Introducción

De acuerdo con SPC Consulting group, “las gráficas de control son diagramas que sirven para examinar si un proceso se encuentra en una condición estable, o para asegurar que se mantenga en esa condición” (s.f.). Estos diagramas son fundamentales para el estudio de control, puesto que proporcionan un acceso visual a información que es más complicada de atender en formato de texto.

Las gráficas de control son una herramienta estadística ampliamente valorada en la industria, sobre todo en la automotriz. Lo anterior se debe a que ofrecen un parámetro visual del estado de los procesos: presenta las señales y tendencias, así como el diagnóstico del comportamiento respecto al tiempo. Con estas acciones es posible identificar las fuentes de variación y, por lo tanto, detectar problemas.

En este tema aprenderás los tipos de gráficas de control de acuerdo con los datos que presentan, sus elementos y cómo estos interactúan para verificar si el proceso ha mejorado.

Explicación

Control por variables

De acuerdo con AIAG (2005), las gráficas de control por variables son útiles por las siguientes razones:

El estudio de estos diagramas a través de pares facilita el análisis del rango de variación y el promedio del proceso mismo. El par más usado, por convención y manejo, son las gráficas de promedios y rangos, también conocidas como gráficas x̄ y R.

Los pares de gráficas más comunes son:

Figura 1. Elementos para la selección de una carta de control para variables. Fuente: Gutiérrez Pulido, H., y De la Vara Salazar, R. (2008). Control estadístico de la calidad y Seis Sigma (2^a ed.). México D.F.: McGraw-Hill.

En la figura 1 se observa que el uso de cada uno de estos diagramas sigue los supuestos presentados. Su elección se adecúa al tamaño de muestreo (n), así como al uso que se le dará a la representación visual del comportamiento de los datos.

Control por atributos

De acuerdo con AIAG (2005), las gráficas de control por atributos son separadas en distintas categorías, por ejemplo: conforme/no conforme, pasa/no pasa, aprueba/falla, bajo/medio/alto. A pesar de ser menos comunes en la práctica, estas gráficas suelen ser provechosas por los siguientes motivos:

• Las situaciones de datos de atributos son útiles en situaciones de diversa índole, por ejemplo, en procesos técnicos o administrativos. El reto es desarrollar definiciones precisas conforme a la información disponible.
• Los datos de atributos se encuentran disponibles en múltiples situaciones (inspecciones, bitácoras de reparación, clasificaciones de material, etcétera). No implica esfuerzos o inspecciones adicionales para obtener la información, solo se requiere convertir los datos para procesarlos en una gráfica de control.
• En el caso de que no existan datos o mediciones previas, la aplicación de las gráficas a través de un gage (pasa/no pasa) o de una inspección visual, las convierte en una alternativa más rápida y económica en comparación con los datos de variables.
• Muchos de los datos recolectados para reportes administrativos contienen información de atributos, por ejemplo, proporciones de scrap/desperdicios, auditorías de calidad y reportes por rechazos de material. Los datos de atributos se pueden observar en una gráfica de control y son útiles para identificar causas especiales y crear reportes administrativos sustanciosos.

Las principales gráficas de atributos son:

Figura 2. Elementos para la selección de una carta de control de atributos. Fuente: Gutiérrez Pulido, H., y De la Vara Salazar, R. (2008). Control estadístico de la calidad y Seis Sigma (2^a ed.). México D.F.: McGraw-Hill.

Con base en la figura 2, se observa que los diagramas coadyuvan a la interpretación precisa de la voz del proceso. Esta labor depende del tamaño de subgrupo (si es fijo o variable), así como del uso que se le quiera dar a la gráfica y de cómo se desee su visualización (esto debido a que las del tipo np y c suelen ser más fáciles de entender que las p y u).

Elementos

Existen distintos formatos y formas de representar una gráfica de control. Todas son aceptables siempre y cuando cumplan con los siguientes elementos:

• Escala apropiada:

Se debe seleccionar la escala adecuada para visualizar la variación del proceso y los cambios conforme a los subgrupos. Una gráfica errónea de este tipo sería estrecha o con una gran cantidad de subgrupos en un espacio angosto.

Esta imagen se obtuvo directamente del sitio electrónico   https://www.aiag.org/store/publications/details?ProductCode=SPC-3
solo para fines educativos.

