L

a necesi dad de mantener de forma con-

ti nua el Asegurami ento de l a Cal i dad ha
l l evado a l as empresas a adoptar mtodos
estadsti cos para l a moni tori zaci n de sus
procesos. El grfi co de control de Shewhart
es l a tcni ca ms uti l i zada. Este grfi co uti -
l i za l a i nformaci n recogi da en cada i nstan-
te a travs de una pequea muestra o val or
i ndi vi dual , para deci di r si el proceso est
baj o control comprobando si l a medi a de esa
muestra est dentro de l os l mi tes de con-
trol . Estos grfi cos son senci l l os de cons-
trui r y de rpi da i nterpretaci n pero son po-
co efi caces cuando el proceso sufre
pequeas vari aci ones. Por esta razn, se
han desarrol l ado otro ti po de grfi cos de
control que en cada i nstante uti l i zan no s-
l o l os val ores obteni dos en ese momento
si no toda l a i nformaci n anteri or, de mane-
ra que son mucho ms sensi bl es a cual -
qui er pequeo cambi o que se produzca.
Estos grfi cos son: Grfi cos de Medi as
Mvi l es, Grfi cos de Medi as Mvi l es Geo-
mtri cas y Grfi cos Cusum.
La pri mera descri pci n detal l ada de l os
procedi mi entos Cusum aparece en 1954 en
el artcul o Conti nuos Inspecti on Schemes,
debi do a Page. En l os l ti mos aos, han
teni do un gran desarrol l o tanto en l a base
teri ca de estos procedi mi entos como en
su uti l i zaci n en di sti ntos campos.
La i dea fundamental de estos grfi cos es
cal cul ar para cada observaci n, , su des-
vi aci n de l a medi a obj eti vo , e i r acu-
mul ando estas desvi aci ones
desde el pri nci pi o hasta el i nstante actual ,
Observemos que si el proceso est baj o
control l a medi a es y l as di ferenci as
sern pequeos val ores posi ti -
vos y negati vos al rededor de cero de forma
que su suma ser un val or prxi mo a cero.
Cuando el proceso sal e fuera de control
porque, por ej empl o, ha habi do un aumen-
to en l a medi a, l os val ores observados
sern, prcti camente, todos mayores que ,
l as di ferenci as sern posi ti vas
y al acumul arl as veremos un cl aro aumento
en l a pendi ente. La fi gura muestra un grfi co
Cusum para control ar l a medi a de un proce-
so. Ha habi do un aumento en l a medi a del
proceso a parti r de l a observaci n 15. Este
cambi o se detecta en el grfi co porque obser-
vamos un cl aro aumento en l a pendi ente de l a
grfi ca a parti r de di cha observaci n.
[26] cal i dad >> febrero 2004
ARTCULO
Monitorizacin
para un aseguramiento
continuo de la Calidad
sta es l a pri mera forma de apl i caci n de
l os grfi cos de sumas acumul adas: l a V-
mscara que se obti ene si tuando una ms-
cara en forma de V en l a l ti ma observa-
ci n obteni da. Esta expresi n grfi ca ti ene
al gunos i nconveni entes para trabaj ar con
el l a numri camente, por el l o, posteri or-
mente se ha desarrol l ado una frmul a
numri ca equi val ente a l a V- mscara y cuya
representaci n grfi ca es ms senci l l a. Se
trata del Interval o de Deci si n o Grfi co
Cusum H- K. Veamos, brevemente, cmo se
construyen e i nterpretan estos dos ti pos de
grfi cos.
El grfico de V-mscara
Recordemos que el obj eti vo de estos grfi -
cos es detectar vari aci ones en l a medi a de
ampl i tud donde es l a
desvi aci n tpi ca de l a vari abl e en estudi o .
Para el l o, defi ni mos:
Vari aci n en l a medi a que deseamos
detectar medi da en uni dades de desvi aci n
tpi ca. Por ej empl o, Si deseamos detectar
un aumento o descenso de 3 uni dades y
entonces .
Probabi l i dad de una fal sa al arma.
Valores habituales para son 0,01 0,05.
Probabi l i dad de no detectar un cam-
bi o en l a medi a de l a magni tud fi j ada. Val o-
res habi tual es para son 0,01 0,05.
l ti ma observaci n.
A parti r de estos val ores di buj aremos l a
V- mscara medi ante l as rectas:
febrero 2004 << cal i dad [27]
Cuyo vrti ce est a una di stanci a del
punto de coordenadas , donde
La metodol oga a segui r para detectar
estas vari aci ones ser l a si gui ente:
Tomamos m observaci ones y si tuamos
l a mscara en el punto de coordenadas
Representamos l os val ores con
Si ni ngn punto sal e fuera de l a msca-
ra segui remos haci endo un muestreo y
nuestro proceso est baj o control
Si un punto se sal e por arri ba, en ese i ns-
tante se ha produci do un descenso en l a
medi a de ampl i tud
Si un punto se sal e de l a mscara por
debaj o, en ese i nstante ha habi do un
aumento en l a medi a de ampl i tud
Como vemos grfi camente:
CuSum Chart for Variable 1
28
18
8
- 2
- 12
- 22
0 20 40 60 80
Observaci n
C
u
S
u
m
CuSum V-mscara
10
6
2
- 2
- 6
- 10
0 10 20 30 40 50
Observaci n
S
n

