RESEÑA HISTORICA DE GRÁFICOS DE CONTROL

Los gráficos de control tienen su origen al final de la década de 1920. Entonces, Walter
A. Shewhart analizó numerosos procesos de fabricación concluyendo que todos
presentaban variaciones. Encontró que estas variaciones son de dos clases:
una aleatoria, entendiendo por ella que su causa era insignificante o desconocida.
Otra, imputable (también llamada asignable), cuyas causas podían ser descubiertas y
eliminadas tras un correcto diagnóstico
La variación de una determinada característica de calidad se cuantifica realizando un
muestreo de las salidas del proceso y estimando los parámetros de su distribución
estadística. Shewhart inició así el moderno control de calidad, fundamentado en el
control estadístico del proceso y rebasando al clásico control de calidad, limitado a la
inspección final del producto.
Los cambios en la distribución pueden comprobarse representando ciertos parámetros
en un gráfico en función del tiempo, denominado gráfico de control.

INTRODUCCIÓN

Los gráficos de control monitorean la situación de una empresa con la finalidad de

manejar y supervisar el buen funcionamiento de la misma y detectar rápidamente
cualquier anomalía respecto al patrón correcto a desarrollar.

Partiendo de que ningún proceso se encuentra espontáneamente en ese estado de

control, el interés de los gráficos radica en conseguir y mantener ese estado de control.
Los mismos son fáciles de usar e interpretar, por lo cual, tanto el personal encargado de
los procesos como por la dirección de estos, tienen un manejo más eficiente de
utilización de criterios estadísticos que permiten que las decisiones se basen en hechos y
no en intuiciones o en apreciaciones subjetivas que tantas veces resultan falsas.

QUÉ ES UN GRÁFICO DE CONTROL

Una de las herramientas de análisis y solución de problemas es la gráfica de control.
Es un diagrama que muestra los valores producto de la medición de una característica de
calidad, ubicados en una serie cronológica. En él establecemos una línea central o valor
nominal, que suele ser el objetivo del proceso o el promedio histórico, junto a uno o
más límites de control, tanto superior como inferior, usados para determinar cuándo es
necesario analizar una eventualidad.

VENTAJAS

 Representa la relación entre dos variables de forma gráfica, lo que hace más fácil
visualizar e interpretar los datos.
 Calculando la correlación de dos variables, permite cuantificar el grado de relación
entre ambas, así como su signo.

UTILIDADES

 Obtener información para determinar si dos variables están relacionadas.

 Comprobar cómo afecta a una variable los cambios producidos en otra.
 Probar las posibles relaciones causa / efecto.
PARTES DE UN GRAFICO DE CONTROL

¿Qué logramos con esto?

Imagina que eres un productor de tornillos y que cada tornillo que haces debe medir
entre 3,55 cm y 3,60 cm. Menos de 3,55 cm o más de 3,60 cm se consideran tornillos
defectuosos. Por ende, estableces tu límite de control superior en 3,60 cm y tu límite
inferior en 3,55 cm. Anotas las medidas de los tornillos que produces a diferentes horas
del día. Un día vez que en el gráfico de control, hay 7 tornillos producidos a las 3 de la
tarde que están por fuera de los límites, ¿qué paso ahí?

La respuesta al primer interrogante es: Adquieres control del proceso. Siguiendo el

ejemplo de los tornillos, el paso siguiente es determinar por qué ocurrió esa variación en
el proceso. ¿Acaso fue una causa aleatoria? ¿Quizás fue una causa asignable?

Veamos algunos términos antes de conocer qué tipos de gráficas hay.

