Los grficos de control

tienen su origen al final de la dcada de 1920, cuando Walter A. Shewhart analiz numerosos
procesos de fabricacin concluyendo que todos presentaban variaciones. Encontr que estas
variaciones podan ser de dos clases: una aleatoria, entendiendo por ella que su causa era
insignificante o desconocida, y otra imputable (tambin llamada asignable), cuyas causas podan
ser descubiertas y eliminadas tras un correcto diagnstico.
La variacin de una determinada caracterstica de calidad puede ser cuantificada realizando un
muestreo de las salidas del proceso y estimando los parmetros de su distribucin estadstica.
Shewhart inici as el moderno control de calidad, fundamentado en el control estadstico del proceso
y rebasando al clsico control de calidad, limitado a la inspeccin final del producto.

Los cambios en la distribucin pueden comprobarse representando ciertos parmetros en un grfico

en funcin del tiempo, denominado grfico de control.

Todo proceso tendr variaciones, pudiendo estas agruparse en:

Causas aleatorias de variacin. Son causas desconocidas y con poca significacin, debidas al azar
y presentes
en todo proceso.

Causas especficas (imputables o asignables). Normalmente no deben estar presentes en el

proceso. Provocan variaciones significativas.
Las causas aleatorias son de difcil identificacin y eliminacin. Las causas especficas s pueden
ser descubiertas y eliminadas, para alcanzar el objetivo de estabilizar el proceso.

Existen diferentes tipos de grficos de control:

De datos por variables. Que a su vez pueden ser de media y rango, mediana y rango, y valores
medidos individuales.
De datos por atributos. Del estilo aceptable / inaceptable, s / no,
En la base de los grficos de control est la idea de que la variacin de una caracterstica de calidad
puede cuantificarse obteniendo muestras de las salidas de un proceso y estimando los parmetros
de su distribucin estadstica. La representacin de esos parmetros en un grfico, en funcin del
tiempo, permitir la comprobacin de los cambios en la distribucin.

El grfico cuenta con una lnea central y con dos lmites de control, uno superior (LCS) y otro inferior
(LCI), que se establecen a 3 desviaciones tpicas (sigma) de la media (la lnea central). El espacio
entre ambos lmites define la variacin aleatoria del proceso. Los puntos que exceden estos lmites
indicaran la posible presencia de causas especficas de variacin.

Grficos de Control

Grficos de Control: Interpretacin

Para la interpretacin de los grficos de control, de medias y recorrido, pueden seguirse las normas
siguientes:

Norma 1. Cuando un slo punto est fuera de los lmites de control, puede estar sealando la
ausencia de control del proceso. No obstante, esta probabilidad sera pequea por lo que tal vez no
sea oportuno efectuar cambios.
Norma 2: Si al menos 2 3 puntos sucesivos estn en el mismo lado de la lnea media, y ms de
dos unidades sigma (dos desviaciones tpicas) alejados de esta lnea, estar sugerida una falta de
control del proceso. Si el tercer punto consecutivo est alejado de la lnea media en la medida
indicada, pero en el otro lado, la misma conclusin sera vlida.
Norma 3: En el caso de que 4 5 valores sucesivos se situaran en el mismo lado, alejados de la
lnea central ms de 1 sigma, se apuntara un dficit en la estabilidad o control del proceso.
Norma 4: Igualmente, estara indicada esta falta de control cuando al menos 7 valores sucesivos
estuvieran situados en el mismo lado de la lnea media. Esto mostrara una inadecuada distribucin
de esos puntos.
Histograma Herramientas de la Calidad
Un histograma es un grfico de barras verticales que representa la distribucin de frecuencias de un
conjunto de datos.