[28] cal i dad >> febrero 2004

En este ej empl o, al si tuar l a V- mscara
en l a observaci n m=30, detectamos que
ha habi do un aumento en l a medi a a parti r
de l a observaci n n=22 que se sal e fuera de
l os l mi tes.
El Intervalo de Decisin: una
alternativa a la V-mscara
Uno de l os i nconveni entes de l a V- mscara
es que hay que si tuarl a en cada uno de l os
puntos para detectar si se ha pro-
duci do un cambi o y dnde se ha produci -
do. Hay otra expresi n al gebrai ca equi val en-
te a l a V- mscara que permi te trabaj ar con
l os grfi cos de sumas acumul adas, Cusum,
que es ms senci l l a de ver grfi camente por-
que l os l mi tes de control son constantes.
Adems, ti ene ci ertas ventaj as de cl cul o en
l a obtenci n de l as caractersti cas de opera-
ci n como el nmero medi o de muestras
entre fal sas al armas o el ti empo medi o trans-
curri do hasta que detectamos un cambi o
desde que ste se produce. Este ti po de
representaci n se l l ama el Interval o de Deci -
si n (DI) o Cusum .
: Val or de referenci a. En l a V- mscara
es l a pendi ente de l as rectas, una posi ti -
va y otra negati va. En ambos grfi cos, su
i nterpretaci n es muy senci l l a puesto que
es l a ampl i tud del sesgo en l a
medi a que deseamos detectar medi da en
uni dades de desvi aci n estndar.
: Interval o de Deci si n.
Es el val or que determi na l os l mi tes fi j os
del grfi co . Se cal cul a a parti r
de l a probabi l i dad de error de ti po , ,
y de l a probabi l i dad de detectar un cam-
bi o de l a magni tud deseada, ,
puesto que
La i dea general para pasar de un grfi co a
otro es corregi r l as di ferenci as
por el val or de referenci a
que es l a pendi ente de l as rectas de l a V-
mscara y as l a regi n de aceptaci n vendr
l i mi tada por dos rectas de pendi ente cero.
Sea el val or en el i nstante e l a
di ferenci a entre l a t- esi ma observaci n y el
val or obj eti vo (represen-
tada en el grfi co por l os cuadradi tos).
Entonces para detectar aumentos en l a
medi a cal cul aremos:
se produce una seal si .
Anl ogamente, para detectar sesgos
negati vos tendremos:
se produce una seal si .
De esta forma, si representamos l os pun-
tos de coordenadas y me-
di ante l a al tura de l as barras, tendremos un
grfi co con l mi tes constantes ente equi va-
l ente a l a V- mscara.
CuSum H-K
7
5
3
1
- 1
- 3
- 5
0 5 10 15 20 25 30
Observaci n
S
t
En el ej empl o, en l a observaci n 29
detectamos que ha habi do un aumento en
l a medi a a parti r de l a observaci n n=22
l ti mo val or donde a parti r del
cual hay una cl ara tendenci a creci ente en
l as sumas acumul adas.
Cmo debemos elegir los
parmetros que determinan el
grfico?
El val or de referenci a vi ene
determi nado por l a magni tud del sesgo que
deseamos detectar. En ocasi ones este val or
nos vi ene dado por especi fi caci ones tcni -
cas: ni vel de contami naci n que se consi -
dera pel i groso, val or de l a presi n en al gn
proceso a parti r del cual l a mqui na no fun-
ci ona bi en, etc. En otros casos, en donde
no est especi fi cado el val or de , ste
debe el egi rse de forma que l a detecci n de
un sesgo sea l o ms rpi da posi bl e. Val o-
res habi tual es para van desde 1/ 4 hasta
3, pero su el ecci n debe veni r determi nada
por l as caractersti cas del proceso.
En cuanto al Interval o de Deci si n , su
val or vi ene determi nado, para un sesgo fi j o
a detectar , por l a probabi l i dad de error
de ti po I, , o, di cho de otra forma, por l a
probabi l i dad de que se produzcan fal sas
H=5,00
K=0,50
AIM=0,00
K=- 0,50
H=- 5,00

