60 103.40 102.30 102.30
101.60 103.10 103.20 101.70 101.23 101.90 103.28 102.00 102.30
102.30 101.80 101.34 102.40 102.53 102.80 102.50 101.40 103.20
101.70 101.60 103.00 102.20 101.10 103.20 102.90 102.53 103.33

Figura 6. Grfica de probabilidad normal de datos en control estadstico.

En la Figura 6 se observa un P>0.05 por lo que podemos afirmar que los datos tomados despus de la aplicacin de
las 7 herramientas de la calidad cuentan con una distribucin normal.

Figura 7. Histograma de frecuencias de datos en control estadstico.

En el histograma de frecuencias de la Figura 7 se observa que los datos cercanos a la media presentan una
distribucin de acantilado lo cual nos indica que hay valores que se presentan en menor frecuencia que otros que
forman picos.

48

Rojas, M. et al., Revista Electrnica de Divulgacin de la Investigacin Vol. 8, Diciembre - 2014

Figura 8. Grfica de caja. Determinacin de control estadstico.

En la grfica de caja de la Figura 8, muestra que los valores se muestran homogneamente distribuidos, ya la
mediana est centrada en la caja y la dispersin que muestran los bigotes es simtrica.

Figura 9. Grfica I-MR de datos en control estadstico.

Por medio de este muestreo se puede establecer que se tiene un proceso estable, listo para asegurar el buen
funcionamiento del control estadstico avanzado del proceso lo cual se verifica en la grfica I-MR de la Figura 9.

2.2.6 DEFINICIN DE PARMETROS DE OPERACIN DEL PROCESO

Una vez establecido y eliminada la variabilidad por causas asignables que presenta el proceso, se establecen los
parmetros con lo que se asegura el funcionamiento de las Grficas de Control Estadstico del Proceso T 2 Hotelling.
LCS= 104.559, LCI= 100.014, = 102.286, = 0.6691

2.3 FASE I: DETERMINACIN DEL PROCESO EN CONTROL ESTADSTICO. VARIABLE PESO PAQUETE.
Debido a que dentro de este estudio se propone el anlisis de multivariado, dentro de la fase I de implementacin
es necesario determinar el proceso dentro de un estado de control estadstico. Previamente se realiz para la variable
peso galleta, a continuacin se muestra el procedimiento para la variable peso de paquete.
La grfica de la probabilidad del peso de galleta (Figura 10) podemos observar que los datos se no cumplen con el
supuesto de normalidad ya que se tiene un valor de P0.05 mostrndose ausencia de alineacin conforme a la recta.

49

Rojas, M. et al., Revista Electrnica de Divulgacin de la Investigacin Vol. 8, Diciembre - 2014

Tabla III. Datos de recoleccin para investigar el proceso.

Variable peso de paquete
133.5
133.5
133.8
134.4
133.8
132.9
133.5
129.0
129.0
132.9
129.0
129.0
129.0
133.5
135.9
133.5
136.2

Datos de la variable Peso del paquete

132.0
129.9
132.0
132.0
137.1
131.4
135.0
131.1
132.9
135.9
132.6
137.1
133.5
132.6
135.9
132.3
134.7
129.9
133.8
132.6
133.8
132.6
135.0
131.7
134.1
135.3
133.5
134.4
133.8
132.3
131.4
134.4
132.9
135.3
135.6
135.3
135.9
135.9
133.5
132.9
138.6
136.2
137.7
135.6
134.4
136.8
132.6
133.5
131.4
129.0
129.0
131.1
137.4
132.0
132.6
131.4
135.9
131.7
132.6
137.4
136.5
132.0
135.0
134.1
135.3
132.0
123.9
135.6

132.6
135.3
134.7
136.5
129.0
137.4
134.1
135.6
132.6
135.6
134.7
136.5
129.0
129.0

Figura 10. Grafica de probabilidad de variable Peso de paquete

Figura 11. Histograma de frecuencias. Determinacin de control estadstico.

