Consideraciones acerca de los datos para Gráfica I-MR de aceptación

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 pueden adoptar cualquier valor numérico dentro de un rango de valores a lo largo de una escala continua, incluyendo valores fraccionarios o decimales. Ejemplos comunes incluyen mediciones tales como longitud, peso y temperatura.

Los datos deben estar en orden cronológico

Puesto que las gráficas de control detectan los cambios en el tiempo, el orden de los datos es importante. Usted debe ingresar los datos en el orden en que se recolectaron, con los datos más viejos en la parte superior de la hoja de trabajo.

Los datos se deben recolectar en intervalos de tiempo adecuados

Recolecte los datos a intervalos de tiempo con igual separación, como por ejemplo a cada hora, en cada turno o cada día. Seleccione un intervalo de tiempo que sea suficientemente corto para que usted pueda identificar cambios en el proceso poco después que ocurra el cambio.

Los datos deben ser observaciones individuales que no se recolectan en subgrupos

Si puede recopilar datos en subgrupos, utilice Gráfica Xbarra-R de aceptación o Gráfica Xbarra-S de aceptación.

Los datos deben incluir por lo menos 100 observaciones totales

Si usted tiene menos del número recomendado de observaciones, entonces aún puede utilizar la gráfica de control, pero los resultados son preliminares porque los límites de control podrían no ser precisos. Si utiliza la gráfica habitualmente, vuelva a estimar la desviación estándar y los límites de control después de recolectar el número recomendado de observaciones.

Los datos deben ser moderadamente normales

Si los datos son muy asimétricos, usted podría intentar una transformación de Box-Cox para ver si corrige la condición no normal. Si su proceso produce de forma natural datos no normales y la transformación es efectiva, usted puede utilizar la gráfica de los datos transformados.

Las observaciones no deben estar correlacionadas entre sí

Si las observaciones consecutivas se correlacionan, la desviación estándar del proceso podría subestimarse. Como resultado, los límites de control de aceptación pueden ser demasiado amplios y la gráfica podría mostrar incorrectamente algunos puntos fuera de control como si fueran de control.