gráficos de desempeño
TRANSCRIPT
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.