Guía práctica paso a paso para estandarizar mediciones de resistencia mecánica en un proceso de manufactura, detectar variaciones anómalas e interpretar indicadores de proceso usando fórmulas avanzadas.
1. Contexto Técnico e Importancia en la Industria
En el control estadístico de procesos (SPC), comparar datos con diferentes unidades o escalas dificulta la identificación rápida de desviaciones fuera de tolerancia. La estandarización o normalización $Z$ transforma cualquier variable cuantitativa continua $X$ en una métrica adimensional con media $\mu = 0$ y desviación estándar $\sigma = 1$.
Z = (X - μ) / σ Donde $X$ es el valor observado, $\mu$ la media muestral y $\sigma$ la desviación estándar de la muestra.2. Funciones de Excel Utilizadas
Para implementar este procedimiento en Microsoft Excel emplearemos las siguientes funciones fundamentales:
=PROMEDIO(rango)
Calcula la media aritmética ($\mu$) de una serie de mediciones continuas de calidad.
=DESVEST.M(rango)
Obtiene la desviación estándar muestral ($\sigma$), midiendo la dispersión de los datos respecto a la media.
=SI.ERROR(fórmula; valor_si_error)
Captura excepciones como división por cero ($\sigma = 0$) o datos faltantes, manteniendo la hoja limpia.
3. Datos de Ejemplo (Lote de Producción de Componentes Metálicos)
Simulamos un lote de 10 pruebas de ensayo de resistencia a la tracción (medidas en MegaPascales – MPa) extraídas de una línea de producción automotriz.
| A | B | C | |
|---|---|---|---|
| 1 | ID Muestra | Código de Lote | Resistencia (MPa) |
| 2 | M-01 | LOT-2026-A | 412 |
| 3 | M-02 | LOT-2026-A | 398 |
| 4 | M-03 | LOT-2026-A | 425 |
| 5 | M-04 | LOT-2026-B | 380 |
| 6 | M-05 | LOT-2026-B | 410 |
| 7 | M-06 | LOT-2026-B | 435 |
| 8 | M-07 | LOT-2026-C | 390 |
| 9 | M-08 | LOT-2026-C | 405 |
| 10 | M-09 | LOT-2026-C | 460 |
| 11 | M-10 | LOT-2026-C | 385 |
4. Desarrollo Paso a Paso
1 Ubicación e Ingreso de Datos Estadísticos
Los datos brutos de la prueba de resistencia se sitúan en el rango A1:C11.
A continuación, colocaremos los cálculos globales de resumen en las celdas laterales F2 y F3.
=PROMEDIO(C2:C11)=DESVEST.M(C2:C11)2 Fórmula de Estandarización con Referencias Absolutas
En la celda D2 introducimos la fórmula de la Puntuación Z. Usaremos signos de dólar $ para fijar las celdas de la media ($F$2) y la desviación estándar ($F$3) al arrastrar la fórmula hacia abajo.
=(C2-$F$2)/$F$33 Evolución Final de la Hoja de Cálculo y Resultados
La tabla final muestra la columna D (Z-Score) calculada y destacada en verde. A la derecha, observamos los valores paramétricos calculados en el bloque de resumen (E1:F3).
| A | B | C | D | E | F | |
|---|---|---|---|---|---|---|
| 1 | ID Muestra | Código Lote | Resistencia (MPa) | Z-Score (Normalizado) | Métrica | Valor |
| 2 | M-01 | LOT-2026-A | 412 | +0.081 | Media (μ) | 410.000 |
| 3 | M-02 | LOT-2026-A | 398 | -0.488 | Desv. Est. (σ) | 24.604 |
| 4 | M-03 | LOT-2026-A | 425 | +0.610 | ||
| 5 | M-04 | LOT-2026-B | 380 | -1.219 | ||
| 6 | M-05 | LOT-2026-B | 410 | 0.000 | ||
| 7 | M-06 | LOT-2026-B | 435 | +1.016 | ||
| 8 | M-07 | LOT-2026-C | 390 | -0.813 | ||
| 9 | M-08 | LOT-2026-C | 405 | -0.203 | ||
| 10 | M-09 | LOT-2026-C | 460 | +2.032 | ||
| 11 | M-10 | LOT-2026-C | 385 | -1.016 | ||
Nota: La muestra M-09 arroja un Z-score de +2.032 (> 2.0σ), lo que la clasifica automáticamente como un valor atípico o alerta de variabilidad en el proceso.
5. Variantes de Aplicación Avanzada
Detección de Anomalías con Umbral Dinámico y SI.ERROR
Integra la función SI y ABS para clasificar el estado de la muestra en «ALERTA» si $|Z| > 2$, blindado con SI.ERROR para evitar errores de división entre cero.
=SI.ERROR(SI(ABS((C2-$F$2)/$F$3)>2; "ALERTA"; "Conforme"); "Error de Datos") Escalamiento Min-Max (Rango 0 a 1)
Cuando los datos no siguen una distribución normal, se prefiere la normalización Min-Max: (X - Min) / (Max - Min) para acotar los valores estrictamente entre 0 y 1.
=(C2-MIN($C$2:$C$11))/(MAX($C$2:$C$11)-MIN($C$2:$C$11)) 6. Ejercicio Propuesto para el Estudiante
Enunciado: Un departamento de Ingeniería de Métodos ha registrado los tiempos de ciclo (en segundos) de una estación de ensamblado automatizado para 10 corridas consecutivas:
| A | B | |
|---|---|---|
| 1 | Corrida | Tiempo Ciclo (seg) |
| 2 | C-1 | 54.2 |
| 3 | C-2 | 52.8 |
| 4 | C-3 | 58.1 |
| 5 | C-4 | 53.5 |
| 6 | C-5 | 67.9 |
| 7 | C-6 | 51.0 |
| 8 | C-7 | 55.3 |
| 9 | C-8 | 53.0 |
| 10 | C-9 | 52.1 |
| 11 | C-10 | 54.6 |
Tareas a realizar:
- Calcular la media y la desviación estándar muestral de los tiempos de ciclo en celdas fijas.
- Crear la columna de Z-Score en la columna C utilizando referencias fijas para los estadísticos.
- Identificar mediante una fórmula condicional si existe alguna corrida cuyo tiempo esté desviado en más de $1.5\sigma$ (alerta de cuello de botella).
Deja una respuesta