Cómo crear un gráfico de control (Shewhart) para monitorear calidad
Palabra clave principal: Cómo crear un gráfico de control (Shewhart) para monitorear la calidad de un proceso
Definición del problema
En entornos de manufactura o servicios, la variabilidad es inherente. Un proceso que opera dentro de límites aceptables es deseable, pero la variabilidad no controlada puede llevar a defectos, desperdicio de recursos y pérdida de reputación. El reto operativo es saber cuándo un proceso está funcionando «normalmente» (dentro de su variación natural) y cuándo ha ocurrido un evento anormal (una causa especial) que requiere intervención inmediata.
Caso Práctico: Control de Tiempo de Ciclo en Línea de Ensamblaje de Dispositivos Médicos.
Una empresa fabrica dispositivos médicos y el tiempo que tarda cada operador en ensamblar una unidad es crítico. Si este tiempo varía demasiado, puede afectar la eficiencia de la línea o, peor aún, indicar un problema en la maquinaria o en la capacitación del personal. Necesitamos una herramienta visual y estadística para monitorear si el tiempo de ciclo se mantiene estable y predecible a lo largo del tiempo.
Explicación técnica
El Gráfico de Control de Shewhart es una herramienta de Control Estadístico de Procesos (SPC). Su objetivo es distinguir entre la variación común (inherente al sistema, aleatoria) y la variación especial (causada por eventos identificables, como una herramienta defectuosa o un operador distraído).
- Línea Central (CL): Representa el promedio del proceso.
- Límite Superior de Control (UCL): Define el límite superior aceptable de variación.
- Límite Inferior de Control (LCL): Define el límite inferior aceptable de variación.
Guía paso a paso
Paso 1: Recolección y Organización de Datos
Debemos organizar los datos en subgrupos. En nuestro caso, tomaremos 5 mediciones de tiempo de ciclo cada hora durante 20 horas.
Qué hacer: Ingresar los datos en una hoja de cálculo de Excel, asegurándose de que cada fila represente un subgrupo (una hora) y las columnas contengan las mediciones individuales.
Por qué se hace: Agrupar los datos permite calcular la media y la variabilidad de un lote de producción en un momento dado, lo cual es la base del control estadístico.
Resultado: Una tabla de datos crudos listos para el análisis.
| A | B | C | D | E | ||
|---|---|---|---|---|---|---|
| 1 | Hora | M1 | M2 | M3 | M4 | |
| 2 | 1 | 12.1 | 12.5 | 11.9 | 12.3 | 12.0 |
| 3 | 2 | 12.2 | 12.4 | 12.1 | 12.0 | 12.3 |
| 4 | 3 | 12.5 | 12.6 | 12.4 | 12.5 | 12.7 |
| 5 | 4 | 11.8 | 12.0 | 11.9 | 12.1 | 11.9 |
Necesitamos la media de cada subgrupo (cada hora). Esto será el punto que graficaremos.
Qué hacer: En la columna F (o una columna adyacente), calcule la media de cada fila de datos (B a E). Por ejemplo, en F2, escriba la fórmula: =PROMEDIO(B2:E2). Arrastre esta fórmula hacia abajo.
Por qué se hace:
Resultado: Una nueva columna con el tiempo promedio de ciclo por hora.
| A | B | C | D | E | |||
|---|---|---|---|---|---|---|---|
| 1 | Hora | M1 | M2 | M3 | M4 | M5 | |
| 2 | 1 | 12.1 | 12.5 | 11.9 | 12.3 | 12.0 | 12.16 |
| 3 | 2 | 12.2 | 12.4 | 12.1 | 12.0 | 12.3 | 12.20 |
Ahora calculamos el promedio de todas las medias (la línea central del gráfico) y la desviación estándar de esas medias.
Qué hacer: En una celda separada (ej. H1), calcule la media de toda la columna F: =PROMEDIO(F2:F21). En otra celda (ej. H2), calcule la desviación estándar de la columna F: =DESVEST.M(F2:F21). (Usamos DESVEST.M porque estamos tratando las medias de subgrupos como una muestra de la población).
Por qué se hace:
Resultado: Dos valores clave: la media general y la desviación estándar del proceso.
Paso 4: Determinar los Límites de Control (UCL y LCL)
Usaremos la regla de 3 desviaciones estándar ($pm 3sigma$) para establecer los límites, lo cual cubre aproximadamente el 99.73% de los datos si el proceso es normal.
Qué hacer:
- Línea Central (CL):
- Límite Superior (UCL): En una celda, escriba:
=H1 + 3 * H2. - Límite Inferior (LCL): En otra celda, escriba:
=H1 - 3 * H2.
Por qué se hace: Estos límites definen la «zona de control». Si un punto cae fuera, se considera una señal de que el proceso ha cambiado.
Paso 5: Visualización en Excel (Creación del Gráfico)
Este es el paso final donde se construye el gráfico de Shewhart.
Qué hacer:
- Vaya a la pestaña Insertar y seleccione un Gráfico de Dispersión (Scatter Plot).
- Una vez generado el gráfico, añada las líneas de control: Haga clic derecho en el gráfico, seleccione Seleccionar datos. Agregue tres series de datos: una para CL (usando el valor de H1), una para UCL (usando el valor de UCL) y una para LCL (usando el valor de LCL).
- Formatee las líneas de UCL y LCL con colores llamativos (rojo) y asegúrese de que la línea CL sea continua y visible.
Por qué se hace: La visualización permite la inspección rápida. El ojo humano detecta patrones y puntos fuera de rango mucho más rápido que la revisión de tablas.
Ejercicio propuesto
Extensión del Caso: Gráfico de R (Rango)
Errores habituales
La implementación de SPC es sensible a errores conceptuales y matemáticos. Aquí están los tres más comunes:
- Confundir Variación Común con Variación Especial: El error más grave. Si se interviene cada vez que un punto está cerca de un límite, se está «sobre-controlando» el proceso, lo que puede introducir nueva variación. Solo se debe actuar cuando un punto está fuera de los límites o cuando se detecta un patrón no aleatorio (tendencia, ciclo).
- Usar la Desviación Estándar de la Población en lugar de la Muestra:
- Ignorar la Estacionalidad o Tendencia: Si el proceso tiene una tendencia natural (ej. el tiempo de ciclo aumenta ligeramente cada día por fatiga del operador), un gráfico de control simple mostrará puntos fuera de control. En estos casos, se debe usar un Gráfico de Control con Tendencia (como un Gráfico EWMA o CUSUM) o aplicar una regresión lineal para «despojar» la tendencia antes de aplicar los límites de Shewhart.
Deja una respuesta