al armas en el funci onami ento del grfi co

en condi ci ones de control y por ,
probabi l i dad de detectar un cambi o en l a
medi a.
Ventajas de los grficos Cusum
frente a los Shewhart
Fi j amos l a magni tud del cambi o que
deseamos detectar como mni mo.
Detecta l os cambi os de pequea magni -
tud ms rpi do que otros grfi cos.
cal i dad de l os servi ci os mdi cos como para
l a detecci n rpi da de seal es en procedi -
mi entos mdi cos de campos como l a neuro-
l oga o l a cardi ol oga.
En su apl i caci n como detector rpi do
de cambi os es uti l i zado tanto en uni dades de
control ssmi co como en departamentos
de anl i si s de seri es fi nanci eras.
Como herrami enta para el asegurami ento
conti nuo de l a cal i dad est si endo muy uti -
l i zada en el campo de l a i nformti ca. Pri me-
ro en el control de fabri caci n de semi con-
ductores o equi pos tcni cos y fi nal mente en
el control de producci n de Software.
Pero la aplicacin ms curiosa es la utili -
zada por los detectives literarios en la Estilo-
metria donde esta tcnica, con algunas varia-
ciones, se ha comprobado que es un mtodo
objetivo y eficaz para la determinacin del
autor para textos no catalogados de la literatu-
ra clsica o para el control de los plagios.
febrero 2004 << cal i dad [29]
JUANA M. ALONSO REVENGA / Profesor
Titular de la Escuela Universitaria de
Estadstica. Universidad Compluten-
se de Madrid. Miembro del Equipo
de trabajo de Control Estadstico de
la Calidad.
Bibliografa:
(1) Hawki ns, D.M. & Ol wel l , D.H. (1998). Cumu-
l ati ve Sum Charts and Charti ng for Qual i ty
Improvement. Spri nger.
(2) Montgomery D. C. (2001). Introducti on to
Stati sti cal Qual i ty Control . John Wi l ey & Sons,
Inc.
(3) Van Dobben de Bruyn, C.S. (1968). Cumul a-
ti ve Sum Test: Theory and Practi ce. Gri ffi ns Sta-
ti sti cal Monographs and Courses
Fi j amos tanto l a probabi l i dad de que se
produzcan fal sas al armas como el ti em-
po medi o que tardamos en detectar un
cambi o.
Detectamos el momento a parti r del cual
se produce el cambi o.
Podemos esti mar l a magni tud del sesgo
produci do.
Campos de aplicacin
La especi al efi caci a de l os grfi cos Cusum
para detectar rpi damente pequeas des-
vi aci ones hace que sean especi al mente ti -
l es en procesos de al ta especi al i zaci n
como l os sani tari os, en donde se apl i ca
con xi to tanto para el asegurami ento de l a