Control Estadístico de Procesos (SPC): Métodos y Ejemplos

El control estadístico de procesos es la disciplina de usar datos en tiempo real y estadística para monitorear, controlar y mejorar un proceso antes de que los defectos lleguen al cliente. Es una de las herramientas de calidad más prácticas que puede implementar un gerente, y está en el centro de la manufactura lean, Six Sigma y la gestión de operaciones moderna.

¿Qué es el control estadístico de procesos?

El control estadístico de procesos (SPC) es un método de control de calidad que aplica técnicas estadísticas para monitorear las salidas de un proceso y detectar cuándo un proceso se comporta de forma inesperada. En lugar de inspeccionar los productos terminados y esperar que los problemas aparezcan tarde, el SPC vigila el proceso mismo, en tiempo real, para que pueda intervenir mientras el producto todavía se está fabricando.

La idea central es sencilla: todo proceso tiene variación natural. El SPC distingue entre la variación que es normal (llamada causa común) y la variación que señala que algo salió mal (llamada causa especial). Cuando solo está presente la variación por causa común, el proceso está "bajo control." Cuando aparece una causa especial, esa es la señal para investigar y actuar.

El SPC fue desarrollado por Walter Shewhart en los Bell Labs en la década de 1920 y popularizado a nivel mundial por W. Edwards Deming. Hoy en día aparece en las industrias automotriz, farmacéutica, alimentaria, de semiconductores y de servicios.

Datos clave

• Las empresas que usan SPC en manufactura reportan una reducción de defectos del 50% o más en el primer año de implementación (ASQ Quality Progress, 2022).
• Una encuesta de 2023 del International Journal of Production Research encontró que el 67% de los fabricantes certificados en ISO 9001 usan alguna forma de monitoreo estadístico en sus parámetros críticos de proceso.
• Deming estimó que el 94% de los problemas de calidad se originan en el sistema (causa común) y solo el 6% en causas especiales individuales, lo que significa que la mayoría de los defectos no se pueden solucionar culpando a los trabajadores.

Variación por causa común vs. causa especial

Entender la diferencia entre estos dos tipos de variación es la base del SPC.

Reaccionar a la variación por causa común como si fuera causa especial (manipulación) en realidad empeora los procesos. El SPC evita este error estableciendo límites de control racionales basados en los propios datos.

Gráficos de control: el corazón del SPC

Un gráfico de control es la herramienta principal del SPC. Es un gráfico de tendencias con tres líneas de referencia horizontales agregadas:

• Línea central (LC): la media del proceso
• Límite de control superior (LCS): la media más tres desviaciones estándar
• Límite de control inferior (LCI): la media menos tres desviaciones estándar

Estos límites se calculan a partir de datos reales del proceso, no de especificaciones o tolerancias. Cuando un punto de datos cae fuera del LCS o el LCI, o cuando aparece un patrón no aleatorio dentro de los límites, el gráfico señala una causa especial.

Las reglas de señal comunes incluyen:

• Un punto más allá del límite de 3 sigma
• Ocho puntos consecutivos en un lado de la línea central
• Seis puntos seguidos con tendencia constante hacia arriba o hacia abajo

Reaccionar rápidamente a las señales es lo que convierte al SPC en una herramienta de control en tiempo real en lugar de una auditoría retrospectiva. Vale la pena combinar el análisis de gráficos de control con las métricas de capacidad del proceso (Cp/Cpk), que miden qué tan bien encaja el proceso dentro de los límites de especificación una vez que se ha confirmado que está bajo control estadístico.

SPC vs. inspección

El aseguramiento de calidad tradicional depende de inspeccionar la salida al final de una corrida de producción. Fabrica el producto, luego lo revisa. Los problemas de este enfoque están bien documentados: es costoso, es lento y detecta defectos solo después de que el desperdicio ya se generó.

Deming describió la inspección al final de línea como "demasiado tardía, demasiado costosa y poco confiable." Su argumento era que si un proceso es capaz y está bajo control, la inspección al 100% se vuelve en gran medida redundante. Si el proceso no es capaz, la inspección tampoco lo solucionará. Solo la mejora del proceso lo hace.

