Consideraciones acerca de los datos para Análisis automático de capacidad

Para asegurarse de que los resultados sean válidos, tenga en cuenta las siguientes directrices al recopilar datos, realizar el análisis e interpretar los resultados.

Los datos deben ser continuos

Los datos continuos son mediciones que potencialmente pueden tomar cualquier valor numérico dentro de un rango de valores a lo largo de una escala continua, incluyendo valores fraccionados o decimales. Ejemplos comunes incluyen mediciones tales como longitud, peso y temperatura.

Si tiene datos de atributos, como recuentos de defectuosos o defectos, use Análisis binomial de capacidad o Análisis de capacidad de Poisson.

Recolecte suficientes datos para obtener estimados confiables de la capacidad del proceso

Intente recolectar por lo menos un total de 100 puntos de datos (tamaño de subgrupo*número de subgrupos), como 25 subgrupos de tamaño 4 o 35 subgrupos de tamaño 3. Si no recolecta una cantidad suficiente de datos durante un período de tiempo suficientemente largo, los datos podrían no representar con exactitud diferentes fuentes de variación del proceso y las estimaciones podrían no indicar la capacidad real de su proceso.

El proceso debe ser estable y estar bajo control

Si el proceso actual no es estable, entonces los índices de capacidad no se pueden utilizar con confianza para evaluar la capacidad futura y actual del proceso. Si no está seguro de si su proceso está bajo control, utilice un gráfico de control para evaluar la estabilidad del proceso antes de realizar este análisis.

Usar un método que sea compatible con el conocimiento del proceso

Utilice el conocimiento del proceso para confirmar el método que selecciona el análisis. Por ejemplo, la distribución de Weibull solo funciona con datos positivos. Supongamos que el análisis selecciona la distribución de Weibull para un proceso cuando una muestra tiene sólo valores positivos, pero usted sabe que el proceso produce rutinariamente valores negativos. Debido a que las características del método no son compatibles con el comportamiento del proceso, considere otros métodos que se ajusten bien a los datos.