Histograma: Cómo Analizar la Variación de Procesos

Un histograma es una de las herramientas más prácticas en la gestión de procesos porque convierte una columna de números en una imagen de lo que su proceso realmente está haciendo. Cuando su equipo discute si la variación es "normal" o un problema real, un histograma resuelve el debate en segundos.

Entender cómo usar un histograma como herramienta de calidad no es opcional para los líderes de operaciones. Es una habilidad básica, y omitirla significa tomar decisiones a partir de promedios que ocultan la historia completa.

¿Qué es un Histograma?

Un histograma es un gráfico de barras que muestra la distribución de frecuencia de datos continuos agrupados en rangos llamados bins (intervalos). Cada barra representa la frecuencia con la que las mediciones caen dentro de un rango específico. En conjunto, las barras revelan la forma, el centro y la dispersión de la variación de su proceso.

El histograma es una de las 7 herramientas básicas de calidad (también llamadas las 7 herramientas QC), formalizadas originalmente por Kaoru Ishikawa en la década de 1960 como un conjunto de métodos simples y visuales para el análisis de calidad.

Histograma versus gráfico de barras: En un gráfico de barras normal, las barras representan categorías distintas (tipos de producto, regiones, departamentos) y hay espacios entre ellas. En un histograma, los datos son continuos (mediciones, tiempos, pesos), las barras se tocan entre sí, y el eje x representa una escala numérica dividida en rangos iguales.

Datos clave

• Las 7 herramientas básicas de calidad, que incluyen el histograma, fueron formalizadas por Kaoru Ishikawa alrededor de 1968 para dar a los trabajadores de primera línea un conjunto práctico de herramientas de control de calidad. (Ishikawa, "Guide to Quality Control," 1968)
• El histograma como representación estadística fue nombrado e introducido por Karl Pearson en 1895 como parte de su trabajo sobre curvas de frecuencia. (Pearson, "Contributions to the Mathematical Theory of Evolution," 1895)
• La Regla de Sturges, la guía más común para elegir el número de bins en un histograma, fue publicada por Herbert Sturges en 1926: k = 1 + 3.322 log(n), donde n es el tamaño de la muestra. (Sturges, "The Choice of a Class Interval," Journal of the American Statistical Association, 1926)

"Un promedio oculta la historia; un histograma la cuenta."

Por Qué Usar un Histograma

Una tabla de 200 mediciones le dice muy poco de un vistazo. Puede calcular un promedio, pero el promedio no le dice si todas sus piezas se agrupan estrechamente alrededor del objetivo o se dispersan por todas partes.

Un histograma hace tres cosas que una tabla no puede:

1. Hace visible la variación. Puede ver de inmediato si su proceso produce una salida ajustada y consistente o una dispersión amplia e impredecible.

2. Muestra la posición relativa a los límites de especificación. Una vez que dibuja líneas verticales en un histograma para sus límites de especificación inferior y superior (LSL y USL), puede ver de un vistazo si la salida de su proceso encaja dentro de la ventana o si hay defectos escapando por uno o ambos lados.

3. Revela patrones no normales. Distribuciones sesgadas, picos gemelos, brechas y acantilados señalan algo que vale la pena investigar. Los métodos de control estadístico de procesos (SPC) asumen datos aproximadamente normales, así que detectar estos patrones a tiempo protege su análisis de conclusiones falsas.

Cómo Leer un Histograma: Formas Comunes

La forma de un histograma tiene significado. Aquí hay una tabla de referencia de los patrones que encontrará con mayor frecuencia:

Leer primero la forma, luego la posición, y luego el ancho le da una interpretación estructurada cada vez.

Cómo Crear un Histograma

Necesita al menos 50 puntos de datos para que un histograma sea confiable, y 100 o más produce patrones más claros. Aquí están los seis pasos:

Paso 1: Recolecte los Datos

Reúna sus mediciones de proceso en una sola lista. Registre el tamaño de la muestra (n). Asegúrese de que los datos provengan de una sola condición de proceso; mezclar datos de antes y después de un cambio de proceso creará formas engañosas.

Paso 2: Encuentre el Rango

Reste el valor más pequeño del más grande: Rango = Máximo - Mínimo. Esto le dice qué tan ancho debe ser su eje x.

Paso 3: Elija el Número de Bins

Use la Regla de Sturges como punto de partida: k = 1 + 3.322 x log(n). Para 100 puntos de datos, eso le da alrededor de 8 bins. El método de raíz cuadrada es más simple: k = raíz cuadrada de n, lo que da 10 bins para 100 puntos de datos. Ambos son puntos de partida razonables. Ajuste hacia arriba o hacia abajo para evitar barras que se vean vacías o barras que agrupen todo junto.

