Graficos de Control
Graficos de Control
Graficos de Control
Los gráficos de control, son mecanismos para detectar situaciones donde las causas asignables o previsibles
pueden estar afectando de manera adversa la calidad de un producto.
Un gráfico de control es una herramienta utilizada para distinguir las variaciones debidas a causas asignables
o especiales a partir de las variaciones aleatorias inherentes al proceso. Es decir que los gráficos de control se
utilizan para estudiar la variación de un proceso y determinar a qué obedece esta variación.
Las variaciones debidas a causas asignables o especiales indican que es necesario identificar, investigar y poner
bajo control algunos factores que afectan al proceso.
Un proceso de control es aquel cuyo comportamiento con respecto a las variaciones es estable en el tiempo.
La construcción de gráficos de control está basada en la estadística matemática. Los gráficos de control
emplean datos de operación para establecer límites dentro de los cuales se espera hacer observaciones
futuras, si el proceso demuestra no haber sido afectado por causas asignables o especiales.
Causas Asignables: Factores (generalmente numerosos, pero individualmente de relativa importancia) que se
pueden detectar e identificar como causantes de un cambio en una característica de la calidad o nivel del
proceso.
Causas Aleatorias: Factores generalmente numerosos, pero poco importantes, que contribuyen a la
variación y no han sido necesariamente identificados.
Cuando una gráfica indica una situación fuera de control, se puede iniciar una investigación para identificar las
causas y tomar medidas correctivas.
Los gráficos de control fueron propuestos por W Shewhart en 1920 y en ella se representa a lo largo del tiempo
el estado del proceso que estamos monitoreando. En el eje horizontal (X=de las coordenadas se indica el
tiempo y en el eje vertical (Y) se representa algún indicador de la variable cuya calidad se mide.
Además, existen tres líneas horizontales: EL Límite superior de control (LSC), EL Límite inferior de control (LIC)
y EL Límite central de control (LCC), escogidos de tal forma que la probabilidad de que una observación este
fuera de esos límites sea muy baja, si el proceso está en estado de control.
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 por qué ocurrió esa variación en el proceso. ¿Acaso fue una causa aleatoria?
¿Quizás fue una causa asignable?
Causa asignable: Si consigues hallar una causa concreta o que ocasiona una variación excesiva y obedece
a una situación específica, 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 está 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.
Límite inferior de control: El opuesto al superior, es decir, el valor más pequeño. LIC en español.
Límite central de control: Con siglas LCC, es la línea central del gráfico. Entre más cerca están los puntos
a la línea, más estable es el proceso.
- Para determinar cuándo es necesario ajustar un proceso y cuándo se debe dejar tal y como está.
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.
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.
En estos gráficos el control del proceso se realiza si el producto inspeccionado se clasifica como no conforme
o conforme (defectuoso o no defectuoso), respecto a las especificaciones para la característica de calidad
considerada. Ejemplo: un tornillo es conforme si su longitud está entre 1,9 y 2,1 cm., en caso contrario será no
conforme.
Los gráficos de control por atributos tienen la ventaja de sintetizar de forma rápida toda la información referida
a diferentes aspectos de calidad de un producto, ya que permiten clasificar éste como aceptable o inaceptable;
además, no suelen necesitar de sistemas de medición muy complejos y son más fácilmente entendibles por
los no especialistas.
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.
En los gráficos de control por variables es posible medir la característica de calidad a estudiar. En estos casos
conviene describir la característica de calidad mediante una medida de tendencia central (usualmente la media
muestral) y una medida de su variabilidad (usualmente el rango o la desviación estándar).
Los gráficos de control por variables son más “sensibles” que los gráficos de control por atributos, razón por
la cual son capaces de “avisarnos” de posibles problemas de calidad incluso antes de que éstos sean ya
relevantes.
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 X: 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 X-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.
c) Decidir el subgrupo (una pequeña recopilación de artículos, en el marco de los cuales las variaciones se
deben probable y únicamente al azar), sus dimensiones, y la frecuencia de muestreo del subgrupo.
d) Recolectar y registrar datos sobre 20 ó 25 subgrupos por lo menos, o utilizar datos registrados previamente.
f) Calcular los límites de control sobre la base de las estadísticas de las muestras de subgrupos.
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 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.
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.
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.
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 (1892/20=92.95). 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. Cuando el LIC da negativo se considera 0 y no se marca en el gráfico.
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 está 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 de gráfico de control por Variables: Gráficos X y R.
En una inspección por variables realizada durante 20 días se tomaron 5 muestras por día y se
recopilaron los siguientes datos resumidos en la siguiente tabla:
Muestra 1=32/5 = 6.4, Muestra 2= 32.5/5= 6.5; Muestra 3 =31/5= 6.2 y así sucesivamente… El Rango
de la muestra 1= 6.8- 6.1= 0.7, para la 2= 6.7- 6.0= 0.7 y para la 3= 6.5- 5.7= 0.8 y así sucesivamente
hasta analizar los 20 días y se obtiene la siguiente tabla resumida:
Se pide calcular:
a) La media X
d) Los límites de control superior e inferior para el gráfico R (n=5; D3=0 y D4=2.11)
x
LCI= X A2 R =6.36- 0.58 (0.61)= 6.36 – 0.36= 6.0
El eje vertical del gráfico " X " representa los valores de la media. La diferencia entre el valor
máximo y el mínimo de la escala será por lo menos dos veces la diferencia entre el valor máximo
y el mínimo de X.
El eje vertical del gráfico "R" representa los valores del recorrido. Los valores de su
escala irán desde cero hasta dos veces el valor máximo de R.
- Línea Central.
Marcar en el eje vertical correspondiente a las X , el valor de LCS ꭓ A partir de este punto trazar una recta
x
horizontal discontinua (a trazos). Identificarla con LCS ꭓ .