Módulo 3

FUNDAMENTOS TEORICOS DE LA GRÁFICOS DE CONTROL.

Introducción.

La gran importancia del control de calidad puede vislumbrarse si se considera que ha pasado
históricamente por tres etapas distintas. En una primera etapa, el énfasis se centraba en la labor de
inspección y en el establecimiento de tolerancias para los productos. Esta etapa comienza en los
años 30 y se extiende hasta comienzos de los 60. El control típico, en esta concepción, es el control
de recepción para materiales y el control de auditoría del producto final. Las limitaciones de este
enfoque son claras: no evita los defectos de fabricación, sino, únicamente, que se envíen al mercado
unidades defectuosas.

La segunda etapa del control de calidad se propone evitar las causas de los problemas de calidad
durante la fabricación. Se extiende, por occidente, a finales de los años 50, con los estudios de
capacidad de procesos y diseño de procesos. El control más importante es el control de calidad en
curso de fabricación; las tolerancias comienzan a contemplarse como estándares a superar y no
como objetivos a conseguir. Las ventajas de este enfoque radican en su capacidad para mejorar
procesos y prevenir la aparición de problemas.

Finalmente, como consecuencia de la intensa competencia internacional, la tercera etapa,

desarrollada especialmente en Japón, prosigue la dirección de evitar los problemas antes de que
aparezcan, y pone el énfasis en el diseño de productos para que cumplan altas cotas de calidad.

El ingrediente básico en la nueva concepción del control de calidad es la utilización masiva del
método científico y, en concreto, de la estadística, en la planificación de recogida y análisis de los
datos necesarios para la toma de decisiones tendientes a mejorar todos los procesos. Un control de
calidad del que no se deriven actuaciones constantes para el perfeccionamiento de los sistemas no
es un control de calidad verdadero.

Causas de variación

Hay muchas situaciones en las interesa que una variable permanezca constate a lo largo del tiempo.
Sin embargo, todos los procesos presentan variación, debida a pequeñas diferencias en las materias
primas utilizadas, desajustes de las máquinas, comportamiento del operador, etc. Por lo tanto, no
podemos esperar que una variable permanezca exactamente constante con el paso del tiempo, pero
sí que su modelo de variación permanezca estable.

Todo proceso de funcionamiento regular tiene variabilidad debida a dos tipos de causas: asignables
y no asignables (causas fortuitas). Las causas no asignables están presentes siempre, produciendo
una variabilidad homogénea y estable que es predecible al ser constante. Las asignables sólo
intervienen en determinados momentos, y producen entonces una variabilidad muy grande. Los
defectos debidos a causas no asignables aparecen aleatoriamente y la aparición de un defecto no
hace más probable la aparición del siguiente. Por el contrario, los defectos debidos a causas
asignables se mantienen hasta que eliminemos la causa que los produce.
La responsabilidad de eliminar las causas asignables corresponde al supervisor del proceso: el
desajuste de una máquina, el error de un operario, etc., son causas directamente detectables y
resolubles dentro del marco del proceso productivo. Sin embargo, la responsabilidad de reducir la

1
Módulo 3

variabilidad producida por las causas no asignables, que son la mayoría, corresponde a la dirección
de la empresa: mejorando la tecnología, cambiando los proveedores y, en general, mejorando el
proceso productivo.

Se dice que un proceso está en estado de control cuando la variabilidad que presenta es debida sólo
a causas no asignables, es decir, dicha variabilidad es constante a lo largo del tiempo y, por tanto,
predecible. En caso contrario se dice que el proceso está fuera de control.

Las gráficas de control (de Shewart) nos permiten distinguir la variación natural presente en un
proceso (causas no asignables) de la variación que sugiere que el proceso ha cambiado (causas
asignables). Es decir, sirven para controlar un proceso y alertarnos cuando éste ha sido
distorsionado y se halla fuera de control. Se utilizan principalmente para controlar el
funcionamiento de un proceso industrial, pero también para estudiar la estabilidad de cantidades
tan variables como el nivel de ozono en la atmósfera o los índices de audiencia de programas
televisivos

Tipos de gráficos de control.

