Hoja de colección de Datos

También conocida como hoja de registro o verificación. Como indica su nombre, su función consiste en la recopilación ordenada y estructurada de toda la información importante y útil que se genera en los procesos y sus actividades. Los formatos posibles de recogida de datos son numerosos: gráficos, numéricos, por símbolos, etc. Una de las fórmulas más utilizadas consiste en la plantilla o tabla predefinida. Para elaborar este tipo de formulario se ha de conocer previamente el tipo de datos que se recogerán, de acuerdo con la situación o actividad a controlar, cómo los vamos a recoger y almacenar, y los puntos de recogida.

Los datos deben obtenerse de forma simple, clara y ordenada, huyendo de la ambigüedad, evitando los posibles errores o malas interpretaciones, con el objeto de facilitar el análisis posterior. Se debe recoger sólo aquello que realmente interese y no recopilar datos de forma indiscriminada que dificulten el proceso, provoquen pérdidas de tiempo y compliquen la visualización de la información útil. Es muy importante que en cada plantilla figure un apartado de información complementaria sobre aspectos referentes al tipo de proceso descrito, lote considerado, operario que lo realiza, fecha, hora, número de muestras totales y parciales, etc. También es aconsejable reservar un espacio para anotar posibles comentarios o incidencias que pueden surgir, incluyendo cualquier información adicional que sea de utilidad para el análisis posterior de los datos obtenidos.

Una vez recopilada toda la información se realizará, como ya se ha dicho, un análisis o valoración de la información obtenida para poder determinar tendencias, controlar procesos, analizar problemas o decidir acciones prioritarias a realizar, entre otras posibilidades. La Hoja de Recogida de Datos es de gran utilidad por diversos motivos:

  • Recoge la información que es básica para el control de procesos y que sirve como soporte de otras técnicas o herramientas que se nutren de ella.
  • Facilita la recogida de dicha información de forma homogénea y uniforme, independientemente de las diferentes personas que participen.
  • Facilita el análisis y control de los datos sobre procesos. Permite observar el grado de cumplimiento de determinadas funciones, actividades, especificaciones o estándares.

3

Figura 4: Ejemplo de un hoja de recogida de datos.

Histograma

El histograma representa, de una forma gráfica, la variabilidad que puede presentar una característica de calidad. Es decir, muestra qué tipo de distribución estadística presentan los datos.

Para ello también adopta el diagrama de barras como representación gráfica. En el eje horizontal se representa el rango1 posible de valores que abarca la variable, dividido en un número determinado de intervalos. El número de intervalos dependerá del número total de datos que tenemos de la variable, tal y como se describe en la tabla 2.1.

Cada intervalo estará representado por una columna o barra. Normalmente la anchura de los intervalos es idéntica y corresponde al rango de la variable dividido por el número de intervalos correspondiente. En el eje vertical se representa la frecuencia o número de datos que existen en cada intervalo. El proceso para realizar el histograma comprende una serie de etapas:

  1. Obtención de los datos necesarios.
  2. Recuento de datos y cálculo de máximo y mínimo globales de la variable.
  3. Cálculo del rango de valores entre los que se mueve la variable.
  4. Cálculo del número de intervalos, para lo que puede ser ilustrativa la Tabla 4., y de la anchura de cada intervalo. Los límites de intervalos deben quedar perfectamente definidos.
  5. Tabule las clases dividiendo la escala de los datos en subrangos contiguos de H unidades cada uno empezando con el valor Xm y terminando al llegar o sobrepasar el valor XM.
  6. Clasifique los datos contando el número que cae en cada subrango de clase.
  7. Sume la frecuencia de datos de cada clase.
  8. Elaborar una gráfica de barras.

Tabla 4: Numero de intervalos por cantidad de datos

Número de datos Numero de intervalos
Inferior a 50 5 a 7
50-100 6 a 10
100-250 7 a 12
Superior a 250 10 a 20

 

Dependiendo de la distribución estadística de los datos o la variable estudiada, pueden aparecer histogramas gaussianos, exponenciales, etc., lo que facilitaría enormemente su análisis por ser distribuciones muy conocidas. No obstante, no tiene porqué ser así, pudiendo aparecer cualquier tipo de distribución no conocida.

Los histogramas son muy útiles para controlar la efectividad de los cambios introducidos, comparando la evolución temporal y comprobando que se verifican las especificaciones de los límites establecidos. Mostrar la distribución permitirá introducir los cambios necesarios para modificarla, centrarla si no se ajusta a lo que se desea, o realizar un control periódico sobre ella.

Ejemplo:

Se mide el espesor de ciertos materiales utilizados en un proceso

Paso 1: Los datos son los siguientes:

7.4 7.6 7.7 7.7 7.8 7.9 8.0 8.1 8.3
7.4 7.6 7.7 7.8 7.8 7.9 8.0 8.1 8.4
7.4 7.6 7.7 7.8 7.8 7.9 8.0 8.2 8.4
7.5 7.6 7.7 7.8 7.8 7.9 8.0 8.2 8.6
7.5 7.6 7.7 7.8 7.8 7.9 8.1 8.2 8.7
7.5 7.6 7.7 7.8 7.8 7.9 8.1 8.2 8.7
7.5 7.6 7.7 7.8 7.9 8.0 8.1 8.2 8.7
7.5 7.6 7.7 7.8 7.9 8.0 8.1 8.2 8.7
7.5 7.6 7.7 7.8 7.9 8.0 8.1 8.2
7.5 7.6 7.7 7.8 7.9 8.0 8.1 8.3
7.5 7.6 7.7 7.8 7.9 8.0 8.1 8.3
7.5 7.7 7.7 7.8 7.9 8.0 8.1 8.3
7.5 7.7 7.7 7.8 7.9 8.0 8.1 8.3