 Causa asignable: Si consigues hallar una causa concreta o que ocasiona una
variación excesiva y obedece a una situación específica, hablamos de causa
asignable. Es el tipo de causa que debemos corregir. Por ejemplo la deficiente
capacitación del trabajador o la falta de ajuste de una máquina.
 Causa aleatoria: Cuando no consigues hallar una explicación concreta a una
variación, o si la variación fue ocasionada por un evento sin importancia que no se
volverá a repetir, hablamos de causa aleatoria. También se le suelen llamar
variaciones naturales o causas naturales. Es el tipo de causa que esta presente en la
vida misma, fortuita. Ejemplos son la curva de aprendizaje del trabajador y el cierre
inesperado del software.
 Límite superior de control: Es el valor más grande aceptado en el proceso. En
español LSC, en inglés UCL (Upper control limit).
 Límite inferior de control: El opuesto al superior, es decir, el valor más pequeño.
LIC en español, LCL en inglés (Lower control limit).
 Límite central de control: Con siglas LCC, es la línea central del gráfico. Entre
más cerca están los puntos a la línea, más estable es el proceso.

BENEFICIOS: ¿PARA QUÉ ENTONCES UN GRÁFICO DE CONTROL?

¿Para qué sirve un diagrama de control entonces?

Con lo que hemos detallado hasta el momento ya tenemos varios beneficios definidos.

 Análisis de proceso: Puede que nunca se haya hecho un control estadístico de

proceso. Un análisis con gráfico de control donde estableces los límites de control,
te permitirá analizar ese proceso y determinar qué es lo normal en él, cuando algo no
está bien, o si ha mejorado o empeorado a través del tiempo. Un proceso analizado
con esta herramienta, es un proceso controlado, que es precisamente el segundo
beneficio.
 Control de proceso: Conoces el comportamiento del proceso. ¿Es estable?, ¿se
mantiene? ¿qué tan frecuente se sale de control? Esto te permite intervenir sobre el
proceso para mejorarlo. Este, a continuación es el tercer beneficio.
 Mejoramiento del proceso: No basta analizar y controlar un proceso. Es necesario
mejorarlo. Con el diagrama de Shewhart identificamos dónde se generaron las fallas
y tenemos datos de entrada para hacer análisis de causas en aras de plantear
soluciones a las fallas.

TIPOS DE GRÁFICOS DE CONTROL

La característica de calidad a medir determina el tipo de diagrama de control.
Inicialmente encontramos dos clasificaciones:

Gráfica de control por variables

La característica de calidad que se mide es una variable continúa (peso, pulgadas,

temperatura, etc.). Si ese es el caso, podemos encontrar gráficos basados en la tendencia
central (𝑋) y en el rango.

 Gráfica 𝑋: Qué tanto se están alejando las mediciones de la tendencia central, que
en este caso es la media o promedio. Por ejemplo un nuevo trabajador o nuevos
instrumentos de trabajo harán que las mediciones se alejen más de línea central.
 Gráfica R: Qué tanta ganancia o pérdida de uniformidad hay en la dispersión de un
proceso dentro de una muestra. En otras palabras, el rango es la resta del valor más
grande con el valor más pequeño de una muestra, lo que nos permite determinar la
variabilidad. El valor resultante es plasmado en un gráfico de control para ser
comparado con el rango de otra serie de muestras. Con esto logramos ver si hay
presencia de uniformidad en los puntos ubicados o si no, para intervenir.
 Gráfica 𝑋-R: Utilizamos ambos tipos de gráficas cuando se miden la relación de las
especificaciones de calidad con la tendencia central y la dispersión. En este sentido,
ubicamos una gráfica ligeramente encima de la otra y analizamos el comportamiento
de cada punto.

Gráfica de control por atributos

Piensa en una característica de calidad basada en atributos como el cumplimiento con
respecto a una especificación. Lo hacemos con variables discretas. De aquí se derivan
cuatro tipos de gráficos:

 Gráfico P: En él medimos el porcentaje de defectos por muestra. Por ejemplo si

tenemos una muestra de 100 productos y 10 de ellos tienen al menos un defecto, hay
una fracción defectuosa de 0,1. Este valor se ubica en el gráfico sobre el eje y.
 Gráfico NP: A diferencia de p, este valor no es una fracción. Es el número de
unidades defectuosas en una muestra. Si es una muestra de 100 productos, 10 de
ellos tienen al menos un defecto, 10 será el valor a ubicar en el gráfico sobre el eje
y.
 Gráfico C: Es el número de defectos por unidad de producción durante un período
de muestreo. En este caso, los defectos por producto se cuentan, y establecemos un
valor para definir a partir de cuántos defectos una unidad es defectuosa. Por
ejemplo, el número de zonas desgastadas que tenga una chaqueta de cuero, si la
chaqueta tiene más de 5 zonas desgastadas, se considera una unidad no conforme.
 Gráfico U: Similar a p pero parte del gráfico c. En él medimos el porcentaje de
defectos en una unidad durante un período de muestreo.

