ENSAYO 1

CONTROL DEL PROCESO

1. DEFINICIÓN

Control de procesos es una especialidad de la ingeniería que combina, a su vez, distintas ramas, entre las
que destacan: sistemas de control, automatización, electrónica e informática. Su principal aplicación y
propósito es el análisis, diseño y automatización de procesos de manufactura de la mayor parte de las
áreas industriales: petróleo y gas, generación de energía eléctrica, textil, alimentaria, automovilística, etc.
El controlar un proceso, se refiere a como se controlan variables inherentes al mismo para:

 Reducir la variabilidad del producto final

 Incrementar la eficiencia
 Reducir impacto ambiental
 Mantener el proceso dentro de los límites de seguridad que corresponda

El control de procesos consiste en mediciones realizadas para controlar las variables críticas del proceso
asociadas a la entrada, transformación y salida, el control de procesos es totalmente necesario para el
buen manejo de una organización. El control es un mecanismo que permite corregir desviaciones a través
de indicadores cualitativos y cuantitativos dentro de un contexto social amplio, a fin de lograr el
cumplimiento de los objetivos claves para el éxito organizacional, es decir, el control se entiende no como
un proceso netamente técnico de seguimiento, sino también como un proceso informal donde se evalúan
factores culturales, organizativos, humanos y grupales , es un esfuerzo sistemático para establecer normas
de desempeño con objetivos de planificación, para diseñar sistemas de re información, para comparar los
resultados reales con las normas previamente establecidas, para determinar si existen desviaciones y para
medir su importancia, así como para tomar aquellas medidas que se necesiten para garantizar que todos
los recursos de la empresa se usen de la manera más eficaz y eficiente posible para alcanzar los objetivos
de la empresa.

El concepto de control es muy general y puede ser utilizado en el contexto organizacional para evaluar el
desempeño general frente a un plan estratégico. La palabra control tiene muchas connotaciones y su
significado depende de la función o del área en que se aplique; puede ser entendida: Como la función
administrativa que hace parte del proceso administrativo junto con la planeación, organización y
dirección, y lo que la precede.

Una de las razones más evidentes de la importancia del control es porque hasta el mejor de los planes se
puede desviar. El control se emplea para Crear mejor calidad, Enfrentar el cambio, Producir ciclos más
rápidos, Agregar valor, Facilitar la delegación y el trabajo en equipo Podríamos decir que el control se basa
en la consecución de las siguientes actividades: Planear y organizar., Hacer, Evaluar., Mejorar.

2. VARIABLES A ANALIZAR EN UN CONTROL DE PROCESOS

Las entradas y salidas de un proceso son denominadas variables, debido a que están interrelacionadas
con el mismo en una forma estática y/o dinámica. Los diferentes tipos de variables que intervienen en un
proceso, son: variables manipuladas, variables controladas, variables no controladas y perturbaciones.

 VARIABLES MANIPULADAS:

Variables que nosotros podemos cambiar o mover para garantizar que la variable controlada presente el
valor deseado. La variable manipulada es la cantidad o condición que es variada por el controlador de tal
manera que afecte el valor de la variable controlada.

 VARIABLES CONTROLADAS:

Variables que queremos controlar, bien sea tratando de mantenerlas constantes (Control Regulatorio) o
tratando de seguir alguna trayectoria deseada (Servocontrol), ejemplos de estas pueden ser, flujos,
composiciones, temperaturas, presión, nivel, etc. Normalmente, la variable controlada es la salida de un
sistema.

 VARIABLES NO CONTROLADAS:

Son aquellas variables sobre las cuales no se ejerce control, en algunos casos estas variables no afectan o
no ejercen ningún efecto sobre el proceso.

 PERTURBACIONES:

Una perturbación es una señal desconocida y de carácter aleatorio, que tiende a modificar, en forma
indeseada, el valor de salida de un sistema. Si la perturbación se genera dentro del sistema se denomina
interna, en tanto que una externa se produce fuera del sistema. Son por lo general flujos, temperaturas,
composiciones. No todo el tiempo pueden ser medidas, pero el sistema de control debe ser capaz de
regular el proceso en presencia de ellas (premisa que en algunas ocasiones no se logra), tales como
temperaturas, presión, concentración, etc.

