¿Qué es el SPC?

El control gráfico de procesos (CGP o SPC, del inglés statistic process control) alude al uso de gráficos de
control, basándose en técnicas estadísticas, lo que permite usar criterios objetivos para distinguir variaciones
de fondo de eventos de importancia. Casi toda su potencia está en la capacidad de monitorear el centro del
proceso y su variación alrededor del centro. Recopilando datos de mediciones en diferentes sitios en el
proceso, se pueden detectar y corregir variaciones en el proceso que puedan afectar a la calidad del producto
o servicio final, reduciendo desechos y evitando que los problemas lleguen al cliente final. Con su énfasis en
la detección precoz y prevención de problemas, SPC tiene una clara ventaja frente a los métodos de calidad
como inspección, que aplican recursos para detectar y corregir problemas al final del producto o servicio,
cuando ya es demasiado tarde.
Además de reducir desechos, SPC puede tener como consecuencia una reducción del tiempo necesario para
producir el producto o servicio. Esto es debido parcialmente a que la probabilidad de que el producto final se
tenga que retrabajar es menor, pero también puede ocurrir que al usar SPC, identifiquemos los cuellos de
botella, paradas y otros tipos de esperas dentro del proceso. Reducciones del tiempo de ciclo del proceso
relacionado con mejoras de rentabilidad han hecho del SPC una herramienta valiosa desde el punto de vista
de la reducción de costes y de la satisfacción del cliente final.

¿Qué es una medida de dispersión?

Parámetros estadísticos que indican como se alejan los datos respecto de la media aritmética. Sirven como
indicador de la variabilidad de los datos. Las medidas de dispersión más utilizadas son el rango, la desviación
estándar y la varianza.
Rango
Indica la dispersión entre los valores extremos de una variable. se calcula como la diferencia entre el mayor y
el menor valor de la variable. Se denota como R.
Para datos ordenados se calcula como:
R = x(n) - x (1)
Donde: x(n): Es el mayor valor de la variable. x(n): Es el menor valor de la variable.
Desviación media
Es la media aritmética de los valores absolutos de las diferencias de cada dato respecto a la media.

Donde:
xi: valores de la variable.
n: número total de datos
Desviación estándar
La desviación estándar mide el grado de dispersión de los datos con respecto a la media, se denota como s para
una muestra o como σ para la población. Se define como la raíz cuadrada de la varianza según la expresión:
Error al crear miniatura: Falta archivo
Obsérvese que el denominador es n - 1, a diferencia de la desviación media donde se divide entre n; también
existe la fórmula de desviación típica donde el denominador es n, pero se prefiere n-1.
Mientras menor sea la desviación estándar, los datos son más homogéneos, es decir existe menor dispersión,
el incremento de los valores de la desviación estándar indica una mayor variabilidad de los datos.
Varianza
Es otro parámetro utilizado para medir la dispersión de los valores de una variable respecto a la media.
Corresponde a la media aritmética de los cuadrados de las desviaciones respecto a la media. Su expresión
matemática es:
Error al crear miniatura: Falta archivo
Coeficiente de Variación
Permite determinar la razón existente entre la desviación estándar (s) y la media. Se denota como CV. El
coeficiente de variación permite decidir con mayor claridad sobre la dispersión de los datos.
Error al crear miniatura: Falta archivo
También puede ser expresado en por ciento.

¿Qué es una gráfica de rango y promedio?

En el contexto del Control Estadístico de Procesos (CEP), la Gráfica de Rangos es una gráfica de control que
resulta ser una herramienta complementaria de análisis a la Gráfica de Promedios. Más aún, la construcción
de las 2 gráficas (Promedios y Rangos) se realizan generalmente en forma conjunta dado que el promedio por
si sólo puede ocultar variaciones del proceso, dado que se está representando una medida de tendencia
central.
Los límites de control para la Gráfica de Rangos se obtienen a través de las siguientes fórmulas:

Donde los parámetros a utilizar se encuentran previamente tabulados según se muestra a continuación:

Ejemplo de Gráfica de Rangos (R)

