Detalles

Elaborar un ensayo sobre una empresa que aplique "Control Estadístico de Procesos" donde
explique cuáles son los diferentes tipos y sistemas que se aplican con ventajas y desventajas
de cada una de ellas y que concluya el ensayo con la investigación de una empresa exitosa y
reconocida de calidad clase mundial para usarla como ejemplo en los productos y servicios.

Introducción.-

El Control Estadístico de Procesos (SPC) tiene como objetivo hacer predecible un proceso en
el tiempo.
Las herramientas usadas para este fin son las gráficas de control que permiten distinguir
causas especiales de las causas comunes de variación. Luego de identificarlas con el gráfico,
el paso siguiente es eliminar las causas especiales, ya que son ajenas al desenvolvimiento
natural del proceso con lo que se logra el estado de Proceso Bajo Control Estadístico; es decir,
un proceso predecible y afectado exclusivamente por causas comunes (aleatorias) de
variación.

El Control Estadístico de Procesos (SPC; por sus siglas en inglés de Statistical Process
Control) es la aplicación de técnicas estadísticas para determinar si el resultado de un proceso
concuerda con el diseño del producto o servicio correspondiente. Las herramientas conocidas
como gráficas de control se usan en el SPC para detectar la elaboración de productos o
servicios defectuosos; o bien, para indicar que el proceso de producción se ha modificado y
los productos o servicios se desviarán de sus respectivas especificaciones de diseño, a menos
que se tomen medidas para corregir esa situación. El Control Estadístico también suele
utilizarse con el propósito de informar a la gerencia sobre los cambios introducidos en los
procesos que hayan repercutido favorablemente en la producción resultante de dichos
procesos. Algunos ejemplos de cambios de procesos que se detectan por medio de SPC son
los siguientes:

 Aumento repentino en la producción de cajas de velocidades defectuosas.

  Disminución del número promedio de quejas de huéspedes recibidas en un hotel cada
día.
 Una medición sistemáticamente baja en el diámetro de un cigüeñal.
 Disminución en el número de unidades desechadas en una máquina fresadora.

Otro enfoque de la administración de la calidad, el muestreo de aceptación, es la aplicación de

técnicas estadísticas para determinar si una cantidad de material determinada o un producto
que ya ha sido fabricado debe aceptarse o rechazarse, a partir de la inspección o prueba de
una muestra. Además, pueden usarse gráficas estadísticas y diagramas con el objeto de juzgar
la calidad de productos o servicios. En este capítulo exploraremos las técnicas de control
estadístico de procesos para comprender mejor el papel que desempeñan en la toma de
decisiones, con el propósito de observar si el proceso está dentro de su variabilidad aleatoria
o ha salido de control produciendo fallas que sean asignables a algún problema determinado.

Mediciones de la calidad.-

Para detectar las mediciones anormales del producto, los inspectores deben tener la capacidad
necesaria para medir los rasgos característicos de la calidad. La calidad puede evaluarse en
dos formas.
Una consiste en medir los atributos o las características del producto o servicio donde es
posible contar rápidamente para saber si la calidad es aceptable. Este método permite a los
inspectores tomar una simple decisión de si o no, acerca de que un producto o servicio cumple
con las especificaciones. Los atributos se usan con frecuencia cuando las especificaciones de
calidad son complicadas y la medición por medio de variables resulta difícil o costosa.
Otros ejemplos de atributos que pueden presentarse son el número de formularios de seguro
que contienen errores y dan lugar a pagos excesivos o insuficientes, la proporción de radios
que no funcionan en la prueba final, la proporción de vuelos regulares que llegan con una
diferencia menor de 15 minutos con respecto a la hora prevista. La ventaja de los recuentos
de atributos es que para su realización se requieren menos esfuerzos y recursos que en el
caso de la medición de variables. La desventaja es que, aun cuando los recursos de atributos
bastan para revelar que la calidad de rendimiento ha cambiado, no son de mucha utilidad para
conocer la magnitud del cambio. Por ejemplo, un recuento es capaz de revelar que la
proporción de vuelos regulares que llegan a menos de 15 minutos de la hora prevista ha
disminuido, pero el resultado no muestra cuántos minutos más allá de los 15 permitidos están
llegando los vuelos. Para saberlo, habría que medir la desviación real de la llegada prevista,
es decir una variable.

La otra forma de evaluar la calidad consiste en medir variables; es decir, las características del
producto o servicio que son susceptibles de ser medidas, como peso, longitud, volumen o
tiempo. Por ejemplo, los inspectores de una empresa automotriz miden el diámetro de un
pistón para determinar si el producto se ajusta a las especificaciones (dentro de las tolerancias
permitidas) e identificar diferencias en los diámetros a través del tiempo. Asimismo, los
gerentes de una empresa logística de distribución de envíos a domicilio observan la cantidad
de tiempo que dedican los repartidores a la tarea de repartir las cartas y paquetes. La ventaja
de medir alguna característica de la calidad consiste en que si un producto o servicio no
satisface sus especificaciones de calidad, el inspector sabe cuál es el valor de la discrepancia.
La desventaja es que esas mediciones suelen requerir el uso de equipo especial, ciertas
destrezas de los empleados, procedimientos rigurosos, tiempo y esfuerzo.