50

Rojas, M. et al., Revista Electrnica de Divulgacin de la Investigacin Vol. 8, Diciembre - 2014

La informacin que nos provee este histograma (Figura 11) sobre la forma de la distribucin, nos ayuda a verificar
la ausencia de normalidad de los datos. La frecuencia de los datos nos muestra que existen valores muy bajos y
apartados del centro del histograma. Se tienen en el histograma valores repetidos y alejados de la media.

Figura 12. Grfica de caja. Determinacin de control estadstico peso paquete.

En la grfica de caja (Figura 12) podemos observar que se tiene un valor atpico en el muestreo tomado, los bigotes
nos indican una dispersin media de los datos en el Cuartil 1 y 4. El valor mnimo encontrado es de 129.00 y el
mximo de 138.6. La mediana de 133.5 en la representacin de la caja nos indica que est ms apegada al Q2 por
lo que no hay simetra en los datos. Se encuentra un valor atpico de 123.9 que no es representativo de las muestras.

Figura No. 13. Grfica I-MR peso galleta. Determinacin de control estadstico.
En la carta IM-R (Figura 13) en la grfica de rango se tienen valores fuera de los lmites de control, dos puntos
rebasan el lmite de control superior. En la grfica de valores individuales se tiene un valor fuera de los lmites de
control y se observa un patrn de con mucha variabilidad.

2.3.1 ANLISIS
El anlisis de la segunda variable peso de paquete nos muestra que el proceso presenta mucha variabilidad y que
se tienen datos que salen de los lmites de control, se procede a la aplicacin del diagrama de Causa Efecto para
la identificacin de las causas raz y actuar sobre ellas.

2.3.2 APLICACIN DE LA HERRAMIENTA DE CALIDAD. DIAGRAMA DE ISHIKAWA.

Considerando que en el primer muestreo de la variable peso de paquete se tiene un proceso con valores fuera de
control y se requiere que el proceso este estable y normal para continuar con la implementacin de la grfica T2
Hotelling. La lluvia de ideas genera la sealizacin de las siguientes causas principales de la variacin en el peso
de la galleta:

51

Rojas, M. et al., Revista Electrnica de Divulgacin de la Investigacin Vol. 8, Diciembre - 2014

Mano de obra.
1) El personal no est capacitado para controlar el proceso, dependiendo de la supervisin y del encargado de toma
de decisiones. 2) Falta de capacitacin a nuevos ingresos. 2) Desmotivacin. 3) Trabajo repetitivo. 4) Falta de
incentivos. 5) Rotacin de personal.
Mtodos.
1) No se tiene estandarizada la temperatura de secado de chocolate. 2) No se tiene estandarizada la velocidad de
acuerdo al tiempo de secado de chocolate. 3) Cambios repentinos en las cantidades de produccin por turno.
Mquina.
1) No se sigue el plan de mantenimiento. 2) No se lleva control del ciclo de vida de las piezas mecnicas (baleros,
rodamientos y engranes). 3) No se detecta el desgaste de pistones que despachan el merengue.
Materiales.
1) No se tienen registros de la densidad correcta del chocolate que baa las galletas. 2) El merengue, aunque se
mide, presenta cambios de densidad que no permite que se distribuya uniformemente en la galleta. 3) La galleta
horneado presenta exceso de humedad aun despus de pasar por el horno lo cual afecta el peso y firmeza de la
galleta despus de pasar por el horneado.
Diagrama de Ishikawa.
Mano de obra

Material
Personal poco
capacitado

Rotacin de
personal

Trabajo
repetitivo

Desmotivacion
Falta de incentivos

Falla en la
eliminacion de
humedad.