• Límites de control y línea central:

Es necesario determinar el rango donde se estará identificando la variación por causas comunes. Los límites de control toman como base la distribución presente en las muestras y deben visualizarse en forma de líneas, tanto el límite superior (UCL) como el límite inferior (LCL). Hay que prestar atención para no confundir los límites de control con los límites de especificación (los cuales pueden ser obtenidos directamente del dibujo o del plan de control). Por otro lado, la línea central es la base de la distribución del muestreo y usualmente se representa por los promedios estadísticos.

Esta imagen se obtuvo directamente del sitio electrónico  https://support.minitab.com/es-mx/minitab/20/help-and-how-to/quality-and-process-improvement/control-charts/supporting-topics/basics/understanding-control-charts/ solo para fines educativos.

Secuencia de tiempo de los subgrupos

Se basa en la separación de los datos con el objetivo de observar el tiempo específico, o bien, de percatarse de cuándo se presenta una causa especial. A su vez, ayuda a reconocer si la causa tiene relación periódica o si fue un evento puntual. En resumen, es la identificación respecto al número de subgrupo en el que se encuentran los puntos.

• Identificación de valores fuera de control graficados:

Señalización adecuada de los puntos fuera de los límites de control. Este punto se refiere a la correcta señalización de los subgrupos que se encuentran influidos por alguna causa especial.

Esta imagen se obtuvo directamente del sitio electrónico    https://support.minitab.com/es-mx/minitab/20/help-and-how-to/quality-and-process-improvement/control-charts/supporting-topics/basics/what-are-control-limits/ solo para fines educativos.

• Bitácora de eventos:

En la bitácora de eventos se asienta un registro para el control estadístico de procesos de alguna variable. Este es uno de los medios en desuso dentro de la industria automotriz. En ellas se anota información de soporte, hechos, eventos especiales, posibles fuentes de variación y las acciones preventivas y correctivas realizadas. Estos instrumentos contienen el número de subgrupo y una breve descripción de lo que se percibió durante las muestras. Por ejemplo: colocar el turno en el que se efectuaron las mediciones, números de lote, operadores a cargo, ausentismo del operador titular, gage detectado fuera de calibración, ajustes en máquinas o cambios de modelo.

En tema de auditorías es muy común que, al detectar puntos fuera de los límites de especificación, se solicite ver la bitácora de eventos, o al menos las acciones que se llevaron a cabo. El incumplimiento de esta acción podría representar una inconformidad.

Otros tipos de gráficas de control

Este tipo de gráficas fueron desarrolladas para condiciones específicas en las que ninguna de las otras se adecuaba completamente. Para este tema, revisarás las gráficas más comunes que no corresponden con las que son por variables o atributos.

• Gráficas con base en probabilidades:

Existen dos tipos: el pre-control y el control por luces de alto/stop. Ambas utilizan el sistema de colores y el muestreo doble para designar los momentos de notificación a los encargados de hacer ajustes dentro del proceso. En ambos casos se tienen ciertas reglas dependiendo de las zonas donde radica el valor y los pasos a seguir. Estas gráficas son valoradas en la integración del control estadístico de procesos.

De acuerdo con AIAG (2005), las principales diferencias son las siguientes:

Control por luces de alto/stop:

• Las áreas se definen de acuerdo con la estadística básica: el área verde es la línea central (promedio) ± 1.5 de desviación estándar, la parte restante se ubica dentro del área amarilla, mientras que el área roja corresponde a lo que sale de los límites de control (distribución de proceso).
• Tiene como supuesto que el proceso está en control estadístico, el desempeño es aceptable y el proceso se encuentra conforme a la meta.
• Puede ser variable o con atributos.
• Aunque todas las gráficas de control contienen posibilidad de enviar falsas alarmas, la desventaja de este tipo es que incrementa dichas posibilidades en comparación con la gráfica x̄ y R, incluso cuando contienen el mismo nivel de sensibilidad.

Pre-control:

• Las áreas se definen de la siguiente manera:

Esta imagen se obtuvo directamente de la siguiente fuente para fines educativos: AIAG. (2005). Statistical Process Control (2a ed.). Estados Unidos.