Utilizaremos el mismo ejemplo descrito en la sección de Gráfica de Promedios: Una empresa mide una
característica de un producto que es significativa en la calidad de éste. Para ello ha tomado 25 muestras donde
cada muestra consiste en la selección aleatoria de 4 unidades de producto. Luego se mide la característica de
interés (en alguna unidad de medida) y se obtienen los promedios muestrales que se presentan en la siguiente
tabla. Adicionalmente, el rango de cada muestra es la diferencia entre el valor de la mayor observación menos
el valor de la menor observación.
El valor objetivo de la característica en evaluación es 11 +- 1,5. Se requiere una gráfica de control de rangos
para analizar si el proceso se encuentra bajo Control Estadístico.
Un primer paso consiste en la obtención del gran promedio que determina la línea central de la gráfica de
control y se obtiene como el promedio de los rangos muestrales. En nuestro ejemplo el gran promedio se
obtiene de la siguiente forma:
R = (9,1 + 9,9 + 9,7 + .......... + 6,9 + 6,4) /25 = 8,076
A continuación, se determina el LCS (Límite de Control Superior) y LCI (Límite de Control Inferior). Para ello
dado que cada muestra es de un tamaño n=4, el valor de la constante D3 asociada es 0 y D4 es 2,282.
LCS = 2,282*8,076 = 18,43
LCI = 0*8,076 = 0
Un último paso es graficar los rangos muestrales en una gráfica que contenga los límites de control y el gran
promedio como se muestra a continuación:

Se concluye que el proceso se encuentra bajo control estadístico debido a que los valores de las muestras se
encuentran dentro de los límites de control. Adicionalmente las muestras se distribuyen aproximadamente a
ambos lados de la línea central (LC), no identificándose una tendencia en los valores muestrales. Llama la
atención del rango de la muestra número 14 (R=17,5) que si bien está bajo el LCS es un valor relativamente
alto en comparación a los otros rangos muestrales. Es importante que se busque identificar las causas que
afectaron la uniformidad en dicho caso.
CONTROL ESTADÍSTICO DE PROCESOS: GRÁFICA DE PROMEDIOS (X)
El Control Estadístico de Procesos (CEP) es una metodología que da la confianza estadística de que un
componente está dentro de una tolerancia sin la necesidad de medir cada componente. Se dice que un proceso
está bajo Control Estadístico si no existen causas asignables que expliquen las variaciones, es decir, el proceso
es predecible. De otra forma, un proceso está bajo Control Estadístico si sólo tiene variaciones asociadas
a causas aleatorias.
Un elemento clave en el Control Estadístico de Procesos es la utilización de Gráficas de Control. Una gráfica de
Control es una comparación gráfica de los datos de desempeño del proceso contra los límites de control
estadístico calculados (generalmente a +- 3 desviaciones estándar de la media), representados como rectas
delimitantes sobre la gráfica.
Es importante decidir la característica a graficar, dando prioridad a aquellas que han presentado
históricamente la mayor tasa de defectos. Una vez seleccionada la característica a graficar se debe escoger un
método de medición para diagnosticar los problemas y dar alertas tempranas ante la detección de variaciones
que puedan tener una causa asignable.
En el Control Estadístico de Procesos existen 3 gráficas de control comúnmente utilizadas: Gráfica de
Promedios (X), Gráfica de Rangos (R) y Gráfica de Proporciones (p). En esta sección se analizará la primera de
ellas.
Los límites de control para la Gráfica de Promedios se obtienen a través de las siguientes fórmulas:
Donde los parámetros a utilizar se encuentran previamente tabulados según se muestra a continuación:

Ejemplo de Gráfica de Promedios (X)

