Control Estadístico de Procesos y Gráficos de Tendencias

El control estadístico de procesos (CEP) y los gráficos de tendencias son herramientas analíticas para comprender cómo se comporta un proceso a lo largo del tiempo. Representan los datos en orden cronológico y aplican reglas simples para distinguir la variación ordinaria y esperada (causa común) de la variación que indica un cambio real (causa especial). Dado que la mejora se trata de cambiar procesos, estos métodos de series temporales son fundamentales para juzgar si un cambio realmente marcó una diferencia.

Definition

El control estadístico de procesos es un conjunto de métodos de series temporales —incluidos los gráficos de tendencias y los gráficos de control de Shewhart— que representan una medida del proceso a lo largo del tiempo y utilizan reglas definidas para distinguir la variación ordinaria por causas comunes de la variación por causas especiales que indica un cambio genuino.

Scope

Este tema cubre los gráficos de tendencias y los gráficos de control de Shewhart, la distinción entre la variación por causas comunes y por causas especiales, las reglas basadas en la probabilidad utilizadas para detectar señales y la evidencia sobre su uso en la atención médica. Es una referencia metodológica y no interpreta datos para ningún proceso específico.

Core questions

• ¿Cuál es la diferencia entre la variación por causas comunes y por causas especiales?
• ¿En qué se diferencia un gráfico de tendencias de un gráfico de control?
• ¿Qué reglas señalan que un proceso ha cambiado genuinamente?
• ¿Cómo se utilizan estas herramientas para juzgar si una mejora funcionó?

Key concepts

• Variación por causas comunes
• Variación por causas especiales
• Gráfico de tendencias y la mediana
• Gráfico de Shewhart (control) y límites de control
• Cambios, tendencias y secuencias
• Línea central y límites sigma
• Visualización de datos ordenados en el tiempo (longitudinales)

Key theories

Variación por causas comunes versus causas especiales

La distinción de Shewhart sostiene que todo proceso muestra una variación inherente por causas comunes, mientras que la variación por causas especiales señala algo genuinamente diferente; actuar sobre la causa común como si fuera especial (o viceversa) lleva a conclusiones erróneas.

Reglas del gráfico de tendencias para detectar señales no aleatorias

Un gráfico de tendencias aplica reglas basadas en la probabilidad —como cambios, tendencias y secuencias alrededor de la mediana— para detectar patrones no aleatorios a lo largo del tiempo sin requerir límites de control, ofreciendo una primera herramienta analítica simple para la mejora.

Mechanisms

Los datos se representan en orden cronológico. Un gráfico de tendencias utiliza la mediana como línea de referencia y aplica reglas —un cambio (una secuencia de puntos consecutivos a un lado de la mediana), una tendencia (puntos consecutivos crecientes o decrecientes), muy pocas o demasiadas secuencias, y un punto atípico— para señalar patrones que es poco probable que surjan por casualidad. Un gráfico de control añade una línea central y límites de control (comúnmente tres sigma) calculados a partir de los datos, con reglas adicionales como un solo punto fuera de los límites; los puntos dentro de los límites sin un patrón indican un proceso estable sujeto solo a la variación por causas comunes. Distinguir los dos tipos de variación le dice a un equipo si un cambio observado es una señal o ruido, y por lo tanto si una intervención de mejora tuvo un efecto real.

Clinical relevance

El CEP y los gráficos de tendencias permiten a los equipos rastrear medidas como las tasas de infección, los tiempos de espera o las tasas de reingreso a lo largo del tiempo y juzgar si un cambio produjo una mejora real en lugar de una fluctuación ordinaria. Esta entrada describe los métodos y la evidencia sobre ellos; es una referencia, no una guía para interpretar ningún conjunto de datos clínicos específico o para la atención al paciente.

Evidence & guidelines

Las descripciones metodológicas establecen la lógica del CEP y la selección de gráficos para la atención médica (Benneyan 2003) y explican las reglas de los gráficos de tendencias como una primera herramienta simple (Perla 2011), con una guía práctica compilada en The Health Care Data Guide (Provost & Murray 2011). Una revisión sistemática encontró que el CEP se aplica amplia y factiblemente en la mejora de la atención médica, aunque el rigor de la aplicación varía (Thor 2007).

History

Walter Shewhart introdujo el gráfico de control y la distinción entre causa común y causa especial en la fabricación en 1931 (Shewhart 1931), y las ideas se difundieron a través del trabajo de Deming sobre calidad. La atención médica adoptó el CEP a partir de la década de 1990, con artículos metodológicos que adaptaron la selección de gráficos y las reglas a los datos clínicos (Benneyan 2003) y los gráficos de tendencias promovidos como un punto de entrada accesible (Perla 2011).

Debates

Gráficos de tendencias versus gráficos de control como herramienta inicial

Algunos argumentan que el gráfico de tendencias más simple, que requiere solo una mediana y algunas reglas, es la primera herramienta analítica adecuada para la mayoría de los equipos de mejora, reservando los gráficos de control para cuando los límites de control añaden valor; la elección depende del tipo de datos, el volumen y la capacidad analítica del equipo.

Key figures

• Walter Shewhart
• James Benneyan
• Robert Lloyd
• Lloyd Provost
• Rocco Perla

Seminal works

• shewhart-1931
• benneyan-2003
• perla-2011

Frequently asked questions

Cuál es la diferencia entre un gráfico de tendencias y un gráfico de control?

Un gráfico de tendencias representa los datos a lo largo del tiempo frente a la mediana y utiliza reglas de probabilidad simples para detectar patrones no aleatorios; un gráfico de control añade una línea central calculada y límites de control, permitiendo reglas adicionales como señalar puntos fuera de los límites.

Por qué es importante la distinción entre causa común y causa especial?

Le dice a un equipo si un cambio observado es ruido de proceso ordinario (causa común) o una señal genuina (causa especial); confundir ambos lleva a reaccionar al ruido o a pasar por alto un cambio real, lo que socava las decisiones de mejora.