GRUPO ISIMA EDO MEX.

TOLUCA

CICLO ESCOLAR: ABRIL -- AGOSTO 2024

ASIGNATURA: ADMINISTRACION DE OPERACONES

DOCENTE: CORNELIO MARTINEZ PERES

INTEGRANTES:

ANDREA CASTAÑEDA GONZÁÑEZ

MARIAM ABIGAIL CARBAJAL JUAREZ

LIBERTAD MILLAN FLORES

ANGELES ROMERO MARTINEZ

08/06/24
Control estadístico de procesos

El Control Estadístico de Procesos (SPC) es un proceso industrial estándar basado en datos

que utiliza métodos estadísticos para supervisar la calidad y descubrir incoherencias en los
procesos de fabricación. El objetivo del SPC es determinar la conformidad de un proceso
con los requisitos del cliente, garantizar su estabilidad e identificar cualquier incoherencia,
a

Las empresas de fabricación recurren cada vez más a los sistemas MRP y ERP para
impulsar la eficacia y el control de sus procesos. Pero incluso con el mejor sistema MRP de
su clase, las empresas de fabricación necesitan una filosofía y una forma sistematizada de
medir la producción para garantizar su calidad. El SPC representa una transición desde los
procesos independientes de inspección posterior a la producción hacia la supervisión
preventiva y continua dentro de la fabricación. Utiliza diversas herramientas, como gráficos
de ejecución, gráficos de control, diseño de experimentos e iniciativas de mejora continua.

Historia del control estadístico de procesos

El control estadístico de procesos existe desde hace algo más de un siglo. Desarrollado por
primera vez por (Walter Shewhart), de los Laboratorios Bell, el concepto inicial y el uso de
gráficos de control se pusieron a trabajar en el desarrollo de una base estadística para el
muestreo de materiales producidos para municiones a principios de la década de 1930.

Con la ayuda de W. Edwards Deming en el desarrollo de cursos de formación sobre calidad

utilizados en la industria estadounidense en la Segunda Guerra Mundial y posteriormente
durante la ocupación, el SPC se introdujo también en Japón.

Shewhart, clave en la creación del SPC, identificó desde el principio dos tipos de variación
en los procesos. La primera era la variación fortuita, definida como una variación inherente
a un proceso. La variación fortuita es estable en el tiempo y, por tanto, puede medirse y
contabilizarse. Dentro de la terminología del SPC, la causa fortuita pasó a conocerse como
variación de causa común.

El segundo tipo de variación es la variación no controlada. La variación no controlada se

atribuye a sucesos que ocurren fuera del sistema de producción. Este tipo de variación se
conoce como variación de causa especial dentro del SPC.

Cómo funciona el control estadístico de procesos

Todos los procesos presentan variaciones. Sin embargo, Shewhart descubrió pronto que, a
diferencia de los fenómenos naturales, la variación en los procesos de fabricación tenía un
patrón de comportamiento diferente al de los sucesos naturales. Fue aquí donde se
desarrolló la distinción entre causas comunes y especiales de variación.

Otras causas pueden ser errores de medición, falta de procedimientos definidos y otras. Si
la variación de causa común es predecible, históricamente comprendida y no afecta a
valores excesivamente altos o bajos, entonces es probable que la variación esté dentro de 3
desviaciones estándar del promedio y se considera “En Control” o estadísticamente estable.

La variación por causa especial consiste en sucesos que históricamente no han formado
parte del proceso medido y observado. También son impredecibles y a menudo causan una
alteración que empuja los datos fuera del gráfico de control predecible para ese período
medido.

Un ejemplo podría ser un apagón intermitente que detiene y pone en marcha la producción
durante un periodo. Otro ejemplo sería un fallo informático o un problema de
ciberseguridad en el que los ordenadores que controlan los equipos son pirateados.

La diferenciación entre variación por causas comunes y especiales permite a los

responsables de fabricación adoptar respuestas adecuadas en función del tipo de variación.

Las variaciones de causa común pueden ajustarse o abordarse sin que todo el proceso quede
fuera de variación, como cuando los mecánicos ajustan las piezas que se desgastan de
forma natural para mantener el producto dentro de unos márgenes aceptables o cuando los
directivos ofrecen formación adicional para ayudar a los empleados a mejorar el tiempo
dedicado a la tarea.