 

Paso 2: 125 datos; Xm=7.0; XM= 8.7

Paso 3: Calculo del rango

R=XM-Xm=8.7-7.0 1.7

Paso 4: Calcular el número de intervalos, de acuerdo con la Tabla 4 se puede tener entre 7 y 12 clases, en este ejemplo se consideran 10 clases con un intervalo de 0.17 (Tango/número de clases)

Paso 5, 6 y 7:

No. de clase límites de clase valor medio Frecuencia Total
1 7.00 7.17 7.085 x 1
2 7.18 7.35 7.265 xxxxxxxxx 9
3 7.36 7.53 7.445 xxxxxxxxxxxxxxxx 16
4 7.54 7.71 7.625 xxxxxxxxxxxxxxxxxxxxxxxxxxx 27
5 7.72 7.89 7.805 xxxxxxxxxxxxxxxxxx 18
6 7.90 8.07 7.985 xxxxxxxxxxxxxxxxxxxxxxxx 24
7 8.08 8.25 8.165 xxxxxxxxxxxxxxxxxx 18
8 8.26 8.43 8.345 xxxxxxx 7
9 8.44 8.61 8.525 x 1
10 8.62 8.79 8.705 xxxx 4
Total 125

captura2

Diagrama de Dispersión

También se le conoce como diagrama de correlación o bivariante. La idea principal que persigue es poner de manifiesto la relación que pueda existir entre dos variables   características de calidad en función de los valores medidos, al variar ambas en una determinada situación. De esta forma se aprecia gráficamente el comportamiento o correlación existente entre ambas variables o, por el contrario, comprobar su independencia o no correlación.

Para llevar a cabo el diagrama se utiliza un gráfico de ejes cartesianos. En cada uno de los ejes se representa una de las variables con la escala de valores adecuada al rango que abarca. Para cada valor que adopte una de las variables se determina el que corresponde a la otra y se representa el par de valores por un punto del gráfico. Por ejemplo, la temperatura que obtenemos en una estancia con una placa solar, podrá medirse para cada valor de potencia en watios de la placa y formar así pares de valores temperatura-potencia. Para cada par de datos se irán estableciendo los puntos de corte en el plano, lo que permitirá apreciar la evolución de una sobre la otra, obteniéndose una nube de puntos (figura 2.6.). Mediante el análisis de dicha nube de puntos representada se puede discernir si existe o no, correlación. Los pasos a seguir para realizar el diagrama de dispersión se detallan a continuación de forma ordenada:

  1. Recoger muestras o pares de datos referentes a las dos variables del estudio en un número suficiente (50 a 100) mediante una tabla. Es muy importante determinar en qué situación se recogen los datos. Asimismo, es necesario mantener de forma constante el resto de parámetros o variables que participan en el proceso, con la intención de no distorsionar la medición (por ejemplo, en el caso de la placa solar, el volumen y ventilación de la habitación a caldear deben mantenerse constantes).
  2. Establecer el rango de valores de ambas variables con el objeto de decidir las escalas adecuadas para la representación en los ejes.
  3. Elaborar el diagrama marcando los puntos de intersección en el plano de los pares de datos, remarcando de alguna forma la posible coincidencia de dos o más puntos. Por ejemplo, mediante círculos concéntricos (figura 2.6.).
  4. Una vez elaborado el diagrama de correlación, hay que realizar el análisis o interpretación de los resultados. Como consecuencia del análisis surgen algunas situaciones muy comunes:
  • La nube de puntos sigue una recta de pendiente positiva. Si aumenta una variable aumenta la otra: correlación positiva.
  • La nube de puntos sigue una recta de pendiente negativa. El aumento de una provoca la disminución de la otra: correlación negativa.
  • La nube de puntos no presenta ninguna relación aparente: no hay correlación.

No obstante, la mayor o menor dispersión de puntos alrededor de la recta que forman indica si existen otras causas o variables que influyen de forma dependiente sobre alguna de las variables sometidas a estudio.

El diagrama de dispersión o correlación permitirá apreciar la relación entre dos variables. Es muy útil para comprobar cómo las aplicaciones de una serie de mejoras en un sentido se corresponden con otras apreciadas en otra variable.

Ejemplo:

Una empresa se plantea cambiar la composición de uno de sus productos utilizando un nuevo material. Antes de tomar una decisión, la empresa decide realizar un ensayo para estudiar la posible relación entre la utilización de dicho material y el número de defectos. Para ello analiza lotes con diferentes porcentajes del nuevo material y toma los siguientes datos:

% nuevo material No. de defectos % nuevo material No. de defectos
1 20 3.4 32
1.2 24 3.6 30
1.3 18 3.8 40
1.4 27 4.0 43
1.6 23 4.2 35
1.7 25 4.4 33
1.8 21 4.5 39
2.0 29 4.6 46
2.2 26 4.8 48
2.3 34 5.0 39
2.4 31 5.2 41
2.6 27 5.4 48
2.8 27 5.6 43
3.0 30 5.8 48
3.2 36 6.0 49

captura