Paso 4: Fije el Ancho del Bin

Ancho del bin = Rango / Número de bins. Redondee a un número conveniente que coincida con la precisión de su medición. Todos los bins deben tener el mismo ancho.

Paso 5: Cuente las Frecuencias

Cuente cuántos puntos de datos caen en cada bin. Una hoja de verificación es una herramienta útil para este paso cuando está contando manualmente.

Paso 6: Dibuje las Barras

Grafique la frecuencia (conteo) en el eje y y los rangos de bin en el eje x. Dibuje barras que se toquen, una por bin, con una altura igual a la frecuencia. Agregue un título, etiquete ambos ejes con unidades, anote el tamaño de su muestra, y dibuje sus límites de especificación como líneas verticales si corresponde.

Ejemplos de Histogramas por Función

Manufactura: dimensiones de piezas. Un equipo de mecanizado mide el diámetro de 150 piezas de eje. El histograma muestra una forma de campana centrada ligeramente por encima del objetivo, con la cola derecha cruzando el USL. Esto le dice al ingeniero que debe ajustar la media del proceso hacia abajo, no aumentar las tolerancias.

Atención al cliente: tiempo de manejo de llamadas. Un director de soporte grafica 200 tiempos de manejo de llamadas. El histograma está sesgado a la derecha con una cola larga más allá de los 15 minutos. El equipo investiga la cola y encuentra un subconjunto de llamadas que involucran una categoría de producto específica que necesita un guion dedicado.

RR. HH.: tiempo de contratación. Un gerente de RR. HH. grafica 80 contrataciones recientes por días hasta la oferta. El histograma muestra un patrón bimodal: un pico en 18 días y otro en 42 días. Cuando el equipo separa los datos por tipo de rol, descubre que los roles técnicos siguen un camino y los roles administrativos siguen otro. Combinarlos en un solo promedio había ocultado esto por completo.

Estos ejemplos comparten un patrón: el histograma revela un segmento o cambio que una estadística resumida enmascara.

Histograma versus Otras Herramientas de Calidad

Un histograma no es la herramienta correcta para todas las preguntas. Así se compara con dos primos cercanos:

Histograma versus gráfico de Pareto. Un análisis de Pareto clasifica categorías discretas de defectos (pieza incorrecta, etiqueta faltante, rayón superficial) por frecuencia para mostrar cuáles pocas categorías causan la mayoría de los problemas. Use un gráfico de Pareto cuando sus datos sean categóricos. Use un histograma cuando sus datos sean mediciones continuas.

Histograma versus gráfico de tendencia o gráfico de control. Un histograma elimina el tiempo de la imagen. Muestra la distribución de todos los valores durante un período, pero no la secuencia. Un gráfico de tendencia o gráfico de control preserva el orden temporal y revela tendencias, ciclos o cambios repentinos. Para una imagen completa, use ambos: el histograma para la forma de la distribución y el gráfico de control para el comportamiento basado en el tiempo.

El diagrama de espina de pescado se combina bien con un histograma cuando usa la forma de la distribución para formular hipótesis sobre causas raíz, y luego usa la espina de pescado para estructurar la investigación.

El marco DMAIC de Six Sigma típicamente usa histogramas en las fases Measure y Analyze para caracterizar el desempeño del proceso antes de intentar la mejora.

Los programas de gestión de calidad total usan histogramas como un diagnóstico fundamental en todas las funciones, no solo en manufactura.

Para comparar relaciones entre dos variables continuas, un diagrama de dispersión extiende el análisis que un histograma comienza.

Mejores Prácticas

Tamaño mínimo de muestra. No interprete demasiado un histograma con menos de 50 puntos de datos. Las formas se vuelven estables y confiables con 100 o más observaciones.

Reglas generales para el conteo de bins. La Regla de Sturges (k = 1 + 3.322 log n) y la regla de raíz cuadrada (k = raíz cuadrada de n) son razonables. Si su histograma se ve demasiado picudo, agregue más bins. Si se ve como uno o dos grandes bloques, reduzca los bins.

Etiquete todo. Incluya el nombre de la variable, las unidades de medición, el tamaño de la muestra, el rango de fechas, y la condición del proceso. Un histograma sin contexto es imposible de accionar seis meses después.

Una condición a la vez. Si mezcla datos de dos máquinas, dos operadores, o períodos previos y posteriores a un cambio, corre el riesgo de crear una forma bimodal artificial. Estratifique primero, luego grafique.

Dibuje los límites de especificación. Superponer su LSL y USL en el histograma es la forma más rápida de ver si su proceso es capaz. Si las barras se extienden más allá de cualquiera de los límites, tiene una tasa de defectos que cuantificar y reducir.