Sin embargo, errores en su implementaci\u00f3n pueden comprometer seriamente la calidad de los productos y servicios. La administraci\u00f3n efectiva de esta herramientas es, en muchos sentidos, un arte t\u00e9cnico que comienza con una implementaci\u00f3n bien fundamentada.<\/p>\n\n\n\n
En esta gu\u00eda, nos proponemos desmitificar el proceso de administraci\u00f3n t\u00e9cnica del control estad\u00edstico, ofreciendo una ruta clara y pr\u00e1ctica para su gesti\u00f3n efectiva en el d\u00eda a d\u00eda.<\/p>\n\n\n\n
2. Antecedentes<\/h2>\n\n\n\n
El control es el precursor de la mejora<\/a> y las cartas de control, dentro del CEP, son una de las herramientas m\u00e1s utilizadas, con una utilidad que ha trascendido el tiempo. Hemos cumplido 100 a\u00f1os usando cartas de control<\/a>. Su origen se remonta a Walter A. Shewhart, quien en 1924, durante su trabajo en Bell Telephone Laboratories, cre\u00f3 lo que conocemos como el gr\u00e1fico o carta de control.<\/p>\n\n\n\n La idea era utilizar el conocimiento de la probabilidad y la estad\u00edstica para identificar y eliminar causas asignables de variabilidad en los procesos de manufactura, mejorando as\u00ed la calidad del producto. Western Electric adopt\u00f3 estos m\u00e9todos, el Departamento de Guerra de EE. UU. los promovi\u00f3, y la reci\u00e9n creada American Society for Quality Control<\/a>, en 1946, los hizo suyos. Y el resto es historia.<\/p>\n\n\n\n Hoy en d\u00eda, las gr\u00e1ficas de control son parte indispensable del haber de un ingeniero de calidad, administrador de procesos o l\u00edder de mejora continua. En la Figura 1 se aprecia una carta de control t\u00edpica, con sus elementos tradicionales. Existe una amplia literatura<\/a> al respecto; sin embargo, la implementaci\u00f3n correcta de un sistema de monitoreo y control con estas gr\u00e1ficas sigue siendo m\u00e1s un arte que depende de las circunstancias y la pericia del practicante.<\/p>\n\n\n\n Entre las muchas perspectivas que pueden tomarse en cuenta vale la pena destacar el trabajo de Zwetsloot, Jones-Farmer y Woodall<\/a>, por su perspectiva actual y pr\u00e1ctica en la materia. Junto a mis recomendaciones tra\u00eddas de la experiencia y la investigaci\u00f3n<\/a>, aqu\u00ed les dejo algunos lineamientos que pueden ayudarte en la gesti\u00f3n pr\u00e1ctica del control estad\u00edstico al momento de hacer una implementaci\u00f3n.<\/p>\n\n\n\n Como en todo proceso, necesitamos iniciar de alg\u00fan lado. Aqu\u00ed partimos del supuesto de que ya tenemos un proceso seleccionado. As\u00ed mismo, se asume que tambi\u00e9n contamos un conjunto de variables relevantes que deseamos monitorear y estamos listos para hacer la implementaci\u00f3n del sistema de monitoreo y control.<\/p>\n\n\n\n El proceso de identificar m\u00e9tricas clave para implementar un sistema de control es una discusi\u00f3n que requiere su propio art\u00edculo. Por lo general sugiero seguir lineamientos basados en el an\u00e1lisis de riesgo como los descritos en mi art\u00edculo Sensorizaci\u00f3n estrat\u00e9gica en las iniciativas de Industria 4.0<\/a>.<\/p>\n\n\n\n El proceso de implementaci\u00f3n de una gr\u00e1fica de monitoreo y control tradicionalmente sigue dos fases: estimaci\u00f3n y monitoreo, fases muy reconocidas en la literatura <\/a>como Fase I y Fase II, respectivamente. Sin embargo, la necesidad de asegurar una correcta implementaci\u00f3n ha llevado a diversos autores a reconocer la importancia de integrar nuevas fases en este proceso.