Gráficos De Control Estadístico De La Calidad

El “Control Estadístico de Procesos” nació a finales de los años 20 en los Bell Laboratories. Su creador fue W. A. Shewhart, quien en su libro “Economic Control of Quality of Manufactured Products” (1931) marcó la pauta que seguirían otros discípulos distinguidos (Joseph Juran, W.E. Deming, etc.).

Sobre este libro han pasado más de 70 años y sigue sorprendiendo por su frescura y actualidad. Resulta admirable el ingenio con el que plantea la resolución de problemas numéricos pese a las evidentes limitaciones de los medios de cálculo disponibles en su época.

Lamentablemente, a Shewhart se le recuerda “solo por las gráficos de control” (X-R, etc.). Por si fuera poco, a menudo se emplean estos gráficos de modo incorrecto o se desconoce las limitaciones de los mismos. Normalmente, la utilización incorrecta de los gráficos de control dimana del desconocimiento de los fundamentos estadísticos que los sustentan. Por esta razón se ha considerado conveniente hacer hincapié en los fundamentos estadísticos, el problema del sobre ajuste del proceso y las limitaciones que presentan para la detección de derivas en los procesos y aumentos en la variabilidad en los mismos.

2. 0 ¿POR QUÉ VARÍAN LOS PROCESOS?.

Un proceso industrial está sometido a una serie de factores de carácter aleatorio que hacen imposible fabricar dos productos exactamente iguales.

Dicho de otra manera, las características del producto fabricado no son uniformes y presentan una variabilidad. Esta variabilidad es claramente indeseable y el objetivo ha de ser reducirla lo más posible o al menos mantenerla dentro de unos límites. El Control Estadístico de Procesos es una herramienta útil para alcanzar este segundo objetivo. Dado que su aplicación es en el momento de la fabricación, puede decirse que esta herramienta contribuye a la mejora de la calidad de la fabricación. Permite también aumentar el conocimiento del proceso (puesto que se le está tomando “el pulso” de manera habitual) lo cual en algunos casos puede dar lugar a la

mejora del mismo.

3.0 FUNDAMENTOS ESTADÍSTICOS.

Para el entendimiento del Control Estadístico de Procesos no es necesario ser un experto en estadística, pero es preciso recordar al menos los puntos que se describen a continuación.

a) Distribución Normal o Campana de Gauss.

La distribución normal es desde luego la función de densidad de probabilidad “estrella” en estadística.

Depende de dos parámetros µ y σ, que son la media y la desviación típica respectivamente. Tiene una forma acampanada (de ahí su nombre) y es simétrica respecto a µ. Llevando múltiplos de σ a ambos lados de µ, nos encontramos con que el 68% de la población está contenido en un entorno ±1σ alrededor de µ, el 95% de la población está contenido en un entorno ±2σ alrededor de µ y que el 99,73% está comprendido en ±3σ alrededor de µ.

b) Teorema del Límite Central.

El teorema del límite central (TLC) establece que si una variable aleatoria (v.a.) se obtiene como una suma de muchas causas independientes, siendo cada una de ellas de poca importancia respecto al conjunto, entonces su distribución es asintóticamente normal. Es decir:

c) Distribución de las medias muestrales

Si X es una v.a. N(µ, σ) de la que se extraen muestras de tamaño n, entonces las medias muestrales se distribuyen según otra ley normal:

Obsérvese que como consecuencia del TLC, la distribución de las medias muestrales tiende a ser normal aún en el caso que la población base no lo sea, siempre que el tamaño de la muestra sea suficientemente grande n≥25, si bien este número depende de la asimetría de la distribución.

4.0 ¿QUÉ CONDICIONES HACEN FALTA PARA QUE SE PUEDA APLICAR EL GRÁFICO DE CONTROL?

Para que tenga sentido la aplicación de los gráficos de control, el proceso ha de tener una estabilidad suficiente que, aún siendo aleatorio, permita un cierto grado de predicción. En general, un proceso caótico no es previsible y no puede ser controlado. A estos procesos no se les puede aplicar el gráfico de control ni tiene sentido hablar de capacidad. Un proceso de este tipo debe ser estudiado mediante herramientas estadísticas avanzadas hasta que el grado de

conocimiento empírico obtenido sobre el mismo permita conocer las causas de la estabilidad y se eliminen.

En lo sucesivo, se supondrá que los procesos tienen un cierto grado de estabilidad. Podemos distinguir dos casos:

• El proceso está regido por una función de probabilidad cuyos parámetros permanecen constantes a lo largo del tiempo. Este sería el caso de un proceso normal de media constante y desviación típica constante. Este es el caso ideal y al que se pueden aplicar los gráficos de control para detectar la presencia de causas asignables.

• El proceso está regido por una función de probabilidad alguno de cuyos parámetros varía ligeramente a lo largo del tiempo. Este sería el caso de un proceso normal cuya media varía a lo largo del tiempo (por ejemplo, una herramienta de corte que va desgastando la cuchilla de corte). Estrictamente hablando, este desgaste de la herramienta sería una causa especial; sin embargo si puede conocerse la velocidad de desgaste, podría compensarse resultando un proceso análogo al caso anterior.

Puede ocurrir que las características propias del proceso hagan que alguno de los factores de variabilidad intrínsecos al mismo, tenga un efecto preponderante, de modo que en este caso la distribución no sea normal. Un ejemplo puede ser la distribución de los diámetros de un proceso de taladrado, cuyo valor inferior está limitado por el propio diámetro de la broca, mientras que

la distribución presenta una cola hacia diámetros mayores debido a posibles incidencias oblicuas de la broca. En este caso, se dice que el proceso está bajo control estadístico cuando no hay otras causas asignables presentes. Esto es equivalente a decir que el proceso permanezca estable, es decir que los parámetros de la distribución permanezcan

...