No esta
controlada la
cantidad de
chocolate
Bao de chocolate

Cambios de densidad del merengue

Falta de capacitacin
nuevos ingresos

Variabilidad en
Peso de Paquete
No se sigue plan de
mantenimiento

Desgaste de pistones

Cambios en cantidad
de produccin

Sin mantenimiento
preventivo
Lubricacin

Mquina

Sin
documentacin
de ciclo de vida
Inestabilidad de piezas
de banda

Mtodo

Tiempos no estandarizados
de secado de chocolate
No hay control de
velocidad acorde a
tiempo de secado

Figura 14. Diagrama de Ishikawa. Variabilidad en peso de la galleta.

2.3.4 ESTRATEGIAS IMPLEMENTADAS PARA TENER UN PROCESO EN CONTROL.

Mano de obra:
Se implementa un programa y se establece que los cambios en el proceso se deben autorizar por el supervisor por
escrito. Se implementa un checklist del proceso que debe ser llenado por el supervisor al menos una vez por turno
sobre la situacin de la lnea en funcionamiento. Se implementa un plan de capacitacin en base al DNC (Deteccin
de Necesidades de capacitacin) que se realiza a cada una de las reas, en l se especifica los requerimientos
mnimos que deber de cumplir cada uno de los operadores en la parte de procesos y calidad antes de ingresar al
proceso operativo .
Mtodos:
Se estipula como obligatorio seguir la receta estandarizada de elaboracin de la masa por parte del preparador, y
cualquier cambio ante cualquier eventualidad debe ser registrado por el operador y por el supervisor de la lnea. Se
estipula el seguimiento del MRP para la produccin, de esta manera la velocidad de la lnea se establece desde la

52

Rojas, M. et al., Revista Electrnica de Divulgacin de la Investigacin Vol. 8, Diciembre - 2014

puesta en marcha segn las necesidades de produccin por turno. Se establece tiempo mnimo de amasado y se
realiza un estudio estadstico para definir los valores mnimo y mximo que deber de cumplirse en esta operacin
de secado de chocolate, el cual deber de ser monitoreado a travs de grficos de control que llevar el operador
de lnea y ser validado por su supervisor.
Maquinaria:
Se da inicio al programa de mantenimiento autnomo en algunas reas y equipos especficamente (Balero,
rodamientos, pistones y engranes) este programa inicia con una lista de verificacin diaria, lo anterior para detectar
en que momento los equipos no cumplen con los parmetros que se requieren.
Materiales:
Debido a que las caractersticas de densidad de los materiales (chocolate y merengue) se ven afectadas por cambios
de temperatura y humedad estos materiales se almacenan en un cuarto con condiciones de humedad y temperatura
controlada.

2.3.5 EVALUACIN DE LA APLICACIN DE LA HERRAMIENTA DE CALIDAD.

Con la implementacin del diagrama de Ishikawa (Figura 14) y el compromiso de los trabajadores y directivos de
la empresa se obtiene el control estadstico del proceso. Este control nos permite poder establecer los parmetros y
los lmites de especificacin.
Tabla IV. Datos en control estadstico de peso de paquete.
Datos de muestreo de peso paquete despus de aplicacin de herramientas de calidad
133.8

135.9

133.8

136.5

132.3

131.4

132.0

134.4

137.4

134.3

134.4

133.5

135.9

135.3

135.3

135.6

131.1

135.3

134.1

135.2

133.8

136.2

138.6

131.4

132.0

133.5

137.1

132.9

135.6

132.9

132.0

134.4

135.9

135.9

137.7

132.3

135.6

132.6

133.5

137.1

131.4

132.6

133.8

132.6

132.6

133.5

135.3

132.9

132.9

137.4

132.6

135.0

132.6

131.7

131.1

134.7

133.5

133.5

135.9

135.3

133.5

132.6

134.4

131.4

136.5

Figura 15 Grfica de probabilidad normal de datos en control estadstico.

En la Figura 15 de probabilidad se tiene un P>0.05 por lo que podemos afirmar que los datos que se toman despus
de la aplicacin de las 7 herramientas de la calidad tienen una distribucin normal.

