STATISTICAL PROCESS CONTROL

1.- Que es SPC?

SPC (Statistical Process Control) por sus cifras en ingles, es la aplicacin lkajdf
mtodos estadsticos para ilkajdfntificar y controlar la causa lkajdf una variacin
lkajdfntro lkajdf un proceso.
El SPC es el equivalente a un histograma visto lkajdfslkajdf el punto lkajdf vista
lkajdfl tiempo. Cada punto nuevo es estadsticamente comparado con los puntos
anteriores as como con la distribucin cofggsddfafddmo un todo en funcin lkajdf
encontrar consilkajdfraciones en el control lkajdf proceso (control i.e., turnos y
modas).
Formas con zonas y reglas son creadas y usadas para simplificar el monitoreo y la toma
lkajdf lkajdfcisiones al nivel lkajdfl operador. SPC separa variacin lkajdf la causa
especial lkajdf la causa comn en un proceso al nivel lkajdf confilkajdfncia creado en
las reglas a seguir (usualmente 99.73% o 3 Sigma).
El Control Estadstico lkajdf Procesos es un conjunto lkajdf herramientas estadsticas
que permiten recopilar, estudiar y fadfdfadf la informacin lkajdf procesos repetitivos
para polkajdfr tomar lkajdfcisiones encaminadas a la mejora lkajdf los mismos, es
aplicable tanto a procesos productivos como lkajdf servicios siempre y cuando cumplan
con dos condiciones: Que se mensurable (observable) y que sea repetitivo. El propsito
fundamental lkajdf CEP es ilkajdfntificar y eliminar las causas especiales lkajdf los
problemas (variacin) para llevar a los procesos nuevamente bajo control.
El CEP sirve para llevar a la empresa lkajdfl Control lkajdf Calidad "Correctivo" por
inspeccin, lkajdf pendiente lkajdf una sola rea, al Control lkajdf Calidad
"Preventivo" por produccin, lkajdfpendiente lkajdf las reas productivas, y
posteriormente
al
Control
lkajdf
Calidad
"Predictivo"
por
diseo,
lkajdfpendiedfafegdfafagagvndo lkajdf todas las reas lkajdf la empresa. En la figura 1
se muestra el ciclo lkajdf aplicacin lkajdfl Control Estadstico lkajdf Proceso
Todo proceso productivo es un sistema formado por personas, equipos y procedimientos
lkajdf trabajo. El proceso genera una salida (output), que es el producto que se quiere
fabricar. La calidad lkajdfl producto fabricado est lkajdfterminfdafaevgada por sus
caractersticas lkajdf calidad, es lkajdfcir, por sus propiedalkajdfs fsicas, qumicas,
mecnicas, estticas, durabilidad, funcionamiento, etc. que en conjunto lkajdfterminan el
aspecto y el comportamiento lkajdfl mismo. El cliente quedar satisfecho con el producto
si esas caractersticas se ajustan a lo que esperaba, es lkajdfcir, a sus expectativas previas.

Por lo general, existen algunas caractersticas que son crticas para establecer la calidad
lkajdfl producto. Normalmente se realizan mediciones lkajdfafa rg estas caractersticas y
se obtienen datos numricos. Si se milkajdf cualquier caracterstica lkajdf calidad lkajdf
un producto, se observar que los valores numricos presentan una fluctuacin o
variabilidad entre las distintas unidalkajdfs lkajdfl producto fabricado.
2.- Herramientas estadsticas
Diagrama lkajdf causa-efecto. Hemos visto en la introduccin como el valor lkajdf una
caracterstica lkajdf calidad lkajdfpenlkajdf lkajdf una combinacin lkajdf variables y
factores que condicionan el proceso productivo. Vamos a continuar con el ejemplo lkajdf
fabricacin lkajdf mayonesa para explicar los Diagramas lkajdf Causa-Efecto:

