Si vamos a hablar sobre análisis de datos en SPC, tenemos que empezar definiendo lo que es SPC:

SPC es simplemente utilizar datos para hacer que un conjunto de condiciones se comporte de la manera deseada, a fin de obtener un determinado resultado.

Utilizar datos es diferente de sólo tener datos. Ya hemos visto en el post Datos de calidad en el piso de fábrica – no los desperdice! que esas informaciones que recogemos en el piso de fábrica tienen mucho que decirnos sobre cómo está el progreso de la producción.

En este post queremos explicar cómo funciona el análisis de datos en SPC.

Para ello, vamos a utilizar 2 ejemplos simples

¿¿Vamos allá??

Análisis de datos en SPC

El S de la sigla SPC es estadístico, eso quiere decir que analizamos una muestra representativa de nuestra producción y así conseguimos garantizar la calidad.

Cuando se trata de análisis de variable, se cree que es más fácil, pues estamos trabajando con números y números no mienten.

¡Malo!

Como Wheeler habla en el artículo Two Plus Two is Only Equal to Four on the Average, fuimos creados para creer en números. Los números son regulares, nos dan la convicción.

Ahora preguntamos:

¿Dos más dos es siempre igual a cuatro?

¿Concuerda que siempre es un término muy fuerte? Podemos afirmar que dos más dos es igual a cuatro en el promedio.

Vamos a los ejemplos …

Ranking de ciudades más violentas

El Ipea y el Foro Brasileño de Seguridad Pública hicieron un análisis, con datos de 2015, para listar las ciudades más violentas de Brasil.

EXAME ha publicado esta lista:

Tabla 1: Ranking de las ciudades más violentas de 2015

Esta lista considera sólo la cantidad de homicidios y MVCI (Muerte Violenta por causa indeterminada) por cada 100 mil habitantes. ¿Cree que esta comparación es adecuada y podemos confiar totalmente en estos datos?

La Tabla 2 compara la tasa de mortalidad, presentada en la Tabla 1, con algunos otros factores que pueden influir.

Tabla 2: Comparación de la tasa de mortalidad con otros parámetros (¹ Fuente: https://cidades.ibge.gov.br/brasil)

Comparando los valores de mínimo y máximo de cada parámetro, vemos que existe diferencia de:

• 124% más de habitantes en la ciudad más poblada en comparación con la menos poblada;
• 301% más para el mayor PIB per cápita en comparación con el menor PIB per cápita;
• 14% de aumento en el mayor IDH cuando comparado con el peor IDH;
• 332% más de la mayor población que vive en Zona Urbana en relación a la menor población que vive en Zona Urbana.

Con este análisis más profundo, usted cree que la comparación sólo por la cantidad de homicidios y MVCI es adecuada?

El artículo O homicídio nos municípios brasileiros (disponible sólo en portugués) confirma la relación directa entre violencia y falta de escuelas, hospitales públicos, concentración de renta, porte de los municipios.

Ahora sabemos que sólo dividir el número de crímenes registrados por la población de la ciudad va a inflar artificialmente la tasa de mortalidad.

El problema no es de aritmética. No es problema de no saber manipular números, sino de no saber cómo interpretarlos. Todo cálculo que ya tuvimos fue enseñado en el mundo de los números puros. Este mundo es aquel donde las líneas no tienen anchura, los planos no tienen espesor, y los puntos no tienen dimensiones!

Mientras las cosas funcionan muy bien en este mundo de números puros, no vivimos allí.

Los números no son exactos en el mundo en que vivimos. Ellos siempre presentan variación. Hay variación en la forma en que se recogen, como se analizan. Así, sin alguna comprensión de toda esta variación, es imposible interpretar los números «de ese mundo».

Ejemplo en la industria

Si un fabricante aplica dos revestimientos de película, cada uno con 2μm de espesor, podemos decir que el espesor total será exactamente 4?

Si se mide con precisión y precisión (cambiamos 2 por 2,00), el espesor combinado es igual a 4 en el promedio.

Lo que vemos aquí no es una ruptura en las reglas de la aritmética, sino un cambio en lo que estamos haciendo con los números.

En lugar de trabajar con números puros, ahora estamos usando números para caracterizar algo en este mundo. Cuando lo hacemos, hay variación.

¿Cómo podemos usar números?

Cuando trabajamos con números debemos primero permitir la variación inherente a esos números. Esto es exactamente lo que las gráficas de control hacen – que filtran la variación aleatoria para que podamos detectar cualquier valor excepcional que pueda estar presente. Esta separación entre «ruido probable» y «señales potenciales» es el objetivo de dar sentido a los datos.

Aunque no es bueno perder una señal, es también malo interpretar el ruido como si fuera una señal. (Sugerencia: Identifique el momento adecuado para ajustar el proceso)

El verdadero truco es encontrar un equilibrio económico entre estos dos errores, y eso es lo que Shewhart hizo cuando creó las cartas de control. Estas gráficas filtran todo el ruido probable, de modo que cualquier cosa sobrante puede ser considerada como una señal potencial.

Ahora tenemos que elegir entre:

• Entender la variación del proceso, lo que facilitará el entendimiento de las señales (saber diferenciar causa aleatoria de causa atribuible para prevenir problemas de desvíos de calidad)
• Ignorar la variación del proceso, lo que hará que el ruido siga engañando.

Si nuestra elección es la primera, podemos, finalmente, concluir que «Dos más dos son igual a cuatro en promedio.»

Como es en promedio, consideramos que existe variación, por lo que la importancia de la utilización de las Gráficas de Control para ayudarnos en la interpretación de los datos y evitar interferencias en el proceso sin necesidad.

* Basado en el artículo Two Plus Two is Only Equal to Four on the Average de Donald J. Wheeler.