Control Estadístico de Procesos y Gráficos de Control: Cómo Determinar si su Proceso Está bajo Control

Por qué la variación es el problema central en el control de calidad

No hay dos productos o resultados de proceso idénticos. Un centro de mecanizado que nominalmente produce un eje de 25,00 mm de diámetro producirá ejes que oscilen entre 24,97 mm y 25,03 mm en condiciones normales, porque el desgaste de la herramienta, las fluctuaciones de temperatura, la variación del material y las pequeñas diferencias de configuración introducen desplazamientos pequeños y aleatorios. Esta dispersión normal es la variación por causas comunes, y es el nivel de ruido base del proceso. Solo puede reducirse cambiando el proceso en sí (herramientas diferentes, control de temperatura más ajustado, mejor clasificación de materiales), no reaccionando a lecturas individuales.

Ocasionalmente una lectura cae bien fuera del rango normal, por ejemplo 25,12 mm. Esto podría deberse a una herramienta desgastada, una configuración incorrecta, una sustitución de material o un fallo de la máquina. Esta es la variación por causas especiales: tiene una causa específica e identificable que puede encontrarse y corregirse. Actuar sobre ella reduce la tasa de defectos; ignorarla no lo hace.

El problema es que sin un marco estadístico, los operadores no pueden distinguir de manera confiable entre estos dos tipos de variación a simple vista. Una lectura de 25,06 mm podría ser el extremo alto de la dispersión normal, o podría ser la señal temprana de una deriva que producirá piezas fuera de especificación en una hora. El CEP proporciona el marco para hacer esa distinción objetivamente.

Cómo funciona un gráfico de control

Un gráfico de control tiene tres elementos clave: una línea central (el promedio del proceso), un límite de control superior (LCS) y un límite de control inferior (LCI). Los límites de control se establecen a tres desviaciones estándar por encima y por debajo de la línea central. En un proceso estable y normalmente distribuido, el 99,73 por ciento de los puntos caerán dentro de estos límites por azar. Un punto fuera de los límites de control es una señal estadística de que algo ha cambiado: la probabilidad de que un proceso estable produzca un punto más allá de tres sigma es solo del 0,27 por ciento, aproximadamente 1 de cada 370 mediciones.

El gráfico de control se actualiza en tiempo real a medida que llegan nuevas mediciones. Mientras todos los puntos caigan dentro de los límites de control y no aparezcan patrones no aleatorios, el proceso se considera en control estadístico y no se necesita ajuste. Cuando aparece una señal (un punto fuera de los límites, o un patrón de racha no aleatorio), el proceso debe detenerse, investigarse la causa especial y corregirse la causa raíz antes de reanudar la producción.

Tipos de gráficos de control

Gráfico X-barra y R (datos variables, subgrupos). El gráfico de control más utilizado para mediciones continuas. Las mediciones se toman en subgrupos (típicamente 4 a 5 lecturas a intervalos regulares). El gráfico X-barra traza el promedio de cada subgrupo; el gráfico R traza el rango (máximo menos mínimo) dentro de cada subgrupo. El gráfico X-barra detecta desplazamientos en la media del proceso; el gráfico R detecta cambios en la dispersión del proceso. Ambos gráficos deben examinarse juntos. Un gráfico X-barra con todos los puntos dentro de los límites de control pero un gráfico R que muestra rangos crecientes indica que la dispersión del proceso está creciendo aunque la media sea estable.

Gráfico X-barra y S. Similar al gráfico X-barra y R pero usa la desviación estándar del subgrupo (S) en lugar del rango. El gráfico S es más sensible a los cambios de dispersión cuando los tamaños de subgrupo son mayores de aproximadamente 10. Para subgrupos pequeños (2 a 8), el gráfico R y el gráfico S funcionan de manera similar; para subgrupos más grandes, se prefiere el gráfico S.