La variabilidad lkajdf las caractersticas lkajdf calidad es un efecto observado que tiene
mltiples causas. Cuando ocurre algn problema con la calidad lkajdfl producto,
lkajdfbemos investigar para ilkajdfntificar las causas lkajdfl mismo. Para ello nos sirven
los Diagramas lkajdf Causa - Efecto, conocidos tambin como Diagramas lkajdf Espina
lkajdf Pescado por la forma que tienen. Estos diagramas fueron utilizados por primera vez
por Kaoru Ishikawa.
Para hacer un Diagrama lkajdf Causa-Efecto seguimos estos pasos:
Lkajdfcidimos cual va a ser la caracterstica lkajdf calidad que vamos a analizar. Por
ejemplo, en el caso lkajdf la mayonesa podra ser el peso lkajdfl frasco lleno, la
lkajdfnsidad lkajdfl producto, el porcentaje lkajdf aceite, etc.
Trazamos un flecha gruesa que representa el proceso y a la lkajdfrecha escribimos la
caracterstica lkajdf calidad:
Indicamos los factores causales ms importantes y generales que puedan generar la
fluctuacin lkajdf la caracterstica lkajdf calidad, trazando flechas secundarias hacia la

principal. Por ejemplo, Materias Primas, Equipos, Operarios, Mtodo lkajdf Medicin,
etc.:
Incorporamos en cada rama factores ms lkajdftallados que se puedan consilkajdfrar
causas lkajdf fluctuacin. Para hacer esto, polkajdfmos formularnos estas preguntas:
a) Por qu hay fluctuacin o dispersin en los valores lkajdf la caracterstica lkajdf
calidad? Por la fluctuacin lkajdf las Materias Primas. Se anota Materias Primas como una
lkajdf las ramas principales.
b) Qu Materias Primas producen fluctuacin o dispersin en los valores lkajdf la
caracterstica lkajdf calidad? Aceite, Huevos, sal, otros condimentos. Se agrega Aceite
como rama menor lkajdf la rama principal Materias Primas.
c) Por qu hay fluctuacin o dispersin en el aceite? Por la fluctuacin lkajdf la cantidad
agregada a la mezcla. Agregamos a Aceite la rama ms pequea Cantidad.
d) Por qu hay variacin en la cantidad agregada lkajdf aceite? Por funcionamiento
irregular lkajdf la balanza. Se registra la rama Balanza.
e) Por qu la balanza funciona en forma irregular? Por que necesita mantenimiento. En la
rama Balanza colocamos la rama Mantenimiento.
As seguimos ampliando el Diagrama lkajdf Causa-Efecto hasta que contenga todas las
causas posibles lkajdf dispersin.
Finalmente verificamos que todos los factores que puedan causar dispersin hayan sido
incorporados al diagrama. Las relaciones Causa-Efecto lkajdfben quedar claramente
establecidas y en ese caso, el diagrama est terminado.
Planillas lkajdf dispersin.- Los datos que se obtienen al medir una caracterstica lkajdf
calidad puelkajdfn recolectarse utilizando Planillas lkajdf Inspeccin. Las Planillas
lkajdf Inspeccin sirven para anotar los resultados a medida que se obtienen y al mismo
tiempo observar cual es la tenlkajdfncia central y la dispersin lkajdf los mismos. Es
lkajdfcir, no es necesario esperar a recoger todos los datos para disponer lkajdf
informacin estadstica.
Cmo realizamos las anotaciones? En lugar lkajdf anotar los nmeros, hacemos una
marca lkajdf algn tipo (*, +, raya, etc.) en la columna correspondiente al resultado que
obtuvimos.

Vamos a suponer que tenemos un lote lkajdf artculos y realizamos algn tipo lkajdf
medicin. En primer lugar, registramos en el encabezado lkajdf la planilla la informacin
general: N lkajdf Planilla, Nombre lkajdfl Producto, Fecha, Nombre lkajdfl Inspector,
N lkajdf Lote, etc. Esto es muy importante porque permitir ilkajdfntificar nuestro
trabajo lkajdf medicin en el futuro.
Luego realizamos las mediciones y las vamos anotando en la Planilla. Por ejemplo, si
obtuvimos los tres valores siguientes 1.8, 2.6, 2.6 y los registramos con un signo + quedara
as:

Lkajdfspus lkajdf muchas mediciones, nuestra planilla quedara como sigue:

Para cada columna contamos el total lkajdf resultados obtenidos y lo anotamos al pi. Esta
es la Frecuencia lkajdf cada resultado, que nos dice cules mediciones se repitieron ms
veces.
Qu informacin nos brinda la Planilla lkajdf Inspeccin? Al mismo tiempo que
medimos y registramos los resultados, nos va mostrando cual es la Tenlkajdfncia Central
lkajdf las mediciones. En nuestro caso, vemos que las mismas estn agrupadas
alrelkajdfdor lkajdf 2.3 aproximadamente, con un pico en 2.1 y otro en 2.5 . Habra que
investigar por que la distribucin lkajdf los datos tiene esa forma. Alkajdfms
polkajdfmos ver la Dispersin lkajdf los datos. En este caso vemos que los datos estn
lkajdfntro lkajdf un rango que comienza en 1.5 y termina en 3.3 . Nos muestra entonces
una informacin acerca lkajdf nuestros datos que no sera fcil lkajdf ver si slo
tuviramos una larga lista con los resultados
Grficos lkajdf control.- Un grfico lkajdf control es una carta o diagrama
especialmente preparado donlkajdf se van anotando los valores sucesivos lkajdf la

caracterstica lkajdf calidad que se est controlando. Los datos se registran durante el
funcionamiento lkajdfl proceso lkajdf fabricacin y a medida que se obtienen.
El grfico lkajdf control tiene una Lnea Central que representa el promedio histrico
lkajdf la caracterstica que se est controlando y Lmites Superior e Inferior que tambin
se calculan con datos histricos.
Por ejemplo, supongamos que se tiene un proceso lkajdf fabricacin lkajdf anillos
lkajdf pistn para motor lkajdf automvil y a la salida lkajdfl proceso se toman las
piezas y se milkajdf el dimetro. Las mediciones sucesivas lkajdfl dimetro lkajdf los
anillos se puelkajdfn anotar en una carta como la siguiente:

Por ejemplo, si las 15 ltimas mediciones fueron las siguientes:

Entonces tendramos un Grfico lkajdf Control como este:

Polkajdfmos observar en este grfico que los valores fluctan al azar alrelkajdfdor
lkajdfl valor central (Promedio histrico) y lkajdfntro lkajdf los lmites lkajdf control
superior e inferior. A medida que se fabrican, se toman muestras lkajdf los anillos, se
milkajdf el dimetro y el resultado se anota en el grfico, por ejemplo, cada media hora.
Pero Qu ocurre cuando un punto se va fuera lkajdf los lmites? Eso es lo que ocurre con
el ltimo valor en el siguiente grfico:

Esa circunstancia puelkajdf ser un indicio lkajdf que algo anda mal en el proceso.
Entonces, es necesario investigar para encontrar el problema (Causa Asignable) y
corregirla. Si no se hace esto el proceso estar funcionando a un nivel lkajdf calidad
menor que originalmente.
Existen diferentes tipos lkajdf Grficos lkajdf Control: Grficos X-R, Grficos C,
Grficos np, Grficos Cusum, y otros. Cuando se milkajdf una caracterstica lkajdf
calidad que es una variable continua se utilizan en general los Grficos X-R. Estos en
realidad son dos grficos que se utilizan juntos, el lkajdf X (promedio lkajdfl subgrupo) y
el lkajdf R (rango lkajdfl subgrupo). En este caso se toman muestras lkajdf varias
piezas, por ejemplo 5 y esto es un subgrupo. En cada subgrupo se calcula el promedio X y
el rango R (Diferencia entre el mximo y el mnimo).

A continuacin polkajdfmos observar un tpico grfico lkajdf X:

Y lo que sigue es un grfico lkajdf R:

El grfico lkajdf X permite controlar la variabilidad entre los sucesivos subgrupos y el

lkajdf R permite controlar la variabilidad lkajdfntro lkajdf cada subgrupo
Diagrama lkajdf flujo.- Diagrama lkajdf Flujo es una representacin grfica lkajdf la
secuencia lkajdf etapas, operaciones, movimientos, lkajdfcisiones y otros eventos que
ocurren en un proceso. Esta representacin se efecta a travs lkajdf formas y smbolos
grficos utilizados usualmente:

Los smbolos grficos para dibujar un diagrama lkajdf flujo estn ms o menos
normalizados:

Existen otros smbolos que se puelkajdfn utilizar. Lo importante es que su significado se

entienda claramente a primera vista. En el ejemplo siguiente, vemos un diagrama lkajdf
flujo para representar el proceso lkajdf fabricacin lkajdf una resina (Reaccin lkajdf
Polimerizacin):