CÓMO HACER UN GRÁFICO DE CONTROL: PASO A PASO

Hay diversidad de softwares que tienen funciones para hacer montones de cosas con
cartas de control. Incluso, en empresas de producción, hay maquinarias que elaboran a
medida que producen las cartas de control según la configuración asignada. Pero como
este no es el caso y de lo que hablamos en Ingenio Empresa es de aprendizaje, vamos a
explicar cómo hacer un gráfico de control.

Aun cuando es un paso a paso, si es importante que complementes lo aprendido aquí

con otras fuentes, pues el diagrama de control y en general el control estadístico de
procesos es un tema mucho más grande, que incluye distribuciones de probabilidad,
fórmulas, niveles de sigma, etc.
En todo caso, el control estadístico de procesos es un tema próximo a desarrollar en
detalle en Ingenio Empresa.

 Paso 1. Antes que nada, determina cuál es el proceso a trabajar y cuál es la

característica de calidad que vas a medir. ¿Acaso es peso, longitud, número de
defectos o volumen?
 Paso 2: Ahora que tienes el tipo de datos a recolectar, define el tipo de gráfico de
control a usar basándote en lo explicado anteriormente, y no te quedes solo con eso,
investiga más.
 Paso 3: Determina el tiempo en el que estarás capturando los datos y define con
base en el tipo de gráfico que vas a trazar, cuestiones como la cantidad de muestras
a considerar (considera al menos 20) y el tamaño de cada una.
 Paso 4: Recopila los datos.
 Paso 5: Determina la línea central y el límite de control superior e inferior.
 Paso 6: Representa los datos en la gráfica.
 Paso 7: Analiza el resultado. Interpreta el gráfico.

INTERPRETACIÓN DE UN GRÁFICO DE CONTROL

Y este apartado es únicamente para el paso 7, pues aquí radica la verdadera utilidad de
una carta de control. Existen comportamientos y patrones en los datos representados,
que nos darán un indicio de que hay una variabilidad no aleatoria que debe investigarse.

 Pista 1: Cuando hay solo un punto fuera de control. Es quizá la más pequeña de las
probabilidades.
 Pista 2: Cuando hay dos de cada tres puntos sucesivos ubicados a un lado de la línea
central y más de dos desviaciones estándar (sigma) alejados de esta línea.
 Pista 3: Cuando hay 4 de cada 5 puntos sucesivos ubicados a un lado de la línea
central y más de una desviación estándar (sigma) alejados de esta línea.
 Pista 4: Cuando hay una serie de 8 puntos sucesivos ubicados a un lado de la línea
central, sin importar cuántas desviaciones estándar estén alejados de la línea central.
Por ejemplo 8 de cada 10 puntos, 12 de cada 14 puntos o 16 de cada 18 puntos.
 Pista 5: Cuando hay 6 puntos consecutivos ascendentes o descendientes.
 Pista 6: Cuando hay 14 o más puntos consecutivos cruzando la línea central de
arriba a abajo, sin que haya al menos 2 puntos sucesivos en un mismo lado.
 Pista 7: Cualquier patrón recurrente que estés observando, puede ser
considerado algo inusual.

EJEMPLO DE DIAGRAMA DE CONTROL

Vamos a imaginar una empresa que produce escritorios, por ejemplo, Mesfir. Ellos
quieren monitorear el número de defectos en sus mesas incluyendo el 99,73% (tres
desviaciones estándar) de la variación aleatoria del proceso, por lo que revisan que la
forma de la mesa, su estabilidad y la pintura estén en óptimas condiciones.