53

Rojas, M. et al., Revista Electrnica de Divulgacin de la Investigacin Vol. 8, Diciembre - 2014

Figura 16. Histograma de frecuencias de datos en control estadstico.

En el histograma de frecuencias de la Figura 16 podemos observar que los datos cercanos a la media presentan una
distribucin de acantilado lo cual nos indica que hay valores que se presentan en menor frecuencia que otros y
forman picos y acantilados en la frecuencia de los datos.

Figura 17. Grfica de caja de datos en control estadstico.

En la grfica de caja de la Figura 17, podemos observar que los valores tienen una variabilidad alta, el rango de
valores es amplio. La mediana se encuentra ms desplazada hacia el Q1 lo que hace que en el Q3 se tenga mayor
acumulacin de datos. La distribucin de los datos no es simtrica.

Figura 18. Grfica I-MR de datos en control

estadstico, peso paquete.
Con la aplicacin del diagrama de Ishikawa se logra eliminar los puntos fuera de control por medio de este muestreo
se puede establecer que se tiene un proceso estable, listo para asegurar el buen funcionamiento del CEP, y se puede
proceder a establecer los parmetros del proceso (ver Figura 18).

54

Rojas, M. et al., Revista Electrnica de Divulgacin de la Investigacin Vol. 8, Diciembre - 2014

2.3.6 DEFINICIN DE PARMETROS DE OPERACIN DEL PROCESO.

Una vez establecido y eliminada la variabilidad por causas asignables que presenta el proceso, y en base al anlisis
posterior del comportamiento de la variable de calidad, se logra establecer los parmetros con lo que se asegura el
funcionamiento de la grfica T2 Hotelling que se implementaran a continuacin. LCS= 140.20, LCI= 128.04 =
134. 12 y = 1.849

2.4 FASE II: EXAMEN

FUTUROS SUBGRUPOS.

PROSPECTIVO; EVALUACIN DEL PROCESO CON DATOS SIMULADOS PARA

Para la evaluacin de futuros subgrupos se generan 200 datos ajustados a la distribucin normal previamente
establecida en la Fase I. Esta simulacin se realiza por medio del programa MATLAB usando el comando
Normrnd. Los datos obtenidos se utilizaran para la implementacin grfica, la cual permitir obtener conclusiones
sobre el comportamiento de las variables crticas que se evalan en este estudio para efectuar el comparativo entre
los grficos univariado y multivariable.

2.4.1 ELABORACIN DE GRFICOS ESTADSTICOS DE PROCESO UNIVARIADO Y MULTIVARIABLE

Figura 19. Grfica I-MR de datos en control estadstico

del proceso peso de galleta.
En la representacin grfica univariable del control de proceso referente al peso de galleta (Figura 19), podemos
observar que los puntos se distribuyen de manera normal, apegados a la lnea de la media y dentro de los lmites
de control generados no se observa alguna tendencia o patrn.

.
Figura 20. Grfica I-MR de datos en control estadstico del
proceso Peso paquete de galleta.
Representacin grfica univariable del control de proceso referente al peso paquete de galleta (Figura 20),
observamos una distribucin normal los puntos se encuentran distribuidos cercanos a la media y no se observan
tendencias todos los datos se encuentran dentro de los lmites generados.

55

Rojas, M. et al., Revista Electrnica de Divulgacin de la Investigacin Vol. 8, Diciembre - 2014

Figura 21. Grfica del proceso multivariable T2.

Peso galleta y Peso paquete de galleta.
Podemos observar la grfica de CEPM (Figura 21) de dos variables en las cuales existe la posibilidad de que estn
correlacionadas, no se observa algn patrn de tendencia, y los valores obtenidos se encuentran cercanos a la
mediana as como tambin estn muy lejanos del lmite de control.

