ScholarGate
Asistente
Process / pipelineEngineering methods

Control Estadístico de Procesos — SPC

El Control Estadístico de Procesos (SPC, por sus siglas en inglés) es un método de calidad basado en datos que utiliza técnicas estadísticas —principalmente gráficos de control— para monitorizar un proceso de fabricación o servicio a lo largo del tiempo. Al distinguir la variación natural del proceso (causa común) de la variación inusual y accionable (causa especial), el SPC permite a los profesionales mantener los procesos en un estado estable y predecible y detectar problemas de forma temprana, antes de que la producción defectuosa llegue a los clientes.

Encontrar tema con PaperMindPróximamenteVídeoPróximamenteDownload slides

Leer el método completo

Solo para miembros

Inicia sesión con una cuenta gratuita para leer esta sección.

Iniciar sesión

Method map

The neighbourhood of related methods — select a node to explore.

Control Estadístico de Procesos
Gráfico de ControlDiseño de ExperimentosAnálisis Modal de Fallos…Análisis de Capacidad de…Despliegue de la Función…Six Sigma DMAICGráfico de Control Bayes…Análisis Bayesiano de Mo…Análisis de Capacidad de…Bayesian Six Sigma DMAIC

+40 more

Fuentes

  1. Shewhart, W. A. (1931). Economic Control of Quality of Manufactured Product. Van Nostrand. ISBN: 978-0873890762
  2. Montgomery, D. C. (2020). Introduction to Statistical Quality Control (8th ed.). Wiley. ISBN: 978-1119657118

Cómo citar esta página

ScholarGate. (2026, June 3). Statistical Process Control (SPC). ScholarGate. https://scholargate.app/es/experimental-design/statistical-process-control

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side →

Citado por

Gráfico de Control BayesianoAnálisis Bayesiano de Modos y Efectos de FalloAnálisis de Capacidad de Procesos BayesianoBayesian Six Sigma DMAICControl Estadístico de Procesos BayesianoGráfico de ControlAnálisis Modal de Fallos y Efectos (AMFE)Gráfico de Control HíbridoAnálisis de Capacidad de Procesos HíbridosMarco de Mejora de Procesos Integrado Híbrido Six Sigma DMAICControl Estadístico de Procesos HíbridoDiseño factorial completo para aplicaciones industrialesGráfico de control multirespuestaAnálisis de Árbol de Eventos Multi-RespuestaAnálisis de Modos de Fallo y Efectos Multirrespuesta (MR-FMEA)Análisis de la Capacidad del Proceso con Múltiples RespuestasAnálisis de Causa Raíz MultirrespuestaSix Sigma DMAIC MultirrespuestaControl Estadístico de Procesos MultirrespuestaAnálisis de Modos de Fallo y Efectos Asistido por OptimizaciónAnálisis de Capacidad de Proceso Asistido por OptimizaciónOptimización Asistida por Seis Sigma DMAICDespliegue de la Función de CalidadGráfico de Control Basado en RiesgosAnálisis de Modos de Fallo y Efectos Basado en Riesgo (RBFMEA)Análisis de Árbol de Fallos Basado en RiesgoAnálisis de Capacidad de Procesos Basado en RiesgoDespliegue de la Función de Calidad Basado en RiesgosAnálisis de Fiabilidad Basado en RiesgosAnálisis de Causa Raíz Basado en RiesgosDMAIC basado en riesgo (Six Sigma)Control Estadístico de Procesos Basado en RiesgosGráfico de Control RobustoAnálisis de Modos y Efectos de Fallo RobustoAnálisis de Árbol de Fallos RobustoAnálisis de Capacidad de Proceso RobustoSix Sigma Robusto DMAICControl Estadístico de Procesos RobustoAnálisis de Sensibilidad con Gráfico de ControlAnálisis de Sensibilidad con FMEAAnálisis de Sensibilidad con Análisis de Capacidad de ProcesosAnálisis de Sensibilidad con Six Sigma DMAICGráfico de control asistido por simulaciónAnálisis de Capacidad de Proceso Asistido por SimulaciónAnálisis de Causa Raíz Asistido por SimulaciónDMAIC Asistido por SimulaciónControl Estadístico de Procesos Asistido por Simulación

¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →

ScholarGate — Statistical Process Control (Statistical Process Control (SPC)). Recuperado el 2026-06-15 de https://scholargate.app/es/experimental-design/statistical-process-control · Conjunto de datos: https://doi.org/10.5281/zenodo.20539026