2019

Volviendo a los Fundamentos

Gráficos Inteligentes

Cómo utilizar los gráficos de control eficazmente

por Peter J. Sherman

Los gráficos de control son la base de Seis Sigma. Inventado por Walter A. Shewhart, mientras trabajaba para los Laboratorios Bell en la década de 1920, los gráficos de control sirven como la principal herramienta para filtrar el probable ruido (por ejemplo la variación normal, aleatoria o una causa común) de las señales potenciales (variación asignable, no aleatoria o causa especial).1 De esta forma, podemos saber cuándo y dónde actuar en un proceso.

Cuando los estudiantes inician su aprendizaje acerca de los gráficos de control, hay algunas preguntas básicas que deben ser planteadas:

  • ¿Cuántos puntos de datos necesito para construir un gráfico de control?
  • ¿Qué amplitud temporal debería ser examinada?
  • ¿Cuándo debo recalcular los límites de control?

Aplicar las directrices básicas, junto con algo de sentido común, puede ayudar a responder estas preguntas.

Lo que los datos deben representar

El número de puntos de datos necesarios en un gráfico de control varía. Para los datos variables utilizados en un gráfico -R (x barra R), un mínimo de tres a cinco puntos de datos por muestra y de 20 a 25 grupos de muestras, es una pauta adecuada. Con un gráfico I-MR, donde el tamaño de la muestra es uno porque los datos se presentan con menos frecuencia, una docena o incluso dos docenas de valores es razonable para calcular los límites de control. En los gráficos de atributos (gráfico p), el tamaño de la muestra sugerido es de al menos 50.

Tenga en cuenta que esto son sólo directrices. Naturalmente, cuantos más datos pueda obtener durante un período prolongado de tiempo, mejor podrá utilizarlos para ver cómo se comporta el proceso. Pero el tiempo y coste invertidos en obtener una muestra deben equilibrarse con la cantidad adecuada de información necesaria.

Considere el proceso observado. ¿Opera en modo relativamente estable día tras día, semana tras semana, mes tras mes? Si es así, unas pocas semanas de datos históricos deberían ser suficientes. Mientras tanto, las compañías farmacéuticas a menudo deben recoger decenas de miles de puntos de datos históricos, porque están tratando con vidas humanas. Estos ejemplos muestran la importancia de comprender el contexto del proceso en el momento de decidir cuántos datos históricos recoger.

Avisos de revisión

La revisión de los límites del gráfico de control debe ser tratada con una atención similar. Supongamos que usted recoge algunos datos y el gráfico de control muestra y evidencia la existencia de causas especiales (un punto dentro o fuera de los límites). Sabemos que el proceso no es estable ni predecible.

Después de identificar y eliminar la causa(s) asignable, debemos recoger datos adicionales y volver a calcular la media y los límites de control. Observe el gráfico de control para confirmar que está en control estadístico. Continúe graficando nuevos datos, pero no vuelva a calcular los límites de control. Mientras el proceso no cambia, los límites no deben ser cambiados. Si usted efectúa cambios para mejorar el proceso, recalcule los límites de control para observar cualquier desplazamiento o cambios en la variación después de que el cambio se haya producido.

Por ejemplo, imaginemos que estamos interesados en la mejora de los resultados mensuales de satisfacción del cliente.

Hemos recogido las puntuaciones de agosto a noviembre de 2009 y representamos los datos en series de tiempo utilizando un gráfico de datos individuales. El gráfico I mide la media del proceso, y los límites de control se calculan como sigue:

UCL representa el límite superior de control, LCL es el límite de control inferior e representa la media del proceso. es el intervalo de media móvil y la constante d2 procede de la tabla de Shewhart (n = 2).

Confirmamos que el proceso es estable. Las mejoras son efectuadas en diciembre de 2009 y seguimos graficando los datos durante el año siguiente (ver Tabla 1) utilizando los mismos límites que en el primer gráfico de control.

Tabla 1

Observe el desplazamiento hacia arriba de la media durante los siguientes 14 meses. De hecho, el proceso parece no estar en control estadístico dado que hay varios puntos fuera del UCL, tal como se muestra en la Figura 1. Pero sabemos que las mejoras efectuadas en diciembre de 2009 cambiaron el proceso. Recalcular los límites adecuadamente demuestra ese cambio, tal como se muestra en el segundo gráfico de control en la Figura 2.

Figura 1

Figura 2

Los gráficos de control son herramientas poderosas para profesionales de la excelencia operativa. Ser consciente de estas pautas básicas y usar el sentido común puede ayudar a asegurar una buena toma de decisiones y permitir que los gráficos de control se utilicen con mayor eficacia.


Referencias y Notas

  1. Donald J. Wheeler, Making Sense of Data, SPC Press, 2003.

Peter J. Sherman es el director de excelencia en los procesos en Cbeyond Communications en Atlanta. También es instructor líder en el programa de certificación Seis Sigma de la Universidad de Emory en Atlanta. Obtuvo un título de maestría en ingeniería civil del Instituto de Tecnología de Massachusetts (MIT) en Cambridge, Massachusetts, y un MBA de la Universidad Estatal de Georgia en Atlanta. Sherman es miembro senior de ASQ, y está certificado como ingeniero de calidad por ASQ y lean Seis Sigma Maestro Cinturón Negro por Smarter Solutions Inc.


Average Rating

Rating

Out of 0 Ratings
Rate this article

Add Comments

View comments
Comments FAQ


Featured advertisers