El histograma es especialmente til cuando se tiene un amplio nmero de datos que es preciso
organizar, para analizar ms detalladamente o tomar decisiones sobre la base de ellos. Tambin es
un medio eficaz para transmitir a otras personas informacin sobre un proceso de forma precisa e
inteligible.
Otra aplicacin de sumo inters del histograma es la comparacin de los resultados de un proceso
con las especificaciones previamente establecidas para el mismo. En este caso, mediante el
histograma, puede determinarse en qu grado el proceso est produciendo buenos resultados y
hasta qu punto existen desviaciones respecto a los lmites fijados en las especificaciones. En este
sentido, el estudio de la distribucin de los datos puede ser un excelente punto de partida para
establecer hiptesis acerca de un funcionamiento insatisfactorio.
 Un histograma facilita una representacin visual en la que puede apreciarse si las medidas tienden
a estar centradas o a dispersarse. Tambin da respuesta a la cuestin de si el proceso produce
buenos resultados y a si stos estn o no dentro de las especificaciones.

Histograma: Interpretacin
Para el ejemplo de referencia, en la figura anterior, puede observarse que se ha trazado una lnea
adiciones: lmite de las especificaciones. En este caso, la especificacin[1] planteada fue que la
respuesta del proceso se diera en un plazo no superior a 60 das. Observando el histograma se
aprecia que cierto nmero de observaciones, a la derecha de la lnea y sombreadas ms oscuro, no
han cumplido este objetivo.
Un anlisis ms detenido del histograma anterior nos llevara a concluir que el proceso no posee la
estabilidad deseable. Los histogramas que reflejan procesos estables son ms elevados en el centro
y declinan simtricamente hacia ambos lados. Aqu no parece darse esta condicin, existiendo una
cierta asimetra provocada por los datos fuera de lmite. Pero aunque los datos fueran ms estables,
podemos colegir que parte de ellos rebasaran la especificacin.

As, en este caso los esfuerzos deberan dirigirse hacia un doble objetivo:

Reducir la dispersin.
Conseguir desplazar el histograma hacia la izquierda, de manera que an los datos extremos
estuvieran dentro del lmite especificado (el objetivo, en este caso).
En este segundo ejemplo, el histograma de la figura A muestra un proceso capaz, ya que sus
valores no rebasan el lmite de la especificacin. Adems, existe un amplio espacio para la
dispersin de los datos.

Por el contrario, el histograma de la figura B representa un proceso no capaz.

[1] Las especificaciones pueden tener unos lmites superior e inferior simultneamente si bien aqu
nos referimos al caso en que existe slo un lmite. En la prestacin de servicios es frecuente que
haya una nica especificacin, respecto a una variable (tiempo de espera, plazo, nmero de
errores,).
El diagrama de dispersin
permite analizar si existe algn tipo de relacin entre dos variables. Por ejemplo, puede ocurrir
que dos variables estn relacionadas de manera que al aumentar el valor de una, se incremente el
de la otra. En este caso hablaramos de la existencia de una correlacin positiva. Tambin podra
ocurrir que al producirse una en un sentido, la otra derive en el sentido contrario; por ejemplo, al
aumentar el valor de la variable x, se reduzca el de la variable y. Entonces, se estara ante una
correlacin negativa. Si los valores de ambas variable se revelan independientes entre s, se
afirmara que no existe correlacin.
El diagrama de dispersin es una herramienta grfica qe ayuda a identificar la posible relacin entre
dos variables. Representa la relacin entre dos variables de forma grfica, lo que hace ms fcil
visualizar e interpretar los datos.

De otro lado, calculando el coeficiente de correlacin entre dos variables, permite cuantificar el grado
de relacin entre ambas, as como su signo. El valor de este coeficiente puede estar comprendido
entre 1 y 1.

Cuando toma un valor prximo a 1, la correlacin es fuerte y negativa. Si el valor es cercano a +1,
la correlacin es fuerte y positiva.

Si el coeficiente de correlacin lineal presenta un valor prximo a 0, la correlacin es dbil.

