[:es]

¿Mi proceso está bajo control? Gráficas de control y cómo detectar desvíos

El Control Estadístico de la Calidad es una poderosa herramienta para analizar cómo está funcionando nuestro proceso. Si bien se asocia habitualmente su aplicación a procesos de manufactura, puede ser utilizada en infinidad de aplicaciones. Uno de los grandes pilares de la Gestión de la Calidad Total (TQM) es la conformidad con las especificaciones. El Control Estadístico de la Calidad o Control Estadístico de los Procesos (SPC, por sus iniciales en inglés) nos permite conocer si el resultado de cualquier proceso que esté bajo análisis cumple con lo especificado o no. Sin mayor profundidad estadística ni matemática intentaremos dar una noción de su importancia y sus aplicaciones. En futuras publicaciones se ahondará más en sus detalles.

¿Cuál es el primer paso? Conocer la variabilidad de nuestro proceso.

Por más controlado que se encuentre nuestro proceso, posee indefectiblemente unavariabilidad de los resultados que produce. Todas las piezas que salen de una lìnea son diferentes, todos los resultados de una campaña de marketing son diferentes, la facturación mes a mes es diferente. Podemos conocer las causas más importantes de esta variabilidad, estimarlas muy bien pero nunca conoceremos exactamente qué sucederá.
Podemos tener comportamientos aleatorios (causas comunes), que podemos representar a través de una distribución estadística. Logrando este comportamiento (mediante la eliminación de las causas sistemáticas o causas asignables), podemos avanzar en el conocimiento de nuestro proceso. Con esto estaremos seguros que la variabilidad del proceso sigue una distribución conocida.

Segundo paso: Eliminar las causas asignables.

Se deben identificar las causas asignables y se deben eliminar. Por ejemplo, si el proceso produce resultados erráticos porque una máquina esta funcionando incorrectamente, se debería reparar. Aquí desaparecería esta fuente de variabilidad que afecta a la distribución habitual.

Tercer paso: Conocer la distribución de las causas comunes

No es factible conocer cuáles son las causas comunes, pero se puede acotar su comportamiento a una distribución estadística. Esto permite contar con un patrón de comportamiento facilitando su análisis. En general, poseen una distribución normal.
La distribución de las causas comunes se caracteriza por 3 parámetros fundamentales:
  • La media. Es el promedio aritmético de las observaciones.
  • La dispersión. El desvío estàndar nos indica qué dispersión tienen los valores de todas las observaciones con respecto a la media.
  • La simetría. Indica si el patrón de la distribución es simétrico con respecto a la media o es sesgado.

¿En qué consiste el Control Estadístico de los Procesos?

Consiste básicamente en medir los resultados de los procesos y determinar si los mismos se encuentran bajo control. Es decir, si los valores obtenidos en las mediciones correspondientes se encuentran dentro de los patrones esperados.
Existen dos maneras de medir la calidad de los procesos:
  • Una es la medición por atributos. Aquí se mide una característica del producto (o servicio) y se determina si es aceptable o no. Es un pasa / no pasa.
  • La otra es la medición por variables. Se mide de manera continua una variable del proceso. Aquí generalmente aparecen todas las variables que tomen valores continuos (por ejemplo: longitud, peso, temperatura, facturación, rentabilidad, número de accidentes, no conformidades, etc).

¿Cómo se utilizan las Gráficas de Control?

Las Gráficas de Control son diagramas ordenados en el tiempo en donde se representan los valores obtenidos durante la observación. Se determina un valor nominal, el que deseamos que la variable tome, el que esperamos.
Luego se determinan dos lìmites de control. Un acotamiento de control superior (UCL) y un acotamiento de control inferior (LCL). Su valores están directamente relacionados con la distribución estadística de la variable.Si los valores observados caen por fuera de estos límites, se considera que nuestro proceso está fuera de control. Se deben identificar las causas asignables que correspondan y se deben eliminar.
Algo importante a observar es que, muchas veces, es positivo que nuestro proceso se vaya por fuera de los límites. Por ejemplo, si lo que estamos graficando corresponde a la rentabilidad de una empresa no habrá problemas en tener puntos por encima del UCL.
Pero no sólo con puntos fuera de los acotamientos se puede determinar que un proceso se encuentra fuera de control. Existen algunos comportamientos predefinidos que siguen un patrón que pueden considerarse propios de un proceso fuera de control.