El SPC invierte el modelo. Usted monitorea el proceso en tiempo real y reacciona a las señales antes de que se formen los defectos. Algunas diferencias prácticas:

El SPC no elimina la inspección por completo. Las industrias críticas para la seguridad todavía requieren verificaciones finales. Las empresas farmacéuticas sujetas a la FDA 21 CFR Part 211, por ejemplo, combinan el SPC para el monitoreo en proceso con pruebas de liberación basadas en muestreo porque la regulación exige ambas cosas. Pero incluso ahí, el SPC reduce drásticamente la carga de inspección al prevenir defectos en lugar de encontrarlos. Menos fallas sorpresa en la inspección final significa menos retrabajo, menos lotes rechazados y un camino más corto de la producción a la liberación.

Cómo implementar el SPC

Poner en marcha el SPC es un ejercicio práctico de ingeniería y gestión. Aquí están los pasos principales.

Paso 1: Defina el proceso y seleccione la métrica

Elija una variable de salida clave para monitorear. Podría ser una dimensión, peso, tiempo de ciclo, volumen de llenado o tasa de error. La métrica debe ser medible, estar directamente relacionada con la calidad y recopilarse con una frecuencia práctica.

Use una hoja de verificación para registrar datos de forma consistente desde el inicio.

Paso 2: Valide el sistema de medición

Los datos deficientes producen gráficos de control engañosos. Antes de recopilar datos del proceso, ejecute un estudio de Gauge R&R (Repetibilidad y Reproducibilidad) para confirmar que su dispositivo de medición y sus operadores producen resultados consistentes.

Paso 3: Recopile datos de línea base

Reúna de 20 a 30 subgrupos racionales (o lecturas individuales) de un proceso que opere bajo condiciones normales. Estos datos de línea base se usan para calcular su línea central y sus límites de control.

Paso 4: Elija el gráfico de control correcto

Diferentes tipos de datos requieren diferentes gráficos (vea la sección de Tipos de Gráficos de Control a continuación). Seleccionar el gráfico equivocado da límites de control incorrectos.

Paso 5: Calcule y grafique los límites de control

Calcule el LCS, el LCI y la línea central a partir de sus datos de línea base. Grafique los límites en el gráfico. Estos límites deben permanecer fijos hasta que mejore deliberadamente el proceso.

Paso 6: Monitoree el proceso y responda a las señales

Grafique nuevos puntos de datos en tiempo real. Cuando aparezca una señal, siga un plan de reacción definido: deténgase e investigue, identifique la causa raíz, corríjala y documente el resultado. Use DMAIC cuando la investigación revele un problema sistémico más profundo.

Paso 7: Revise y recalcule periódicamente

Después de una mejora genuina del proceso, recalcule los límites de control usando la nueva línea base. Los límites basados en el desempeño anterior ya no reflejan la realidad actual. Algunos equipos establecen una revisión calendarizada (trimestral, por ejemplo) para evaluar si el proceso ha cambiado lo suficiente como para justificar nuevos límites. Otros activan una revisión cada vez que se cierra un proyecto DMAIC, tratando los nuevos límites como parte del entregable de la fase de control.

Tipos de gráficos de control

Elegir el gráfico correcto depende de dos cosas: si sus datos son continuos (medidos) o de atributos (contados), y cómo están estructurados sus subgrupos.

Un histograma y un diagrama de dispersión son compañeros útiles cuando está en el proceso de elegir un tipo de gráfico. El histograma le muestra si sus datos siguen una distribución aproximadamente normal (un requisito previo para la mayoría de los gráficos de variables), mientras que el diagrama de dispersión le ayuda a entender las relaciones entre entradas y salidas antes de decidir qué variable vale la pena monitorear.

Si todavía no está seguro de qué gráfico se ajusta a su situación, el Manual de Referencia SPC de AIAG (actualmente en su segunda edición) contiene un árbol de decisión que lo guía a través del tipo de dato, la estructura del subgrupo y la frecuencia de medición. La mayoría de los paquetes de software de gestión de calidad también seleccionan automáticamente el tipo de gráfico según los datos que ingrese.