Un coeficiente de 0 indicara independencia total entre ambas variables. A su vez, un coeficiente de

correlacin lineal de 1 de -1 sealara que entre ambas variables hay dependencia funcional,
positiva o negativa segn el signo del coeficiente.

Esta correlacin puede sealar, pero no por ello probar, una relacin causal, es decir, no predice
relacin causa efecto, sino que muestra la intensidad de la relacin entre dos variables. Por lo
tanto, es importante no apresurarse a obtener conclusiones sobre la relacin entre las variables, ya
que puede ser otra tercera que afecte a la relacin.

En el diagrama de dispersin de ejemplo las variables a analizar son las puntuaciones medias
obtenidas para los distintos factores del servicio, tanto en percepcin (X) como en expectativas (Y),
a partir de una muestra de usuarios de un servicio administrativo a los que se les administr una
encuesta de satisfaccin.

El clculo del coeficiente de correlacin lineal efectuado para los datos del ejemplo de diagrama de
dispersin arroja un valor de 0,45. Se confirma que existe una relacin positiva entre ambas
variables, si bien la correlacin existente entre ambas es moderada.

El resultado de un diagrama de dispersin puede ser de diversos tipos. Si los puntos trazados en el
diagrama estn dispersos al azar, sin un patrn discernible, significa que los dos conjuntos de
mediciones no tienen relacin entre s. Si los puntos forman algn patrn, se denota la existencia
de relacin entre los dos grupos de mediciones.
Generalmente, el diagrama de dispersin mostrar los siguientes posibles tipos de relacin:
 La estratificacin es una tcnica utilizada en combinacin con otras herramientas de anlisis de
datos. Cuando los datos, de una variedad de fuentes o categoras, han sido agrupados su significado
puede ser imposible de interpretar. Esta tcnica separa los datos para que los patrones de
distribucin de dos o ms grupos se puedan distinguir.

A cada grupo se le denomina estrato. El objetivo es aislar la causa de un problema, identificando el

grado de influencia de ciertos factores en el resultado de un proceso.

Los estratos a definir lo sern en funcin de la situacin particular de que se trate, pudiendo
establecerse estratificaciones atendiendo a:

Personal.
Materiales.
Maquinaria y equipo.
reas de gestin.
Tiempo.
Entorno.
Localizacin geogrfica.
Otros.

La estratificacin puede apoyarse en distintas herramientas de calidad, si bien el histograma es el

modo ms habitual de presentarla.

El desarrollo de la tcnica atiende a la metodologa presentada para los histogramas, para el caso
de los histogramas estatificados[1]. Al fin y al cabo se trata de construir los histogramas
correspondientes.
Estratificacin: Ejemplo
Se han observado retrasos en el plazo de elaboracin de informes tcnicos de un Servicio de una
Administracin Pblica. Dicho Servicio cuenta con dos Secciones y se pretende investigar si la
variable seccin puede explicar los retrasos en la emisin de resoluciones.
En principio, se elabora un histograma combinado de las dos Secciones[2] para, posteriormente,
realizar histogramas de cada seccin por separado.
La estratificacin:
 Permite aislar la causa de un problema, identificando el grado de influencia de ciertos factores en
el resultado de un proceso.
Puede apoyarse y servir de base en distintas herramientas de calidad.

[1] Otra modalidad de estratificacin consiste en la construccin de diagramas de dispersin

estratificados.

[2] Este patrn de distribucin es denominado bimodal. Una forma bimodal del histograma refleja a
menudo la presencia de dos procesos que son mezclados en los datos exhibidos.
Qu es un diagrama de Pareto?
Un diagrama de Pareto es un tipo especial de grfica de barras donde los valores
graficados estn organizados de mayor a menor. Utilice un diagrama de Pareto para
identificar los defectos que se producen con mayor frecuencia, las causas ms
comunes de los defectos o las causas ms frecuentes de quejas de los clientes.