Atendiendo a la característica del proceso o productos que se mide, las cartas de control se dividen
en dos grandes grupos: Para variables y para atributos. Los diagramas de control para variables se
usan para contrastar las características de calidad cuantitativas. Suelen permitir el uso de
procedimientos de control más eficientes y proporciona más información respecto al rendimiento
del proceso que los diagramas de control de atributos, que son utilizados para contrastar
características cualitativas, esto es, características no cuantificables numéricamente.

La clasificación más simple de este tipo de gráficas es:

 Gráficas por variables.

o Gráficas de medias y rangos
o Gráficas de medias y desviación estándar
o Graficas de observaciones individuales.
 Graficas por atributos
o Gráficas de porcentaje defectuoso (p)
o Gráficas de cantidad de defectos (np)
o Gráficos de defectos por unidad (u)
o Gráficos de defectos por unidad, tamaño constante de muestra (c).

Fundamento estadístico de una gráfica de control

2
Módulo 3

En todo proceso aparece una cierta variabilidad en la calidad, debida a causas aleatorias o no
asignables: variabilidad de la materia prima, la precisión de las máquinas y de los instrumentos de
medida, destreza de los operarios, etc.

Otras causas no aleatorias o asignables (materias primas defectuosas, desgaste de herramientas,

deficiente preparación del operario, etc.) producen ciertos efectos previsibles y definidos. Son
pocas y de aparición irregular, pero con grandes efectos. Son eliminables. Diremos que un proceso
está en estado de control cuando no le afecta ninguna causa asignable. Un instrumento para
determinar si se da o no esta situación son las gráficas de control.

El fundamento teórico de una gráfica de control se basa en la construcción, a partir de los valores
de la esperanza  y la desviación típica  del modelo teórico de distribución que sigue la
característica de calidad considerada, de un intervalo de control (generalmente [ - 3 ,  + 3
]). Dentro de este intervalo están casi todos los valores muestrales del proceso, si éste se encuentra
bajo control. Las muestras se obtienen a intervalos regulares de tiempo. Un punto que cae fuera de
los límites de control, indicaría que el proceso está fuera de control.

Existe una estrecha relación entre las cartas de control y la prueba de hipótesis. Para ilustrar esta
relación obsérvese la figura anterior donde el valor del promedio muestral x coincide con el eje
central, este a su vez está dentro de los límites de control, esto implica que la media del proceso
está bajo control, es decir es igual a cierto valor µ0. Por otro lado si excede cualquier de los límites
de control, se concluye que la media del proceso está fuera de control, es decir es igual a cierto
valor µ1 = µ0. En cierto sentido, entonces, la carta es una prueba de hipótesis de que el proceso está
en un estado de control estadístico. Un punto que se localiza dentro de los límites de control es
equivalente a no poder rechazar la hipótesis del control estadístico, y un punto que se localiza fuera
de esos límites es equivalente a rechazar la hipótesis del control estadístico. Incluso cuando todos
los puntos se localizan dentro de los límites de control, si se comportarán de una manera sistemática
NO aleatoria, esto podría ser indicio de que el proceso está fuera de control. Esto se podrá verificar
en la sección de interpretación de una gráfica de control.

Puede darse un modelo general para una carta de control. Sea w un estadístico muestral que mide
alguna característica de calidad de interés, y suponer que la media de w, es µw, y que la desviación
estándar de w es σw. Entonces la línea central, el límite superior de control y el límite inferior de
control son:

3
Módulo 3

UCL = µw + L σw

Línea central = µw

UCL = µw - L σw

Donde L es la “distancia” de los límites de control a la línea central, expresada en unidades de

desviación estándar. El Doctor Walter S. Shewhart fue el primero en proponer esta teoría general
de cartas de control, por lo tanto las gráficas suelen llamarse cartas de control de Shewhart.

