CONTROL DE LA PRODUCCION II - SA26-2

El control de calidad es un enfoque preventivo con el que las empresas pueden anticiparse a potenciales problemas, a su vez que mejoran el grado de aceptación y fidelidad de sus clientes. Todo esto gracias a un conjunto de procedimientos que utilizan las empresas para medir la adecuación, aptitud y condición de sus productos y servicios. Se trata de una serie de técnicas, actividades y acciones que permiten dirigir los procesos y eliminar posibles desviaciones.

Por otro lado, es el conjunto de "técnicas y actividades de carácter operativo utilizadas para cumplir los requisitos para la calidad" (ISO 8402). Se trata de operaciones operativas que permiten dirigir un proceso y eliminar las no conformidades o desviaciones con relación a lo que se espera a lo largo del proceso.

Existen distintas clases de control de calidad y diferentes formas de clasificarlos en función de su naturaleza o su criterio de estudio y entre estas tenemos:

El Control de calidad estadístico (SQC, por sus siglas en inglés). Este método consiste en recopilar y analizar datos para evaluar el desempeño de un producto o servicio. Por citar un caso, tomando muestras representativas de la producción y verificando mediante indicadores estadísticos si cumplen con los estándares de calidad. 

Esta metodología se basa en técnicas estadísticas para monitorear y mejorar la calidad de la producción en tiempo real. Su función principal es identificar variaciones dentro de un proceso industrial para evitar defectos y optimizar la eficiencia operativa. A través de la estadística para el control de procesos, se pueden tomar decisiones basadas en datos concretos, lo que incrementa la precisión y fiabilidad de los resultados.

El control estadístico de la calidad tiene como objetivo principal garantizar que los productos fabricados cumplan con los estándares de calidad establecidos. Esto se logra mediante:

• La reducción de variaciones en los procesos de producción.
• La detección temprana de defectos para evitar reprocesos.
• La optimización del uso de materiales y recursos.
• La mejora continua de los procedimientos de manufactura.

Implementar planeación avanzada de la calidad del producto dentro del control de procesos ayuda a estructurar estrategias efectivas para mantener la consistencia de la producción.

El control estadístico de la calidad en la manufactura se basa en la recopilación y análisis de datos en tiempo real para identificar patrones y desviaciones en los procesos. Algunas de las herramientas utilizadas en la estadística para el control de procesos incluyen:

• Gráficos de control: Permiten visualizar variaciones en el proceso y actuar antes de que se generen defectos.
• Capacidad de procesos: Evalúa si un proceso puede producir dentro de los límites de especificación establecidos.
• Análisis de tendencias: Ayuda a prever problemas futuros y ajustar la producción.

Mediante la planeación avanzada de la calidad del producto, se diseñan estrategias para optimizar cada etapa de la producción, minimizando desperdicios y maximizando la eficiencia.

De modo que, el control estadístico de procesos se basa en el uso de gráficos que permiten visualizar la variabilidad del proceso en relación con límites de control establecidos previamente. Estos límites se determinan a partir de los datos recolectados en el proceso y representan el rango aceptable de variabilidad. Cualquier punto que no esté dentro de los límites indica una posible no conformidad en el proceso.

En resumen, el control estadístico del proceso es una herramienta fundamental en la búsqueda de la mejora continua y la garantía de la calidad en cualquier sector industrial. Permite detectar problemas de forma temprana, tomar acciones correctivas y preventivas, y asegurar que los productos o servicios cumplan con los estándares de calidad establecidos.

• Límites de control (LSC y LIC): el límite de control superior (LSC) y el inferior (LIC) delimitan el rango aceptable de variabilidad del proceso. Un punto fuera de ellos indica una posible causa especial.
• Límites de especificación: definen lo que exige el cliente para el producto. No deben confundirse con los límites de control, que describen el comportamiento real del proceso.
• Capacidad de proceso (Cp y Cpk): los índices Cp y Cpk evalúan si un proceso, una vez bajo control, es capaz de cumplir las especificaciones del cliente.

¿Qué es un gráfico de control y para qué sirve?

Un gráfico de control es la representación de los valores de una característica del proceso ordenados en el tiempo, sobre la que se dibujan tres referencias: una línea central que corresponde a la media del proceso, un límite de control superior (LCS o UCL) y un límite de control inferior (LCI o LCL).