Muestreo.-

El método más completo para una inspección consiste en revisar la calidad de todos los
productos o servicios en cada una de las etapas. Este procedimiento, llamado inspección
completa, se usa cuando los costos de pasar los defectos a la siguiente estación de trabajo o
al cliente son mayores que los costos de la inspección.
Investigación de una empresa exitosa y reconocida de calidad clase
mundial para usarla como ejemplo en los productos y servicios.

La empresa SOPESA S.A. produce harina de pescado de distintas calidades: Súper Prime de
jurel, Súper Prime de jurel-anchoa-sardina, Prime mix de especies y Standard mix de especies.
Los productos se conforman de proteína, grasa, humedad, y ceniza. Los clientes piden un
producto que posean como mínimo entre 65% de proteína, variable fundamental, es por eso
que se escogió para trabajar y desarrollar en este informe.

Se toma un muestreo de 200 lotes de producción de aproximadamente 50 toneladas

cada uno, desde enero de 2012 a junio de 2013, los cuales se reúnen en subgrupos de 5 lotes
cada uno. La pesca que llega para la producción es prevista según las cuotas de pesca que
establece la gobernación marítima, con lo que pueden pronosticar la calidad del producto, pero
hay cierta variabilidad que es causada por la frescura de la pesca.

Para conocer las causas asignables y comunes de la variabilidad del proceso y calidad
del producto se realizó un recorrido por la planta procesadora, identificando para cada proceso
según la experiencia y conocimiento de los operadores dichas causas.

Variable a considerar: Proteína, porcentaje presente en un lote de harina de pescado.

Se han registrado 200 datos, agrupándolos de a cinco muestras cada uno.

2. ANÁLISIS DE DATOS E INFORMACIÓN

Lo primero para desarrollar las cartas de control fue determinar si nuestra muestra
corresponde a una distribución normal, por lo tanto, se efectuó por medio del test de Shapiro
si correspondía o no, los resultados del test arroja lo siguiente: p-value=0,1946.

- Considerando un α=0,05 de nivel de significancia

p-value=0,1946 > α=0,05, por lo tanto, se distribuye normal.

Además mediante la siguiente gráfica, podemos notar que los datos se asemejan y toman un
comportamiento a la línea de tendencia (se desprecian las colas superior e inferior)
confirmando así que nuestra muestra tiene una distribución normal.

Luego de haber confirmado que nuestros datos se distribuyen normal, podemos efectuar
el desarrollo de las cartas de control. Se efectuarán tres cartas de control, para así ver que tan
variables pueden resultar la detección de fuera de control en el proceso, las cartas
corresponden a: X-Barra, “S” y EWMA.

Carta de control X-Barra

Ya con nuestros datos agrupados de a cinco, se procede a
Inicial Corregida obtener las cartas de control y sus posteriores comentarios y
LCL 64,08826 64,05304 análisis.
UCL 71,68474 71,79111
StdDev 2,83104 2,886291 Carta de Control-X
Mean 67,89 67,93 Los resultados obtenidos luego de haber corregido la carta
X-Barra, de acuerdo a la media de cada uno de los 40 grupos,
son los siguientes:

Los nuevos límites establecidos luego de haber corregido la carta de control, podemos
apreciar que han aumentado levemente en aproximadamente 0,03 unidades (en nuestro caso
0,03%), como también lo hizo la desviación estándar.

A partir de ahora dado los datos el proceso está controlado, los grupos descartados
corresponden a tres, por lo que ahora se encuentran todos los puntos dentro de los límites.
 Cabe considerar que las especificaciones determinadas por la empresa para las
proteínas en cuanto al mínimo son 65%, por lo tanto hay muestras que no cumplen con lo que
los clientes necesitan. Podemos ver esto a través de la capacidad del proceso, para ver cómo
responde ante las especificaciones de la empresa, o mejor aún, de lo que esperan los clientes.

La empresa estima mínimos de % para cada uno de sus cuatro componentes, por medio
de esos, podemos determinar el máximo de nuestra componente proteína, el cual corresponde
a un 80%. Y con el mínimo ya conocido de un 65%, estamos dispuestos a ver la capacidad del
proceso.
 Respecto a la tolerancia y metas primero se observa que los datos siguen una
distribución normal con media y desviación estándar buscada según los parámetros descritos
anteriormente para 3 σ. Y comparando respecto a lo que realmente está pasando, podemos
ver que el proceso no es capaz de cumplir las especificaciones, con un valor de 0,866, menor
que 1, que sería el mínimo para por lo menos llegar a un proceso capaz con un estricto
seguimiento, o 1,33 para un proceso capaz.

Para los intereses de la empresa no se logra llegar a un producto de gran calidad

durante toda la temporada, por lo que se mantiene con una producción de una calidad media
baja.