Una empresa mide una característica de un producto que es significativa en la calidad de éste. Para ello ha
tomado 25 muestras donde cada muestra consiste en la selección aleatoria de 4 unidades de producto. Luego
se mide la característica de interés (en alguna unidad de medida) y se obtienen los promedios muestrales que
se presentan en la siguiente tabla. Adicionalmente, el rango de cada muestra es la diferencia entre el valor de
la mayor observación menos el valor de la menor observación.
El valor objetivo de la característica en evaluación es 11 +- 1,5. Se requiere una gráfica de control de promedios
para analizar si el proceso se encuentra bajo Control Estadístico.
Un primer paso consiste en la obtención del gran promedio que determina la línea central de la gráfica de
control y se obtiene como el promedio de los promedios muestrales. En nuestro ejemplo el gran promedio se
obtiene de la siguiente forma:
X = (15,1 + 12,3 + 7,4 + .......... + 8,8 + 8,0) /25 = 9,872
A continuación, se calcula el promedio de los rangos muestrales:
R = (9,1 + 9,9 + 9,7 + ........... + 6,9 + 6,4) /25 = 8,076
Finalmente se determina el LCS (Límite de Control Superior) y LCI (Límite de Control Inferior). Para ello dado
que cada muestra es de un tamaño n=4, el valor de la constante A2 asociada es 0,729.
LCS = 9,872 + 0,729*8,076 = 15,76
LCI = 9,872 - 0,729*8,076 = 3,98
Un último paso es graficar los promedios muestrales en una gráfica que contenga los límites de control y el
gran promedio como se muestra a continuación:

Se concluye que el proceso se encuentra bajo control estadístico debido a que los valores de las muestras se
encuentran dentro de los límites de control. Adicionalmente las muestras se distribuyen aproximadamente a
ambos lados de la línea central (LC), no identificándose una tendencia en los valores muestrales. Es importante
notar que aun cuando los valores de las muestran estén dentro de los límites de control, en caso de existir una
tendencia, ésta puede advertir la existencia de una causa asignable que explique la variación y por tanto pronto
el proceso podría salir de Control Estadístico.
Se recomienda revisar la Gráfica de Rangos (R) que es una herramienta complementaria a la expuesta en esta
sección.
¿Qué son los límites de superior e inferior de control?
Los límites de control de su gráfica de control representan la variación de su proceso y le ayudan a indicar
cuando su proceso está fuera de control.
Los límites de control son las líneas horizontales ubicadas arriba y debajo de la línea central, que se utilizan
para determinar si un proceso está fuera de control. Los límites de control superior e inferior se basan en la
variación aleatoria esperada en el proceso. Por opción predeterminada, los límites de control de Minitab se
muestran 3 desviaciones estándar arriba y abajo de la línea central.

Por ejemplo, esta gráfica Xbarra muestra la longitud en el tiempo de los árboles de leva fabricados. Dos puntos
se encuentran por encima del límite de control superior. Estos puntos fuera de control indican que los árboles
de leva en estos subgrupos son más largos de lo esperado.
No confunda límites de control con límites de especificación. Los límites de control se basan en la variación del
proceso. Los límites de especificación están basados en los requisitos del cliente. Un proceso puede estar en
control y aun así no es capaz de cumplir con las especificaciones.

¿Qué son las tablas Military Standard?

