Por Bonnnie K. Stone

En las partes 1 y 2 de esta serie de artículos se habló sobre cómo la inferencia estadística utiliza los datos de una muestra de individuos para llegar a conclusiones sobre toda la población. Es una herramienta muy potentes, pero cuando se hagan inferencias estadísticas se deben de verificar las suposiciones. La violación de cualquiera de estas suposiciones puede dar lugar a falsos positivos o falsos negativos, invalidando así sus resultados.

Los suposición más frecuentes sobre los datos son: muestras aleatorias, independencia, normalidad, igual varianza, estabilidad, y que el sistema de medición es preciso y exacto. En los artículos anteriores se habló de las muestras aleatorias y en el último, sobre la independencia estadística. Ahora consideremos los supuestos de los sistemas de estabilidad y medición.

¿Qué es la suposición de estabilidad?

Un proceso estable es aquel en el que las entradas y las condiciones son consistentes a lo largo del tiempo. Cuando un proceso es estable, se dice que está "bajo control". Esto significa que las fuentes de variación son consistentes a lo largo del tiempo, y el proceso no presenta una variación impredecible. Por el contrario, si un proceso es inestable y cambia con el tiempo, las fuentes de variación son inconsistentes e impredecibles. Como resultado de la inestabilidad, no se puede confiar en los resultados de sus pruebas estadísticas.

Se puede utilizar alguno de los diversos tipos de gráficos de control disponibles en Minitab Statistical Software para evaluar la estabilidad del conjunto de datos. El menú Asistente puede guiar a través de las opciones para seleccionar el gráfico de control apropiado en función de los datos y el tamaño del subgrupo. Se pueden obtener consejos sobre la recopilación y el uso de datos haciendo clic en el enlace "más".

Además de preparar el gráfico de control, Minitab prueba los patrones fuera de control o no aleatorios basados ​​en las Reglas de Nelson y proporciona una evaluación en los informes de fácil lectura de Resumen y Estabilidad. La tarjeta de informe (Report Card), según el gráfico de control seleccionado, verificará automáticamente sus suposiciones de estabilidad, normalidad, cantidad de datos, correlación y sugerirá cuadros alternativos para analizar más a fondo sus datos.

¿Cuál es la suposición para los sistemas de medición?

Todas las otras suposiciones que se han descrito "asumen" que los datos reflejan la realidad. Pero ¿lo hacen?

El sistema de medición es una fuente potencial de variabilidad cuando se mide un producto o proceso. Cuando un sistema de medición es deficiente, pierde la capacidad de "ver" el rendimiento del proceso de manera veraz. Un sistema de medición deficiente conduce a conclusiones incorrectas e implementación defectuosa.

Minitab puede realizar una prueba Gage R&R para los datos de medición y evaluación, dependiendo del sistema de medición. Se puede utilizar el Asistente en Minitab para ayudar a seleccionar la prueba más adecuada según el tipo de sistema de medición que se tenga.

Hay dos suposiciones que deben cumplirse al realizar un Gage R&R para datos de medición:

• El dispositivo de medición debe estar calibrado.
• Las partes a medir deben seleccionarse de un proceso estable y cubrir aproximadamente el 80% del rango de operación posible.

Cuando se utilice un dispositivo de medición, hay que asegurarse de que esté calibrado correctamente y verificar su linealidad, el sesgo y la estabilidad a lo largo del tiempo. El dispositivo debe producir mediciones precisas, en comparación con un valor estándar, en todo el rango de mediciones y durante toda la vida útil del dispositivo. Muchas empresas tienen un departamento de metrología o calibración responsable de calibrar y mantener los medidores.

Ambas suposiciones deben ser satisfechas. Si no lo son, no se puede estar seguro de que lo datos reflejen con precisión la realidad. Y eso significa que existirá un riesgo de no entender las fuentes de variación que influyen en los resultados de su proceso.

La razón real por la que se necesita verificar las suposiciones

La recopilación y el análisis de datos requieren mucho tiempo y esfuerzo. Después de todo el trabajo que se pone en su análisis, es deseable poder llegar a conclusiones correctas. Algunos análisis son robustos para apartarse de estas suposiciones, ¡pero hay que tomar la ruta segura y verificar! Se desea estar seguro de que se puede decir si las diferencias observadas entre las muestras de datos se deben simplemente al azar o si las poblaciones son realmente diferentes.

Es fácil colocar el carro antes que el caballo y simplemente sumergirse en la recopilación y análisis de datos, pero es mucho más inteligente tomarse el tiempo para comprender qué suposiciones de datos se aplican a las pruebas estadísticas que se usarán y planificar en consecuencia.