<\/p>\n\n\n\n Por ejemplo, la estimaci\u00f3n \u2014una actividad que requiere de un an\u00e1lisis retrospectivo de los datos\u2014, para que se d\u00e9 adecuadamente, requiere de un cuidadoso proceso previo de planificaci\u00f3n y recolecci\u00f3n de datos que alinee el esfuerzo con los objetivos de control. A este proceso preliminar lo podemos llamar Fase 0.<\/p>\n\n\n\n Adem\u00e1s, una vez implementado el sistema de monitoreo, debemos recordar que, a lo largo del tiempo, requerir\u00e1 de mantenimiento para adaptarse al siempre cambiante ambiente de mejora continua. A este proceso de mantenimiento lo podemos identificar como una cuarta fase a considerar.<\/p>\n\n\n\n De esta forma, Zwetsloot, Jones-Farmer y Woodall<\/a> llegan a reconocer un sistema de cuatro fases que simplifico como:<\/p>\n\n\n\n Como nota para los m\u00e1s curiosos, Zwetsloot, Jones-Farmer y Woodall realmente llaman a la Fase 0 con el desafortunado nombre de Data collection\/construction<\/em> (recolecci\u00f3n\/construcci\u00f3n de datos), cuando en su descripci\u00f3n lo que realmente sugieren est\u00e1 m\u00e1s relacionado con actividades de planficaci\u00f3n. La recolecci\u00f3n o selecci\u00f3n de datos para la construcci\u00f3n del sistema de control realmente ocurreo hasta la Fase I, como se muestra en esta gu\u00eda.<\/p>\n\n\n\n Es interesante que este modelo de implementaci\u00f3n se mantenga iniciando en 0, pero recordemos que los conceptos de Fase I y Fase II est\u00e1n tan acu\u00f1ados en la mente de los acad\u00e9micos y practicantes que es m\u00e1s f\u00e1cil trabajar alrededor de ellos.<\/p>\n\n\n\n Tienes que decidir qu\u00e9 estado del proceso deseas monitorear.<\/p><\/blockquote><\/figure>\n\n\n\n Esta es probablemente la etapa m\u00e1s cr\u00edtica de todo el proceso de implementaci\u00f3n, y donde m\u00e1s errores he encontrado en la pr\u00e1ctica. En esta fase se define qu\u00e9 caracter\u00edsticas del proceso ser\u00e1n medidas y c\u00f3mo se recopilar\u00e1n las mediciones correspondientes, asegurando que la informaci\u00f3n obtenida sea representativa del proceso de inter\u00e9s y que las mediciones sean confiables.<\/p>\n\n\n\n Tambi\u00e9n se realizan an\u00e1lisis del sistema de medici\u00f3n y se establecen planes de muestreo o criterios de selecci\u00f3n de datos. La calidad de los datos es clave en esta fase, ya que errores en esta etapa pueden afectar todo el an\u00e1lisis posterior.<\/p>\n\n\n\n Como se ilustra en Figura 2, recolectar datos significa medir, confiar en las mediciones y en el instrumento que usamos para obtenerlas.<\/p>\n\n\n\n Definir el proceso que deseas controlar involucra algo m\u00e1s que s\u00f3lo elegir un proceso de una lista de candidatos. Tienes que decidir qu\u00e9 estado del proceso deseas monitorear.<\/em> Puedes elegir monitorear el proceso en su estado actual para observar sus movimientos \u2014algo que he encontrado \u00fatil al monitorear \u00edndices econ\u00f3micos<\/a>\u2014, o puedes enfocarte en alg\u00fan estado espec\u00edfico, como puede ser el caso de un proceso en el que se siguen procedimientos predefinidos por la empresa.<\/p>\n\n\n\n Probablemente esta \u00faltima situaci\u00f3n es la de mayor inter\u00e9s de un practicante de la ingenier\u00eda de calidad y la administraci\u00f3n de procesos industriales, por lo que nuestra atenci\u00f3n se centrar\u00e1 aqu\u00ed.<\/p>\n\n\n\n Es crucial que los datos recopilados sean representativos de aquello que deseas monitorear. Para entender la importancia de este hecho, es necesario comprender c\u00f3mo las gr\u00e1ficas de control eval\u00faan las nuevas observaciones de un proceso durante la fase de monitoreo. Esto es, comparando contra un est\u00e1ndar<\/em>.