Beneficios y limitaciones

Beneficios

• Advertencia temprana: los problemas se detectan durante la producción, no después.
• Decisiones objetivas: los límites de control eliminan las conjeturas de los juicios de "¿esto es normal?"
• Menos apagar incendios: los procesos estables y bajo control liberan la atención de la gerencia para el trabajo de mejora en lugar de la respuesta a emergencias.
• Conocimiento del proceso: los gráficos construyen memoria institucional sobre cómo se comporta un proceso a lo largo del tiempo.
• Reducción de costos: menos defectos, menos retrabajo y menos desperdicio reducen directamente los costos operativos.

Limitaciones

• Requiere recopilación de datos estable: si los sistemas de medición no son confiables o la recopilación de datos es inconsistente, los gráficos son engañosos.
• La selección del gráfico importa: el tipo de gráfico equivocado produce límites incorrectos y señales falsas.
• Inversión en capacitación: los operadores e ingenieros necesitan entender qué significan las señales y cómo responder. Un gráfico en la pared que nadie atiende es peor que no tener ningún gráfico.
• No sustituye el diseño del proceso: el SPC controla un proceso existente. Si el proceso es fundamentalmente incapaz de cumplir las especificaciones, el SPC lo confirmará pero no lo solucionará. Necesita un análisis de capacidad del proceso (Cp/Cpk) y cambios de ingeniería para eso.
• Puede producir fatiga por alertas: las reglas demasiado sensibles o los límites mal mantenidos generan demasiadas señales falsas, haciendo que los equipos ignoren el gráfico.

Preguntas frecuentes

¿Cuál es la diferencia entre SPC y SQC? El control de calidad estadístico (SQC) es la disciplina más amplia que cubre tanto el muestreo estadístico para la inspección de aceptación como el SPC. El SPC es el subconjunto de monitoreo en tiempo real del SQC. Cuando la gente dice "control estadístico de procesos," se refiere específicamente al enfoque de gráfico de control para monitorear la producción en curso.

¿Cuántos puntos de datos necesito antes de poder establecer límites de control? La mayoría de los libros de texto y el manual SPC de AIAG recomiendan al menos 20 a 25 subgrupos (o lecturas individuales para gráficos I-MR). Menos puntos producen estimaciones de límites inestables. Si tiene que empezar con menos datos, trate los límites iniciales como provisionales y recalcule una vez que haya recopilado 25 puntos.

¿Puede usarse el SPC en entornos de servicio y oficina? Sí. El SPC se aplica donde sea que tenga un proceso repetible y una salida medible. Las aplicaciones comunes de servicio incluyen tiempos de gestión de llamadas, errores de procesamiento de facturas, tiempos de ciclo de entrega y tiempos de espera del cliente. Los tipos de gráficos son los mismos; solo cambian las métricas.

¿Cuál es la relación entre los límites de control y los límites de especificación? Los límites de control se calculan a partir de la variación real del proceso. Los límites de especificación los establece el cliente o el equipo de ingeniería. Son completamente independientes entre sí. Un proceso puede estar bajo control estadístico (todos los puntos dentro de los límites de control) y aun así ser incapaz de cumplir las especificaciones. Eso es exactamente lo que miden los índices de capacidad del proceso como Cp y Cpk.

¿Cuándo debería recalcular los límites de control? Recalcule después de una mejora del proceso confirmada e intencional. No recalcule solo porque algunos puntos cayeron fuera de los límites. Eliminar datos "malos" para obtener límites más estrechos anula el propósito del SPC. Los límites deben reflejar el proceso estable y mejorado que realmente quiere operar.

---

El SPC es una de las herramientas de calidad más antiguas todavía en uso activo, y se ganó esa longevidad siendo genuinamente efectivo. Empiece con una métrica, un gráfico y un plan de reacción comprometido. A medida que su equipo gane confianza con los fundamentos, expanda a más variables e integre los hallazgos del SPC en sus ciclos de mejora DMAIC más amplios.