Ciudad de Panamá • info@lean6sss.com • lean6sss.

com

El Control Estadístico de Procesos

El Control Estadístico de Procesos (SPC, por sus siglas en inglés, Statistical Process Control) es una
metodología que se utiliza en la gestión de la calidad para monitorear, controlar y mejorar los procesos de
producción y manufactura. El SPC se basa en el uso de técnicas estadísticas para comprender y gestionar
la variabilidad en un proceso.

Los objetivos principales del SPC son:

1. Monitorear el Proceso: El SPC se utiliza para recopilar datos de muestra de un proceso a lo largo
del tiempo. Estos datos se utilizan para monitorear y registrar cómo se comporta el proceso,
identificar tendencias o desviaciones, y detectar cualquier variación inusual.
2. Controlar el Proceso: El SPC permite establecer límites de control, que son rangos estadísticos
dentro de los cuales se espera que el proceso opere de manera consistente y predecible. Cuando los
datos recopilados se encuentran dentro de estos límites, se considera que el proceso está "bajo
control". Cuando los datos se desvían de estos límites, se considera que el proceso está "fuera de
control", lo que indica que se requiere una acción correctiva.
3. Mejorar el Proceso: Si se detectan problemas en el proceso, el SPC proporciona una base de datos
para analizar y abordar las causas subyacentes de las variaciones no deseadas. Esto puede llevar a
la identificación de áreas de mejora y la implementación de soluciones que reduzcan la variabilidad
y mejoren la calidad del producto o servicio.

El SPC se basa en el uso de herramientas estadísticas como gráficos de control (como el gráfico de control
X-barra y el gráfico R), histogramas, análisis de capacidad del proceso y otras técnicas de análisis de datos.
Estas herramientas ayudan a los equipos de calidad y producción a tomar decisiones basadas en datos,
reducir el desperdicio y garantizar que los productos o servicios cumplan con los estándares de calidad
predefinidos.

Datos y Variación
• Los datos pueden decirnos qué tan bien o qué tan mal se está llevando a cabo el proceso.
• Esta información nos permite comparar y evaluar cómo se está comportando el proceso, y como
debe comportarse en el futuro.
• Tanto los datos de las variables como los datos de los atributos nos dicen algo sobre el proceso.
 Ciudad de Panamá • info@lean6sss.com • lean6sss.com

Causas Comunes o Causas Especiales.

La variación de causa especial se refiere a cualquier fuente de variación que no sea aleatoria o inherente al
proceso. Estas variaciones pueden ser debidas a factores como el desgaste de la maquinaria, cambios en la
calidad de los insumos, errores humanos, fluctuaciones en las condiciones ambientales, entre otros. Al
aplicar el enfoque 6 Sigma, uno de los objetivos es identificar y reducir la variación de causa especial.

A diferencia de la variación de causa especial, que es causada por factores no inherentes al proceso, la
variación de causa común se refiere a la variación inherente en un proceso, que es causada por factores
comunes y naturales que están presentes en cualquier proceso, como pequeñas fluctuaciones en la materia
prima, condiciones ambientales, habilidades y experiencias de los trabajadores, entre otros.

1. Es generada por situaciones o circunstancias especiales que no están permanentemente en el

proceso. Por ejemplo, la falla ocasionada por el mal funcionamiento de una pieza de la máquina, el
empleo de materiales no habituales o el descuido no frecuente de un operario.

2. Un cambio en la cantidad de tiempo que se necesita para conducir la misma ruta de trabajo cada
día podría ser un ligero cambio en la cantidad de tráfico de un día a otro.

3. Un cambio repentino en las leyes o regulaciones gubernamentales puede requerir que la

organización modifique sus procesos administrativos para cumplir con los nuevos requisitos. Esto
puede causar retrasos y desafíos en la implementación de los cambios.

4. Un componente crítico del equipo o un sistema de tecnología clave experimenta un fallo imprevisto.
Esto podría incluir un fallo en el servidor, una caída de la red o un mal funcionamiento del software
esencial.

5. A pesar de los esfuerzos por mantener altos niveles de precisión, es normal que se produzcan errores
ocasionales en la entrada de datos o la captura de información. (Errores de entrada de datos
aleatorios)

6. Los retrasos o malentendidos en la comunicación entre diferentes departamentos o equipos pueden

llevar a demoras en la respuesta a solicitudes o en la ejecución de tareas. (Retrasos en la
comunicación interna)

7. Un cambio repentino en la dirección, como la renuncia de un ejecutivo de alto nivel, puede generar
incertidumbre y desorden en los procesos administrativos mientras se ajusta la estructura
organizativa y las responsabilidades.