<\/p>\n\n\n\n \u00bfEn qu\u00e9 consiste la comparaci\u00f3n contra un est\u00e1ndar en la fase de monitoreo? F\u00e1cil: se toma una muestra del proceso, y esta se compara contra lo que se esperar\u00eda del proceso si este estuviera bajo control<\/em>. El proceso bajo control est\u00e1 definido por aquello que hayamos establecido como est\u00e1ndar.<\/p>\n\n\n\n Si este est\u00e1ndar representa el proceso en un estado en que se siguen correctamente los lineamientos de operaci\u00f3n, diferencias respecto a este est\u00e1ndar nos har\u00e1n sospechar que el proceso no est\u00e1 siguiendo los lineamientos de operaci\u00f3n. Por otro lado, si este est\u00e1ndar representa un proceso ca\u00f3tico, a menos que ocurra una perturbaci\u00f3n significativamente mayor a la registrada por nuestro est\u00e1ndar, dif\u00edcilmente notaremos movimientos en el proceso, y, por lo tanto, la utilidad del sistema de monitoreo estar\u00e1 comprometida.<\/p>\n\n\n\n El correcto entendimiento del concepto de comparaci\u00f3n contra un est\u00e1ndar es la clave para guiarnos.<\/p>\n\n\n\n Este est\u00e1ndar del proceso lo obtienes tomando una muestra del proceso mientras este proceso se encuentra en el estado que deseas controlar<\/em>.<\/p>\n\n\n\n Por ejemplo, si deseas implementar un sistema para controlar un proceso de inyecci\u00f3n de pl\u00e1stico, al momento de tomar una muestra del proceso puedes considerar:<\/p>\n\n\n\n Entre los errores comunes de esta fase destaca uno que, en particular, deseo resaltar: la incorrecta selecci\u00f3n de datos hist\u00f3ricos. Utilizar datos hist\u00f3ricos en s\u00ed no es un problema. El problema radica en que, frecuentemente, dichos datos no fueron generados pensando en el sistema de monitoreo que deseamos implementar y, por lo tanto, no se alinean con nuestro objetivo ni son realmente representativos del est\u00e1ndar que deseamos controlar.<\/p>\n\n\n\n S\u00ed podemos utilizar datos hist\u00f3ricos; solo debemos tener cuidado de que estos sean representativos de lo que deseamos controlar. No caigas en la tentaci\u00f3n de utilizar datos solo porque los tienes.<\/p>\n\n\n\n Finalizamos esta Fase 0 con un plan de recolecci\u00f3n o selecci\u00f3n de datos.<\/p>\n\n\n\n Para ilustrar la Fase 0 al momento de implementar un sistema de monitoreo, veamos el caso de un proceso de torneado y c\u00f3mo se podr\u00eda planificar la recolecci\u00f3n de datos para establecer un sistema de monitoreo y control.<\/p>\n\n\n\n 1. Definici\u00f3n del proceso a controlar:<\/strong> El proceso consiste en el torneado de ejes met\u00e1licos de acero para componentes automotrices. El objetivo es obtener ejes con un di\u00e1metro espec\u00edfico de 25.00 mm \u00b1 0.05 mm, utilizando tornos controlados por computadora (CNC).<\/p>\n\n\n\n Los l\u00edmites de control no requieren del conocimiento de los l\u00edmites de especificaci\u00f3n<\/em> , sin embargo, es deseable controlar un estado del proceso cuyo comportamiento s\u00ed cumpla estos requerimientos.<\/p>\n\n\n\n 2. Identificaci\u00f3n de variables clave mediante AMEF:<\/strong> Se realiza un An\u00e1lisis de Modo y Efecto de Falla (AMEF) del proceso. Entre las variables analizadas est\u00e1n:<\/p>\n\n\n\n El AMEF revela que el di\u00e1metro final del eje<\/em> tiene el mayor n\u00famero de efectos cr\u00edticos en el desempe\u00f1o del producto, con un alto n\u00famero de prioridad de riesgo (NPR). Por lo tanto, se selecciona esta variable como cr\u00edtica para el monitoreo<\/em>.