Cómo calcular el límite de control superior e inferior con fórmulas
En el ámbito de la Ingeniería Industrial y el Control de Calidad, la capacidad de monitorear procesos de manera estadística es fundamental. Este instructivo técnico le guiará, paso a paso, sobre cómo calcular los Límites de Control Superior (LCS) y Límites de Control Inferior (LCI) utilizando las potentes herramientas de Excel, aplicándolo a un caso práctico real.
Definición del problema
Imaginemos que usted es el Gerente de Producción en una planta de ensamblaje de componentes electrónicos. Su proceso clave es el tiempo de ciclo de ensamblaje de la «Placa Modelo X-200». La consistencia en este tiempo es crítica, ya que desviaciones significativas pueden llevar a cuellos de botella o a la sobreproducción, afectando los costos operativos y los tiempos de entrega al cliente.
El reto operativo es determinar si el proceso de ensamblaje está bajo control estadístico. Para ello, necesitamos establecer límites de control que definan el rango «normal» de variación. Si un nuevo dato cae fuera de estos límites, se activa una alerta de que el proceso ha cambiado (está fuera de control) y requiere una investigación inmediata.
Para este ejercicio, hemos recolectado 20 mediciones de tiempo de ciclo (en segundos) tomadas durante la última semana por diferentes operadores.
Explicación técnica
La fórmula general para los límites de control es:
- Límite de Control Superior (LCS):
- Límite de Control Inferior (LCI):
En la práctica industrial, el factor $Z$ más común utilizado para definir límites de control estadísticamente robustos es $Z = 3$ (lo que corresponde a un nivel de confianza del 99.73%).
En Excel, utilizaremos las funciones estadísticas nativas: PROMEDIO()DESVEST.M() (Desviación Estándar Muestral) para calcular $sigma$.
Guía paso a paso
Paso 1: Ingreso de los datos de tiempo de ciclo
Primero, debemos ingresar los 20 datos de tiempo de ciclo recolectados en una hoja de cálculo de Excel. Asumiremos que los datos se ingresan en la columna B, comenzando desde la fila 2.
Acción: Seleccione la columna B y ingrese los siguientes 20 valores (simulados):
Por qué: Estos son los datos brutos que representan la variación del proceso que queremos controlar.
Resultado: Una lista de 20 tiempos de ciclo en segundos.
| A | B | C | |
|---|---|---|---|
| 1 | Etiqueta | Descripción | Tiempo (s) |
| 2 | Muestra 1 | Ciclo 1 | 12.1 |
| 3 | Muestra 2 | Ciclo 2 | 12.5 |
| 4 | Muestra 3 | Ciclo 3 | 11.9 |
| 5 | Muestra 4 | Ciclo 4 | 12.3 |
| 6 | Muestra 5 | Ciclo 5 | 12.0 |
| 7 | Muestra 6 | Ciclo 6 | 12.8 |
| 8 | Muestra 7 | Ciclo 7 | 12.2 |
| 9 | Muestra 8 | Ciclo 8 | 11.8 |
| 10 | Muestra 9 | Ciclo 9 | 12.4 |
| 11 | Muestra 10 | Ciclo 10 | 12.1 |
| 12 | Muestra 11 | Ciclo 11 | 12.6 |
| 13 | Muestra 12 | Ciclo 12 | 12.0 |
| 14 | Muestra 13 | Ciclo 13 | 12.3 |
| 15 | Muestra 14 | Ciclo 14 | 11.9 |
| 16 | Muestra 15 | Ciclo 15 | 12.2 |
| 17 | Muestra 16 | Ciclo 16 | 12.5 |
| 18 | Muestra 17 | Ciclo 17 | 12.1 |
| 19 | Muestra 18 | Ciclo 18 | 12.4 |
| 20 | Muestra 19 | Ciclo 19 | 12.0 |
La media es el valor central del proceso. La calcularemos en una celda designada, por ejemplo, la celda D2.
Acción: En la celda D2, escriba la fórmula: =PROMEDIO(B2:B21)
Por qué: La función PROMEDIO() suma todos los valores en el rango especificado y los divide por el número de valores, obteniendo el valor esperado del proceso.