El Military Standard 105 (MIL-STD-105E (1989), donde E indica la revisión), fue desarrollado durante la II
Guerra Mundial ante la necesidad de garantizar la calidad de pertrechos militares (municiones, etc.), durante
su producción en lotes. Esta norma es el sistema de inspección de aceptación más difundido a nivel mundial.
Es un sistema de inspección de aceptación por atributos porque es una colección de esquemas de muestreo
que a su vez comprenden planes de muestreo. Su amplia aceptación en el control de calidad motivó que fuera
adoptado por la ISO (International Standardization Organization – Organización Internacional de
Estandarización) en la norma ISO 2859, existiendo además normas concordantes con la ISO en muchos países
(con igual número, aunque con códigos literales específicos de cada país) y la norma ANSI/ASQC Z1.4
(American National Standards Institute – Estados Unidos) y la BS 6001(Reino Unido). Estas normas son la
contraparte civil del MIL-STD-105 y su adopción llevó en definitiva a la cancelación del MIL-STD-105E el 27 de
febrero de 1995. En específico en la ISO 2859 se encuentran pequeñas diferencias con el estándar militar,
como la terminología de no conformidad y porcentaje no conforme, ligeras modificaciones de las reglas de
cambio, etc. Pero, en esencia, la norma es similar al MIL-STD-105E. Por ello los aspectos que abordaremos son
válidos para ambas normas. Las partes de la ISO 2859 son:
ISO 2859-10:2006. Sustituye a ISO 2859-0:1995. Contiene una introducción general al muestreo de aceptación
por atributos y un resumen de los esquemas y planes de muestreo que se detallan en las otras partes de la
norma. También proporciona una guía para la selección del sistema de inspección a emplear en situaciones
específicas.
ISO 2859-1:1999 (tiene la nota Cor 1:2001). Procedimientos de muestreo para la inspección por atributos –
Parte 1. Esquemas de muestreo indexados por NCA para la inspección lote a lote.
ISO 2859-2:1985. Procedimientos de muestreo para la inspección por atributos – Parte 2. Planes de muestreo
indexados por la calidad límite para la inspección de lotes individuales o aislados.
ISO 2859-3:2005. Procedimientos de muestreo para la inspección por atributos – Parte 3. Procedimientos de
muestreo con salto de lote. Su objetivo es estandarizar los procedimientos de muestreo en productos de alta
calidad suministrados por un proveedor que tiene un aseguramiento de la calidad satisfactorio y se puede
determinar aleatoriamente cuando un lote puede ser aceptado sin inspección.
ISO 2859-4:2002. Procedimientos de muestreo para la inspección por atributos – Parte 4. Procedimientos para
la evaluación de niveles de calidad declarados. Se establecen los procedimientos y planes de muestreo que
pueden emplearse para evaluar si el nivel de calidad de una entidad (lote, proceso, etc.), es conforme con un
nivel de calidad declarado.
ISO 2859-5:2005. Contiene esquemas de muestreo secuencial que son suplementarios a los de la parte 1.

Características del MIL-STD-105E y de la ISO 2859-1.

Es un sistema de muestreo de aceptación por atributos, basado en el NCA y su objetivo es inducir al proveedor
a mantener un promedio del proceso al menos igual que el NCA de aceptación, manteniendo al mismo tiempo
un límite para el riego del cliente de aceptar ocasionalmente un lote de poca calidad. Se aplica a productos
finales, materias primas, operaciones, mantenimiento y procedimientos administrativos.
Los términos y definiciones de la norma no difieren de lo que ya hemos visto. El NCA se define como el peor
promedio tolerable del proceso cuando se remiten series continuas de lotes para el muestreo de aceptación.
Se establece claramente que el NCA no es un nivel deseable, pues la ISO 2859 estimula a los proveedores a
tener promedios del proceso mejores consistentemente que el NCA. El NCA no implica que el proveedor
suministre conscientemente unidades no conformes. La no conformidad se define como el incumplimiento de
un requisito específico. Se clasifican de acuerdo con su severidad. A las inconformidades más severas se le
asignan NCA muy pequeños mientras que a las menos severas se le asignan NCA mayores. El NCA no debe ser
mayor al 10%.
El fundamento estadístico está basado en las curvas CO. En la figura que sigue se muestran, como ejemplo, las
curvas CO para un plan de muestreo simple para un tamaño de muestra con código de letra M (fuente:
BS6001:1999).

El muestreo por el MIL-STD-105E y las normas afines se utiliza para series continuas de lotes lo que permite la
aplicación de reglas de cambio de tipo de plan, que veremos más adelante. Estas reglas proveen una
protección al cliente ante un deterioro de la calidad y un incentivo al proveedor para reducir costos de
inspección al alcanzar una buena calidad de manera consistente. Puede utilizarse para lotes aislados.
En la norma se incluyen las CO para los distintos niveles de inspección.
Se establecen niveles y tipos de inspección.
Nivel de inspección
Define la relación del tamaño del lote y el tamaño de la muestra. Con mayores tamaños de lote se establecen
mayores tamaños de muestra, aunque no en proporción directa. El tamaño de la muestra se codifica por letras.
Existen tres niveles generales: I, II, III.
Se utiliza el Nivel II a menos que se indique otro nivel. El Nivel I se usa cuando se busca reducir desechos en la
producción y el nivel III cuando se puede desechar una mayor cantidad de producto. Hay además cuatro niveles
especiales S1, S2, S3 y S4. El objetivo de estos niveles es poder reducir el tamaño de muestra cuando esto es
necesario.