Paso 1: Se van a contar el número de defectos encontrados en las mesas por lote. Los
lotes pueden variar levemente de tamaño, es decir, puede haber pequeñas variaciones en
el número de mesas que compone un lote de producción.

Paso 2: Se van a trabajar lotes que pueden tener diferente tamaño, y se va a contar el
porcentaje de defectos encontrados por lote (el lote es la muestra), razón por la cual
vamos a trabajar con una gráfica de control por atributos tipo p.

Paso 3: Los datos se van a capturar durante 10 días de producción. Se van a considerar
20 muestras (20 lotes), el tamaño de cada lote lo tienes en el paso 4.

Paso 4: Estos son los datos recopilados. La fracción defectuosa es el resultado de dividir
el número de errores por el tamaño del lote.

Datos recopilados para elaborar gráfico de control

Paso 5: Vamos a determinar la línea central y los límites de control superior e inferior.
Vale la pena aclarar que cuando hicimos el ejemplo, consideramos todos los decimales,
sin embargo en los gráficos y fórmulas que mostramos a continuación, solo
consideramos dos cifras decimales, por lo tanto seguramente si reproduces el ejemplo
como se muestra a continuación, los resultados van a variar levemente.

Para tener la línea central calculamos p promedio:

Número de errores 99
p   0, 05
Número total de registros examinados 1859
Observa la última fila del paso 4. El número de errores es 99, el número total de
registros examinados es 1859 y resulta de la sumatoria del número de escritorios por
lote.
La desviación estándar para la distribución de la muestra se calcula así:



p 1 p  0, 05 1  0, 05
 0, 02
n 92,95
p promedio es el número que calculamos anteriormente, y n es 92,96 que es el tamaño
de la muestra, en este caso el tamaño de los lotes. Como se aprecia en la tabla del paso
4, el tamaño del lote varia, por lo tanto 92,95 es el resultado del promedio de escritorios
por lote. La desviación estándar es igual a 0,02.

El cálculo de los límites se hace así:

LCSP  p  z p  0, 05  3  0, 02   0,12

LCI P  p  z p  0, 05  3  0, 02   0, 01  0

El número de desviaciones estándar se conoce como z. Mesfir (la empresa) limita los
valores a 3 desviaciones estándar de la media, lo que equivale a 99,73%. Es por eso que
en el cálculo de los límites de control, z es igual a 3. Los otros datos ya los conoces,
fueron calculados anteriormente.

¿Podemos tener un número de defectos negativo? No. Es por eso que el límite central
inferior se redondea a 0.

Paso 6: Procedemos a representar los datos en una carta de control.

Con los cálculos hechos, este es el resultado de la gráfica de control de Mesfir.

Ejemplo de gráfica de control: Gráfica P

Paso 7: Analizamos el resultado.

La interpretación de una gráfica de control tiene más sentido cuando se han hecho
varios ejercicios de este tipo, lo que permite determinar qué es normal y qué no lo es en
el comportamiento de la producción. Sin embargo, y basándonos en las pistas antes
mostradas, podemos ver que:

 El punto 12 está fuera de control. Aunque es una probabilidad pequeña, bien vale la
pena entrar a mirar porqué ocurrió esto.
 Evidentemente algo ocurrió en los lotes 4 a 9. Fija que hay un aumento constante
desde el punto 4 hasta el punto 9, y aunque se ve corregido en el punto 10, se debe
de revisar cómo se trabajaron estos lotes.
 ¿Qué ocurrió en los puntos 11,12 y 13? Hubo algún suceso que afectó sobre todo al
punto 12 y después fue corregido; es lo más probable.
CONCLUSIONES

 Los gráficos de control se presentan con el fin de supervisar el manejo de procesos y

variables, mediante recopilación de datos, análisis y optimización de unidades,
planificación de mantenimiento, control de calidad, inventario entre otros.
 Al presentar estos gráficos y los para su elaboración se destaca la interpretación de
variables cualitativas que se toman valores numéricos. Dichos gráficos nos sirven
como herramienta para detectar variabilidad, consistencia, control y mejora de los
procesos al describir fracciones defectuosas mediante, los gráficos “P”, “NP”, “C”.