Gráfico de Individuos y Rango Móvil (I-RM). Se usa cuando la formación de subgrupos no es práctica porque solo se toma una medición en cada punto de tiempo (una prueba de laboratorio, un proceso por lotes, una operación de ciclo largo). El gráfico I traza mediciones individuales; el gráfico RM traza el rango móvil entre lecturas consecutivas. Los gráficos I-RM son más sensibles a la no normalidad que los gráficos de subgrupos, por lo que la distribución de las mediciones individuales debe verificarse antes de aplicarlos.

Gráfico p (datos de atributo, proporción defectuosa). Se usa para datos de atributo cuando la métrica es la proporción de artículos defectuosos en una muestra de tamaño variable. Cada muestra produce una proporción no conforme (número de defectuosos dividido por el tamaño de la muestra), que se traza en el gráfico p. Los tamaños de muestra variables se acomodan recalculando los límites de control para cada punto basándose en el tamaño de muestra de ese punto.

Gráfico np (datos de atributo, conteo de defectuosos). Similar al gráfico p pero traza el conteo de artículos defectuosos en lugar de la proporción, y requiere un tamaño de muestra constante. Es más fácil de explicar a los operadores porque el número trazado (conteo de defectuosos) es directamente observable.

Gráficos c y u (datos de atributo, conteo de defectos por unidad). El gráfico c traza el conteo de defectos por unidad de inspección cuando el tamaño de la muestra es constante; el gráfico u traza los defectos por unidad cuando el tamaño de la muestra varía. Estos gráficos se usan cuando cada unidad puede tener múltiples defectos y la métrica de interés es el conteo de defectos, no si la unidad es defectuosa o no.

Señales del gráfico de control: qué buscar

Un único punto fuera de los límites de control es la señal más obvia, pero varios patrones de racha no aleatoria dentro de los límites de control también indican que el proceso ha cambiado. Las reglas de detección más comúnmente usadas incluyen:

• Un punto más allá de tres sigma (fuera de los límites de control)
• Dos de tres puntos consecutivos más allá de dos sigma en el mismo lado de la línea central
• Cuatro de cinco puntos consecutivos más allá de un sigma en el mismo lado de la línea central
• Ocho puntos consecutivos en el mismo lado de la línea central
• Seis puntos consecutivos en tendencia constante hacia arriba o hacia abajo
• Catorce puntos consecutivos alternando hacia arriba y hacia abajo (patrón de sierra, a menudo causado por mezclar dos flujos de proceso o alternando operadores)

Límites de control versus límites de especificación

Una distinción que confunde a muchos profesionales es la diferencia entre los límites de control y los límites de especificación. Los límites de control se derivan del propio proceso (calculados a partir de la variación real de los datos del proceso) y le dicen si el proceso es estadísticamente estable. Los límites de especificación se derivan de los requisitos del cliente o de diseño y le dicen si el producto cumple con el requisito.

Un proceso puede estar en control estadístico (todos los puntos dentro de los límites de control, sin patrones no aleatorios) y aún estar produciendo producto fuera de especificación, si la dispersión del proceso es más amplia que la ventana de especificación. Este es un problema de capacidad del proceso, abordado mediante la mejora del proceso para reducir la variación o desplazar la media. Un proceso también puede estar fuera de control estadístico (señales presentes) y aún producir todas las partes conformes por el momento, si la dispersión del proceso es mucho más estrecha que la ventana de especificación.

Configuración de un gráfico de control en la práctica

La secuencia de configuración para un nuevo gráfico de control es: recopilar 20 a 30 subgrupos de datos del proceso operando bajo condiciones normales y representativas; calcular la línea central y los límites de control de prueba; examinar el gráfico de prueba en busca de señales; investigar y eliminar cualquier causa especial encontrada en los datos de base; recalcular los límites a partir de la base limpia; y luego usar estos límites en adelante para el monitoreo en tiempo real.

