Está en la página 1de 17

GRAFICAS DE CONTROL

Una de las herramientas de análisis y solución de problemas es la gráfica de


control. Es un diagrama que muestra los valores producto de la medición de
una característica de calidad, ubicados en una serie cronológica. En él
establecemos una línea central o valor nominal, que suele ser el objetivo del
proceso o el promedio histórico, junto a uno o más límites de control, tanto
superior como inferior, usados para determinar cuándo es necesario analizar
una eventualidad.

Partes de un grafico de control


¿Qué logramos con esto?

Imagina que eres un productor de tornillos y que cada tornillo que haces debe
medir entre 3,55 cm y 3,60 cm. Menos de 3,55 cm o más de 3,60 cm se
consideran tornillos defectuosos. Por ende, estableces tu límite de control
superior en 3,60 cm y tu límite inferior en 3,55 cm. Anotas las medidas de los
tornillos que produces a diferentes horas del día. Un día ves que en el gráfico
de control, hay 7 tornillos producidos a las 3 de la tarde que están por fuera de
los límites, ¿qué paso ahí?

La respuesta al primer interrogante es: Adquieres control del proceso.


Siguiendo el ejemplo de los tornillos, el paso siguiente es determinar porqué
ocurrió esa variación en el proceso. ¿Acaso fue una causa aleatoria? ¿Quizás
fue una causa asignable?
Veamos algunos términos antes de conocer qué tipos de gráficas hay.

 Causa asignable: Si consigues hallar una causa concreta o que


ocasiona una variación excesiva y obedece a una situación
especifica, hablamos de causa asignable. Es el tipo de causa que
debemos corregir. Por ejemplo la deficiente capacitación del
trabajador o la falta de ajuste de una máquina.
 Causa aleatoria: Cuando no consigues hallar una explicación
concreta a una variación, o si la variación fue ocasionada por un
evento sin importancia que no se volverá a repetir, hablamos de
causa aleatoria. También se le suelen llamar variaciones naturales
o causas naturales. Es el tipo de causa que esta presente en la
vida misma, fortuita. Ejemplos son la curva de aprendizaje del
trabajador y el cierre inesperado del software.
 Límite superior de control: Es el valor más grande aceptado en
el proceso. En español LSC, en inglés UCL (Upper control limit).
 Limite inferior de control: El opuesto al superior, es decir, el
valor más pequeño. LIC en español, LCL en inglés (Lower control
limit).
 Límite central de control: Con siglas LCC, es la línea central del
gráfico. Entre más cerca están los puntos a la línea, mas estable
es el proceso.
Beneficios: ¿Para qué entonces un gráfico de control?

¿Para qué sirve un diagrama de control entonces?

Con lo que hemos detallado hasta el momento ya tenemos varios beneficios


definidos.

 Análisis de proceso: Puede que nunca se haya hecho un control


estadístico de proceso. Un análisis con gráfico de control donde
estableces los límites de control, te permitirá analizar ese proceso
y determinar qué es lo normal en él, cuando algo no está bien, o
si ha mejorado o empeorado a través del tiempo. Un proceso
analizado con esta herramienta, es un proceso controlado, que es
precisamente el segundo beneficio.
 Control de proceso: Conoces el comportamiento del proceso. ¿Es
estable?, ¿se mantiene? ¿qué tan frecuente se sale de control?
Esto te permite intervenir sobre el proceso para mejorarlo. Este, a
continuación es el tercer beneficio.
 Mejoramiento del proceso: No basta analizar y controlar un
proceso. Es necesario mejorarlo. Con el diagrama de Shewhart
identificamos dónde se generaron las fallas y tenemos datos de
entrada para hacer análisis de causas en aras de plantear
soluciones a las fallas.

Tipos de gráficos de control

La característica de calidad a medir determina el tipo de diagrama de control.


Inicialmente encontramos dos clasificaciones:

Gráfica de control por variables

La característica de calidad que se mide es una variable continúa (peso,


pulgadas, temperatura, etc). Si ese es el caso, podemos encontrar gráficos
basados en la tendencia central ( ) y en el rango.