2.4.2 EVALUACIN DE CONTROL ESTADSTICO DEL PROCESO MULTIVARIABLE.

La calidad de un producto o servicio implica consistencia, confiabilidad y cumplimiento de los requerimientos para
lo cual fue diseado, de ah que la variabilidad en esos requerimientos representa una disminucin de calidad. Las
grficas de control para variabilidad (o amplitud) de un servicio tienen como objetivo determinar si las variaciones
(totales) de las muestras de ste se encuentran bajo control o fuera de l, si los puntos que representan dichas
amplitudes se encuentran dentro de los lmites superior e inferior, nos permiten concluir que el servicio est bajo
control.
Entender el CEPM y los conceptos de calidad y variacin, tal como ellos se relacionan con procesos de manufactura,
ahorra recursos mediante la reduccin de desperdicios, re trabajos y otros rechazos.
En caso de que en una grfica de control univariante se detecte una seal fuera de control, el supervisor u operador
puede determinar cul es el problema pero sin considerar las relaciones individuales que existen entre las variables
que se controlan o monitorean.
En una grfica de control multivariable la solucin que se da a este problema est relacionada con ms de una
variable, presentndose adems la posibilidad de que estn correlacionadas. Jackson (1991) propuso el uso de
componentes principales (CP) para monitorear un proceso multivariable. Tracy et al. (1992) extendieron el trabajo
previo y proporcionan un interesante ambiente bivariante en el cual los CP tienen interpretaciones significativas,
los CP se pueden usar para investigar cul de las p variables es responsable de alguna seal fuera de control, hasta
ahora se han propuesto diferentes mtodos que usan anlisis de componentes principales (CP) para interpretar
seales fuera de control la prctica ms comn es usar los k primeros CP significativos, en el caso de que una grfica
de control T2 produzca una seal fuera de control. De acuerdo con Jackson (1991), el procedimiento para monitorear
un proceso multivariable usando (ACP) se resume del modo siguiente: para cada vector de observaciones, se
obtienen los puntajes de los CP y con stos se calcula el T 2. Si se est en control, entonces el proceso contina. Si
se est fuera de control, hay que examinar los puntajes, debe analizarse para encontrar las causas que originaron
esta situacin. Hoy en da existe un creciente inters en el CEPM, es decir control simultneo de varias
caractersticas relacionadas con la calidad de un proceso, problemas de control en la industria pueden afectar ms
de una sola caracterstica. Shewhart (1930), reconoci por primera vez la necesidad de tratar los problemas de
control de calidad en un grfico multivariable, seguido por Hotelling (1940) y Jackson (1985).

56

Rojas, M. et al., Revista Electrnica de Divulgacin de la Investigacin Vol. 8, Diciembre - 2014

3. RESULTADOS
3.1 GRFICAS DE VALIDACIN DE CEPM.
La simulacin de datos permite realizar la implementacin de los grficos para validar los resultados, y permitir
observar y analizar las variables como parte de futuros subgrupos. A continuacin se presentan las grficas I-MR
de ambas variables.

Figura 22. Grafica I-MR de datos simulados

de la caracterstica peso de galleta.
Con la informacin de validacin de la variable peso de galleta podemos observar en la grfica univariable que el
proceso se observa en control los datos tienden a estar cercanos a la lnea central media sin embargo se observa de
manera aleatoria algunos puntos que se acercan al lmite de control inferior.

.
Figura 23 I-MR de datos simulados de la
caracterstica peso de paquete.
Con la informacin simulada podemos observar en la grfica univariable de la variable peso de paquete el proceso
tiende a tener mayor variacin en desarrollo del mismo con cierta tendencia en los datos pero posteriormente se
logra una distribucin de los mismos cercanos a la media, algunos datos tienden al lmite inferior de control.
Para grficas de CEPM la informacin de patrn sistemtico es difcil de interpretar porque el valor T2 est
relacionado con todas las variables. Cualquier patrn sistemtico o no aleatorio indica falta de control estadstico
para el proceso.