Su fundamento es la normalidad de los datos: cuando un proceso se ejecuta siempre con el mismo procedimiento y en el mismo entorno, las variables que lo definen tienden a seguir una distribución normal. Si calculamos su desviación estándar, podemos predecir con una probabilidad conocida entre qué valores se moverán los datos futuros. Habitualmente, los límites se sitúan a ±3 desviaciones típicas de la media.

Este tipo de control es una herramienta de decisión, no de registro. Un gráfico bien diseñado permite:

• Monitorear la estabilidad del proceso de producción o de medición a lo largo del tiempo.
• Detectar variaciones anómalas, tendencias y comportamientos cíclicos que en una tabla de datos recopilados quedarían ocultos.
• Decidir cuándo intervenir y cuándo no, evitando el exceso de control y las intervenciones innecesarias.
• Optimizar los procesos y reducir los costes de la no calidad anticipándose a los problemas en el proceso.
• Aportar evidencia objetiva de que la actividad está bajo control, requisito habitual en auditorías y acreditaciones.

Su gran ventaja es la versatilidad: están utilizados en la industria y en el laboratorio para vigilar procesos con variables muy diferentes y, si el diseño es adecuado, siempre aportan la información necesaria para mejorar la calidad en procesos muy distintos entre sí.

Tipos de gráficos de control

Se clasifican en dos grandes familias según el tipo de datos disponible:

• Por variables. Los datos proceden de medir características cuantificables de forma continua: una longitud, una masa, una concentración.
• Gráficos de control por atributos. Se emplean cuando los datos no son cuantificables numéricamente y se trabaja con variables discretas: número de defectos, unidades con producto defectuoso o cantidad de productos conformes y no conformes.

Cómo se hace un gráfico de control paso a paso

Lo más determinante es el número de observaciones necesarias para fijar unos límites adecuados. Hay que diseñar de antemano cómo se van a recopilar los datos para que el gráfico sea representativo y permita un verdadero control estadístico del proceso:

1. Definir la característica a controlar y el tipo de dato que se va a obtener.

2. Diseñar el muestreo: tamaño y composición de los subgrupos de datos, frecuencia y criterio aleatorio o sistemático. Aquí se decide qué variabilidad de un proceso podrá ver el gráfico.

3. Realizar un estudio preliminar del comportamiento en condiciones de rutina, con suficientes puntos de datos.

4. Calcular la línea media y los límites preliminares a partir de la media y la dispersión observadas.

5. Representar los datos con el orden temporal o de producción en el eje x y el estadístico controlado en el vertical.

6. Interpretar y actuar sobre las señales que aparezcan.

7. Revisar los límites periódicamente: la información que se acumula permite recalcularlos, de forma que la capacidad de detección mejora con el uso.

En la práctica, el cálculo se automatiza con hoja de cálculo o software estadístico. 

El Análisis de Causa Raíz (ACR o RCA en sus siglas en inglés) es un método para la resolución de problemas que intenta evitar la recurrencia de una incidencia o defecto a través de identificar sus causas. El análisis de causa raíz se utiliza para investigar cuáles son las causas que han originado un determinado problema o incidencia, poder actuar sobre ellas evitando así su recurrencia en el futuro.

Por lo que, es necesario que el sistema recoja las incidencias y no conformidades siempre que seamos efectivos en su Acción Correctiva, es decir, las actuaciones posteriores a la detección de la no conformidad, en las que se identifica el problema, se determinan las causas que lo producen y se ponen en marcha acciones para eliminar dichas causas y, por ende, el problema no se vuelva a repetir. De todas estas acciones, el Análisis de Causas suele ser la tarea más importante y la más difícil de llevar a cabo. Si este análisis no se realiza de forma adecuada, si la identificación realizada de las causas es errónea o no adecuada, los esfuerzos posteriores que realicemos en eliminarlas serán en vano o inútiles.

LAS CLAVES DEL ANÁLISIS DE CAUSA RAÍZ

• El análisis será tan bueno o malo como la sea la calidad de la información recopilada. Si entra basura, sale basura.

• Los antecedentes y experiencia a veces pueden ser buenos, a veces malos para realizar un buen análisis de causa raíz.

• Se tiene que entender claramente qué sucedió, cual es el problema. Más tarde intentaremos entender el por qué sucedió.