 Gráfica : Qué tanto se están alejando las mediciones de la


tendencia central, que en este caso es la media o promedio. Por
ejemplo un nuevo trabajador o nuevos instrumentos de trabajo
harán que las mediciones se alejen más de línea central.
 Gráfica R: Qué tanta ganancia o pérdida de uniformidad hay en la
dispersión de un proceso dentro de una muestra. En otras
palabras, el rango es la resta del valor más grande con el valor
más pequeño de una muestra, lo que nos permite determinar la
variabilidad. El valor resultante es plasmado en un gráfico de
control para ser comparado con el rango de otra serie de
muestras. Con esto logramos ver si hay presencia de uniformidad
en los puntos ubicados o si no, para intervenir.
 Gráfica -R: Utilizamos ambos tipos de gráficas cuando se miden
la relación de las especificaciones de calidad con la tendencia
central y la dispersión. En este sentido, ubicamos una gráfica
ligeramente encima de la otra y analizamos el comportamiento
de cada punto.
Gráfica de control por atributos

Piensa en una característica de calidad basada en atributos como el


cumplimiento con respecto a una especificación. Lo hacemos con variables
discretas. De aquí se derivan cuatro tipos de gráficos:

 Gráfico p: En él medimos el porcentaje de defectos por muestra.


Por ejemplo si tenemos una muestra de 100 productos y 10 de
ellos tienen al menos un defecto, hay una fracción defectuosa de
0,1. Este valor se ubica en el gráfico sobre el eje y.
 Gráfico np: A diferencia de p, este valor no es una fracción. Es el
número de unidades defectuosas en una muestra. Si es una
muestra de 100 productos, 10 de ellos tienen al menos un
defecto, 10 será el valor a ubicar en el gráfico sobre el eje y.
 Gráfico c: Es el número de defectos por unidad de producción
durante un período de muestreo. En este caso, los defectos por
producto se cuentan, y establecemos un valor para definir a partir
de cuántos defectos una unidad es defectuosa. Por ejemplo, el
número de zonas desgastadas que tenga una chaqueta de cuero,
si la chaqueta tiene más de 5 zonas desgastadas, se considera
una unidad no conforme.
 Gráfico u: Similar a p pero parte del gráfico c. En él medimos el
porcentaje de defectos en una unidad durante un período de
muestreo.

Cómo hacer un gráfico de control: Paso a paso

Hay diversidad de softwares que tienen funciones para hacer montones de


cosas con cartas de control. Incluso, en empresas de producción, hay
maquinarias que elaboran a medida que producen las cartas de control según
la configuración asignada. Pero en este caso, vamos a explicar cómo hacer un
gráfico de control.

Aún cuando es un paso a paso, si es importante que complementes lo


aprendido aquí con otras fuentes, pues el diagrama de control y en general el
control estadístico de procesos es un tema mucho más grande, que incluye
distribuciones de probabilidad, fórmulas, niveles de sigma, etc.
En todo caso, el control estadístico de procesos es un tema próximo a
desarrollar en detalle en Ingenio Empresa.

 Paso 1. Antes que nada, determina cuál es el proceso a trabajar y


cuál es la característica de calidad que vas a medir. ¿Acaso es
peso, longitud, número de defectos o volumen?
 Paso 2: Ahora que tienes el tipo de datos a recolectar, define el
tipo de gráfico de control a usar basándote en lo explicado
anteriormente, y no te quedes solo con eso, investiga más.
 Paso 3: Determina el tiempo en el que estarás capturando los
datos y define con base en el tipo de gráfico que vas a trazar,
cuestiones como la cantidad de muestras a considerar (considera
al menos 20) y el tamaño de cada una.
 Paso 4: Recopila los datos.
 Paso 5: Determina la línea central y el límite de control superior e
inferior.
 Paso 6: Representa los datos en la gráfica.
 Paso 7: Analiza el resultado. Interpreta el gráfico.

Interpretación de un gráfico de control

Aquí radica la verdadera utilidad de una carta de control. Existen


comportamientos y patrones en los datos representados, que nos darán un
indicio de que hay una variabilidad no aleatoria que debe investigarse.