3. DISEÑO DE EXPERIMENTOS

Los escenarios que rodean a las industrias hoy, en día en un mundo globalizado donde los adelantos
tecnológicos y científicos están en constante evolución, hacen que el nivel de calidad de los productos y
servicios sea cada vez mayor.
En la actualidad uno de los factores claves para el éxito de una industria, es hacer uso de toda de su
capacidad de conocimiento y aprendizaje, así como de su experiencia. La experimentación en las
industrias es uno de los elementos que más pueden contribuir al aprendizaje y a la mejora de los
productos y procesos.
La aplicación del Diseño de Experimentos (DoE) se presenta como una herramienta efectiva para
entender y optimizar los procesos y productos en la industria. La metodología estadística por excelencia
para optimizar la experimentación se conoce como Diseño de Experimentos. Se define simplemente
como un método para aplicar sistemáticamente la estadística al proceso de experimentación. Se puede
definir como la realización de un conjunto de pruebas en las cuales se realizan cambios voluntarios a los
parámetros de control de un proceso o sistema, cuyo objetivo es observar e identificar las razones de los
cambios en la variable de estudio o respuesta y cuantificarla.
Los experimentos en la industria moderna son más complicados, porque son muchos los factores que
son susceptibles de controlarse y que afectan a los productos y/o procesos, de aquí que son muchas
combinaciones de dichos factores que se deben probar para obtener resultados válidos y consistentes.
En la industria, el diseño de experimentos suele aplicarse básicamente en dos áreas: el diseño y la
mejora de procesos y productos. Pero la mayoría de los problemas industriales, están condicionadas por
el tiempo y el presupuesto, lo que supone una limitación importante a la hora de experimentar.

Para que la metodología de diseño de experimentos sea eficaz es fundamental que el experimento esté
bien diseñado. Un experimento se realiza por alguno de los siguientes motivos:

Determinar las principales causas de variación en la respuesta.

Encontrar las condiciones experimentales con las que se consigue un valor extremo en la
variable de interés o respuesta.
Comparar las respuestas en diferentes niveles de observación de variables controladas.
Obtener un modelo estadístico-matemático que permita hacer predicciones de
respuestas futuras.
La utilización de los modelos de diseño de experimentos se basa en la experimentación y en el análisis de
los resultados que se obtienen en un experimento bien planificado. En muy pocas ocasiones es posible
utilizar estos métodos a partir de datos disponibles o datos históricos, aunque también se puede aprender
de los estudios realizados a partir de datos recogidos por observación, de forma aleatoria y no planificada.

Las etapas a seguir en el desarrollo de un problema de diseño de experimentos son las siguientes:

1. Identificación del problema y definir los objetivos. Es común en la industria no darse cuenta de que
existe un problema en un proceso o producto que requiere experimentación para mejorar su eficiencia o
calidad, para aplicar un experimento es necesario desarrollar todas las ideas acerca de los objetivos del
mismo. Es importante solicitar aportaciones de todas las áreas involucradas: ingeniería, calidad,
manufactura, mercadotecnia, administración, el cliente y el personal de operación. En la mayoría de los
casos es conveniente hacer una lista de los problemas o preguntas específicas que van a abordarse en el
experimento. Las actividades y herramientas que nos apoyan a realizar esta fase se presentan en la tabla1.

Tabla 1

Actividades Herramientas
1. Seleccionar equipo de trabajo Diagrama de flujo, graficos de control, grafico
2. Formular problema jerarquizado de objetivos, mapa de procesos
3. Documentar información importante
4. Elegir respuestas
5. Establecer objetivo

2. Elección de los factores y los niveles. Una fuente de variación es cualquier “cosa” que pueda generar
variabilidad en la respuesta u objeto de estudio. Es recomendable hacer una lista de todas las posibles
fuentes de variación del problema, distinguiendo aquellas que, a priori, generarán una mayor variabilidad.
Se denomina factor tratamiento a cualquier variable de interés para el experimentador cuyo posible
efecto sobre la respuesta se quiere estudiar. Se distinguen dos tipos: ◦Factores tratamiento: son aquellas
fuentes cuyo efecto sobre la respuesta es de particular interés para el experimentador.

◦Factores “nuisance”: son aquellas fuentes que no son de interés directo pero que se contemplan en el
diseño para reducir la variabilidad no planificada.
Los niveles de un factor tratamiento son los tipos o grados específicos del factor que se tendrán en cuenta
en la realización del experimento. Las actividades y herramientas que nos apoyan a realizar esta fase se
presentan en la tabla 2.

Tabla 2

Actividades Herramientas

1.- Identificar factores AMFE*

Diagrama de afinidad
2.- Clasificar factores
Diagrama Causa-Efecto
3.- Definir estrategias para algunos factores Mapa de procesos

4.- Describir conocimiento actual de los efectos de los factores Diagramas IDEF0**

5.- Determinar rangos y niveles

3. Selección de la variable respuesta. Para seleccionar la variable de respuesta, el experimentador deberá

tener la certeza de que esta variable proporciona en realidad información útil acerca del proceso bajo
estudio. Los datos que se recogen en un experimento son medidas de una variable denominada variable
respuesta o variable de interés y es importante precisar en qué unidades se mide. En la mayoría de los
casos, el promedio o la desviación estándar (o ambos) de la característica medida será la variable
respuesta. Las actividades y herramientas que nos apoyan a realizar esta fase se presentan en la tabla 3.

Tabla 3

Actividades Herramientas

1.- Identificar los objetivos del experimento Gráfico jerarquizado de objetivos

AMFE*
2.- Identificar la variable respuesta
Diagrama Causa-Efecto
3.- Identificar en que unidades se medirá la variable respuesta Mapa de proces

4. Elección del diseño experimental. La elección del diseño implica la consideración del tamaño de la
muestra (número de réplicas). Es importante tener en mente los objetivos experimentales. En muchos
experimentos de ingeniería se sabe que algunos de los niveles de los factores (variables) producirán
valores diferentes de la respuesta. En consecuencia, el interés se centra en identificar "qué" factores
causan esta diferencia y en estimar la magnitud del cambio de la respuesta. en otras palabras es
determinar el "cómo" se van a realizar los experimentos (especificar que unidades experimentales se
observarán bajo cada tratamiento). Las actividades y herramientas que nos apoyan a realizar esta fase se
presentan en la tabla 4.

Tabla 4

Actividades Herramientas

1.- Caracterizar factores Aleatorización

Análisis asistido por software
2.- Pre-analizar
Réplicas
3.- Elegir tipo de diseño Representación gráfica

4.- Seleccionar diseño experimental

5.- Elegir niveles

5. Realización del experimento. En esta fase suele ser conveniente no apresurase a realizar los
experimentos, sin antes analizar la realización de algunas actividades previas debido a que se suelen
subestimar los aspectos logísticos y de planificación de DoE en ámbitos de manufactura, investigación y
desarrollo se debe asegurar que todos los recursos necesarios para la experimentación estén disponibles.
Se debe tener especial cuidado y para ello intentar adelantarse a los problemas. Para ello antes de
comenzar con la experimentación no se debe olvidar de:

 Seleccionar la ubicación correcta para realizar el experimento.

 Checar la disponibilidad del equipamiento, máquinas y operarios para llevar a cabo las
experimentaciones.
 Verificar que todas las combinaciones son viables.
 Preparar las hojas de recolección de datos.
 Otorgar las instrucciones necesarias para los que realizan los experimentos.

Las actividades y herramientas que nos apoyan a realizar esta fase se presentan en la tabla 5.
Tabla 5

Actividades Herramientas

1.- Preparar experimentos Pruebas piloto

Hoja recogida de datos
2.- Analizar la necesidad de pruebas piloto

3.- Realizar experimentos y recolectar datos

6. Análisis estadístico de los datos. En esta fase, Se deberán usar métodos estadísticos para analizar los
datos a fin de que los resultados y las conclusiones sean objetivos y no de carácter apreciativo. si el
experimento se ha diseñado correctamente y se ha llevado a cabo de acuerdo al diseño, los métodos
estadísticos necesarios no deben ser complicados. Con frecuencia se encuentra que los métodos gráficos
simples desempeñan un papel importante en el análisis e interpretación de datos. Debido a que muchas
de las preguntas que el experimentador quiere responder pueden insertarse en el marco de la prueba de
hipótesis, los procedimientos para probar hipótesis y estimar intervalos de confianza son muy útiles en el
análisis de datos de un experimento diseñado. Para esta fase se recomienda utilizar un software
estadístico. Las actividades y herramientas que nos apoyan a realizar esta fase se presentan en la tabla 6.

Tabla 6

Actividades Herramientas

1.- Calcular el efecto de los factores Análisis de regresión

ANOVA*
2.- Determinar los factores significativos
ANCOVA**
3.- Interpretar resultados Gráficos de contorno

4.- Construir modelo de predicción Gráficos de probabilidad

normal
5.- Optimizar respuestas
Gráficos de Pareto

6.- Evaluar necesidades de nuevos

experimentos

7. Mejoras, control y conclusiones.

Todo el trabajo de las fases anteriores, tiene que dar sus resultados en esta etapa. Por lo que se intentará
maximizar los beneficios. Para mejorar se recomienda ser más creativo y tener una perspectiva más
amplia. Una vez implementadas las mejoras se debe realizar el seguimiento y verificar la estabilidad de
las mejoras obtenidas. Una vez que se ha hecho el análisis de los datos, la mejora y el control, el
experimentador debe sacar conclusiones prácticas acerca de los resultados y recomendar un curso de
acción. Los métodos gráficos suelen ser útiles en esta etapa, en particular para presentar los resultados.
Las actividades y herramientas que nos apoyan a realizar esta fase se presentan en la tabla 7.

Tabla 7

Actividades Herramientas

1.- Evaluar la necesidad de experimentos Diseño de

confirmatorios. experimentos
Gráficos de control
2.- Implementar controles
Plan de control
3.- Validar resultados Procedimientos

4. EXPERIMENTOS CON UN SOLO FACTOR: ANÁLISIS DE LA VARIANZA (ANOVA)

El análisis de varianza sirve para verificar si hay diferencias estadísticamente significativas entre medias
cuando tenemos más de dos muestras o grupos en el mismo planteamiento. El procedimiento para
comparar estos valores está basado en la varianza global observada en los grupos de datos numéricos a
comparar. Típicamente, el análisis de varianza se utiliza para asociar una probabilidad a la conclusión de
que la media de una población o tratamiento es distinta de la media de otra población.

Un ejemplo para este tipo de diseño sería el siguiente: Supongamos que un ingeniero de desarrollo de
productos desea maximizar la resistencia a la tensión de una nueva fibra sintética que se utilizará para
fabricar camisas. Por experiencia, parece que la resistencia (o fortaleza) se ve influida por el % de algodón
presente en la fibra. Ante esta situación, el ingeniero decide tomar cinco ejemplares muestras para cinco
diferentes niveles de % de algodón y medir la fortaleza de las fibras así producidas. El análisis de la varianza
nos ayudará a responder las siguientes cuestiones: a) ¿Influye el % de algodón en la fortaleza de la fibra
fabricada? y b) Si es así, ¿qué niveles de % de algodón son similares y cuáles no?
El objetivo del análisis de la varianza (ANOVA) se basa en la descomposición de la variabilidad total en dos
partes, una parte debida a la variabilidad entre las distintas poblaciones o tratamientos (variabilidad entre
grupos o variabilidad explicada por el diseño) y otra parte que puede considerarse como la variabilidad
intrínseca de las observaciones (variabilidad dentro de los grupos o residual).

5. EJEMPLO DE APLICACIÓN DE UN SOFTWARE JMP Y SPSS

PROBLEMA DE APLICACION

En una empresa dedicada a la elaboración de tortas se puede notar que el tiempo de cocción es
muy variable, en el área de horneado depende mucho de la temperatura, o otras variables que
son las siguientes:

Variables explicativas:

 Temperatura
 Peso de la masa
 humedad

Variables explicadas:

 tiempo de horneado

Nº DE TIEMPO DE TEMPERATURA T HUMEDAD H (%) PESO DE LA

EXPERIMENTOS HORNEADO (ºC) MASA EN
(minutos) CAD
MOLDE(GR)
1 75 150 85 2000
2 73 159 77 1986
3 65 160 75 1899
4 66 165 70 1900
5 55 170 80 2001
6 49 175 70 2000
7 45 180 65 1999
8 55 180 67 1599
9 50 183 79 1889
10 40 185 79 1500
 𝑻𝑯(𝑻, 𝑯, 𝑷𝑴) = 𝜷𝟏 + 𝜷𝟐 ∗ 𝑻 + 𝜷𝟑 ∗ 𝑯 + 𝜷𝟒 ∗ 𝑷𝑴 + 𝒖

Realizando la regresión mediante el simulador SPSS

𝑻𝑷(𝑻, 𝑯, 𝑷𝑴) = 𝟐𝟓𝟗, 𝟔𝟑𝟕 − 𝟏, 𝟎𝟑𝟗 ∗ 𝑻 − 𝟎, 𝟏𝟒𝟔 ∗ 𝑯 − 𝟎, 𝟎𝟎𝟕𝑷𝑴

ANÁLISIS DE LA VARIANZA

El objetivo del análisis de la varianza (ANOVA) se basa en la descomposición de la variabilidad

total en dos partes, una parte debida a la variabilidad entre las distintas poblaciones o
tratamientos (variabilidad entre grupos o variabilidad explicada por el diseño) y otra parte que
puede considerarse como la variabilidad intrínseca de las observaciones (variabilidad dentro de
los grupos o residual).
Para la realización del análisis de la varianza de la empresa de “REPOSTERÍA LA CASERA”.
Se tendrá que ver si las variables dependientes son significativas o no.

Nº DE TIEMPO DE TEMPERATURA T HUMEDAD H (%) PESO DE LA

EXPERIMENTOS HORNEADO (ºC) MASA EN
(minutos) CAD
MOLDE(GR)
1 75 150 85 2000
2 73 159 77 1986
3 65 160 75 1899
4 66 165 70 1900
5 55 170 80 2001
6 49 175 70 2000
7 45 180 65 1999
8 55 180 67 1599
9 50 183 79 1889
10 40 185 79 1500

𝑻𝑷(𝑻, 𝑯, 𝑷𝑴) = 𝟐𝟓𝟗, 𝟔𝟑𝟕 − 𝟏, 𝟎𝟑𝟗 ∗ 𝑻 − 𝟎, 𝟏𝟒𝟔 ∗ 𝑯 − 𝟎, 𝟎𝟎𝟕𝑷𝑴

 Planteamiento de Hipótesis

𝐻0 : 𝛽1 = 𝛽2 = 𝛽3 = 𝛽4 = 0

𝐻𝑎 : 𝛽1 ≠ 𝛽2 ≠ 𝛽3 ≠ 𝛽4 ≠ 0

FUENTE DE GRADOS SUMA DE CUADRADOS F VALOR

VARIACIÓN DE CUADRADOS MEDIOS CRITICO
LIBERTAD DE F
REGRESIÓN 3 1136,96919 378,989729 16,1122 0,00282045
ERROR 6 141,130813 23,5218021
TOTAL 9 1278,1
 Coeficientes Error Estadístico
típico t
Intercepción 259,636664 57,2646605 4,53397718
Variable X 1 -1,0390669 0,18188405 -5,7127983
Variable X 2 -0,14604566 0,28123671 -0,519298
Variable X 3 -0,00748859 0,0108679 -
0,68905615

Variable X 1 Gráfico de los residuales

10

5
Residuos

0
0 50 100 150 200
-5

-10
Variable X 1

Variable X 2 Gráfico de los residuales

10

5
Residuos

0
0 20 40 60 80 100
-5

-10
Variable X 2

Variable X 3 Gráfico de los residuales

10

5
Residuos

0
0 500 1000 1500 2000 2500
-5

-10
Variable X 3
  Estadístico de tabla

𝐹𝛼 𝑘−1, 𝑛−𝑘

𝐹0,05 2,6 = 5,14

 Contrastación

NO SE acepta
𝑯𝟎

 Respuesta 5,14

A un nivel de significancia de del 95%, el modelo global si es significativo, por lo que nos dice que el
modelo es significativo, las variables que se han medido si aportan al modelo.

APLICACIÓN DE SOFTWARE (JMP)

Para este diseño de experimentos se ara la aplicación del programa JMP, en la cual es un experimento
que añade variables aleatorias entre el máximo y el mínimo para validar o no la ecuación del modelo
planteado.

Como primer paso se introducirá los datos, identificando un límite máximo y un mínimo, añadir las
variables, y simular aleatoriamente.
Según el análisis después de varias iteraciones s pudo encontrar una r ajustada de 0,55 lo cual no es muy
significativo, nos muestra también que la variable de la humedad, que nos dice que es una de las variables
que aporta al modelo, y las otras dos variables que son la temperatura y el peso de la masa no son muy
significativos en cuanto a los valores pronosticados, o no dependen mucho del tiempo.

6. CONCLUSIÓN:
Mediante el control de proceso se pudo identificar variables del sistema de producción, realizando un
diseño de experimentos con el programa del JMP, y el spss. Lo cual fue aplicado como ejemplo en una
empresa dedicada a la elaboración de tortas.
Este diseño de experimentos demostró que la variable de la humedad de la masa depende mucho del
tiempo del horneado. Entonces se puede concluir que es muy importante esta herramienta para poder
predecir los valores de las variables y tener u control del proceso productivo, al menos en la industria en
importante realizar el estudio de esta.

7. BIBLIOGRAFÍA

https://www.uaeh.edu.mx/scige/boletin/sahagun/n1/e1.html

http://www.monografias.com/trabajos106/control-de-procesos/control-de-procesos.shtml

https://www.uaeh.edu.mx/scige/boletin/sahagun/n1/e1.html