Herramientas de control estadístico de procesos

1. Diagrama de causa y efecto: El Diagrama de Causa y Efecto también se conoce como

Diagrama de Espina de Pescado. Se trata de un método de análisis de causas que permite
identificar muchas causas diferentes que pueden haber sido responsables de la variación.
Esta herramienta se utiliza cuando se desconocen las causas de la variación o quizá estén
relacionadas con otras causas. Es bastante habitual utilizar el proceso de los “5 porqués”
cuando se utiliza la causa y el efecto para determinar la causa raíz de la variación.
2. Hoja de control – Una hoja de control es una herramienta básica de recolección de datos
que permite el análisis a partir de los datos recogidos. Si los datos pueden ser observados
y recogidos por un miembro del personal en el mismo lugar y con la misma frecuencia, una
hoja de control puede ser una fuente de datos para determinar problemas y variaciones.
3. Gráfico de control – Los gráficos de control se utilizan para representar los cambios del
proceso a lo largo del tiempo. Cada gráfico de control tiene un límite de control superior e
inferior, así como una línea promedio. Mediante la observación de los datos en tiempo
real, se puede hacer una comparación en el tiempo para determinar si el proceso está bajo
control o fuera de control. Los gráficos de control son excelentes para identificar las
variaciones a medida que se producen o para determinar si un proceso es estable.
También pueden utilizarse en variaciones por causas especiales y para ayudar a
determinar qué medidas deben tomarse.
4. Histograma – Los histogramas representan los datos como diagramas gráficos de grupos
de datos utilizando rangos definidos por el usuario. En muchos sentidos, es como un
gráfico de barras. Un histograma agrupa los datos en rangos donde pueden ser
interpretados por el usuario. Ayudan a entender el número de veces que una variable
específica ocurre dentro de un rango especificado.
 5. Diagrama de Pareto – Todo el mundo ha visto alguna vez un diagrama de Pareto. Los
diagramas de Pareto se utilizan para delinear el valor o el tiempo como un gráfico de
barras de mayor a menor. Esto proporciona al usuario una representación gráfica del uso
del tiempo, el costo o la frecuencia empleados para un activo o variable en particular. Los
diagramas de Pareto resultan útiles para determinar la frecuencia, analizar el costo por
componente o determinar la causa más significativa para iniciar una acción.
6. Diagrama de dispersión – Un diagrama de dispersión se utiliza cuando se analizan dos
variables para determinar su relación y determinar lo estrechamente relacionadas que
están. Si los puntos trazados están dispersos por el diagrama, menos se percibe su
correlación. Si están cerca de la línea, más estrecha es la correlación. Los diagramas de
dispersión se utilizan en situaciones en las que los datos pueden emparejarse, como para
determinar si dos efectos se han producido por la misma causa.
7. Estratificación – En pocas palabras, la estratificación se utiliza para agrupar y clasificar los
datos en categorías. Como los datos brutos deben categorizarse para ser útiles, la
estratificación se utiliza mejor antes de la recogida de datos para saber dónde asignar los
puntos de datos individuales para su posterior análisis. Esto puede incluir turnos, semanas,
proveedores o tipos de productos.

El
diagrama de Causa y Efecto o diagrama de espina de pescado es una herramienta importante en
el control estadístico de procesos.

Las siete herramientas complementarias (7-SUPP) incluyen:

1. Estratificación de datos – Al igual que la estratificación, la estratificación de datos agrupa

los datos en categorías. Al dividir los datos en categorías como turno, máquina,
departamento, material, proveedor y otras variables, se pueden determinar patrones para
ayudar a definir y controlar la variación.
2. Mapas de defectos – Los mapas de defectos son una forma de visualizar el artículo
evaluado en cuanto a calidad. La visualización permite un análisis rápido por parte de un
equipo Seis Sigma u otro equipo de mejora de procesos para la adopción de medidas
correctivas. En un mapa de defectos, los operarios o técnicos pueden marcar el lugar
 donde han encontrado un defecto en un plano de especificaciones. Esta representación
visual de la ubicación y el índice de defectos permite al equipo encargado de la mejora
buscar las causas anteriores para corregirlas.
3. Registros de eventos – A medida que la automatización a través de IIoT e incluso la
automatización de ERP y MRP ha dado lugar a datos en tiempo real a nivel de máquina
fácilmente accesibles, los registros de eventos han adquirido mayor importancia. Los
registros de eventos son recopilaciones de datos con descripciones escritas de eventos en
torno a una variable que ha introducido una variación. Permite a los usuarios ver lo que
experimentó el personal de la línea de producción o el computador en el momento en que
se produjo la variación.
4. Diagramas de flujo de procesos – Es imposible mejorar un proceso sin comprender la
progresión lineal del mismo. Un diagrama de flujo de procesos es una herramienta no
estadística que traza las etapas del proceso. Al definir completamente los pasos del
proceso, se pueden utilizar otras herramientas de SPC para todo el flujo del proceso o para
los pasos dentro del diagrama de flujo. Ayuda a comprender lo que hay que medir y a
crear un consenso sobre los pasos del proceso para poder aplicar otras herramientas de
SPC.
5. Centros de Progreso – Los centros de progreso son las herramientas utilizadas para
centralizar y seguir el progreso para ayudar a guiar la toma de decisiones. Recopilando
datos sobre el progreso del proyecto y trazándolos, los usuarios pueden determinar la
probabilidad de que se complete en el tiempo previsto y adoptar medidas correctoras
para volver a encaminarlo si se desvía de la programación prevista.
6. Aleatorización – La aleatorización es un intento de hacer que una variación se produzca
por casualidad. Se trata de un experimento para eliminar el sesgo y crear las condiciones
para que se produzca una variación de forma natural y permitir a los analistas encontrar la
causa raíz. La eliminación del sesgo significa que los usuarios pueden identificar la
variación antes de que se produzca y ajustarla en consecuencia.
7. Determinación del tamaño de la muestra – Hay un viejo refrán que dice que no se puede
medir lo que no se puede contar. Pero también es importante tener un número
estadísticamente aceptable de cosas que contar. La determinación del tamaño de la
muestra se utiliza para ayudar a establecer el número de elementos, artículos, personas,
turnos u otras unidades de recuento que se utilizarán en un grupo representativo para el
recuento.

Ventajas de utilizar el control estadístico de procesos

Cuando se aplica correctamente, el Control Estadístico de Procesos puede ayudar a

perfeccionar su proceso de fabricación para eliminar la variación. Algunas de las ventajas
de utilizar el SPC son:

 Reducción de desechos – Al reducir la variación, se reducen o eliminan los desechos y los

re-procesamientos. Esto tiene un beneficio directo en términos de costos, además de
liberar capacidad.
 Productividad – Dado que la mejora continua de los procesos derivada del SPC es más
eficaz, la productividad mejora.
  Mejora continua – Como el proceso se supervisa continuamente, se puede mantener el
control de todos los procesos. Esto permite realizar análisis casi en tiempo real para
detectar los problemas antes de que se produzcan y realizar los ajustes necesarios.
 Toma de decisiones más fácil – Como el SPC analiza los datos y utiliza el análisis
estadístico para corroborar los resultados, la toma de decisiones es más fácil y el impacto
de las decisiones es mayor.
 Evaluar la capacidad de proceso – Todas las empresas quieren crecer. Y a medida que
crece la oferta de productos de una empresa, se tiende a sobrepasar la capacidad de los
equipos existentes. El SPC puede ayudar a cotejar la capacidad del proceso con las
especificaciones reales del producto. Esto permite a los responsables de la toma de
decisiones comprender cuándo deben añadir equipos o maquinaria o actualizar la
capacidad existente para reducir las variaciones en la oferta de nuevos productos.

Dado que todos los procesos tienen variaciones, el SPC puede utilizarse para predecir y
mejorar con el fin de llevar esa variación a un rango aceptable o estadísticamente
irrelevante. Al trazar un curso utilizando SPC, una empresa de fabricación puede
determinar los principios rectores de su calidad para que coincidan con las capacidades de
su software ERP o MRP o incluso utilizarlos junto con dicho software para multiplicar el
valor de SPC.

Conclusión

El Control Estadístico de Procesos es un método para mejorar la calidad en el lugar de

trabajo. Utiliza herramientas estadísticas para encontrar y detectar incoherencias en el
proceso de producción e identificar las causas de la no conformidad del producto.

El enfoque distingue dos tipos de variaciones: Causas comunes y causas especiales. En

general, las variaciones de causa común son previsibles y pueden remediarse, por ejemplo,
con el mantenimiento de los equipos o la formación del personal. Las variaciones de causa
especial son imprevisibles y a menudo requieren ayuda externa, por ejemplo, en el caso de
una interrupción del servidor.

El SPC utiliza una plétora de herramientas que se dividen en las siete herramientas de
control de calidad (7-QC) y las siete herramientas suplementarias (7-SUPP). Se trata de
diagramas, gráficos, técnicas de categorización, etc.

Cuando se aplica correctamente, el Control Estadístico de Procesos puede mejorar

notablemente los procesos de fabricación, ayudar a minimizar los residuos y contribuir a
una mayor productividad y mejora continua.