 Pista 1: Cuando hay solo un punto fuera de control. Es quizá la


más pequeña de las probabilidades.
 Pista 2: Cuando hay dos de cada tres puntos sucesivos ubicados a
un lado de la línea central y más de dos desviaciones estándar
(sigma) alejados de esta línea.
 Pista 3: Cuando hay 4 de cada 5 puntos sucesivos ubicados a un
lado de la línea central y más de una desviación estándar (sigma)
alejados de esta línea.
 Pista 4: Cuando hay una serie de 8 puntos sucesivos ubicados a
un lado de la línea central, sin importar cuántas desviaciones
estándar estén alejados de la línea central. Por ejemplo 8 de cada
10 puntos, 12 de cada 14 puntos o 16 de cada 18 puntos.
 Pista 5: Cuando hay 6 puntos consecutivos ascendentes o
descendientes.
 Pista 6: Cuando hay 14 o más puntos consecutivos cruzando la
línea central de arriba a abajo, sin que haya al menos 2 puntos
sucesivos en un mismo lado.
 Pista 7: Cualquier patrón recurrente que estés observando, puede
ser considerado algo inusual.

Ejemplo de diagrama de control

Vamos a imaginar una empresa que produce escritorios, por ejemplo,


Mesfir. Ellos quieren monitorear el número de defectos en sus mesas
incluyendo el 99,73% (tres desviaciones estándar) de la variación aleatoria del
proceso, por lo que revisan que la forma de la mesa, su estabilidad y la pintura
estén en óptimas condiciones.

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.
Datos recopilados para elaborar gráfico de control
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.

La desviación estándar para la distribución de la muestra se calcula así:


p promedio es el número que calculamos anteriormente, y n es 92,96 que es el
tamaño de la muestra, en este caso el tamaño de los lotes. Como se aprecia en
la tabla del paso 4, el tamaño del lote varia, por lo tanto 92,95 es el resultado
del promedio de escritorios por lote. La desviación estándar es igual a 0,02.

El cálculo de los límites se hace así:

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.

Paso 6: Procedemos a representar los datos en una carta de control.

Con los cálculos hechos, este es el resultado de la gráfica de control de Mesfir.


Ejemplo de gráfica de control: Gráfica p
Paso 7: Analizamos el resultado.

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:

 El punto 12 esta fuera de control. Aunque es una probabilidad


pequeña, bien vale la pena entrar a mirar porqué ocurrió esto.
 Evidentemente algo ocurrió en los lotes 4 a 9. Fija que hay un
aumento constante desde el punto 4 hasta el punto 9, y aunque
se ve corregido en el punto 10, se debe de revisar cómo se
trabajaron estos lotes.
 ¿Qué ocurrió en los puntos 11,12 y 13? Hubo algún suceso que
afectó sobre todo al punto 12 y después fue corregido; es lo más
probable
Ejemplo 1:

Los tornillos para un "kit" de un mueble son producidos de forma continua en


cierto proceso industrial. Un operario va tomando aleatoriamente tornillos de la
cadena de producción y va comprobando si son defectuosos o aceptables. Como
la cadena no tiene un ritmo de producción constante (sigue un ritmo de producción
denominado just-in-time, donde el ritmo de la cadena se va determinando según el
nivel de stock final e intermedio), el ritmo de inspección no es tampoco constante.
El operario, por tanto, no toma siempre

la misma cantidad de diodos para realizar la inspección. La tabla muestra el


tamaño de las muestras recogidas y el número de tornillos que resultaron
defectuosos.

Tornillos Tornillos
Muestra
inspeccionados defectuosos

1 126 8 0,063

2 118 10 0,085

3 122 10 0,082

4 129 9 0,070

5 124 10 0,081

6 136 10 0,074

7 119 9 0,076

8 127 9 0,071

9 114 20 0,175

10 127 11 0,087

11 119 12 0,101
12 115 5 0,043

13 110 11 0,100

14 103 6 0,058

15 108 10 0,093

16 116 4 0,034

17 119 7 0,059

18 118 8 0,068

19 107 10 0,093

20 113 13 0,115

Total : 2370 192 1,628

A ) Se sabe por la información histórica del proceso, que si sólo actúan causas no
asignables (azar), se espera que el 8% de los diodos sean defectuosos. Se quiere
construir un gráfico de control para la proporción de diodos defectuosos. El gráfico
que se muestra . En dicho gráfico puede verse cómo los límites de control, aunque
están usando el mismo valor p =0, 08 tienen distinto ancho, debido a que las
muestras son de distinto tamaño.
Existe un punto fuera de control que habrá que investigar. Algunas
aplicaciones informáticas permiten realizar un gráfico con límites de control que sí
son líneas rectas. Para ello utilizan como tamaño muestral en las fórmulas el
promedio de los tamaños muestrales; es decir, usan, en lugar de ni