Errores comunes en la implementación del CEP

• Usar límites de especificación como límites de control. Los límites de especificación establecidos por ingeniería representan lo que el cliente necesita; los límites de control representan lo que el proceso realmente hace. Usar límites de especificación como límites de control ya sea pierde señales (cuando la especificación es más amplia que la dispersión natural del proceso) o crea falsas alarmas (cuando la especificación es más estricta que la dispersión natural del proceso).
• Trazar mediciones individuales en un gráfico X-barra. Un gráfico X-barra promedia múltiples mediciones por subgrupo, lo que estrecha la variación esperada. Trazar lecturas individuales en un gráfico diseñado para promedios produce límites de control demasiado ajustados, generando constantes falsas alarmas.
• Recopilar subgrupos racionales incorrectamente. Un subgrupo racional debe representar mediciones tomadas bajo condiciones esencialmente iguales, de modo que la variación por causas comunes dentro del subgrupo se minimice y la variación por causas especiales entre subgrupos pueda detectarse. Mezclar mediciones de diferentes turnos o máquinas dentro de un solo subgrupo entierra cambios reales en el ruido.
• Tratar el CEP como un ejercicio de registro en lugar de un sistema de acción. Un gráfico de control que se traza fielmente pero nunca se actúa cuando aparecen señales no proporciona ningún beneficio de calidad. El gráfico solo entrega valor cuando la organización responde a las señales con prontitud y cierra el círculo documentando la causa especial encontrada y la acción correctiva tomada.

Preguntas frecuentes

¿Qué es el Control Estadístico de Procesos (CEP) y por qué se utiliza?

El Control Estadístico de Procesos (CEP) es un método de gestión de calidad que utiliza técnicas estadísticas, principalmente gráficos de control, para monitorear un proceso en tiempo real y detectar cambios que podrían conducir a defectos. Se utiliza porque todos los procesos tienen variación inherente, y el desafío es distinguir entre la variación aleatoria normal que siempre está presente (variación por causas comunes) y la variación inusual que señala que ha ocurrido un problema específico (variación por causas especiales). Sin CEP, los operadores tienden a reaccionar ante cada fluctuación, lo que causa sobreajuste y en realidad aumenta la variabilidad del proceso. Con CEP, el gráfico de control proporciona un umbral estadístico objetivo: los puntos dentro de los límites de control son ruido normal, los puntos fuera (o los patrones no aleatorios dentro) son señales que justifican investigación. El CEP se usa en fabricación, atención médica, servicios financieros y cualquier otro proceso donde la consistencia y la prevención de defectos son importantes.

¿Cuál es la diferencia entre la variación por causas comunes y la variación por causas especiales?

La variación por causas comunes (también llamada variación natural o ruido) es la variación aleatoria inherente a un proceso estable. Resulta de muchas fuentes pequeñas e independientes que siempre están presentes: pequeño desgaste de herramientas, fluctuaciones de temperatura ambiente, pequeñas diferencias de materias primas y sutiles diferencias entre operadores. La variación por causas comunes solo puede reducirse cambiando el proceso en sí, no reaccionando a lecturas individuales. La variación por causas especiales (también llamada variación de causa asignable) es una variación inusual causada por un evento específico e identificable: una herramienta desgastada, un lote de material no conforme, un error de configuración del operador, un fallo de la máquina o un cambio en los parámetros del proceso. La variación por causas especiales puede y debe investigarse y corregirse cuando aparece. La distinción importa porque la respuesta correcta a cada tipo es opuesta: reaccionar a la variación por causas comunes aumenta la variabilidad; ignorar la variación por causas especiales permite que se acumulen los defectos.

¿Cómo se calculan los límites de los gráficos de control?