Tamaño del lote Niveles especiales Niveles generales

S1 S2 S3 S4 I II III
2–8 A A A A A A B
9 – 15 A A A A A B C
16 – 25 A A B B B C D
26 – 50 A B B C C D E
51 – 90 B B C C C E F
91 – 150 B B C D D F G
151 – 280 B C D E E G H
281 – 500 B C D E F H J
501 – 1200 C C E F G J K
1201 – 3200 C D E G H K L
3201 – 10000 C D F G J L M
10001 – 35000 C D F H K M N
35001 – 150000 D E G J L N P
150001 – 500000 D E G J M P Q
≥ 500001 D E H K N Q R

Tipos de inspección
Normal: Se usa para asegurar una alta probabilidad de aceptación cuando la calidad del proceso es superior
al NCA y no hay porque sospechar que el proceso no tiene un nivel aceptable.
Rigurosa: Se usa cuando el criterio de aceptación es más estricto que en la inspección normal. Se determina
este, cuando la inspección de lotes anteriores consecutivos indica que la calidad del proceso es inferior al NCA.
Reducida: Cuando existe evidencia de que la calidad de la producción es mejor que el NCA en forma
consistente se pueden utilizar un plan de muestreo cuyo tamaño de muestra es de 2/5 partes del
correspondiente a inspección normal. En el momento de encontrar un lote rechazado se vuelve a la inspección
normal.

Reglas de cambio de tipos de plan

Las reglas de cambio del tipo de plan deben utilizarse pues se sabe que cuando se está usando muestreo por
atributos y el proveedor está produciendo una calidad más mala que el NCA, un plan de muestreo bien elegido
debe rechazar suficientes lotes para que se justifique el mejoramiento de la calidad sin demora alguna.
Además, cuando la producción está bajo control se puede esperar una calidad mejor que el NCA. Ahora bien,
el establecer el NCA no garantiza que el comprador no acepte lotes de baja calidad. Si la calidad de los lotes
es ligeramente peor que el NCA, algunos lotes de baja calidad serán aceptados antes de cambiar a inspección
rigurosa. Los cambios de tipo de plan se implementan:
 Normal a riguroso: cuando se rechazan 2 de 5 lotes, o menos de 5 lotes consecutivos.
Riguroso a normal: cuando 5 lotes consecutivos son aceptados.
Normal ha reducido: cuando se considera que la producción se encuentra controlada (estado estacionario)
Reducido a normal: cuando se rechaza un lote.
Suspensión de la inspección: cuando se rechazan 5 lotes consecutivos bajo inspección rigurosa.

Procedimiento para la selección de un plan de muestreo.

1. Seleccionar el NCA
2. Seleccionar el nivel de inspección.
3. Determinar el tamaño de lote.
4. Hallar la letra que corresponde de acuerdo con el nivel.
5. Determinar el tipo de plan (sencillo, doble o múltiple).
6. Seleccionar la tabla a utilizar.
7. Determinar el plan de inspección normal.
8. Utilizar las reglas de cambio cuando se requiera.

Se anexan las tablas más importantes de la MIL-STD-105E. Realmente están borrosas, pero se pueden utilizar.
Este material fue lo más completo que pude hallar en Internet.
Por ejemplo, se recibe un producto en lotes de 2000 unidades. Se desea establecer un plan de muestreo para
una inspección normal con un NCA de 0.65 %. De la tabla de los tamaños de lotes y los niveles de inspección,
vemos que para lotes de 2000 y un nivel de inspección II la letra es K. Utilizando la tabla para nivel de inspección
normal y con un NCA de 0.65 vemos que el plan es n = 125, c = 2.

BIBLIOGRAFIA
http://navarrof.orgfree.com/Docencia/Calidad/UT3/milstd105e_y_iso2859.htm
https://support.minitab.com/es-mx/minitab/18/.../control.../what-are-control-limits/
http://www.gestiondecalidadtotal.com/grafica_de_promedios.html
www.gestiondecalidadtotal.com/grafica_de_rangos.htm