Usos de la gráfica de control y sus consideraciones.

La carta de control es un recurso para describir de manera precisa lo que se pretendió exactamente
por medio del control estadístico; como tal puede usarse en una variedad de formas. En muchas
aplicaciones se usa para la vigilancia en línea de un proceso. Es decir, se colectan datos muestrales
y se usan para construir la carta de control y los valores muestrales de x (por ejemplo) se localiza
dentro de los límites de control y no muestra ningún patrón sistemático, se dice que el proceso está
bajo control en el nivel indicado en la carta. Obsérvese que en este caso podría haber interés en
determinar tanto si los datos pasados provinieron de un proceso que estaba bajo control como si la
muestras futuras de este proceso indican control estadístico.

El uso más importante de una carta de control es mejorar el proceso. Se ha encontrado, que, en
general,

1. La mayoría de los procesos no operan en un estado de control estadístico.

2. Por consiguiente, el uso rutinario y atento de las cartas de control identificará las causas
asignables. Si estas causas pueden eliminarse del proceso, la variabilidad se reducirá y el
proceso será mejorado.
3. La carta de control sólo detectará las causas asignables. Por lo general será necesaria la
acción de la administración, del operador y del área de ingeniería para eliminar las causas
asignables.

Para identificar y eliminar las causas asignables, es importante encontrar la causa de origen
fundamental del problema y atacarla. Una solución cosmética no redundará en una mejora rel de
largo plazo del proceso. Desarrollar un sistema efectivo para una acción correctiva es un
componente especial de una implementación de SPC efectiva. La herramienta para lograr la mejora
es un plan de acción para condiciones fuera de control.

La carta de control también puede utilizarse como un recurso de estimación. Es decir, a partir de
una carta de control que indique control estadístico es posible estimar ciertos parámetros del
proceso, tales como la media, la desviación estándar, la fracción disconforme o porción caída,
etcétera. Después de estas estimaciones pueden usarse para determinar la capacidad del proceso
para producir productos aceptables. Estos estudios de capacidad de proceso tienen un impacto
considerable en muchos problemas que ocurren en el ciclo del producto y que requieran decisiones

4
Módulo 3

de la administración, incluyendo la decisión de fabricar o comprar, las mejoras de la planta y del

proceso que reducen la variabilidad del proceso y los acuerdos contractuales con los clientes o
distribuidores respecto de la calidad del producto.

Un factor importante en el uso de las cartas de control es el diseño de la carta de control. Por esto
se entiende la selección del tamaño de muestra de los límites de control y de la frecuencia del
muestreo. En la mayoría de los problemas de control de calidad se acostumbra a diseñar la carta de
control utilizando principalmente consideraciones estadísticas. Por ejemplo se sabe que al
incrementar el tamaño de muestra disminuirá la probabilidad del error tipo II (concluir que el
proceso está bajo control, cuando en realidad está fuera de control). Mejorándose así la capacidad
de la carta para detectar un estado fuera de control, etcétera. El uso de criterios estadísticos como
estos, aunados a la experiencia industrial ha llevado a lineamientos y procedimientos generales
para diseñar cartas de control. En estos procedimientos por lo general los factores del costo sólo se
consideran de manera implícita. Sin embargo recientemente ha empezado a examinarse el diseño
de las cartas de control desde una perspectiva económica, considerando de manera explícita el
costo del muestreo, las pérdidas generadas por permitir que se produzcan productos defectuosos y
los costos de investigar señales de fuera de control que en realidad son falsas alarmas.

Extraído de:

Montgomery Douglas C. Control estadístico de calidad (2005). México. Ed. LIMUSA

Consulta en:

Gráficos de control de Shewart, http://www.dmae.upct.es/~mcruiz/Minas06/Teoria/qcontrol.pdf,

consultado el 31 de junio 2014