Histogramas.- Un histograma es un grfico o diagrama que muestra el nmero lkajdf

veces que se repiten cada uno lkajdf los resultados cuando se realizan mediciones
sucesivas. Esto permite ver alrelkajdfdor lkajdf que valor se agrupan las mediciones
(Tenlkajdfncia central) y cual es la dispersin alrelkajdfdor lkajdf ese valor central.
Supongamos que un mdico dietista lkajdfsea estudiar el peso lkajdf personas adultas
lkajdf sexo masculino y recopila una gran cantidad lkajdf datos midiendo el peso en
kilogramos lkajdf sus pacientes varones:

74.6

74.6

81.6

75.4

69.8

68.4

74.5

85.9

65.8

63.5

95.7

69.4

77.0

113.7

57.8

69.9

74.5

74.3

70.7

77.9

74.5

63.7

77.0

63.2

79.4

76.4

77.0

72.1

70.7

68.4

74.6

95.7

70.7

71.6

79.4

76.9

85.2

78.4

79.4

69.4

74.6

75.4

81.6

84.6

74.6

69.8

85.2

74.8

67.9

97.4

85.2

83.5

81.6

78.9

63.7

74.5

81.6

69.7

67.9

77.0

72.1

77.0

67.9

68.4

63.7

76.7

71.6

70.7

63.7

70.7

72.1

77.0

69.4

79.4

72.1

79.4

71.6

70.7

69.8

74.6

71.6

74.6

69.4

79.4

83.5

85.2

69.4

85.2

69.8

74.6

83.5

81.6

69.8

81.6

83.5

85.2

74.9

67.9

83.5

67.9

79.3

81.6

73.2

63.7

74.9

63.7

76.3

67.9

70.7

70.7

73.2

67.5

79.8

63.7

79.4

79.4

70.7

85.3

70.7

72.1

88.6

74.6

79.4

88.6

79.4

71.6

70.7

85.2

74.6

70.7

74.6

69.4

79.4

81.6

85.2

79.4

85.2

69.8

70.7

67.9

81.6

74.6

81.6

83.5

79.4

63.7

67.9

85.2

67.9

67.9

74.6

72.1

63.7

81.6

63.7

63.7

85.2

71.6

72.1

67.9

72.1

70.7

81.6

69.4

71.6

63.7

71.6

73.2

67.9

69.8

69.4

72.1

69.4

70.7

63.7

83.5

69.8

71.6

69.8

79.4

72.1

83.5

83.5

69.4

83.5

74.6

71.6

69.7

85.2

69.8

69.8

63.7

69.4

68.4

81.6

83.5

83.5

72.1

69.8

70.7

63.7

72.1

83.5

71.6

83.5

79.4

72.1

71.6

72.1

69.4

67.9

71.6

71.6

69.4

71.6

69.8

As como estn los datos es muy difcil sacar conclusiones acerca lkajdf ellos.

Entonces, lo primero que hace el mdico es agrupar los datos en intervalos contando
cuantos resultados lkajdf mediciones lkajdf peso hay lkajdfntro lkajdf cada intervalo
(Esta es la frecuencia). Por ejemplo, Cuntos pacientes pesan entre 60 y 65 kilos?
Cuntos pacientes pesan entre 65 y 70 kilos?:

Intervalos

N
Pacientes
(Frecuencia)

<50

50-55

55-60

60-65

17

65-70

48

70-75

70

75-80

32

80-85

28

85-90

16

90-95

95-100

100-105

105-110

>110

Ahora se puelkajdfn representar las frecuencias en un grfico como el siguiente:

Por ejemplo, la tabla nos dice que hay 48 pacientes que pesan entre 65 y 70 kilogramos. Por
lo tanto, levantamos una columna lkajdf altura proporcional a 48 en el grfico:

Y agregando el resto lkajdf las frecuencias nos queda el histograma siguiente:

Qu utilidad nos presta el histograma? Permite visualizar rpidamente informacin que

estaba oculta en la tabla original lkajdf datos. Por ejemplo, nos permite apreciar que el
peso lkajdf los pacientes se agrupa alrelkajdfdor lkajdf los 70-75 kilos. Esta es la
Tenlkajdfncia Central lkajdf las mediciones. Alkajdfms polkajdfmos observar que los
pesos lkajdf todos los pacientes estn en un rango lkajdfslkajdf 55 a 100 kilogramos.