3.2 IMPLEMENTACIN DE CEPM

Derivado de este estudio se obtiene como resultado la estructura y definicin de un plan de implementacin de
grficos T2 Hotelling, til en la planificacin de futuros anlisis donde se busque analizar la correlacin entre
variables criticas de calidad.

57

Rojas, M. et al., Revista Electrnica de Divulgacin de la Investigacin Vol. 8, Diciembre - 2014

PLAN DE IMPLEMENTACIN DE T2 HOTELLING

Definir proceso donde se

Implementar el grafico
T2 DE HOTELLING

Identificacin y eleccin
de variables de calidad a
Controlar.

FASE I:
Evaluacin estadstica del
proceso actual.

Supuesto de normalidad
histograma, grfica de
caja,

Grafica X-R-MR,
Eliminar disconformidades
Por medio de 7 herramientas
de calidad

Evaluar estadsticamente el
proceso.

Establecer parmetros de
operacin del proceso
(media, desviacin estndar)
Evaluar proceso en control
por medio de
T2 DE HOTELLING

FASE II:
Monitoreo del proceso
multivariable a travs de CP
(componentes principales)
Investigar cul de las P es
responsable del proceso
fuera de control
Obtener los puntajes de los
CP y calcular el T2
Si esta en control el
proceso contina.

Si esta fuera de control

examinar puntajes y
encontrar causas.

Figura 24 Diagrama de implementacin del GC T2 Hotelling

En la Figura 24 se muestra el diagrama de bloques con los pasos propuestos para la implementacin del grfico de
control multivariable, una vez que se analizaron las condiciones que la empresa presenta en cuanto al proceso de
produccin, variables del proceso y el personal interviniente en el mismo.
A su vez se recomiendan los diferentes niveles de formacin para capacitar a los empleados, previo a la
implementacin de anlisis multivariable en un proceso de produccin:

Se debe proporcionar a los ingenieros de Calidad un nivel avanzado de conocimientos en CEPM

Los ingenieros debern familiarizarse con los pasos mencionados en el plan de CEPM
Capacitar a los analistas de calidad en los conceptos de CEPM para que se realicen correctamente las tareas
relevantes que se les asignen.
El personal operativo debe tener formacin para que tenga la capacidad para recolectar datos as como la
de reaccionar ante un evento de caractersticas fuera de control.

58

Rojas, M. et al., Revista Electrnica de Divulgacin de la Investigacin Vol. 8, Diciembre - 2014

Es de vital importancia que las gerencias estn involucradas en este proceso de capacitacin, objetivos y metas que
se establezcan ya que este involucramiento y participacin facilitara al personal el desarrollo de las actividades que
le correspondan.

4. CONCLUSIONES
El control estadstico de procesos multivariables hoy en da est alcanzando gran importancia debido a los
procedimientos de inspeccin automatizada los cuales facilitan la evaluacin de varios parmetros en cada una de
las unidades de los productos manufacturados. La mayora de las empresas mantienen grandes bases de datos donde
acumulan las evaluaciones realizadas a travs del control estadstico univariable sin embargo la evaluacin que se
realiza es deficiente ya que no se obtiene el impacto de las variables que interactuaron en el proceso.
En el caso de la empresa productora de galletas y en la lnea de produccin de galletas tipo sndwich se puede
observar en las Figuras 4 y13 el comportamiento de puntos fuera de control en el GC presentados, dado que estas
graficas se realizaron en la fase I, previo a la eliminacin de disconformidades por medio de las siete herramientas
de calidad. En las figuras No. 19 y No. 20 se distingue que todos los puntos del GC estn dentro de los lmites de
control, pues se han determinado ya los parmetros de operacin. En la fase II se muestra el monitoreo del proceso
multivariable a travs de CP (componentes principales) por medio de la grfica T2 Hotelling (vase Figura 21),
donde se puede observar que los puntos permanecen dentro de los lmites de control, esto es lo esperado dado que
se realiz previamente la estabilizacin de las variables del proceso.
En el caso de estudio el estadstico T2 de Hotelling resulto sensible a la identificacin de los puntos dentro de
control, tal como lo indica Zertuche (2008) que precisa que cuando los datos provienen de una distribucin normal
multivariada el estadstico referido es representativo del comportamiento del proceso, esto no es as si los datos son
no normales, para ello sugiere se utilicen tcnicas no paramtricas.
Respecto a los grficos de control multivariables, la interpretacin de puntos fuera de control ha sido uno de los
problemas ms difciles de superar, a pesar de que un amplio nmero de investigadores han dedicado importantes
esfuerzos en proponer mtodos para la descomposicin e interpretacin. La revisin bibliogrfica durante los
ltimos aos en el pas indica la existencia de muy pocos trabajos sobre el tema (Fermin, 1999), (Vzquez, Garca,
& Garca, 2004), utilizando el CEPM en plantas industriales. Tomando en cuenta lo anterior el modelo propuesto
en la Figura 24 representa un avance en la implementacin del CEPM en la industria alimentaria del centro del pas.