Para hacer productos o brindar servicios de calidad, tenemos que luchar contra la variación en el
proceso.
• Alguna variación en un proceso es inevitable.
• La variación en un proceso tiende a formar un patrón, que puede ayudarnos a predecir cómo se
llevará a cabo el proceso.
 Ciudad de Panamá • info@lean6sss.com • lean6sss.com

Histograma
Un histograma es una representación gráfica de un conjunto de datos que muestra la distribución de valores
dentro de ese conjunto. Se utiliza comúnmente en el control estadístico de procesos (SPC) y en otros campos
para comprender la tendencia central, la dispersión y la forma de los datos. En el contexto de la metodología
6 Sigma, los histogramas son herramientas valiosas para analizar la variación del proceso e identificar
posibles áreas de mejora.

Propósito en el Control Estadístico de Procesos (SPC): En el

SPC, el propósito principal de un histograma es evaluar la
variación dentro de un proceso. Ayuda a comprender la
distribución de datos, lo cual es fundamental para determinar si un
proceso está operando dentro de límites aceptables (en control) o
si hay variaciones que deben abordarse (fuera de control).

Cómo crear e interpretar un histograma en el contexto de 6

Sigma: Los histogramas también pueden ayudar a identificar la
presencia de valores atípicos o anomalías en los datos, lo que
puede indicar problemas en el proceso.

1. Cálculo del Número de Intervalos:

• El número de intervalos (bins) es importante porque determina la granularidad de su
histograma. Si tiene muy pocos bins, es posible que no capture las características
subyacentes de la distribución; si tiene demasiados, el histograma puede parecer demasiado
ruidoso.
• Un método comun para calcular el número de bins es:
1. Regla de la raíz cuadrada: Número de bins ≈ √(n), donde 'n' es el número
de puntos de datos.
 Ciudad de Panamá • info@lean6sss.com • lean6sss.com

2. Cálculo del Ancho de los Intervalos:

• Una vez que haya determinado el número de bins, puede calcular el ancho de cada
intervalo. Simplemente divide el rango de los datos por el número de bins. El rango es la
diferencia entre el valor máximo y el valor mínimo en el conjunto de datos.

3. Interpretación del Histograma:

• Una vez que haya creado el histograma, puede interpretarlo para obtener información
sobre su proceso.
• Observa la forma de la distribución. Las formas comunes incluyen normal (forma de
campana), sesgada (positiva o negativamente) y multimodal.
• Examina la tendencia central de los datos identificando el pico (modo) del histograma.
• Evalúa la dispersión de los datos observando el ancho de la distribución y la altura de las
barras en cada intervalo.
• Busca valores atípicos o patrones inusuales en las colas de la distribución.
Ciudad de Panamá • info@lean6sss.com • lean6sss.com
 Ciudad de Panamá • info@lean6sss.com • lean6sss.com

El histograma puede indicarle si el proceso es capaz de producir productos dentro de las especificaciones.

Es decir, ¿está el patrón de la distribución del proceso dentro de los límites de especificación?
• Una especificación nos da un criterio por el cual juzgaremos si el producto es aceptable o no.

Si la dispersión es mayor que los límites de las

especificaciones, el proceso no es capaz.

Tenga en cuenta que un proceso puede ser capaz pero aun así no cumple con las especificaciones. Esto
suele ocurrir cuando la distribución cambia de alguna manera, mientras que la dispersión permanece igual.
Debemos centrar este proceso para que cumpla con las especificaciones.

En otras situaciones, puede que no sea posible ajustar el proceso. En ese caso, no se puede llamar al
proceso “capaz”.
 Ciudad de Panamá • info@lean6sss.com • lean6sss.com

Capaz, dentro de la especificación, sin margen de error

En este caso, este histograma encaja justamente dentro de las especificaciones.

Cualquier cambio en el proceso, por leve que sea, causará defectos en la producción.
 Ciudad de Panamá • info@lean6sss.com • lean6sss.com

Observación: Decimos que el proceso no es capaz si la anchura del histograma es mayor que los límites
de la especificación.