B )Cuando no hay un valor de p conocido es necesario estimarlo con unas


muestras iniciales. Estas muestras deben estar recogidas cuando el proceso se
encuentra en estado de control.

Los pasos a seguir para la construcción del gráfico en este caso son:

1.- Tomar k muestras (al menos 20) de tamaño muestral ni (i = 1, . . . , k).


2. Calcular la proporción de artículos defectuosos en cada muestra

en nuestro caso las de la tabla

3. Calcular una estimación del valor poblacional p a través de la proporción total


de defectuosos:

en nuestro caso =192/2370=0,08101

Este valor de constituirá la línea central del gráfico de control. Si durante este
periodo de recogida de información el proceso ha estado bajo control, este
estimador será un buen estimador de p. Este estimador es mejor que promediar

los diferentes valores de , es decir:

en nuestro caso = 1,628/20=0,0814

pues en este promedio no estamos teniendo en cuenta que cada muestra tiene
tamaño muestral distinto y, por tanto, precisión distinta.

4. Calcular los límites de control de manera que si el proceso está bajo control, y
basándonos en la normalidad, sólo 3 de cada mil muestras estén fuera de los
límites. Esto es equivalente, utilizando las propiedades de la distribución normal, a
poner los límites en tres desviaciones típicas. Por tanto, el gráfico de control tiene
las características siguientes:
5. Dibujar el gráfico con la línea central y los límites de control y colocar los

valores ordenados en el tiempo. Si algún valor estuviese fuera de los límites


habría que rechazar dicha muestra y repetir el proceso con las restantes. Una vez
que se tiene un gráfico con todos los valores dentro de los límites pueden

considerarse éstos válidos y puede utilizarse el valor estimado para


posteriores muestras.

El gráfico sería:
En este gráfico se vuelve a apreciar que hay un punto fuera de control. Por
tanto la estimación de p hecha no es adecuada. Si eliminamos la muestra 9 del
análisis y rehacemos el gráfico se tiene la nueva estimación:

y los nuevos límites serán

Y el nuevo gráfico.
En esta ocasión todos los puntos se encuentran dentro de los limites, por lo que la
estimación de p puede utilizarse para controlar el proceso en posteriores
muestras.

Por otro lado , al no ser los límites constantes se ha de tener cuidado para
interpretar tendencias y rachas en estos gráficos. Un procedimiento para
simplificar la interpretación de las gráficos P es el uso de valores estandarizados.
En este caso los valores representados en el gráfico son

donde se utiliza en lugar de p si este valor es desconocido. Para estos valores


transformados se tiene

E(zi)=0
Var(zi)=1

y por tanto el gráfico estandarizado tiene por límites de control ± 3 y linea central
0.

Como puede observarse, la construcción del gráfico se resume a la obtención de


una buena estimación de p. A partir de entonces, y una vez fijada la estrategia de
muestreo (tamaños maestrales , frecuencia, criterios para determinar que una
pieza es defectuosa), lo que hay que hacer para controlar estadísticamente el
proceso es:

1. Tomar una muestra de tamaño ni

2. Calcular los LCS y LCI con ese valor ni y colocarlos en el gráfico

3. Contar el número de piezas defectuosas di y calcular la proporción sobre el total

de la muestra .
4. Colocar este valor en el gráfico y verificar si el proceso está bajo control

En un gráfico P, la capacidad se define como el porcentaje de piezas no


defectuosas que produce el proceso cuando está bajo control. Esta cantidad es (1-
p), por tanto la estimación de la capacidad es

Es posible, sin embargo, encontrar algunos textos donde se utiliza p como medida
de la capacidad.

También podría gustarte