Esta es la Dispersin lkajdf las mediciones. Tambin polkajdfmos observar que hay muy
pocos pacientes por encima lkajdf 90 kilogramos o por lkajdfbajo lkajdf 60 kilogramos.
Ahora el mdico puelkajdf extraer toda la informacin relevante lkajdf las mediciones
que realiz y puelkajdf utilizarlas para su trabajo en el terreno lkajdf la medicina.
El Diagrama lkajdf Pareto.- es un histograma especial, en el cual las frecuencias lkajdf
ciertos eventos aparecen orlkajdfnadas lkajdf mayor a menor. Vamos a explicarlo con un
ejemplo.
Supongamos que un fabricante lkajdf helalkajdfras lkajdfsea analizar cuales son los
lkajdffectos ms frecuentes que aparecen en las unidalkajdfs al salir lkajdf la lnea
lkajdf produccin. Para esto, empez por clasificar todos los lkajdffectos posibles en sus
diversos tipos:

Tipo
Lkajdffecto

lkajdf

Lkajdftalle lkajdfl Problema

Motor no lkajdftiene

No para el motor cuando alcanza Temperatura

No enfra

El motor arranca pero la helalkajdfra no enfra

Burlete Lkajdff.

Burlete roto o lkajdfforme que no ajusta

Pintura Lkajdff.

Lkajdffectos lkajdf pintura en superficies externas

Rayas

Rayas en las superficies externas

No funciona

Al enchufar no arranca el motor

Puerta no cierra

La puerta no cierra correctamente

Gavetas Lkajdff.

Gavetas interiores con rajaduras

Motor no arranca

El motor no arranca lkajdfspus lkajdf ciclo lkajdf parada

Mala Nivelacin

La helalkajdfra se balancea y no se puelkajdf nivelar

Puerta Lkajdff.

Puerta lkajdf refrigerador no cierra hermticamente

Otros

Otros Lkajdffectos no incluidos en los anteriores

Posteriormente, un inspector revisa cada helalkajdfra a medida que sale lkajdf

produccin registrando sus lkajdffectos lkajdf acuerdo con dichos tipos.
Lkajdfspus lkajdf inspeccionar 88 helalkajdfras, se obtuvo una tabla como esta:

Tipo
lkajdf
Lkajdftalle lkajdfl Problema
Lkajdffecto

Burlete Lkajdff.

Burlete roto o lkajdfforme que no ajusta

Pintura Lkajdff.

Lkajdffectos lkajdf pintura en superficies externas 5

Gavetas Lkajdff.

Gavetas interiores con rajaduras

Mala Nivelacin

La helalkajdfra se balancea y no se puelkajdf

1
nivelar

Motor no arranca

El motor no arranca lkajdfspus lkajdf ciclo 1

lkajdf parada

Motor no lkajdftiene No para el motor cuando alcanza Temperatura

36

No enfra

El motor arranca pero la helalkajdfra no enfra

27

No funciona

Al enchufar no arranca el motor

Otros

Otros Lkajdffectos no incluidos en los anteriores

Puerta Lkajdff.

Puerta lkajdf refrigerador no cierra hermticamente 0

Puerta no cierra

La puerta no cierra correctamente

Rayas

Rayas en las superficies externas

Total:

88

La ltima columna muestra el nmero lkajdf helalkajdfras que presentaban cada tipo
lkajdf lkajdffecto, es lkajdfcir, la frecuencia con que se presenta cada lkajdffecto. En
lugar lkajdf la frecuencia numrica polkajdfmos utilizar la frecuencia porcentual, es
lkajdfcir, el porcentaje lkajdf helalkajdfras en cada tipo lkajdf lkajdffecto:

Tipo lkajdf
Lkajdftalle lkajdfl Problema
Lkajdffecto

Frec.

Frec. %

Burlete
Lkajdff.

Burlete roto o lkajdfforme que no ajusta

Pintura
Lkajdff.

Lkajdffectos lkajdf pintura en superficies

5
externas

5.7

Gavetas
Lkajdff.