Actividad 1
Ciudad de Panamá • info@lean6sss.com • lean6sss.com
 Ciudad de Panamá • info@lean6sss.com • lean6sss.com
-----------------------------------------------------------------------------------------------------------------------------

Datos Variables y de Atributo

Las variables y los datos de atributo son dos tipos de datos que se utilizan en la recopilación y análisis de
información en estadística y control de calidad. Cada uno se refiere a diferentes tipos de características o
medidas dentro de un conjunto de datos.

1. Variables:
• Las variables se refieren a características o medidas que pueden tener un valor numérico y
variar de un elemento a otro en un conjunto de datos. Estas características son cuantitativas
y continuas.
1. Ejemplos de variables incluyen la temperatura, el peso, la altura, el tiempo de
entrega, la concentración de un químico en una muestra, etc.
2. Las variables pueden tomar una amplia gama de valores dentro de un rango
específico, y se utilizan herramientas estadísticas como promedios, desviaciones
estándar y gráficos de dispersión para analizar y describir su comportamiento.

2. Datos de Atributo:
• Los datos de atributo se refieren a características o medidas que no son numéricas, sino
que representan categorías, etiquetas o atributos cualitativos. Estas características son
discretas.
1. Ejemplos de datos de atributo incluyen el tipo de defecto en un producto (defecto
de pintura, defecto de embalaje), la marca de un automóvil (Toyota, Ford, Honda),
etc.
1. Los datos que se cuentan en lugar de medirse (por ejemplo, una parte es
aceptada o no, ir / no ir, sí / no, pasar / fallar o bueno / malo) estos son
denominados como datos de atributo.
2. Los datos de atributo se analizan utilizando técnicas de análisis de frecuencia,
gráficos de barras, y se suelen expresar en términos de porcentajes o proporciones
en lugar de valores numéricos.

En el contexto del control de calidad, tanto las variables como los datos de atributo se utilizan para evaluar
la calidad de productos o procesos. La elección entre utilizar uno u otro depende de la naturaleza de la
característica que se está midiendo. Por ejemplo, si estás controlando la longitud de piezas de metal en una
fábrica, estarías trabajando con una variable, mientras que si estás clasificando productos defectuosos en
diferentes categorías de defectos, estarías trabajando con datos de atributo.

Ejemplo de Variables
Supongamos que estás midiendo la temperatura de una muestra de agua en grados Celsius. Cada vez que
tomas una medición, obtienes un valor numérico que puede variar continuamente. Los datos que recopilas
en este caso son variables porque representan una propiedad cuantitativa que puede tomar una amplia gama
de valores dentro de un rango específico. Puedes calcular promedios, desviaciones estándar y otros
estadísticos para describir la variabilidad en las mediciones.
• Medición 1: 25.5°C
• Medición 2: 26.1°C
• Medición 3: 25.8°C
• Medición 4: 26.3°C
 Ciudad de Panamá • info@lean6sss.com • lean6sss.com

Ejemplo de Datos de Atributo

Imagina que estás inspeccionando productos electrónicos para identificar defectos específicos. Los tipos de
defectos que puedes encontrar se clasifican en categorías, y los productos defectuosos se asignan a una de
estas categorías. Estás trabajando con datos de atributo porque los datos representan la categoría de defecto,
no un valor numérico continuo.
• Producto 1: Defecto de pintura
• Producto 2: Defecto de embalaje
• Producto 3: Defecto de pintura
• Producto 4: Sin defectos

En este caso, los datos se expresan en términos de categorías (defecto de pintura, defecto de embalaje, sin
defectos), y se utilizan técnicas de análisis de frecuencia para contar la cantidad de productos en cada
categoría. (Ejemplo: Gráfico de Pareto)
 Ciudad de Panamá • info@lean6sss.com • lean6sss.com

Datos Variables y de Atributo

• Tanto los datos de atributo como los de variables pueden utilizarse para supervisar un proceso
• Cuando los datos se recopilan y se ven, lo que se pensaba que era un proceso constante se puede
demostrar que presenta pequeñas fluctuaciones o cambios.

Utilice la Gráfica U para monitorear el número de Grafica Xbarra del proceso en el tiempo. Utilícese para
defectos por unidad cuando cada elemento pueda tener rastrear el nivel del proceso y detectar la presencia de
múltiples defectos. causas especiales que afecten la media.

Grafica el rango del proceso en el tiempo. Utilícese para

rastrear la variación del proceso y detectar una variación
inesperada.
Ciudad de Panamá • info@lean6sss.com • lean6sss.com
Ciudad de Panamá • info@lean6sss.com • lean6sss.com