Consideraciones acerca de los datos para Gráfica I-MR

Para asegurar que los resultados sean válidos, considere las siguientes pautas al recopilar datos, realizar el análisis e interpretar los resultados.

Los datos deben ser continuos

Si sus datos son conteos de defectuosos o de defectos, utilice una gráfica de control de atributos, tal como Gráfica P o Gráfica U.

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 usted puede recolectar los datos en subgrupos, utilice Gráfica Xbarra-R o Gráfica Xbarra-S.

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 para evaluar la estabilidad de su proceso.

Las observaciones no deben estar correlacionadas entre sí

Si los puntos de datos consecutivos están correlacionados, los límites de control serán demasiado estrechos y usted podría ver un gran número de señales de fuera de control falsas.