Control estadístico de procesos (SPC)

Todo el método descansa en una distinción que, entendida, ahorra más dinero que cualquier software: la que separa la causa común de la causa especial. La causa común es la variación que el proceso produce por su propio diseño —siempre está, es predecible y solo se reduce cambiando el proceso—. La causa especial es algo que entró y no debería estar: un lote de materia prima distinto, una máquina descalibrada, un operario sin entrenar, un cambio de turno.

De ahí sale el error más caro y más frecuente en planta, que tiene nombre propio en la disciplina: el ajuste innecesario. El operario ve una medida ligeramente por encima del objetivo, corrige el equipo, la siguiente sale por debajo, corrige otra vez, y al cabo de una jornada el proceso tiene el doble de variación que si nadie lo hubiera tocado. Reaccionar a la variación normal como si fuera una anomalía empeora el proceso. El gráfico de control existe justamente para decir cuándo hay que actuar y cuándo hay que dejar de tocar.

Un gráfico de control lleva la línea central —el promedio— y dos límites de control calculados a partir de la variación real del proceso. Y aquí está la segunda confusión que hay que desarmar: los límites de control no son las especificaciones del cliente. Los límites de control describen lo que el proceso hace; las especificaciones describen lo que el cliente quiere. Un proceso puede estar perfectamente bajo control estadístico y aun así producir fuera de especificación —está estable, pero no es capaz—, y esa distinción es la que decide si el problema se arregla ajustando o rediseñando.

Las señales de causa especial que conviene tener escritas junto al gráfico son tres, y bastan: un punto fuera de los límites; siete puntos consecutivos del mismo lado de la línea central; y una tendencia sostenida de siete puntos subiendo o bajando. Cualquiera de las tres obliga a buscar qué cambió, no a mover la máquina.

En una empresa ecuatoriana esto rinde donde hay medición repetida de una variable continua: peso de llenado, temperatura de proceso, dimensión de una pieza, concentración de una solución, tiempo de atención. No hace falta un sistema: una hoja de cálculo y una toma de cinco muestras por turno sostienen el método. Y la condición de entrada es la estandarización: aplicar control estadístico a un proceso donde cada turno trabaja distinto solo mide el desorden con más decimales.

Una planta de lácteos de la Sierra tiene una devolución al mes por envases con peso bajo. La respuesta histórica ha sido subir el objetivo de llenado: si la especificación es 1.000 g, se llena a 1.020 g «por seguridad». El gráfico de control de cinco muestras por turno durante tres semanas muestra un proceso estable —sin puntos fuera de límites— pero con una dispersión de ±25 g, mayor que la tolerancia del cliente. El proceso está bajo control y no es capaz: por eso la sobrecarga preventiva.

El análisis de causa encontró la fuente de la dispersión en la presión variable de la línea de alimentación según cuántas llenadoras operaran a la vez. La corrección fue un regulador de presión, no un ajuste de objetivo. Con la dispersión reducida a ±8 g, la planta bajó el objetivo de llenado de 1.020 a 1.006 g. El ahorro de producto regalado fue de aproximadamente 14 g por envase, y las devoluciones desaparecieron. Es el resultado típico del método: no se detectaron más defectos, se dejó de producirlos.