Materia: Control de la calidad

Ingeniero: Jose Martin Galicia

Jesús Alfonso Vázquez García

 Introducción

Uno de los principales parámetros a verificar en la validación de un método analítico es la

exactitud de los resultados proporcionados por dicho método [RIUS, 2000]. La exactitud, suma de
la veracidad y la precisión, se comprueba asegurando la trazabilidad de los resultados
proporcionados por el método analítico a una referencia. Por lo tanto, comparándonos a una
referencia podemos saber si somos trazables a la referencia utilizada en el momento de la
comparación. Pero la comparación a una referencia, como por ejemplo pueden ser los materiales
de referencia certificados (MRC) [RIU, 2005] o los ejercicios interlaboratorio, no se efectúa de una
forma rutinaria en el laboratorio, y pueden pasar meses entre la comparación entre dos
referencias. Por lo tanto, los laboratorios de análisis necesitan algún tipo de herramienta para
asegurar sistemáticamente la trazabilidad de los resultados que proporcionan. Una de las
herramientas más utilizadas son los gráficos (o cartas) de control

Los graficos de shewhart

Los gráficos para el control de productos industriales fueron

desarrollados inicialmente por W. Shewhart en 1931, con el principal
objetivo de investigar si un proceso se encuentra bajo control estadístico.
El elemento clave en los gráficos de control es la muestra de control,
que nos servirá para construir el gráfico y monitorizar el estado del
procedimiento analítico. Esta muestra, que tiene que ser estable con el
tiempo, puede ser:

Interpretación graficos

Los gráficos de control de Shewhart:

principios básicos
Un gráfico de control es una herramienta gráfica que muestra una magnitud de
una característica que ha sido obtenida a través de un proceso de muestreo. El
eje vertical muestra la magnitud, y el eje horizontal representa el tiempo o bien
el número de muestra.
La Línea Central (LC) representa el valor medio de la característica bajo estudio.
Las Líneas Superior e Inferior de Control son unos límites que, si son
sobrepasados, indican que el proceso probablemente ha perdido su estabilidad
estadística y está por tanto probablemente fuera de control. La consecuencia de
esto es que es preciso llevar a cabo una investigación para descubrir la causa de
esta perturbación y llevar a cabo acciones correctivas para eliminarla. Mientras
estos límites no sean traspasados, se asume que el proceso probablemente
está en control estadístico y no es preciso desarrollar acción correctiva alguna.

Los puntos que aparecen en el gráfico son las medidas concretas que en cada
muestra se han ido obteniendo. Es costumbre conectar los puntos de
observación con líneas rectas con objeto de facilitar la visualización.
En el anterior párrafo está resaltada la palabra “probablemente” porque el estar
dentro o fuera de estos límites no nos da certeza sobre el estado de control.

ELECCION DE LOS LIMITES DE CONTROL

Supongamos que tenemos un proceso que responde a una ley normal, como la
del dibujo y hagamos que los límites de control sean los marcados. En esta
situación cualquier valor que obtengamos a la derecha de LCS o a la izquierda
de LCI serán considerados como valores indicativos de estado fuera de control.
Se puede observar a simple vista que las áreas a derecha e izquierda de estos
puntos son significativamente grandes. El proceso subyacente es capaz de
suministrar valores en todo el rango horizontal, por lo tanto los valores en las
zonas I y D son propios del proceso y como no ha cambiado la distribución (el
cambio supondría una nueva distribución, que sería la señal de la aparición de
una causa no constante) son valores “buenos” que nosotros identificaremos
como “malos”. Es decir, se trataría de una falsa alarma, con el efecto pernicioso
de que nos llevaría a realizar una serie de acciones. Con los límites puestos en el
dibujo, sería bastante habitual la generación de estas falsas alarmas y esto no
sería económicamente viable. Este efecto se denomina error Tipo I (dar por
malo algo que es bueno).

Por otro lado, si suponemos que ha entrado en juego una causa no constante,
provocará un cambio en la distribución, por ejemplo un deslizamiento a la
derecha (un corrimiento hacia la derecha de la media). Tenemos ahora una
nueva distribución, pero esta nueva distribución es capaz de entregar
resultados dentro de la “zona buena”, entre los dos límites de control. En este
caso estaríamos interpretando como “bueno” un resultado que es “malo”. Dicho
de otra forma, un valor generado por una distribución con causa asignable no
somos capaces de detectarlo porque nos saldría dentro de los límites de
control. Estaríamos cometiendo aquí un Error Tipo II (dar por bueno algo que es
malo).
Si ahora separáramos las líneas verticales LIC y LCS se ve que la probabilidad
del error tipo I desciende (o sea, hay menos falsas alarmas), y esto nos lleva a
hacer menos “acciones correctivas en falso”, es decir, en circunstancias en las
que no había que haber hecho nada.

En la práctica se toman como límites unas “distancias” de 3 veces la desviación

típica, a derecha y a izquierda de la línea central.
LCI = LC – 3·σ
LCS = LC + 3·σ
El motivo de esta elección es de índole puramente práctica y de naturaleza
empírica: simplemente se ha demostrado a lo largo del tiempo, desde el primer
momento en que Shewhart propuso estos límites, que constituyen buen
intervalo en el que se equilibra la capacidad de control con una limitación del
coste que suponen las falsas alarmas.