Procesos bajo control

Un proceso con comportamiento normal debería verse armónico, con suaves variaciones, sin exceder las cotas y sin tendencias. Por ejemplo, la siguiente gráfica corresponde a un proceso bajo control:
Comportamiento Normal – Proceso bajo control

Procesos fuera de control

Existen diversos casos en los que se deben analizar las causas (y actuar sobre ello), en los que se considera que el proceso está fuera de control:

Comportamiento errático
Un punto fuera del lìmite inferior
Un punto fuera del lìmite superior
5 puntos consecutivos bajo la línea central
5 puntos consecutivos sobre la línea central
2 puntos consecutivos cerca del lìmite inferior 
2 puntos consecutivos cerca del lìmite superior
5 puntos consecutivos con tendencia ascendente
 5 puntos consecutivos con tendencia descendente

Errores en su uso

Las gráficas de control son una excelente herramienta orientativa acerca del estado de nuestro proceso. Pero no son infalibles. Podemos cometer errores en los criterios tomados. Existen dos tipos de errores en los que podemos caer:
Errores del Tipo I: Se rechaza un conjunto de datos o lote de buena calidad (que debería haber sido aceptado).
Errores del Tipo II: Se acepta un conjunto de datos o lote de mala calidad (que debería haber sido rechazado).
[:en]Is my process under control? Control charts and how to detect detours
Statistical Quality Control is a powerful tool to analyze how our process is working. Although its application is usually associated with manufacturing processes, it can be used in many applications. One of the great pillars of Total Quality Management (TQM) is compliance with specifications. Statistical Quality Control or Statistical Process Control (SPC) allows us to know if the result of any process under analysis complies with what is specified or not. Without greater statistical depth or mathematics we will try to give a notion of its importance and its applications. In future publications you will delve deeper into its details.

Which is the first step? Know the variability of our process.
However controlled our process is, it inevitably has a variability of the results it produces. All the pieces that come out of a line are different, all the results of a marketing campaign are different, the billing month to month is different. We can know the most important causes of this variability, estimate them very well but we will never know exactly what will happen.
We can have random behaviors (common causes), which we can represent through a statistical distribution. By accomplishing this behavior (by eliminating the systematic causes or assignable causes), we can advance in the knowledge of our process. With this we will be sure that the variability of the process follows a known distribution.

Step 2: Eliminate assignable causes.
Assignable causes must be identified and eliminated. For example, if the process produces erratic results because a machine is malfunctioning, it should be repaired. Here, this source of variability affecting the usual distribution would disappear.

Step 3: Know the distribution of common causes
It is not feasible to know what the common causes are, but its behavior can be limited to a statistical distribution. This allows for a pattern of behavior facilitating their analysis. In general, they have a normal distribution.

The distribution of common causes is characterized by 3 fundamental parameters:
Average. It is the arithmetic average of the observations.
The dispersion. The standard deviation tells us what dispersion the values ​​of all the observations have with respect to the mean.
Symmetry. Indicates whether the distribution pattern is symmetrical with respect to the mean or biased.

What is Statistical Process Control?
It basically consists of measuring the results of the processes and determining if they are under control. That is, if the values ​​obtained in the corresponding measurements are within the expected patterns.

There are two ways to measure the quality of processes:
One is the measurement by attributes. Here a characteristic of the product (or service) is measured and it is determined whether it is acceptable or not. It is a pass / do not pass.
The other is the measurement by variables. A process variable is continuously measured. Here, generally all variables that take continuous values ​​(for example: length, weight, temperature, billing, profitability, number of accidents, nonconformities, etc.) appear.
How are Control Charts used?
The Control Charts are time-ordered diagrams showing the values ​​obtained during the observation. We determine a nominal value, which we want the variable to take, which we expect.
Then two control limits are determined. A higher control edge (UCL) and a lower control edge (LCL). Its values ​​are directly related to the statistical distribution of the variable. If the observed values ​​fall outside these limits, we consider that our process is out of control. Assignable causes must be identified and should be eliminated.
One important thing to note is that, many times, it is good that our process goes off-limits. For example, if what we are plotting corresponds to the profitability of a company there will be no problem in having points above the UCL.
But not only with points outside the bounds can you determine that a process is out of control. There are some predefined behaviors that follow a pattern that can be considered typical of an out of control process.

Processes under control
A process with normal behavior should be harmonious, with smooth variations, without exceeding the dimensions and without tendencies. For example, the following graph corresponds to a process under control:

Normal Behavior – Process under control
Out of control processes

There are several cases in which (And act on it), where the process is considered to be out of control: Erratic behaviorA point outside the lower boundaryA point outside the upper boundary5 consecutive points under the centerline5 consecutive points on the centerline2 consecutive points near Of the lower limit 2 consecutive points near the upper limit 5 consecutive points with upward trend 5 consecutive points with descending tendencyErrors in useThe control charts are an excellent guidance tool about the state of our process. But they are not infallible. We may make mistakes in the criteria taken. There are two types of errors in which we can fall: Type I Errors: A good quality data set or batch (which should have been accepted) is rejected. Type II Errors: A data set or bad lot is accepted Quality (which should have been rejected).[:]

[:es]SPC: ¿Mi proceso está bajo control? Gráficas de control y cómo detectar desvíos[:en]SPC: Is my process under control? Control charts and how to detect detours[:]

Uso de cookies

Este sitio web utiliza cookies para que usted tenga la mejor experiencia de usuario. Si continúa navegando está dando su consentimiento para la aceptación de las mencionadas cookies y la aceptación de nuestra política de cookies, pinche el enlace para mayor información.

ACEPTAR
Aviso de cookies