Control estadístico de procesos

El control estadístico de procesos fue impulsado por Walter A. Shewhart a principios de la década de 1920. Shewhart creó la base del gráfico de control y el concepto de un estado de control estadístico mediante experimentos cuidadosamente diseñados. Aunque el Dr. Shewhart se basó en teorías matemáticas estadísticas puras, comprendió que los datos de los procesos físicos rara vez producen una "curva de distribución normal" (una distribución gaussiana, también conocida comúnmente como "curva de campana"). Descubrió cómo la variación observada en los datos de fabricación no siempre se comportaba del mismo modo que los datos de la naturaleza (por ejemplo, el movimientobrowniano de las partículas). El Dr. Shewhart llegó a la conclusión de que, si bien todos los procesos presentan variación, algunos muestran una variación controlada que es natural para el proceso (causas comunes de variación), mientras que otros muestran una variación incontrolada que no está presente en el sistema causal del proceso en todo momento (causas especiales de variación). La variación incontrolada se asocia a menudo con los productos defectuosos, proporcionando un medio basado en datos para identificar los problemas y mejorar la calidad.

W. Edwards Deming aplicó posteriormente los métodos de CPS en EE.UU. durante la Segunda Guerra Mundial, mejorando así con éxito la calidad en la fabricación de municiones y otros productos de importancia estratégica. Una vez finalizada la guerra, contribuyó a introducir los métodos de CPS en la industria japonesa. El enfoque de Deming de utilizar el SPC con prácticas de gestión relacionadas llegó a conocerse como sistema de gestión de la calidad.

La siguiente descripción se refiere a la industria manufacturera y no a la de servicios, aunque los principios del SPC pueden aplicarse con éxito a cualquiera de ellas. Para ver una descripción y un ejemplo de cómo se aplica el CEP a un entorno de servicios, consulte Roberts (2005). Selden describe cómo utilizar el SPC en los campos de las ventas, el marketing y el servicio al cliente, utilizando el famoso experimento de la cuenta roja de Deming como demostración fácil de seguir.

En la fabricación en serie, la calidad del artículo acabado se conseguía tradicionalmente mediante la inspección del producto después de la fabricación; se aceptaba o rechazaba cada artículo (o las muestras de un lote de producción) en función de si cumplía las especificaciones de diseño. En cambio, el Control Estadístico de Procesos utiliza herramientas estadísticas para observar el rendimiento del proceso de producción con el fin de predecir desviaciones significativas que puedan dar lugar posteriormente a un producto rechazado.

En todos los procesos de fabricación se producen dos tipos de variación: ambos tipos de variación del proceso provocan la posterior variación del producto final. La primera se conoce como variación natural o de causa común y consiste en la variación inherente al proceso tal y como está diseñado. La variación de causa común puede incluir variaciones de temperatura, propiedades de las materias primas, fuerza de una corriente eléctrica, etc. El segundo tipo de variación se conoce como variación de causa especial, o variación de causa asignable, y ocurre con menos frecuencia que la primera. Con una investigación suficiente, se puede encontrar una causa específica, como una materia prima anormal o parámetros de configuración incorrectos, para las variaciones de causa especial.

Por ejemplo, una línea de envasado de cereales para el desayuno puede estar diseñada para llenar cada caja de cereales con 500 gramos de producto, pero algunas cajas tendrán algo más de 500 gramos y otras algo menos, de acuerdo con una distribución de pesos netos. Si el proceso de producción, sus insumos o su entorno cambian (por ejemplo, las máquinas que realizan la fabricación empiezan a desgastarse) esta distribución puede cambiar. Por ejemplo, a medida que sus levas y poleas se desgastan, la máquina de llenado de cereales puede empezar a poner en cada caja más cereales de los especificados. Si se permite que este cambio continúe sin control, se producirá cada vez más producto que queda fuera de las tolerancias del fabricante o del consumidor, lo que dará lugar a residuos. Si bien en este caso, el desperdicio es en forma de producto "gratis" para el consumidor, normalmente el desperdicio consiste en retrabajos o desechos.