<\/p>\n\n\n\n Aqu\u00ed se utiliz\u00f3 la evaluaci\u00f3n de riesgos del AMEF a modo de an\u00e1lisis de criticidad para determinar qu\u00e9 monitorear y controlar. La herramienta utilizada para este fin puede variar, y depender\u00e1 en gran medida del conocimiento del analista, la cultura de trabajo y otros criterios pr\u00e1cticos.<\/p>\n\n\n\n Lo importante es tener claro qu\u00e9 es realmente cr\u00edtico para el proceso y no tratar de controlarlo todo. Se controlan los riesgos<\/em>. Hay que ser selectivos al momento de invertir nuestros limitados recursos de control.<\/p>\n\n\n\n 3. Aseguramiento del sistema de medici\u00f3n:<\/strong> Se verifica la capacidad del sistema de medici\u00f3n (MSA) utilizando un micr\u00f3metro calibrado con un patr\u00f3n certificado. Esto asegura que el micr\u00f3metro, al menos en promedio, no est\u00e9 sesgado y mida lo que debe medir.<\/p>\n\n\n\n Se realiza un estudio R&R (Repetibilidad y Reproducibilidad) para confirmar que el sistema de medici\u00f3n es confiable.<\/p>\n\n\n\n 4. Se dise\u00f1a un plan de recolecci\u00f3n de datos representativos del proceso:<\/strong> Se define realizar una corrida piloto bajo condiciones controladas, considerando que:<\/p>\n\n\n\n No se duda en tomar consideraciones econ\u00f3micas y pr\u00e1cticas al momento de hacer el plan de muestreo.<\/p>\n\n\n\n Lo m\u00e1s importante es que la muestra que tomes sea representativa del estado del proceso que deseas controlar. <\/p><\/blockquote><\/figure>\n\n\n\n El objetivo de esta fase es estimar los par\u00e1metros de la carta de control a implementar. Para ello, es necesario:<\/p>\n\n\n\n No debemos asumir que, por haber recolectado los datos siguiendo un plan, estos est\u00e9n autom\u00e1ticamente listos para ser utilizados. No hay plan que sea inmune a su implementaci\u00f3n<\/em>. Debemos verificar siempre y corregir cuando sea necesario.<\/p>\n\n\n\n Y si los datos se obtuvieron de archivos hist\u00f3ricos, no recolectados espec\u00edficamente para el prop\u00f3sito del plan de la Fase 0, la verificaci\u00f3n adquiere un nivel todav\u00eda m\u00e1s relevante. Lo m\u00e1s importante es que la muestra que tomes sea representativa del estado del proceso que deseas controlar<\/em>.<\/p>\n\n\n\n Es fundamental validar el estado de control de los datos recolectados o seleccionados de alg\u00fan hist\u00f3rico. En la Fase I se identifican patrones, se eliminan valores at\u00edpicos asociados a causas asignables y se ajusta un modelo estad\u00edstico. Un an\u00e1lisis cuidadoso en esta etapa es crucial para evitar un n\u00famero excesivo de falsos positivos o negativos durante el monitoreo.<\/p>\n\n\n\n Una pr\u00e1ctica muy com\u00fan es la de hacer una evaluaci\u00f3n inicial de los datos en una carta de control Shewhart, con l\u00edmites preliminares de control<\/em> de m\u00e1s o menos 3 sigmas (desviaciones est\u00e1ndar) alrededor de la media del estad\u00edstico graficado. Esta pr\u00e1ctica, iniciada por Walter Shewhart en 1931<\/a>, est\u00e1 inspirada en la desigualdad de Chebyshev .<\/p>\n\n\n\n Aplicada a las cartas de control, esta desigualdad indica que no m\u00e1s del 11% de las observaciones de un proceso bajo control estar\u00e1n fuera de los l\u00edmites de control. Si las observaciones siguen una distribuci\u00f3n normal, el uso de l\u00edmites de 3 sigmas reduce la probabilidad de una falsa alarma a aproximadamente 0.3%.