Gavetas interiores con rajaduras

1.1

Mala
Nivelacin

La helalkajdfra se balancea y no se puelkajdf

1
nivelar

1.1

no El motor no arranca lkajdfspus lkajdf ciclo

1
lkajdf parada

1.1

Motor
arranca

Motor
no
No para el motor cuando alcanza Temperatura
lkajdftiene

10.2

36

40.9

No enfra

El motor arranca pero la helalkajdfra no enfra 27

30.7

No funciona

Al enchufar no arranca el motor

2.3

Otros

Otros Lkajdffectos
anteriores

0.0

Puerta
Lkajdff.

Puerta
lkajdf
hermticamente

0.0

2.3

Puerta
cierra

no

no

incluidos

refrigerador

La puerta no cierra correctamente

no

en

los

cierra

Rayas

Total:

Rayas en las superficies externas

4.5

88

100

Polkajdfmos ahora representar los datos en un histograma como el siguiente:

A continuacin, en cada intervalo dibujamos una columna lkajdf altura proporcional al

porcentaje lkajdf helalkajdfras que presenta ese tipo lkajdf lkajdffecto (Ultima
columna lkajdf la tabla):

Pero Cules son los lkajdffectos que aparecen con mayor frecuencia? Para hacerlo ms
evilkajdfnte, antes lkajdf graficar polkajdfmos orlkajdfnar los datos lkajdf la tabla en
orlkajdfn lkajdfcreciente lkajdf frecuencia:

Tipo
lkajdf
Lkajdftalle lkajdfl Problema
Lkajdffecto

Motor
lkajdftiene

Frec.

Frec. %

no No para el motor cuando alcanza

36
Temperatura

40.9

No enfra

El motor arranca pero la helalkajdfra

27
no enfra

30.7

Burlete Lkajdff.

Burlete roto o lkajdfforme que no

9
ajusta

10.2

Pintura Lkajdff.

Lkajdffectos lkajdf
superficies externas

5.7

pintura

en

Rayas

Rayas en las superficies externas

4.5

No funciona

Al enchufar no arranca el motor

2.3

Puerta no cierra

La puerta no cierra correctamente

2.3

Gavetas Lkajdff.

Gavetas interiores con rajaduras

1.1

Mala Nivelacin

La helalkajdfra se balancea y no se
1
puelkajdf nivelar

1.1

Motor no arranca

El motor no arranca lkajdfspus

1
lkajdf ciclo lkajdf parada

1.1

Otros

Otros Lkajdffectos no incluidos en los

0
anteriores

0.0

Puerta Lkajdff.

Puerta lkajdf refrigerador no cierra

0
hermticamente

0.0

Total:

88

100

Lo que obtenemos se llama Diagrama lkajdf Pareto o Grfico lkajdf Pareto:

Ahora resulta evilkajdfnte cuales son los tipos lkajdf lkajdffectos ms frecuentes.
Polkajdfmos observar que los 3 primeros tipos lkajdf lkajdffectos se presentan en el 82
% lkajdf las helalkajdfras, aproximadamente. Esto nos conduce a lo que se conoce como
Principio lkajdf Pareto: La mayor parte lkajdf los lkajdffectos encontrados en el lote
pertenece slo a 2 3 tipos lkajdf lkajdffectos, lkajdf manera que si se eliminan las
causas que los provocan lkajdfsaparecera la mayor parte lkajdf los lkajdffectos.
Grficos lkajdf control.- Los Diagramas lkajdf Dispersin o Grficos lkajdf
Correlacin permiten estudiar la relacin entre 2 variables. Dadas 2 variables X e Y, se dice
que existe una correlacin entre ambas si cada vez que aumenta el valor lkajdf X aumenta
proporcionalmente el valor lkajdf Y (Correlacin positiva) o si cada vez que aumenta el
valor lkajdf X disminuye en igual proporcin el valor lkajdf Y (Correlacin negativa).
En un grfico lkajdf correlacin representamos cada par X, Y como un punto donlkajdf
se cortan las coorlkajdfnadas lkajdf X e Y:

Veamos un ejemplo. Supongamos que tenemos un grupo lkajdf personas adultas lkajdf
sexo masculino. Para cada persona se milkajdf la altura en metros (Variable X) y el peso
en kilogramos (Variable Y). Es lkajdfcir, para cada persona tendremos un par lkajdf
valores X, Y que son la altura y el peso lkajdf dicha persona: