Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Una gráfica de control es un diagrama que sirve para examinar si un proceso se encuentra en
una condición estable, o para asegurar que se mantenga en esa condición.
En estadística, se dice que un proceso es estable (o está en control) cuando las únicas causas
de variación presentes son las de tipo aleatorio. En esta condición se pueden hacer inferencias
con respecto a la salida del proceso, esto es, la característica de calidad que se esté midiendo.
En cambio, la presencia de causas especiales o asignables hace que el proceso se desestabilice,
impidiendo la predicción de su comportamiento futuro.
La estructura de las gráficas contiene una “línea central” (LC), una línea superior que marca el
“límite superior de control” (LSC), y una línea inferior que marca el “límite inferior de control”
(LIC). Los puntos contienen información sobre las lecturas hechas; pueden ser promedios de
grupos de lecturas, o sus rangos, o bien las lecturas individuales mismas. Los límites de control
marcan el intervalo de confianza en el cual se espera que caigan los puntos.
Consideraciones previas
Antes de establecer una gráfica de control, es necesario definir con claridad los siguientes
puntos: el propósito de la gráfica, el aspecto que se va a considerar, y la unidad de donde se va
a tomar la muestra.
Las gráficas de control son comúnmente utilizadas para monitorear el control estadístico del
proceso o SPC por sus siglas en ingles.
Los gráficos de control o diagramas de control se utilizan para controlar el desarrollo de los
procesos de producción e identificar posibles inestabilidades y circunstancias anómalas.
En resumen, lo que se pretende con este tipo de análisis es controlar los procesos para
asegurarse de que funcionan correctamente. Si la gran mayoría de los puntos mostrados de la
gráfica están dentro de los limites se considera que el proceso está controlado. En el momento
en el que uno o varios puntos aparecen fuera de los límites establecidos o no representan una
distribución estadística gaussiana, se considera que el proceso está descontrolado y comienza
la búsqueda de la causa de su mal funcionamiento.
Paso 1: Se van a contar el número de defectos encontrados en las mesas por lote. Los
lotes pueden variar levemente de tamaño, es decir, puede haber pequeñas variaciones en
el número de mesas que compone un lote de producción.
Paso 2: Se van a trabajar lotes que pueden tener diferente tamaño, y se va a contar el
porcentaje de defectos encontrados por lote (el lote es la muestra), razón por la cual
vamos a trabajar con una gráfica de control por atributos tipo p.
Paso 3: Los datos se van a capturar durante 10 días de producción. Se van a considerar
20 muestras (20 lotes), el tamaño de cada lote lo tienes en el paso 4.
Paso 4: Estos son los datos recopilados. La fracción defectuosa es el resultado de dividir
el número de errores por el tamaño del lote.
Paso 5: Vamos a determinar la línea central y los límites de control superior e inferior.
Vale la pena aclarar que cuando hicimos el ejemplo, consideramos todos los decimales,
sin embargo, en los gráficos y fórmulas que mostramos a continuación, solo
consideramos dos cifras decimales, por lo tanto, seguramente si reproduces el ejemplo
como se muestra a continuación, los resultados van a variar levemente.
Para tener la línea central calculamos p promedio:
Observa la última fila del paso 4. El número de errores es 99, el número total de
registros examinados es 1859 y resulta de la sumatoria del número de escritorios por
lote.
El número de desviaciones estándar se conoce como z. Mesfir (la empresa) limita los
valores a 3 desviaciones estándar de la media, lo que equivale a 99,73%. Es por eso que
en el cálculo de los límites de control, z es igual a 3. Los otros datos ya los conoces,
fueron calculados anteriormente.
¿Podemos tener un número de defectos negativo? No. Es por eso que el límite central
inferior se redondea a 0.
La interpretación de una gráfica de control tiene más sentido cuando se han hecho
varios ejercicios de este tipo, lo que permite determinar qué es normal y qué no lo es en
el comportamiento de la producción. Sin embargo, y basándonos en las pistas antes
mostradas, podemos ver que: