El diagrama de dispersión se utiliza para la representación gráfica de la relación entre dos cantidades variables. Responde a la pregunta de si, en qué dirección y cuán fuertemente están relacionadas dos variables entre sí.
Cada punto en el diagrama representa un par de valores de una variable influyente (x) y una variable objetivo (y). Basado en la distribución de puntos, se puede determinar si existe una relación positiva, negativa o sin relación entre las cantidades consideradas.
El diagrama de dispersión es particularmente adecuado para examinar factores influyentes en una variable objetivo (variable de medición continua).
El diagrama de dispersión se puede usar en proyectos LSS en todas las fases DMAIC. El propósito de uso varía según la fase.
Hacer visibles las conexiones en la situación inicial
En la fase de Definir, el diagrama de dispersión se utiliza para hacer visibles las indicaciones iniciales de posibles conexiones entre factores influyentes y la variable objetivo. Esto proporciona una primera impresión de qué factores podrían ser relevantes.
Medir y cuantificar conexiones
En la fase de Medir, el diagrama de dispersión ayuda a representar gráficamente la conexión entre factores influyentes y la variable objetivo y a obtener evaluaciones iniciales de la dirección y fuerza de la conexión.
Asegurar gráficamente las causas
En la fase de Analizar, el diagrama de dispersión se utiliza para investigar gráficamente posibles relaciones causa-efecto. Una conexión reconocible entre factores influyentes y la variable objetivo proporciona una indicación de posibles causas raíz.
Comprobar el cambio en la conexión
En la fase de Mejorar, el diagrama de dispersión se utiliza para comprobar si la conexión entre factores influyentes y la variable objetivo ha cambiado después de una medida.
Confirmar la estabilidad de la conexión mejorada
En la fase de Controlar, el diagrama de dispersión confirma si la conexión mejorada entre factores influyentes y la variable objetivo ha permanecido estable.
El diagrama de dispersión se utiliza para representar gráficamente la relación entre dos cantidades variables. Responde a la pregunta de si, en qué dirección y cuán fuertemente están relacionadas dos variables.
Cada punto en el diagrama representa un par de valores de una variable influyente (x) y una variable objetivo (y). La distribución de puntos muestra si hay una relación positiva, negativa o ninguna relación entre las cantidades consideradas.
Hacer visibles gráficamente las relaciones entre una variable influyente y una variable objetivo
Adecuado para variables continuas como tiempo, temperatura, cantidad o viscosidad
Identificar posibles relaciones – sin suposiciones de modelo y antes de pruebas adicionales
En el departamento de desarrollo de nuevas salsas de tomate, se está investigando cómo el tiempo de cocción afecta la viscosidad del producto. Para este propósito, se producen salsas de tomate con diferentes tiempos de cocción en varias series de pruebas. Para cada serie de pruebas, se miden y registran como un par de valores el tiempo de cocción y la viscosidad resultante.
Usando un diagrama de dispersión, se examina si y cómo se muestra la relación entre el tiempo de cocción y la viscosidad en los datos de medición. La relación básica se conoce profesionalmente: al cocinar más tiempo, el agua se evapora, lo que generalmente resulta en que la salsa de tomate tenga una mayor viscosidad.
Explicaciones del gráfico:
El diagrama de dispersión muestra la viscosidad de la salsa de tomate dependiendo del tiempo de cocción. A medida que aumenta el tiempo de cocción, la viscosidad medida aumenta. Los puntos están aproximadamente en una línea recta, lo que indica una relación positiva clara, casi lineal entre el tiempo de cocción y la viscosidad. Para los mismos tiempos de cocción, se nota una baja dispersión de los valores medidos.
Preparación
- Definir la variable objetivo (y) (por ejemplo, viscosidad de la salsa de tomate)
- Definir la variable influyente (x) (por ejemplo, tiempo de cocción)
- Asegurarse de que ambas variables sean variables cuantitativas medibles
- Recolectar datos
Usar en AlphadiTab
- En la fase de Medición seleccionar la herramienta de gráfico de dispersión
- Para los datos X seleccionar la columna „tiempo de cocción“
- Para los datos Y seleccionar la columna „viscosidad“
- Generar el diagrama con el botón „Crear nuevo“.
Interpretación
- Verificar si se reconoce una relación entre el eje x y el eje y
- Evaluar si la relación es positiva, negativa, o inexistente
- Evaluar si la relación es aproximadamente lineal
- Comparar los gráficos de dispersión entre series o grupos, si están disponibles
Consideración General
¿Puede la tendencia ser descrita por una línea ?
Si es así: ¿Es la correlación positiva o negativa?
Si no: ¿Indica la tendencia una correlación no lineal ?
¿Es la dispersión de los puntos pequeña o grande?
Con Especificaciones Conocidas
¿Están las mediciones dentro de los límites de especificación definidos?
¿Hay áreas de la variable influyente donde la especificación no se cumple?
¿Cambia la correlación cerca de los límites de especificación?
Nota: Una correlación reconocible no significa necesariamente que una variable sea la causa de la otra.
Para los diagramas de dispersión, varias formas de representación están disponibles. Dependiendo de si se seleccionan una o más series de datos, así como grupos o series adicionales, la representación en el diagrama cambia. Todas las siguientes formas de representación se basan en el mismo archivo, pero difieren en la selección de las columnas utilizadas.
| Tiempo de entrega en días_Ubicación A | Tiempo de entrega en días_Ubicación B | Tiempo de entrega en días_Ubicación C | Estado del proceso | Producto |
|---|---|---|---|---|
| 4 | 9 | 3 | Anterior | Ventana |
| 5 | 4 | 6 | Anterior | Ventana |
| 6 | 7 | 4 | Anterior | Ventana |
| 4 | 9 | 2 | Anterior | Ventana |
| 2 | 4 | 2 | Anterior | Ventana |
| 8 | 9 | 6 | Anterior | Puerta |
| 6 | 4 | 6 | Anterior | Puerta |
| 8 | 9 | 5 | Anterior | Puerta |
| 5 | 8 | 3 | Anterior | Puerta |
| 8 | 3 | 5 | Anterior | Puerta |
| 3 | 4 | 3 | Después | Ventana |
| 1 | 3 | 1 | Después | Ventana |
| 2 | 2 | 2 | Después | Ventana |
| 3 | 3 | 3 | Después | Ventana |
| 2 | 4 | 1 | Después | Ventana |
| 1 | 4 | 1 | Después | Puerta |
| 3 | 2 | 2 | Después | Puerta |
| 3 | 5 | 3 | Después | Puerta |
Descargar tabla aquí como Excel.
✓Una serie de datos por eje: Columna A y B⌄
✓Una serie de datos por eje con grupo: Columna A, B y D⌄
✓Una serie de datos por eje con grupo y serie: Columna A, B, D y E⌄
- Dos tamaños cuantitativos
Tiempo de Enfriamiento y Dureza del Material
En el desarrollo de un nuevo componente, se investiga cómo el tiempo de enfriamiento después del tratamiento térmico afecta la dureza del material. Se sospecha que un tiempo de enfriamiento más largo conduce a una dureza del material más baja.
El diagrama de dispersión muestra una correlación negativa entre el tiempo de enfriamiento y la dureza del material. A medida que aumenta el tiempo de enfriamiento, la dureza medida disminuye.
Comparación de mediciones de producción y QA
En producción, una característica de calidad se mide en línea, por ejemplo, la cantidad de llenado. En aseguramiento de calidad, la misma característica se verifica nuevamente con un dispositivo de medición separado. Para investigar si las mediciones de producción y aseguramiento de calidad son consistentes entre sí, ambas mediciones se registran como pares de valores y se muestran en un diagrama de dispersión.
El diagrama de dispersión muestra la relación entre la medición de QA y la medición de producción de la cantidad de llenado. En el rango de medición inferior, las mediciones de producción y QA coinciden muy bien y están aproximadamente en una línea recta. Sin embargo, en mediciones más altas, hay una desviación creciente, siendo las mediciones de QA más altas que las de producción.
Impacto de la frecuencia de mantenimiento en el tiempo de inactividad
En producción, se examina cómo la frecuencia de mantenimiento afecta el tiempo de inactividad no planificado de las máquinas. Se asume que el mantenimiento regular reduce los tiempos de inactividad no planificados, pero este efecto disminuye a partir de cierta frecuencia de mantenimiento. Para varias máquinas, se registran y documentan como pares de valores el número de mantenimientos por mes y el tiempo de inactividad no planificado en el mismo período. Se utiliza un diagrama de dispersión para verificar si existe una conexión y si se puede observar un efecto de saturación.
El diagrama de dispersión muestra que con el aumento de la frecuencia de mantenimiento, el tiempo de inactividad no planificado inicialmente disminuye significativamente. A partir de una frecuencia de mantenimiento de aproximadamente 4–5 mantenimientos por mes, el efecto se aplana, y mantenimientos adicionales conducen solo a leves mejoras adicionales.
Tiempo de Procesamiento de Tickets por Ubicación
En el servicio de mesa de ayuda de TI, se investiga si la antigüedad de un ticket tiene un impacto en el tiempo de procesamiento. Se sospecha que los tickets más antiguos a menudo son más complejos o han sido escalados varias veces y, por lo tanto, causan tiempos de procesamiento más largos. Para varios tickets, se registran y documentan como un par de valores la antigüedad del ticket en el momento del procesamiento y el tiempo de procesamiento real.
El diagrama de dispersión muestra una fuerte dispersión de los tiempos de procesamiento en todas las edades de los tickets. Una relación lineal clara entre la antigüedad del ticket y el tiempo de procesamiento no es discernible.
Tasa de Ventas vs. Duración de la Oferta
En ventas, se crean ofertas de ventas para los clientes. Se debe investigar si la duración del proceso de oferta tiene un impacto en la tasa de ventas. Para varias ofertas, la duración de la oferta (tiempo desde la creación de la oferta hasta la decisión) y la tasa de ventas resultante se registran y documentan como un par de valores.
El diagrama de dispersión muestra la relación entre la duración de la oferta y la tasa de ventas, separada por los productos A y B. Para el Producto A, no se discierne una relación lineal clara, ya que la tasa de ventas varía mucho a lo largo de la duración de la oferta. El Producto B, por otro lado, muestra tasas de ventas más altas con duraciones de oferta más largas. El diagrama ilustra que la relación entre la duración de la oferta y la tasa de ventas difiere entre los productos.
Tiempo de entrega después del centro logístico
En logística, los pedidos de los clientes se procesan a través de múltiples centros logísticos. Se debe investigar si la cantidad de entrega tiene un impacto en el tiempo de entrega. Para varios pedidos, la cantidad de entrega y el tiempo de entrega real se registran y documentan como pares de valores.
El diagrama de dispersión muestra la relación entre la cantidad de entrega y el tiempo de entrega. Los puntos muestran una clara dispersión. Una relación entre la cantidad de entrega y el tiempo de entrega no es reconocible.
Entregas a Tiempo vs. Tiempo de Pedido
En compras, se examina si la duración del tiempo de entrega del pedido tiene un impacto en la entrega a tiempo. Se sospecha que los tiempos de entrega más largos mejoran la planificación y, por lo tanto, aumentan la tasa de entrega a tiempo. Para varios pedidos, se registran y documentan como pares de valores el tiempo de entrega (tiempo entre el pedido y la fecha de entrega planificada) y la tasa real de entrega a tiempo.
El diagrama de dispersión muestra una correlación positiva entre el tiempo de entrega y la tasa de entrega a tiempo. A medida que aumenta el tiempo de entrega, la tasa de entrega a tiempo se eleva. Los puntos muestran una tendencia ascendente, indicando una relación aproximadamente lineal.
Desviación de pronóstico
En la planificación de la producción, los pronósticos se ajustan utilizando un factor de corrección para compensar los sobre o subestimaciones sistemáticas. Se debe investigar cómo el nivel del factor de corrección aplicado afecta la desviación del pronóstico restante. Para varios pronósticos, el factor de corrección utilizado y la desviación real del pronóstico se registran y documentan como un par de valores.
El diagrama de dispersión muestra la relación entre el factor de corrección y la desviación del pronóstico. Con factores de corrección bajos, la desviación del pronóstico es predominantemente positiva, lo que indica una sobreestimación de la demanda. A medida que el factor de corrección aumenta, la desviación del pronóstico disminuye y está cerca de 0 % alrededor de factor de corrección = 1.00. Con factores de corrección más altos, la desviación del pronóstico se vuelve cada vez más negativa, lo que indica una subestimación de la demanda.
Diagrama de dispersión: Diagrama para representar gráficamente la relación entre dos variables numéricas.
Diagrama de correlación: Término alternativo, donde se muestran puntos de datos individuales.
Variable independiente (x): Variable cuya influencia sobre otra variable está siendo estudiada.
Variable dependiente (y): Variable que se supone está influenciada por la variable independiente.
Par de datos: Mediciones asociadas de las variables independiente y dependiente.
Relación lineal: Relación donde los valores se alinean aproximadamente a lo largo de una línea recta.
Relación no lineal: Relación donde la tendencia no puede describirse con una línea recta.
Dispersión: Medida de la distribución de puntos alrededor de una tendencia reconocible.
Relación positiva: A medida que el valor de x aumenta, el valor de y sube.
Relación negativa: A medida que el valor de x aumenta, el valor de y disminuye.
Correlación: Medida de la fuerza y dirección de una relación entre dos variables.
Regresión: Método para describir una relación a través de una función matemática.
Causalidad: Relación causa-efecto entre dos variables que no puede derivarse de un diagrama de dispersión.