Los límites de control se calculan a partir de los datos del proceso recopilados durante un período de base de operación estable, típicamente 20 a 30 subgrupos. Para un gráfico X-barra y R, la línea central del gráfico X-barra es el gran promedio de todos los promedios de los subgrupos; la línea central del gráfico R es el rango promedio de todos los subgrupos. Los límites de control superior e inferior para el gráfico X-barra se calculan como el gran promedio más o menos un factor A2 (que tiene en cuenta el tamaño del subgrupo) multiplicado por el rango promedio. El límite de control superior para el gráfico R es D4 multiplicado por el rango promedio; el límite de control inferior es D3 multiplicado por el rango promedio (para subgrupos de 6 o menos, D3 es cero, por lo que solo se aplica un límite de control superior). Los factores A2, D3 y D4 son constantes tabuladas que varían con el tamaño del subgrupo. El resultado son límites de control establecidos a aproximadamente tres desviaciones estándar de la línea central, lo que significa que un proceso estable tendrá el 99,73 por ciento de sus puntos dentro de los límites por azar.

¿Cuál es la diferencia entre un gráfico X-barra y R y un gráfico I-RM?

El gráfico X-barra y R se usa cuando las mediciones pueden agruparse en subgrupos racionales (múltiples lecturas tomadas bajo condiciones esencialmente idénticas en cada punto de tiempo). El gráfico traza el promedio del subgrupo (X-barra) y el rango del subgrupo (R). Promediar dentro del subgrupo reduce la variabilidad a corto plazo en el punto trazado, haciendo que el gráfico sea más sensible a los desplazamientos sostenidos en la media del proceso. El gráfico I-RM (Individuos y Rango Móvil) se usa cuando solo una medición está disponible en cada punto de tiempo, como en procesos por lotes, operaciones de ciclo largo o pruebas destructivas donde solo es factible una muestra por período. El gráfico I traza mediciones individuales; el gráfico RM traza la diferencia absoluta entre lecturas consecutivas como proxy de la variación a corto plazo. Cuando el intervalo de medición es suficientemente corto para permitir múltiples lecturas, se prefieren los subgrupos y el gráfico X-barra y R. Cuando solo hay una lectura disponible por período de tiempo, el gráfico I-RM es la opción apropiada.

¿Cómo difieren los límites de control de los límites de especificación?

Los límites de control y los límites de especificación responden preguntas diferentes. Los límites de control se calculan a partir de los datos reales del proceso y responden la pregunta: ¿se está comportando este proceso de manera consistente, de la manera en que lo ha hecho en el pasado? Un punto fuera de los límites de control significa que el proceso ha cambiado estadísticamente. Los límites de especificación son establecidos por ingeniería o el cliente y responden la pregunta: ¿cumple este producto con el requisito? Una medición fuera de la especificación significa que la pieza no es conforme. Los dos conjuntos de límites pueden ser muy diferentes. Un proceso con variación natural ajustada tendrá límites de control mucho más estrechos que la especificación; puede cumplir la especificación fácilmente. Un proceso con variación natural amplia tendrá límites de control que se superpongan o excedan la especificación; producirá partes no conformes incluso cuando esté estadísticamente en control. Los índices de capacidad del proceso como Cp y Cpk miden cómo se relacionan los límites de control con los límites de especificación.

¿Cuándo deben recalcularse los límites de control?

Los límites de control deben recalcularse cuando se ha realizado una mejora deliberada y verificada en el proceso: se instalan nuevas herramientas, se ajustan las especificaciones de materias primas, se cambia permanentemente un parámetro del proceso o se revisa el equipo. Después del cambio, debe recopilarse un nuevo período base de 20 a 30 subgrupos bajo las nuevas condiciones del proceso, y calcularse nuevos límites de control a partir de estos datos. Los límites de control no deben recalcularse simplemente porque el proceso haya derivado o porque haya aparecido una señal fuera de control. Recalcular los límites para acomodar una deriva destruye la capacidad del gráfico para detectar esa deriva en adelante. Si el proceso ha mejorado genuinamente con el tiempo, unos límites de control más ajustados reflejarán esa mejora; si los límites siguen siendo los mismos pero el proceso se ha deteriorado, el gráfico señalará con más frecuencia, que es el comportamiento correcto e intencionado.