Gráfico de dispersión para correlacionar variables de proceso y calidad
Palabra clave principal: Gráfico de dispersión para correlacionar variables de proceso y calidad
Definición del problema
En el ámbito de la Ingeniería Industrial y la manufactura, es común enfrentar el reto de asegurar que los procesos operativos mantengan un nivel de calidad constante. Un problema operativo típico es la variabilidad en la calidad del producto final (ej. porcentaje de defectos) que parece estar ligada a parámetros específicos de la maquinaria o del proceso (ej. temperatura de horneado, velocidad de inyección, presión de mezcla). Si no se identifica esta relación, la optimización del proceso se vuelve ciega y reactiva. El objetivo de este análisis es determinar si existe una relación estadísticamente significativa entre una variable de entrada (variable de proceso) y una variable de salida (variable de calidad), permitiendo a los ingenieros ajustar los parámetros de entrada para predecir y controlar la calidad deseada.
Explicación técnica
El Gráfico de Dispersión (Scatter Plot) es la herramienta gráfica fundamental para visualizar la relación entre dos variables cuantitativas. En este contexto, una variable se coloca en el eje X (variable independiente o de proceso) y la otra en el eje Y (variable dependiente o de calidad). La lógica matemática subyacente es la Correlación Lineal. Al graficar los puntos de datos, observamos la tendencia: si los puntos tienden a subir juntos, hay una correlación positiva; si bajan juntos, es negativa; si están dispersos sin patrón, la correlación es débil o nula.
En Excel, el gráfico de dispersión permite una inspección visual inmediata. Para cuantificar esta relación, se utiliza la función de Línea de Tendencia, que calcula el coeficiente de correlación ($R^2$) y la ecuación de regresión lineal ($Y = mX + b$). Este coeficiente nos indica qué tan bien una línea recta puede representar la relación entre las dos variables.
Guía paso a paso
Para este tutorial, utilizaremos un caso práctico de producción de componentes electrónicos, donde queremos ver si la Temperatura de Soldadura (°C) afecta el Porcentaje de Fallas (%).
Paso 1: Preparación y Creación del Conjunto de Datos
Primero, debemos ingresar los datos recolectados en una hoja de cálculo de Excel. Asegúrese de que la variable de proceso (Temperatura) esté en una columna y la variable de calidad (Fallas) en otra.
Acción: Ingrese los datos en las columnas A y B, comenzando desde la fila 2.
Resultado: Tendrá una tabla estructurada lista para el análisis.
| A (Temperatura °C) | B (Fallas %) | |
|---|---|---|
| 1 | Encabezado | Encabezado |
| 2 | 220 | 1.5 |
| 3 | 225 | 1.2 |
| 4 | 230 | 0.8 |
| 5 | 235 | 0.5 |
| 6 | 240 | 0.2 |
Paso 2: Inserción del Gráfico de Dispersión
Ahora, seleccionaremos los datos para que Excel pueda interpretar la relación entre las dos variables.
Acción: Seleccione el rango de datos que contiene los valores numéricos (A2:B6 en nuestro ejemplo). Luego, diríjase a la pestaña Insertar y haga clic en el ícono de Gráfico de Dispersión (Scatter).
Resultado: Excel generará un gráfico donde cada par de datos (Temperatura, Fallas) se representa como un punto individual en el plano cartesiano.
Paso 3: Configuración de Ejes y Títulos
Un gráfico sin etiquetas es inútil en ingeniería. Debemos nombrar los ejes para que el lector entienda qué representa cada dimensión.
Acción: Haga clic en el gráfico, luego en el signo + (Elementos del gráfico) y active Títulos de eje. Edite el título del Eje X para que diga «Temperatura de Soldadura (°C)» y el título del Eje Y para que diga «Porcentaje de Fallas (%)».
Resultado: El gráfico se vuelve profesional y comunicativo, indicando claramente qué se está correlacionando.
Paso 4: Añadir la Línea de Tendencia y la Ecuación
Este es el paso crítico para la correlación. Necesitamos que Excel calcule la mejor línea que atraviesa estos puntos.
Acción: Haga clic en el gráfico, vaya a Diseño de gráfico (o el signo +), seleccione Línea de tendencia. En las opciones de la línea de tendencia, marque la casilla Presentar ecuación en el gráfico y Presentar el valor R cuadrado en el gráfico.
Resultado: Aparecerá una línea recta ajustada a los puntos, junto con la ecuación de regresión ($Y = mX + b$) y el valor $R^2$. Un $R^2$ cercano a 1 indica una correlación lineal muy fuerte.
| Gráfico Visualizado | Eje X (Temperatura) | Eje Y (Fallas) |
|---|---|---|
| Puntos de Datos | 220, 225, 230, 235, 240 | 1.5, 1.2, 0.8, 0.5, 0.2 |
| Línea de Tendencia (Ejemplo) | $Y = -0.015X + 3.5$ | $R^2 = 0.99$ |
Paso 5: Interpretación de Resultados
Si el valor de $R^2$ es 0.99, significa que el 99% de la variación en el Porcentaje de Fallas puede ser explicada por la variación en la Temperatura de Soldadura. Dado que la pendiente ($m = -0.015$) es negativa, concluimos que a mayor temperatura, menor es el porcentaje de fallas. Esto nos indica un punto óptimo de control de proceso.
Ejercicio propuesto
Para consolidar el aprendizaje, tome un nuevo conjunto de datos simulado de un proceso de mezclado químico. Suponga que tiene 15 registros donde la Velocidad de Agitación (RPM) es la variable de proceso (X) y la Homogeneidad del Producto (Índice 1-10) es la variable de calidad (Y).
Tarea:
- Cree la tabla de datos en Excel.
- Genere el gráfico de dispersión.
- Añada la línea de tendencia y observe el valor de $R^2$.
- Si $R^2$ es alto, determine si la relación es positiva o negativa basándose en la pendiente de la línea de tendencia.
Errores habituales
Al realizar este análisis, es fácil caer en trampas conceptuales o técnicas. Aquí se detallan tres errores comunes:
- Confundir Variables (Ejes Invertidos): El error más común es colocar la variable de calidad (dependiente) en el eje X y la variable de proceso (independiente) en el eje Y. Solución: Recuerde siempre: la causa (Proceso) va en X, el efecto (Calidad) va en Y.
- Interpretar la Correlación como Causalidad: Un $R^2$ alto solo indica que las variables se mueven juntas; no prueba que una cause la otra. Solución: Utilice frases cautelosas como «existe una fuerte asociación» o «la temperatura está fuertemente asociada con…». La causalidad requiere experimentos controlados (Diseño de Experimentos).
- Ignorar la Línea de Tendencia: Simplemente ver los puntos sin añadir la línea de tendencia es solo una visualización, no un análisis de correlación. Solución: Siempre añada la línea de tendencia y revise el valor $R^2$. Si $R^2$ es cercano a 0, el gráfico es informativo, pero no hay una relación lineal cuantificable.
Deja una respuesta