<\/p>\n\n\n\n Es muy dif\u00edcil asumir una distribuci\u00f3n espec\u00edfica al momento de hacer una evaluaci\u00f3n de datos en la Fase I. Sin embargo, asumir tentativamente normalidad para realizar una verificaci\u00f3n inicial puede ser \u00fatil, siempre que se haga con precauci\u00f3n. En esta fase, estaremos atentos a cualquier observaci\u00f3n fuera de control. Poder detectar tanto cambios aislados como sostenidos se vuelve especialmente importante en esta etapa.<\/p>\n\n\n\n Cuando detectamos datos con un comportamiento at\u00edpico que no corresponde al proceso que deseamos controlar, los eliminamos. Pero debemos tener cuidado de no eliminar datos s\u00f3lo porque mostraron una se\u00f1al de alarma, como estar fuera de los l\u00edmites preliminares de control. El an\u00e1lisis en la Fase I est\u00e1 sujeto a un mayor n\u00famero de falsas alarmas.<\/p>\n\n\n\n S\u00ed, y solo s\u00ed, tras realizar una investigaci\u00f3n que permita identificar causas especiales de variabilidad \u2014y estas han sido validadas\u2014, se puede proceder a eliminar los datos correspondientes.<\/em><\/p>\n\n\n\n Alternativamente, existen enfoques m\u00e1s modernos para analizar datos en esta fase que involucran el uso de estrategias no param\u00e9tricas, robustas o libres de distribuci\u00f3n. Entre estos enfoques se encuentran:<\/p>\n\n\n\n Estos m\u00e9todos ofrecen alternativas \u00fatiles cuando no se puede asumir una distribuci\u00f3n espec\u00edfica de los datos, o cuando se desea mayor robustez frente a valores at\u00edpicos.<\/p>\n\n\n\n Continuamos con el ejemplo del torneado de ejes met\u00e1licos en tornos CNC. En la Fase 0 se hab\u00eda identificado la necesidad de controlar el di\u00e1metro final del eje<\/em>. As\u00ed, el siguiente paso en esta implementaci\u00f3n es:<\/p>\n\n\n\n 5. Recolecci\u00f3n los datos:<\/strong> Los datos recolectados se analizan para verificar su estabilidad y normalidad, en ese orden. Durante la planificaci\u00f3n se estableci\u00f3 que se tomar\u00edan 5 mediciones por cada lote fabricado. Siguiendo el plan, se evaluaron 20 lotes. Estas mediciones se presentan en la Tabla 1.<\/p>\n\n\n\n![\"\"](\"https:\/\/victortercero.com\/wp-content\/uploads\/2025\/03\/image-1-1024x627.png\")
3. Proceso de Implementaci\u00f3n<\/h2>\n\n\n\n
3.1 Condiciones Previas<\/h3>\n\n\n\n
3.2 Planteamiento General<\/h3>\n\n\n\n
\n
3.3 Fase 0: Planificaci\u00f3n<\/h3>\n\n\n\n
Descripci\u00f3n<\/h4>\n\n\n\n
![\"\"](\"https:\/\/victortercero.com\/wp-content\/uploads\/2025\/03\/image-2-1024x927.png\")
\n
Ejemplo: Torneado de Ejes<\/h4>\n\n\n\n
\n
\n
Recomendaciones<\/h4>\n\n\n\n
\n
3.4 Fase I: Estimaci\u00f3n<\/h3>\n\n\n\n
Descripci\u00f3n<\/h4>\n\n\n\n
\n
\n
Ejemplo: Torneado de Ejes<\/h4>\n\n\n\n
![\"](\"https:\/\/victortercero.com\/wp-content\/ql-cache\/quicklatex.com-9c047e99417bb0137e0b73554667e1ee_l3.png\" "\\"Rendered")
<\/p>\n\n\n\n![\"\"](\"https:\/\/victortercero.com\/wp-content\/uploads\/2025\/05\/image.png\")
![\"\"](\"https:\/\/victortercero.com\/wp-content\/uploads\/2025\/05\/image-1.png\")
![\"\"](\"https:\/\/victortercero.com\/wp-content\/uploads\/2025\/05\/image-2.png\")
![\"\"](\"https:\/\/victortercero.com\/wp-content\/uploads\/2025\/03\/image-4.png\")
![\"\"](\"https:\/\/victortercero.com\/wp-content\/uploads\/2025\/05\/image-3-937x1024.png\")
![\"\"](\"https:\/\/victortercero.com\/wp-content\/uploads\/2025\/03\/image-5-1024x1024.png\")
![\"\"](\"https:\/\/victortercero.com\/wp-content\/uploads\/2025\/05\/image-4.png\")