Compilado por Ing.

Tania Torres, Adaptado por Oscar Guzmn

ANALISIS DE HISTOGRAMAS 1. Observar la tendencia central de los datos. Localizar en el eje horizontal o escala de medicin las barras con mayores frecuencias. 2. Estudiar el centrado del proceso. Para ello apoyarse en el punto anterior y observar la posicin central del cuerpo del histograma respecto a la calidad ptima y a las especificaciones. Por ejemplo, en la figura 2.2 incisos a y c se muestran procesos centrados, el primero con poca variabilidad y el segundo con mucha. Mientras que en los incisos b y d se observan procesos descentrados, el primero con poca variabilidad y el segundo con mucha. Aun cuando se cumplan las especificaciones, si el proceso no est centrado la calidad que se produce no es adecuada, ya que entre ms se aleje del ptimo ms mala calidad se tendr. Por ello, en caso de tener un proceso descentrado se debe proceder a hacer los ajustes o cambios necesarios para centrar el proceso.

FIG. 2.2

3. Examinar la variabilidad del proceso. Comparar la amplitud de las especificaciones con el ancho del histograma. Para considerar que la dispersin no es demasiada, el ancho del histograma debe caber de forma holgada en las especificaciones. En la figura 2.2 incisos a y b hay poca variacin, mientras que en los incisos c y d hay mucha.

Compilado por Ing. Tania Torres, Adaptado por Oscar Guzmn

4. Analizar la forma del histograma. En la siguiente seccin se presentan algunas mediciones numricas que reflejan la forma de la distribucin de unos datos. La forma de la distribucin que ms se da en salidas de proceso, es la forma de campana, con caractersticas similares a la distribucin normal (vase figura 2.2 a, b, c, d). Es frecuente que cuando la distribucin no es de este tipo sea indicativo de un hecho importante que est ocurriendo en el proceso y que tiene un efecto negativo en la calidad. Por ello se debe revisar si la forma del histograma es muy diferente a la de campana. Algunas de las formas tpicas que no coinciden con una distribucin de campana, son las siguientes: Distribucin sesgada. En la figura 2.2e se aprecia un histograma con una distribucin sesgada a la derecha, ya que la cola derecha es ms grande que la izquierda. En trminos generales un sesgo en una variable de salida, puede reflejar un desplazamiento paulatino de un proceso debido a desgastes o desajustes; tambin puede indicar procedimientos viciados en la forma de obtener las mediciones o un desempeo especial del proceso en el sentido que sus resultados tienden a ser ms frecuentes de un solo lado (izquierdo o derecho). Cabe aclarar que existen caractersticas de calidad que por su naturaleza tienen sesgo, como son tiempos de vida, resistencias a la fatiga, y en general una parte de las variables de salida del tipo entre ms grande mejor o entre ms pequea mejor (vase captulo 1). Una forma de decidir si una distribucin sesgada indica una situacin especial a corregir, es comparar sta con la distribucin de la misma caracterstica o de variables similares, ya sea en el pasado o en el presente. La recomendacin general es sospechar de que s hay algo especial atrs de una distribucin con sesgo e investigar si efectivamente es as. Distribucin multimodal. En la figura 2.2f se aprecia un histograma en el que se notan claramente dos modas o picos, que muestran dos tendencias centrales diferentes. Este tipo de distribuciones con dos o ms modas reflejan la presencia de dos o ms realidades o condiciones diferentes. Algunas situaciones que pueden causar una distribucin multimodal son: a) Diferencias importantes de lote a lote en la materia prima que utiliza el proceso, debido a que proceden de diferentes proveedores o a exceso de variacin de un mismo proveedor. b) En el proceso han intervenido varios operadores, con criterios o mtodos de trabajo diferentes. c) Las mediciones de la variable de salida que estn representadas en el histograma, fueron realizadas por personas o instrumentos diferentes; utilizando distintos criterios o con instrumentos mal calibrados (vase captulo 11). d) El proceso, cuando gener los resultados de la distribucin multimodal, estuvo operando en condiciones diferentes (una condicin para cada moda). e) En general, una distribucin multimodal se debe a la presencia de fuentes de variacin bien definidas que deben ser identificadas y corregidas, para as mejorar la capacidad del proceso correspondiente. Una forma de identificarlas es analizar por separado los datos en funcin de diferentes lotes de materia prima, operadores, instrumentos de medicin, turnos o das de produccin, etctera, para as comparar los resultados y ver si hay diferencias significativas. Distribucin muy plana. En la figura 2.2g se aprecia un histograma que muestra una distribucin muy chata o muy plana y que est lejos de tener forma de campana. Las situaciones que pueden causar esto son las mismas que las de la distribucin multimodal, con la particularidad de que las diferencias son menos fuertes; sin embargo, pueden afectar seriamente la capacidad de un proceso. Por lo que tambin deben ser identificadas y corregidas mediante la misma estrategia recomendada antes. Distribucin con acantilados. En el histograma de la figura 2.2h se observa un acantilado derecho, que es una suspensin o corte muy brusco en la cada de la distribucin. Algunas de las posibles causas que motivan la presencia de un acantilado es: lote de artculos previamente inspeccionados al 100% donde se excluy a los artculos que no cumplen con alguna medida mnima o que exceden una medida mxima (como en la figura), problemas con el equipo de medicin, errores en la medicin o inspeccin (cuando el inspector est predispuesto a no rechazar un artculo y observa que ste casi cumpla con los requisitos, registra la medida mnima aceptable). En general un acantilado es anormal y se debe buscar la causa del mismo.

Compilado por Ing. Tania Torres, Adaptado por Oscar Guzmn

5. Datos raros. Una pequea cantidad de mediciones muy extremas o raras son fcilmente identificadas mediante un histograma, debido a que aparece una o ms barras pequeas bastante separadas o aisladas del resto. Un dato raro refleja una situacin especial que se debe investigar, y entre las posibles causas estn las siguientes: El dato es incorrecto, ya sea por error de medicin, de registro o de dedo cuando fue introducido a la computadora. La medicin fue hecha sobre un artculo o individuo que no pertenece al proceso o poblacin a la que pertenece el resto. Si han sido descartadas las dos situaciones anteriores, entonces la medicin se debe a un evento raro o especial. Es decir, cuando se hizo esa medicin estaba ocurriendo en el proceso una situacin especial fuera de lo comn (en el captulo 7 se trata con mayor detalle las situaciones especiales). 6. Estratificar. En ocasiones en el histograma no se observa ninguna forma particular, pero hay mucha variacin y en consecuencia la capacidad del proceso es baja, en estos casos se recomienda analizar por estratos, ya que cuando se obtienen datos que proceden de distintas mquinas, proveedores, lotes, turnos u operadores, puede encontrarse informacin valiosa si se hace un histograma por cada fuente (estratificar), con lo que se podr encontrar la mquina o el proveedor ms problemtico. El caso del histograma multimodal ocurre cuando se manifiestan de forma evidente varios estratos en los datos.

INSTRUCCIONES: 1. Leer detenidamente la gua. 2. Describir cada una de las grficas presentadas en la figura 2.2. 3. Segn sea pertinente, plantee recomendaciones para mejorar el desempeo de los procesos representados en los grficos que lo requieran o para profundizar en el anlisis.