• Trabaja con base en dos supuestos: 1) contar con un proceso de función de pérdida plana (no causas especiales) y 2) que el desempeño del proceso sea menor o igual a las tolerancias (cumpliendo con las especificaciones sin algún tipo de clasificación).
• Utiliza subgrupos con n=2.
• Antes de iniciar el muestreo o después de un ajuste realizado, el proceso debe producir cinco piezas seguidas en la zona verde.

Gráficas de control para corridas cortas

Ayudan a controlar las fuentes de variación, incluso en las corridas con menor cantidad de material. Al usarla se espera obtener menos datos y puede emplearse para el control de múltiples proyectos.

Gráficas para detección de pequeños cambios

Se encuentran enfocadas en detectar cambios pequeños dentro de las medias de proceso y que no son de fácil visualización mediante otras gráficas de control. Hay de dos tipos: Sumas Acumuladas (CUSUM) y Promedios Móviles Ponderados Exponencialmente (EMWA).

Gráficas no-normales

Categoriza a todos los diagramas que corresponden a una distribución no-normal. Un ejemplo es el empleo de las gráficas de control de Shewhart, ya que estas fueron desarrolladas sin el supuesto de normalidad. Para hacerlo, solamente hay que considerar un subgrupo suficientemente grande, con la finalidad de mitigar el efecto de la no-normalidad (entre más se aleje la distribución de la normalidad, la gráfica se vuelve menos sensible).

Una opción viable es aplicar factores de ajuste para que los límites de control reflejen la forma no-normal. En otras palabras, se requiere trabajar con base en un estudio de capacidad inicial suficientemente grande (entre 100 y 125 datos distribuidos en 25 subgrupos) para detectar la forma no-normal y ejecutar los factores de corrección. Otra alternativa sería convertir el set de datos en vez de los límites de control, así se logrará aproximar la distribución del proceso a una forma normal.

Por último, existe un enfoque de gráficas de control no-normales que se usa cuando la distribución se aleja mucho de la normal y el tamaño de muestreo está limitado por distintos factores. Se puede desarrollar la gráfica en su forma no-normal de manera directa.

Esta imagen se obtuvo directamente de la siguiente fuente para fines educativos: AIAG. (2005). Statistical Process Control (2a ed.). Estados Unidos.

Cierre

Las gráficas de control ofrecen una gran cantidad de opciones, cuya elección se determina con base en el tipo de datos que buscan representar, el tipo de distribución que presenta el muestreo para proceder a los tamaños de subgrupo, entre otras consideraciones.

De igual manera, estos diagramas se presentan mediante distintos formatos y se manejan a través de un software estadístico para vaciar la información de acuerdo con las necesidades de cada empresa y proceso. Sin embargo, hay que considerar que la información estadística o los sets de datos no son de utilidad sin el objetivo de que se conviertan en planes de acción que mejoren los procesos.

A manera de conclusión, asegúrate de aplicar las gráficas de control adecuadas para los procesos estudiados. Además, comprueba que cada uno de los elementos esté presente en el formato o software que tu empresa maneje. Esto es relevante debido a que el incumplimiento de alguno de estos elementos puede ocasionar desde una advertencia hasta una no conformidad en cualquier auditoría de proceso.

Checkpoints

Asegúrate de:

• Identificar los tipos de gráficas de acuerdo con el tipo de dato estudiado.
• Identificar cada uno de los elementos dentro de una gráfica de control.
• Reflexionar que, a pesar de que las gráficas más comunes son sumamente aceptadas, existen diversos casos donde se aplican otras gráficas de control más específicas para detectar la variación del proceso.

Referencias bibliográficas

• AIAG. (2005). Statistical Process Control (2a ed.). Estados Unidos.
• Gutiérrez, H., y De la Vara, R. (2008). Control estadístico de la calidad y Seis Sigma (2a ed.). México: McGraw-Hill.
• Minitab. (s.f.). Cómo entender las gráficas de control. Recuperado de https://support.minitab.com/es-mx/minitab/20/help-and-how-to/quality-and-process-improvement/control-charts/supporting-topics/basics/understanding-control-charts/
• Minitab. (s.f.). ¿Qué son los límites de control? Recuperado de https://support.minitab.com/es-mx/minitab/20/help-and-how-to/quality-and-process-improvement/control-charts/supporting-topics/basics/what-are-control-limits/
• SPC Consulting group. (s.f.). Gráficas de control. Recuperado de https://spcgroup.com.mx/grafica-de-control/