• A veces, no se pueden resolver al 100% todos los problemas de desempeño o no conformidades, siendo positivo conformarse con llegar al 60%, siguiendo la máxima 10% de esfuerzo para conseguir el 60% de resultado. Más tarde ya perfeccionarás el método y aumentarás la eficacia de la solución tomada.

• Todas las investigaciones no tienen que ser iguales, pero la estrategia o metodología para hacerlas si puede estar normalizada.

Metodología para el Análisis Causa Raíz

a)      Conformación del Equipo de trabajo El equipo de trabajo puede ser multidisciplinar, dependiendo del alcance del problema, formado por personas de diferentes niveles de responsabilidad.

b)      Recopilación y Tratamiento de Datos Todo análisis de un problema se inicia con la recopilación de datos asociados a la no conformidad.

c)      Jerarquización de problemas El proceso de jerarquización requerirá determinar el impacto de cada no conformidad. Para ello, una de las técnicas más habituales es sumar los costes de reparación o deshecho de cada no conformidad y el coste de pérdida de oportunidad por la producción diferida. También se puede calcular multiplicando la frecuencia de la no conformidad por la consecuencia de cada una de ellas.

d)     Definición del problema En las sesiones de trabajo, el grupo se cuestionará: • ¿Cuál es el problema? (enunciado)

• ¿Cómo ocurrió el problema? • ¿Dónde ocurrió el problema? y ¿dónde no ocurrió? • ¿Qué condiciones se presentaron antes de que ocurriera el problema? • ¿Qué controles o protecciones pudieron prevenir que ocurriera el problema y no lo hicieron? • ¿Cuál es el impacto del problema en seguridad, ambiente, producción y costos de mantenimiento?

Para las causas raíces físicas, una de las herramientas más efectivas es el diagrama de Ishikawa. El Diagrama de Ishikawa o Diagrama de Causa Efecto (conocido también como Diagrama de Espina de Pescado dada su estructura) consiste en una representación gráfica que permite visualizar las causas que explican un determinado problema. Su estructura es muy intuitiva ya que identifica un problema o efecto y luego enumera un conjunto de causas que potencialmente explican dicho comportamiento. Adicionalmente cada causa se puede desagregar con grado mayor de detalle en subcausas. Esto último resulta útil al momento de tomar acciones correctivas dado que se deberá actuar con precisión sobre el fenómeno que explica el comportamiento no deseado.

Para las causas raíces físicas, una de las herramientas más efectivas es el Diagrama de Ishikawa. El Diagrama de Ishikawa o Diagrama de Causa Efecto (conocido también como Diagrama de Espina de Pescado dada su estructura) consiste en una representación gráfica que permite visualizar las causas que explican un determinado problema. Su estructura es muy intuitiva ya que identifica un problema o efecto y luego enumera un conjunto de causas que potencialmente explican dicho comportamiento. Adicionalmente cada causa se puede desagregar con grado mayor de detalle en subcausas. Esto último resulta útil al momento de tomar acciones correctivas dado que se deberá actuar con precisión sobre el fenómeno que explica el comportamiento no deseado.

El método Ishikawa se estructura como una espina de pescado y, en la práctica, se estructura en diferentes categorías de causas. Las más comunes son las 6M:

Método: se refiere a los procedimientos y sistemas empleados por la organización para atender sus demandas de producción y los errores suelen estar causados por un rendimiento insuficiente de estos (manipulación excesiva de materiales, falta de estandarización, ausencia de buenas prácticas…).

Materiales: tienen que ver con el mal uso y la gestión de los insumos y materiales implicados en el proceso de producción (materias primas de baja calidad, fallos de suministro, etc.).

Maquinaria: los errores de esta categoría suelen ocurrir por el mal funcionamiento de máquinas y equipos (máquinas averiadas, falta de mantenimiento, tecnología obsoleta, fallos en los equipos…).

Mano de obra: incluye todos los errores de gestión o que tienen una causa humana (errores humanos, falta de formación, mala comunicación, actitudes o habilidades de los empleados, etc.).

Medida: son los errores que se producen por fallas en la medición de métricas e índices de calidad (mala calibración de los instrumentos, métodos de control inadecuados…).

Medio Ambiente: son causas referidas al ambiente interno de la producción y a cuestiones globales sobre preservación ambiental (condiciones de trabajo adversas, impacto de variables medioambientales, influencia de factores externos como humedad, temperatura o ruido…).