Resultado:
| A | B | C | D | |
|---|---|---|---|---|
| 1 | Etiqueta | Descripción | Tiempo (s) | Estadística |
| 2 | =PROMEDIO(B2:B21) | |||
| 3 | Desviación Estándar ($sigma$) |
Paso 3: Cálculo de la Desviación Estándar ($sigma$)
La desviación estándar mide la dispersión o variabilidad de los datos alrededor de la media. Usaremos la función de desviación estándar muestral, ya que nuestros 20 puntos son una muestra del proceso completo.
Acción: En la celda D3, escriba la fórmula: =DESVEST.M(B2:B21)
Por qué: DESVEST.M() calcula la desviación estándar asumiendo que los datos provienen de una población mayor (muestra), lo cual es correcto en control de calidad.
Resultado: La desviación estándar ($sigma$) del tiempo de ciclo.
| A | B | C | D | |
|---|---|---|---|---|
| 1 | Etiqueta | Descripción | Tiempo (s) | Estadística |
| 2 | 12.215 | |||
| 3 | Desviación Estándar ($sigma$) | 0.264 |
Paso 4: Cálculo del Límite de Control Superior (LCS)
Acción: En la celda D4, escriba la fórmula: =D2 + (3 * D3)
Por qué: Multiplicamos la desviación estándar por 3 (el factor $Z$) y sumamos ese margen de error a la media. Esto define el punto más alto aceptable para el proceso.
Resultado: El valor máximo que el tiempo de ciclo puede alcanzar sin indicar un problema en el proceso.
Paso 5: Cálculo del Límite de Control Inferior (LCI)
Acción: En la celda D5, escriba la fórmula: =D2 - (3 * D3)
Por qué: Restamos el margen de error (3$sigma$) a la media. Esto define el punto más bajo aceptable para el proceso.
Resultado: El valor mínimo que el tiempo de ciclo puede alcanzar sin indicar un problema en el proceso.
| A | B | C | D | |
|---|---|---|---|---|
| 1 | Etiqueta | Descripción | Tiempo (s) | Resultado |
| 2 | 12.215 | |||
| 3 | Desviación Estándar ($sigma$) | 0.264 | ||
| 4 | LCS (Superior) | 12.997 | ||
| 5 | LCI (Inferior) | 11.433 |
Ejercicio propuesto
Para consolidar su aprendizaje, realice el siguiente ejercicio de extensión:
Escenario: Ahora, suponga que el equipo de mantenimiento ha implementado un nuevo procedimiento de calibración en la máquina. Usted sospecha que esto podría haber reducido la variabilidad del proceso. Tome un nuevo conjunto de 15 mediciones de tiempo de ciclo (simule 15 nuevos valores, asegurándose de que sean menores a 12.215 y más cercanos entre sí).
Tarea: Repita los Pasos 1 a 5 utilizando estos nuevos 15 datos. Compare el nuevo LCI y LCS con los valores originales. ¿Cómo ha cambiado el rango de control? ¿Qué implicación tiene esto para la estabilidad del proceso?
Pista: Si la desviación estándar ($sigma$) disminuye, los límites de control se estrecharán, indicando un proceso más estable y predecible.
Errores habituales
Al aplicar estas fórmulas, es común que los usuarios cometan errores conceptuales o de sintaxis. Aquí detallamos los tres más frecuentes:
- Usar
DESVEST.P()en lugar deDESVEST.M(): Este es el error más común. Si utilizaDESVEST.P(), está calculando la desviación estándar asumiendo que sus 20 puntos son la población completa, lo cual sesga el resultado hacia una variabilidad menor. Solución: Siempre useDESVEST.M()cuando esté analizando una muestra de un proceso continuo. - Error de Referencia de Celda en la Fórmula: Al copiar la fórmula del LCS a la celda del LCI, el usuario olvida cambiar el signo de suma (+) por resta (-). Solución: Verifique meticulosamente la fórmula: LCS = Media + (3 * Desv. Estándar) y LCI = Media – (3 * Desv. Estándar).
- Ignorar el Factor Z:Solución: Recuerde que el estándar industrial requiere el factor $Z=3$ para asegurar un nivel de confianza del 99.73%.
Deja una respuesta