Analizando de la media hacia abajo se observa claramente in proceso descentrado, por

ello se obtiene un valor tan bajo de 0,338, y respecto de la media hacia arriba vemos un valor
mayor a 1 distinto al cp inferior, con lo que se ratifica un proceso descentrado de la tolerancia
buscada, y así el mínimo entre ellos es 0,338.

Ahora si bien hemos aceptado o confirmado que nuestros datos están dentro de
nuestros límites de control, podemos incurrir en un error, el cual corresponde a aceptar cuando
en realidad debimos haber rechazado el estar “bajo control”. Es por eso que a partir de las
curvas OC, nos proporcionara información acerca de no detectar el cambio en el proceso.

La curva OC obtenida corresponde a la siguiente:

Podemos apreciar que mientras el n sea más pequeño entonces más alejado de los
ejes centrales y por ende mayor será su cambio en el proceso, por el contrario, si el n es más
grande este estará más cargado hacia la izquierda disminuyendo el cambio en el proceso, y
así se equilibra y disminuye la probabilidad de generar Error Tipo II.
Carta de Control “S”
Anteriormente habíamos calculado la media de los promedios de cada uno de los
subgrupos, es decir, el X-Barra-Barra, ahora bien, en la carta de control S, se calculó la
desviación estándar promedio para cada grupo, y así poder obtener los límites de control de
una carta S.

Ningún ‘punto’ está fuera de límites, por lo tanto, el proceso está bajo control según la carta S.
En consecuencia, se puede concluir que la carta S en comparación con la X-Barra, no es capaz de
detectar las variaciones que si detecto la carta X-Barra en el proceso.

Carta de Control EWMA

Por último, la carta de control de medias móviles ponderadas, donde por media de un peso
exponencial dado por λ=0,2 el cual nos proporciona una mayor ponderación al pasado, en nuestro caso
dicha acción debido a que la producción de harina de pescado estará relacionada con las temporadas
anteriores de la obtención de materias primas, de modo que se pueda pronosticar como serán las
próximas producciones, y de acuerdo a estás generar las especificaciones como límites de control.

Los limites obtenidos, cuando ya se han normalizado, por la EWMA son: LCI=66,87 y
LCS=68,43 que a diferencia de la carta X-Barra los limites eran más amplios.
3.4. Reglas de Alerta
Considerando la carta X-Barra con 3σ, hemos generado alguna de las señales de
alarmas de Western Electric, del proceso podemos identificar los siguientes puntos:

 Los puntos 8,11,15,16,26,34 se encuentran en 2σ.

 Los puntos 2 al 7 de forma correlativa van en forma ascendente.
 Los puntos 22 al 25 de forma correlativa sobre la media.
 Los puntos 7 y 8; 15y16; 26 y 27, con una diferencia entre ellos de 4σ

Aplicado al caso estas alarmas podrían dar el problema de generar falsas alarmas, pero
debido a que cada proceso para realizar el producto es manipulado constantemente por un
operario quien tiene la facultad de manipular y tomar decisiones respecto al proceso, este
riesgo dependerá del juicio y experiencia de cada operario, influyendo directamente en la
calidad del producto.

Para la carta de medias móviles ponderadas (EWMA), para las reglas de alerta se tiene
lo siguiente: Considerando este proceso como una producción estacional debido a las
restricciones de pesca, y por lo tanto con cierto nivel de control , se consideran los datos
registrados con una ponderación de 0,2 , dando relevancia a datos más antiguos. Entonces
considerando señales de alarma de Western Electric y alarmas de la empresa del caso se
identifican los siguientes puntos:

 Puntos 1 y 2 fuera de los límites de control

  Puntos 8, 10 y 21 dentro de 2σ
 Punto 29 dentro de 3σ
 Puntos 1 al 8 sobre la media consecutivamente
 Puntos 28 al 31 fuera de 1σ consecutivamente
 Puntos 23 al 27 de forma ascendente consecutivamente

La carta EWMA al ser más sensible a cambios más pequeños en el proceso será posible
estudiar la variabilidad respecto a cambio en la calidad relacionado a fallas de acción del
operario de las maquinarias y de cambios en la calidad de la materia prima para la producción
de la harina de pescado.

Analizando la carta EWMA, efectivamente si comparamos por ejemplo los lotes que
comprenden los puntos 9 al 12, se establece una relación con el bajo porcentaje de proteína
con que la materia prima utilizada fue de baja calidad (datos unitarios se registran con fecha
de inicio y termino de la producción del lote, junto a la especificación del tipo de materia prima)
y se demoró más de lo normal en su proceso

Bibliografía.-

 Charbonneay, Harvey C. y Gordon, N.J. Industrial Quality Certain. Prentice-Hall. N.J.,

1978
 Crosby, P.B. Quality is Free. McGraw-Hill. New York, 1979.
 Deming, W.E. Out of the Crisis. Center for Advanced Engineering Study. Cambridge,
Mass.; MIT. 1986.
 Juran, J.M. y Gryna, Jr. F.M. Quality Planning and Analysis. 2ª ed. McGraw-Hill. New
York. 1980.
 Messina, W.S. Statistical Quality for Manufacturing Managers. John Wily & Sons. New
York. 1987.