Al observar en el momento oportuno lo que ha sucedido en el proceso que ha dado lugar a un cambio, el ingeniero de calidad o cualquier miembro del equipo responsable de la línea de producción puede localizar la causa raíz de la variación que se ha introducido en el proceso y corregir el problema.

El CPS indica cuándo debe realizarse una acción en un proceso, pero también indica cuándo no debe realizarse ninguna acción. Un ejemplo es una persona que desea mantener un peso corporal constante y se mide el peso semanalmente. Una persona que no entienda los conceptos de CPS podría empezar a hacer dieta cada vez que su peso aumente, o comer más cada vez que su peso disminuya. Este tipo de acción podría ser perjudicial y, posiblemente, generar una variación aún mayor del peso corporal. La CPS tendría en cuenta la variación normal del peso e indicaría mejor cuándo la persona está de hecho ganando o perdiendo peso.

El control estadístico de procesos puede desglosarse a grandes rasgos en tres conjuntos de actividades: comprensión del proceso, comprensión de las causas de variación y eliminación de las fuentes de variación de causa especial. Las herramientas clave del control estadístico de procesos son los gráficos de control, el enfoque en la mejora continua y los experimentos diseñados.

Para entender un proceso, normalmente se traza un mapa del mismo y se supervisa el proceso mediante gráficos de control. Los gráficos de control se utilizan para identificar la variación que puede deberse a causas especiales y para liberar al usuario de la preocupación por la variación debida a causas comunes. Se trata de una actividad continua y permanente. Cuando un proceso es estable y no activa ninguna de las reglas de detección de un gráfico de control, también puede realizarse un análisis de la capacidad del proceso para predecir la capacidad del proceso actual de producir un producto conforme (es decir, dentro de las especificaciones) en el futuro.

Cuando las reglas de detección del gráfico de control identifican una variación excesiva, o se constata la falta de capacidad del proceso, se realizan esfuerzos adicionales para determinar las causas de esa variación. Las herramientas utilizadas son los diagramas de Ishikawa, los experimentos diseñados y los diagramas de Pareto. Los experimentos diseñados son fundamentales en esta fase del CEP, ya que son el único medio de cuantificar objetivamente la importancia relativa de las numerosas causas potenciales de variación.

Una vez cuantificadas las causas de la variación, se invierte el esfuerzo en eliminar las causas que son significativas tanto desde el punto de vista estadístico como práctico (es decir, una causa que sólo tiene un efecto pequeño pero estadísticamente significativo puede no considerarse rentable de arreglar; sin embargo, una causa que no es estadísticamente significativa nunca puede considerarse prácticamente significativa). Por lo general, esto incluye el desarrollo de un trabajo estándar, la comprobación de errores y la formación. Pueden ser necesarios cambios adicionales en el proceso para reducir la variación o alinear el proceso con el objetivo deseado, especialmente si hay un problema de capacidad del proceso.

En 1989, el Instituto de Ingeniería de Software introdujo la noción de que el SPC puede aplicarse de forma útil a los procesos no manufactureros, como los procesos de ingeniería de software, en el Modelo de Madurez de Capacidades (CMM). Esta idea existe hoy en día dentro de las prácticas de Nivel 4 y Nivel 5 de la Integración del Modelo de Madurez de Capacidades (CMMI). Sin embargo, esta noción de que el SPC es una herramienta útil cuando se aplica a procesos no repetitivos e intensivos en conocimiento, como los procesos de ingeniería, se ha encontrado con mucho escepticismo, y sigue siendo controvertida hoy en día. El problema radica en numerosas áreas del software que no son repetitivas, sino que son aspectos de la calidad que se dan una sola vez o una sola vez, en lugar de ser observados para un rendimiento repetido en una visión a largo plazo.

• Garantía de calidad
• Control de calidad
• ANOVA
• Muestreo (estadísticas)
• Seis sigma