Los 5 pilares del Control Estadístico de Procesos (SPC)

PorAlberto Martinez-Conde

Los 5 pilares del Control Estadístico de Procesos (SPC)

¿Qué significa el término “control estadístico”? ¿Cuál es su base científica?

El Control Estadístico de Procesos es una técnica de control de calidad que nació hace casi un siglo de la mano de las investigaciones prácticas de Walter A. Shewhart, físico e ingeniero a la sazón empleado de la compañía Western Electric. La necesidad de disminuir la tasa de reparaciones y errores de fabricación fueron el objeto de su trabajo y la génesis de sus descubrimientos, posteriormente  popularizados por Edward Deming, otro gigante de la Calidad.

Ideas:

  1. Ningún proceso, natural o industrial, es capaz de suministrar dos unidades exactamente iguales. Un buen proceso industrial se caracterizará por generar unos productos con un alto grado de homogeneidad, pero no réplicas exactas. Si medimos una característica de un proceso de manufactura (o de un servicio) no podemos entonces esperar obtener lecturas idénticas, salvo por el límite de precisión que nos marque el instrumento de medida
  2. Conclusión: todos los procesos presentan variabilidad y, en consecuencia la calidad es variable.

  3. Podemos pues pensar en la calidad como una “calidad variable controlada”, en el sentido de que obtendremos en cada unidad de producto unos valores no excesivamente alejados del objetivo deseado de la característica que estemos estudiando.
  4. Conclusión: controlar la calidad es admitir una variabilidad dentro de un rango de valores prefijado y que esa variabilidad se comporte de una manera “constante” a lo largo del tiempo.
    control estadístico de procesos SPC
    Esto nos lleva a la cuestión de cómo cuantificar ese rango de variabilidad admisible y cómo detectarla. La respuesta trivial consiste en efectuar un control 100% de la producción, pero esto tiene problemas: 1) la inspección no es económicamente eficiente ya que no es una actividad productiva (que añade valor), sino detectora (que evita que un “valor negativo” se inyecte en el mercado), 2) además, en el caso de que se hayan cometido errores, ya hemos gastado recursos en la producción que no podremos recuperar y que habrá que sumar a los costes de reproceso o de merma para la unidad mala detectada y de retraso de la producción. Ambos problemas son reactivos, suceden una vez hecha la acción. El control estadístico de procesos en proactivo, trata de detectar cuanto antes el desvío de la calidad y evitar al máximo producciones malas.

  5. La palabra control implica el concepto de predicción. Una característica de calidad está controlada cuando somos capaces de predecir, dentro de unos márgenes, cuál será su comportamiento futuro. En otras palabras, cuando somos capaces de asignar unas probabilidades de que la característica encaje dentro de unos ciertos límites.
  6. Conclusión: sólo controlamos cuando somos capaces de cuantificar y para esto es necesario un modelo matemático.

  7. Si tenemos un dado sin cargar, ¿cuál es la probabilidad de obtener un 5 hoy? Evidentemente 1/6. ¿y dentro de 10 años? Lo mismo. El motivo es que tanto hoy como dentro de 10 años si usamos en ambas ocasiones un dado sin cargar, las “fuerzas” que intervienen en el resultado final son las mismas. Hay un conjunto de causas, que desconocemos y posiblemente sean muy numerosas, que actúan de idéntica forma en ambas ocasiones. Por lo demás parece bastante poco realista llegar a conocer el conjunto de causas, lo que teóricamente nos pondría en la situación de poder obtener un resultado determinado porque podríamos controlarlas.
  8. Sin embargo, contestar a la pregunta de cuánta población tendrá Londres dentro de 10 años es mucho más difícil. Parece claro, y más a fecha de hoy con el proceso del Brexit, que las “fuerzas subyacentes” irán cambiando a lo largo del tiempo: éxito o fracaso del Brexit, tendencias demográficas, envejecimiento de la población, etc. a sumar a aquellas causas que siempre están ahí.
    Esto nos lleva a la siguiente conclusión: no todos los conjuntos de causas son iguales en el sentido de poder predecir el futuro en función del pasado. Aplicado a la fabricación de un bien o el suministro de un servicio, esto significa que necesitamos criterios para discernir si el conjunto de causas en cada momento es del tipo del dado o del tipo de la población.

  9. En un sistema de producción existe un determinado conjunto de causas que “siempre están ahí”, sin embargo de vez en cuando se cuelan otras causas “foráneas” que contaminan el equilibrio estadístico del proceso. Estas causas foráneas pueden ser, por ejemplo, falta de formación de trabajadores nuevos, averías de máquinas, no conformidad de materias primas, etc. a estas causas “foráneas” se les denomina causas asignables.
  10. Conclusión: existen conjuntos de causas permanentes o constantes o inherentes al proceso, que siempre están actuando sobre el mismo, y conjuntos de causas “foráneas” o “visitantes”  al proceso, que actúan intermitentemente y provocan que el proceso abandone su estado de equilibrio estadístico, entendiendo esto último como excursiones de los valores medidos fuera de los límites admisibles.

Resumiendo las ideas previas:

  1. Todos los procesos, naturales o humanos, manifiestan variabilidad.
  2. Una característica de calidad “en control” significa que a lo largo del tiempo su variabilidad se manifiesta de modo similar, dentro de un rango de valores. (Nota: que un proceso esté en control estadístico no implica que la calidad sea admisible)
  3. Controlar significa ser capaz de predecir dentro de unos márgenes.
  4. Existen sistemas de causas constantes y sistemas de causas no constantes que actúan sobre los procesos. Es cuando actúa un sistema constante de causas cuando tenemos capacidad de predicción.
  5. Es posible detectar cuando un sistema de causas constante sufre una “contaminación”, detectar cuál es la nueva causa “contaminadora” y eliminarla.

En vuestra empresa, ¿cuál es la variabilidad de vuestras características de calidad? ¿lleváis un registro sistemático de las mismas? ¿Tenéis capacidad de predicción? ¿Hacéis una gestión proactiva de la calidad? ¿Sois capaces de detectar causas “extrañas”?

Acerca del autor

Alberto Martinez-Conde author