El diagrama de Pareto debe su nombre a Vilfredo Pareto y su principio de la "regla

80/20". Es decir, el 20% de las personas controlan el 80% de la riqueza; o el 20% de la
lnea de producto puede generar el 80% de los desechos; o el 20% de los clientes
puede generar el 80% de las quejas, etc.

Ejemplo de un diagrama de Pareto

Un gerente desea investigar las causas de la insatisfaccin de los clientes en un hotel
determinado. El gerente investiga y registra las razones de las quejas de los clientes.
 diagrama de Pareto
El diagrama de Pareto es fcil de entender y utilizar; sin embargo, es importante tener
en cuenta lo siguiente:

Datos recolectados durante un corto perodo de tiempo, especialmente de procesos

inestables, pueden llevar a conclusiones incorrectas. Debido a que los datos podran
no ser confiables, usted podra obtener una idea incorrecta de la distribucin de
defectos y causas. Cuando el proceso no est en control, las causas pueden ser
inestables y los pocos problemas vitales pueden cambiar de una semana a la siguiente.
Los perodos de tiempo cortos podran no ser representativos de la totalidad de su
proceso.
Los datos recopilados durante largos perodos de tiempo pueden incluir cambios.
Busque en los datos estratificacin o cambios en la distribucin del problema en el
tiempo.
Elija categoras cuidadosamente. Si su anlisis de Pareto inicial no produce resultados
tiles, es recomendable que se asegure de que sus categoras sean significativas y de
que su categora "otro" no sea demasiado grande.
Elija criterios de ponderacin cuidadosamente. Por ejemplo, el costo podra ser una
medida ms til para asignar prioridades en comparacin con el nmero de
ocurrencias, especialmente cuando difieren los costos de varios defectos.
Concentrarse en los problemas con la mayor frecuencia debera reducir el nmero total
de elementos que necesitan reparacin. Concentrarse en los problemas con el mayor
costo debera aumentar los beneficios financieros de la mejora.

La meta de un anlisis de Pareto es obtener la mxima recompensa de los

esfuerzos de calidad, pero eso no quiere decir que los problemas pequeos y
fciles de resolver deban ignorarse hasta que se hayan resuelto los problemas
ms grandes.

Qu es un diagrama de Pareto ponderado?

Un diagrama de Pareto ponderado no solamente considera la frecuencia de
ocurrencia, sino tambin su importancia. Un diagrama de Pareto ponderado puede
explicar la gravedad de los defectos, o su costo o cualquier elemento al que desee
hacer un seguimiento. Por ejemplo, supongamos que usted tiene 5 defectos de
revestimiento a los que est haciendo seguimiento: arrugas, manchas, rayas,
salpicaduras de sucio y burbujas.

Usted recolecta datos acerca de la frecuencia de la ocurrencia de defectos y el costo de

reparar las unidades defectuosas. Un diagrama de Pareto ponderado puede cambiar su
prioridad con respecto a los proyectos de mejora al considerar los datos basndose
tanto en los datos de costo como de frecuencia. Por ejemplo, an cuando las arrugas
sean ms frecuentes, son menos costosas de reparar que las salpicaduras de sucio, las
cuales son una ocurrencia ms rara. Al tener en cuenta tanto el costo como la
frecuencia, usted comprender mejor el costo de una calidad deficiente (COPQ).

Diagrama de Pareto que considera solamente la frecuencia

Los defectos que ocurren con mayor frecuencia son las arrugas y las manchas. Basndose en esta
informacin, probablemente decida desarrollar un proyecto de mejoras para reducir las arrugas y
las manchas.

Diagrama de Pareto ponderado que considera el costo y la frecuencia

Los defectos ms costosos son las rayas y las salpicaduras de sucio. Basndose en estos datos ms
informativos, usted decide que es mejor desarrollar un proyecto de mejoras orientado a reducir las
rayas y las salpicaduras de sucio.

https://www.aiteco.com/el-control-de-calidad-herramientas-basicas/