Capacidad índice de capacidad

Qué son los índices de capacidad?

Los índices de capacidad son relaciones de la dispersión del proceso y la

dispersión de especificación. Son valores sin unidades, por lo que se pueden
utilizar para comparar la capacidad de procesos diferentes. Algunos índices de
capacidad consideran la media del proceso o el objetivo. Muchos profesionales
consideran que 1.33 es el mínimo valor aceptable para los índices de capacidad;
por otra parte, la mayoría de los profesionales creen que un valor menor que 1 no
es aceptable.

Una empresa fabrica tazones de acero inoxidable con un diámetro de 12 cm. Los
requisitos del cliente indican que el diámetro de los tazones no puede ser menor
de 11 cm ni mayor de 13 cm.

Qué son los índices de capacidad?

Más información sobre Minitab 18 

Los índices de capacidad son relaciones de la dispersión del proceso y la

dispersión de especificación. Son valores sin unidades, por lo que se pueden
utilizar para comparar la capacidad de procesos diferentes. Algunos índices de
capacidad consideran la media del proceso o el objetivo. Muchos profesionales
consideran que 1.33 es el mínimo valor aceptable para los índices de capacidad;
por otra parte, la mayoría de los profesionales creen que un valor menor que 1 no
es aceptable.

Una empresa fabrica tazones de acero inoxidable con un diámetro de 12 cm. Los
requisitos del cliente indican que el diámetro de los tazones no puede ser menor
de 11 cm ni mayor de 13 cm.
Enfoque Taguchi

Cuál es el enfoque de Taguchi?

El enfoque de Taguchi destaca la importancia del control de la calidad Ofi Liney,
por tanto, de un diseno~ apropiado del producto y del proceso. Este enfoque se
basa m¶as en aspectos relacionados con la infraestructura de la calidad que en
aspectos relacionados con la fllosof¶‡a de empresa y estad¶‡stica.

La función de perdida de la calidad, comúnmente llamada función de perdida de

Taguchi (por su creador Genichi Taguchi, en la segunda mitad del s.XX), es una
herramienta de cálculo usada en ingenieria para el control de calidad. Esta
herramienta sirve para evaluar de forma numérica la “pérdida de calidad” en un
proyecto, producto o servicio, con respecto a su nivel de calidad óptimo.

La idea fundamental de las metodologías creadas por Genichi Taguchi son poder

diseñar y fabricar productos en poco tiempo con alta calidad, evitando tener que
usar el método de prueba y error, que es más caro y lento. Para conseguir estas
mejoras, se intentan optimizar los diseños de los productos y de los procesos
de fabricación a través de la ingeniería de calidad y la estadística.

La función de perdida de la calidad de Taguchi

La función de perdida nos ofrece una forma de calcular la “pérdida de calidad” que
sufre un aspecto analizado con respecto al objetivo de calidad que le hayamos
fijado al mismo. Esto significa, que para una característica fijada en nuestro
producto o proceso, la función de pérdida nos dirá cuándo nos estamos alejando
de nuestro objetivo.

La función de perdida es la siguiente:

L = K * (Y – M)^2

Donde…
L es el resultado de la función, medido generalmente en unidades monetarias.
Y es el valor ideal de la característica analizada (nuestro objetivo a alcanzar para
ese parámetro).
M es la media de valores obtenidos de la característica analizada en la situación
real.
K es una constante que se encarga de convertir (Y – M)^2 a unidades monetarias.

Por lo tanto, si para una carácterística analizada, el valor L es de cero, significará

que la calidad obtenida es la calidad deseada (nuestro objetivo). Si L es mayor
que cero, entonces significa que nos estamos alejando del objetivo.
Por ejemplo, si la característica analizada (tiempo de producción, tiempo de
entrega, coste…) queremos que sea Y=30 unids., pero en la práctica estamos
midiendo que de media es M=35 unids., y esta desviación (al cuadrado) supone
un coste de K=5€/unid.^2, entonces L=5*(35-30)^2, o sea L=125€. Conviene tener
en cuenta que al haber una resta al cuadrado el valor de L siempre será mayor o
igual a cero, que Y-M crecerá cuadráticamente y que K debe ser expresado en las
unidades coherentes.

vUsar la función de pérdida para el control de la calidad

En el diseño y fabricación de un
producto todos los parámetros de este y de su proceso de fabricación deben estar
controlados.Una desviación en estos parámetros supone una pérdida en la
calidad, por ello debemos manejarnos en unos rangos donde el producto sea
válido, es decir, poder fluctuar en rangos de acción donde dentro de los mismos el
producto cumpla las características que se especifican. Para ello, puede ser
importante definir cuáles son los parámetros clave donde se pueden dar con
mayor facilidad las perdidas de calidad, y tener más controlados estos parámetros
clave.

Una vez identificados dichos parámetros, procedemos a determinar su situación,

es decir, analizar si L = K * (Y – M)2 es cero o si es un valor alto, para
posteriormente ver qué causa dicha pérdida de calidad buscando el problema raíz.
El siguiente paso es hacer una interpretación de los resultados obtenidos, de este
modo podemos hacer una valoración global de las perdidas de calidad a nivel
económico e implantar soluciones para minimizar estas perdidas a medida de lo
posible.

Más metodologías que te pueden interesar: