Las anteriores entradas parecen un circunloquio en el que no acabo de

escribir sobre nada en concreto; pido disculpas por ello pero me parecía

interesante ilustrar hacia dónde creo que debemos ir; al control estadístico

de los procesos.

Llegar al control estadístico de los procesos y evaluar el todo (el lote) a

partir de una parte (la muestra) requiere, en primer lugar que el proceso

esté bajo control (sin anomalías extraordinarias) y, además, si queremos

hacer predicciones, que conozcamos la forma de la distribución de los

valores.

Para llegar a esto es necesario, antes que nada, debemos recoger datos y

nada más simple e ilustrativo que un gráfico de desempeño, de ejecución o,

como dicen los sajones, run chart, que no es más que la representación

gráfica de los valores individuales de una característica mensurable durante

un cierto tiempo mostrados en el mismo orden en que se producen.

Es buena idea empezar con estos gráficos porque no es necesario conocer

ningún estimador estadístico, ni límites de control; puede hacerse con

rapidez y simpleza sin calcular muestras ni conocer tamaños de lote.

El gráfico de desempeño necesita menos datos que un gráfico de control, es

fácil de interpretar con unos pocos conceptos básicos y permite, pese a ello,

identificar tendencias y variaciones en el proceso que genera los datos.

Además, podemos suponer, como hipótesis, una distribución de

probabilidad y, con ello, calcular un valor estimado de la mediana que

llevaremos al gráfico. Una vez que se han ido recogido y representando

cronológicamente suficientes valores podemos calcular y corregir el valor

estimado inicialmente para la mediana.

¿Para qué queremos la mediana si hemos dicho que no necesitamos

conocer la forma de distribución de los puntos?; sencillamente, para

identificar gráficamente si nuestro proceso sufre causas especiales de

variación, es decir, si está fuera de control.

Esto se consigue comparando las series de datos que están fuera de la

mediana con los que cabría encontrar si el proceso fuera estable y

respondiera a una distribución normal.

Para ello hay que

agrupar las series de

puntos que atraviesan la

mediana y comparar, en

una tabla cuántos de

estos grupos se han

encontrado en relación

con cuántos cabría

esperar, como máximo y

como mínimo, para el

número de puntos

representado, en un

proceso estable que se

ajuste a una distribución

normal.

Estas tablas están

disponibles en muchos

manuales de control

estadístico de procesos

como por ejemplo en

Lean Six Sigma de

Michael L. George de

donde se han tomado

las figuras incluidas en

esta entrada.