REFERENCIAS
Alt, F. B. (1985). Encyclopedia of Statistical Sciences. 110-122.
Box, G., & Kramer, T. (1992). Statistical Process Monitoring and Feedback Adjustment- A Discussion.
Technometrics, 243-245.
Chakraborty, S., Van der Laan, P., & Bakir, S. (2001). Non Parametric control chart: an overview and some
results. Journal of Quality Technology, 304-315.
Chias Snchez, P., Lpez Jurez, I., & Vzquez Lpez , J. (2014). Reconocimiento de variables multivariantes
empleando el estadstico T2 Hotelling y MEWMA mediante RNAs. Ingeniera Investigacin y
Tecnologa, XV(1), 125-138.
Fermin, J. (1999). Aplicaciones de grficas de control multivariante para observaciones individuales en el proceso
de elaboracin de harina. Ponencia de la 49va.convencin anual ASOVAC, . Aragua: Universidad
Bicentenaria de Aragua.
Fermn, J. S., Valdiviezo, M., Orlandoni, G., & Berreto, S. (2009). Control estadstico de procesos multivariantes
en la industria alimentaria: implementacin del estadstico T2-Hotelling. Agroalimentaria, 91-105.

59

Rojas, M. et al., Revista Electrnica de Divulgacin de la Investigacin Vol. 8, Diciembre - 2014

Hachicha, W., & Ghorbel, A. (2012, Marzo). Asurvey of control-chart pattern-recognition literature (1991-2010)
based on a new conceptual classification scheme. Computers & Industrial Engineering, 204-222.
Huerga Castro, C., Blanco Alonso, P., & Abad, J. (2005). Aplicacion de los graficos de Control en el Anlisis de
la calidad textil. Pecvnia, Revista de la Facultad de Ciencias Econmicas y Empresariales Universidad
de Len, 1, 125-148.
Jackson , J. E. (1991). An user guide to principal components. New York: John Wiley.
Mason, R. L., Tracy, N. D., & Young, J. C. (1997). A practical approach for interpreting multivariate T2 control
chart signals. ASQ Journal of quality Technology, 396- 501.
Montgomery, D. (2004). Control Estadstico de la Calidad (Tercera edicin ed.). Mxico, D.F.
Stoumbous, Z. G. (2000). The state of statistical process control as we procced into the 21 th century. Journal of
American Statistical Association, 992-998.
Tracy, N., Young, J., & Mason, R. (1992). Multivariate control charts for individual observations. ASQ Journal of
quality Technology, 88-95.
Vzquez, M., Garca, J., & Garca, T. (2004). Efectos sobre la calidad del papel higinico cuando se producen
outliers multivariantes no detectables por los grficos de control univariante. Revista de Ingeniera, 67-77.
Zertuche Luis, F., Cant Sifuentes, M., & Pia Monarrez, M. (2007). Sistema de control multivariado no
paramtrico de procesos. CULCyT, 11-18.

60