Control estadístico de procesos (SPC): qué es y cómo se aplica

El control estadístico de procesos, conocido como SPC por sus siglas en inglés (Statistical Process Control), es un método para vigilar un proceso de fabricación midiendo muestras de lo que produce y analizándolas con estadística. Su objetivo es detectar cuándo el proceso empieza a desviarse antes de que salgan piezas defectuosas, en lugar de separarlas al final con una inspección.

¿Qué es el control estadístico de procesos?

Ningún proceso fabrica dos piezas idénticas. Siempre hay variación en el diámetro de un eje, el peso de un envase o el espesor de una chapa. El SPC parte de distinguir dos tipos de variación:

Causas comunes. La variación natural y constante del proceso, debida a muchos factores pequeños. Si solo actúan estas causas, el proceso es estable y predecible.
Causas especiales o asignables. Algo concreto que ha cambiado: una herramienta desgastada, un lote de materia prima distinto, un ajuste mal hecho. Producen variaciones que se salen del patrón habitual y hay que buscarlas y corregirlas.

El método lo desarrolló Walter Shewhart en los Laboratorios Bell en los años veinte del siglo pasado, y W. Edwards Deming lo difundió después en la industria japonesa. Hoy forma parte de los requisitos de calidad de sectores como la automoción.

Gráficos de control: la herramienta central del SPC

Un gráfico de control representa en el tiempo una medida del proceso, por ejemplo la media de cada muestra de cinco piezas. Lleva tres líneas horizontales: la línea central, que es la media del proceso, y dos límites de control, superior e inferior, situados normalmente a tres desviaciones típicas de la media. Mientras los puntos caen dentro de los límites y sin patrones raros, el proceso está bajo control estadístico.

Hay que distinguir los límites de control de los límites de especificación. Los primeros se calculan con los datos del propio proceso y dicen cómo se comporta. Los segundos los fija el plano o el cliente y dicen qué se acepta. Un proceso puede estar bajo control y aun así producir piezas fuera de especificación, si su variación natural es demasiado grande.

Gráficos de control por variables

Se usan cuando la característica se mide en una escala continua: milímetros, gramos, grados.

Gráfico	Qué vigila	Cuándo se usa
X̄-R (media y rango)	Centrado y dispersión	Muestras pequeñas, de 2 a 10 piezas
X̄-S (media y desviación típica)	Centrado y dispersión	Muestras más grandes
I-MR (individuales y rango móvil)	Valores sueltos	Cuando solo hay un dato por periodo, como un análisis de laboratorio por lote

Gráficos de control por atributos

Se usan cuando la pieza solo se clasifica como buena o mala, o se cuentan defectos.

Gráfico	Qué vigila
p	Proporción de piezas defectuosas, con tamaño de muestra variable
np	Número de piezas defectuosas, con tamaño de muestra fijo
c	Número de defectos por unidad, con unidad de tamaño constante
u	Defectos por unidad cuando el tamaño de la unidad varía

Cómo se lee un gráfico de control

Además de un punto fuera de los límites, hay patrones que delatan una causa especial aunque todos los puntos estén dentro. Las reglas de Nelson, muy usadas en la industria, señalan por ejemplo nueve puntos seguidos al mismo lado de la línea central, que indican que el proceso se ha desplazado, o seis puntos seguidos subiendo o bajando, que indican una tendencia como el desgaste de una herramienta. Cuando salta una señal, el operario anota qué ha pasado y se investiga la causa antes de seguir ajustando la máquina.

Un error frecuente es reajustar el proceso cada vez que un punto se mueve un poco dentro de los límites. Eso añade variación en lugar de quitarla.

Capacidad del proceso: Cp y Cpk

Una vez que el proceso es estable, el SPC mide si es capaz de cumplir la especificación. Para eso se usan dos índices:

Cp compara la anchura de la tolerancia con la variación del proceso: Cp = (LSE − LIE) / 6σ, donde LSE y LIE son los límites superior e inferior de especificación y σ la desviación típica del proceso.
Cpk tiene en cuenta además si el proceso está centrado: Cpk = mín[(LSE − μ) / 3σ ; (μ − LIE) / 3σ], donde μ es la media.

Un Cpk de 1 significa que la variación del proceso llena justo la tolerancia por el lado más desfavorable. Por eso los clientes suelen pedir valores mayores. En automoción es habitual exigir un Cpk de al menos 1,33. Los índices Pp y Ppk se calculan igual, pero con la variación total observada en un periodo largo.

Cómo implantar el SPC en una planta

Elegir las características críticas. Las que afectan a la función o la seguridad del producto, no todas las cotas del plano.
Validar el sistema de medición. Si el calibre o el instrumento varía tanto como el proceso, el gráfico no dice nada. Para eso se hacen estudios de repetibilidad y reproducibilidad.
Definir el muestreo. Cuántas piezas y cada cuánto, de forma que cada muestra se tome en condiciones homogéneas.
Calcular los límites con datos reales de un periodo en el que el proceso funcione con normalidad.
Formar a los operarios para registrar, leer el gráfico y reaccionar con un plan de acción definido.
Revisar los límites cuando se mejora el proceso o se cambia algo importante.

El SPC encaja con otras herramientas de mejora como lean manufacturing y el kaizen, y sus resultados alimentan los indicadores de calidad de la planta.

Preguntas frecuentes sobre control estadístico de procesos

¿Qué diferencia hay entre SPC y control de calidad?

El control de calidad clásico inspecciona el producto terminado y separa lo malo. El SPC vigila el proceso mientras produce para evitar que lo malo llegue a fabricarse.

¿Con qué programas se hace el SPC?

Se puede empezar con una hoja de cálculo. Para planta se usan programas estadísticos y sistemas SPC que recogen datos directamente de los instrumentos de medida y avisan cuando salta una regla.