1.

INTRODUCCIÓN Y ANOVA
1.1 INTRODUCCIÓN
Metrología: ciencia que se encarga del estudio de diferentes variables medibles, así
como de la mejora y evolución de las mismas. Comprende todos los aspectos que se
refieren a las mediciones y sus incertidumbres.
Así pues, la química analítica se considera una ciencia metrológica. Sin embargo, la
quimiometría es la encargada de la medida química, por tanto, podríamos considerarla
dentro de la química analítica.

El objetivo fundamental de la química analítica es encontrar información acerca del

campo sobre el que se trabaje, siempre y cuando dicha información sea útil (“vale más
de lo que cuesta”). Esta información generada se evalúa para demostrar que es de
calidad (no debe haber variabilidad).

1.2 ANOVA
Es un método de análisis que compara la varianza debida al error aleatorio (o residual) con
la introducida por un factor o una interacción (viendo anova como una “herramienta”). Dicho
método tiene como fin último la comparación de medias.

 Test estadísticos.
Antes de realizar cualquier test estadístico tenemos que fijarnos en si nuestros datos
siguen una distribución normal, es decir, que los valores de asimetría (sesgo) y kurtosis
estandarizados estén en un rango de ±2. Si esto no se cumple, no haremos Anova.
A continuación, debemos tener en cuenta que las medidas se llevan a cabo sobre
muestras, no sobre poblaciones. Esto es un riesgo ya que podemos tomar decisiones
erróneas si las características de las muestras difieren de las de la población. El
objetivo será cuantificar este riesgo.
Para llevar a cabo el proceso de estudio, seguiremos estas pautas:

1. Formular claramente la cuestión

2. Seleccionar el test estadístico apropiado
3. Decidir el nivel de significación, α
4. Establecer hipótesis (nula y alternativa)
5. Cálculo del valor estimado
6. Comparación con valores tabulados teóricos
7. Toma de decisión

1
De las pautas anteriores definiremos tres de ellas:

“2. Seleccionar el test estadístico apropiado”, pues dependerá de nuestro objetivo.

Tenemos varios tipos:

2.1 TEST DE FISHER. Es un test de dos colas cuyo objetivo es saber si las varianzas de
dos muestras son iguales (H 0) o diferentes (H1). Compara precisiones entre un valor
calculado (Fexp) y un valor tabulado (F tab) dando lugar a las posibilidades siguientes:

2.2 TEST T-STUDENT. Test que se encarga de la comparación de medias. Se realiza

después de haber hecho el de Fisher, por lo tanto tendremos dos casos, el de después
de haber aceptado H0 o el de después de haber aceptado H1.

“3. Decidir el nivel de significación, α.” Se trata de un porcentaje de confianza

estadístico. Se suelen establecer dos valores en el intervalo de confianza, el del 99%
(0.99 dejando 0.01 como α, es decir, libre) o el del 95% (0.95 dejando 0.05 α, es decir,
libre). Será el margen para decidir acerca de ambas hipótesis.

2
“4. Establecer hipótesis nula y alternativa”. La hipótesis es la suposición que se realiza
sobre un determinado suceso. Comparación.

 Suposiciones ANOVA.
 Si las muestras se han obtenido mientras se modificaba un factor, averiguaremos si
dicho factor altera las características de la población (cambia la media de la magnitud
que controlamos).

Verificar si las medias de las diferentes muestras son o no iguales.

o Podríamos intentar comparar las muestras dos a dos (T-student) pero

crecerían los falsos positivos (concluir que las medias son diferentes
debido a los errores de medida)
o El criterio a tener en cuenta es que si las medias son diferentes, la
variabilidad aumenta…

3
Tabla de ANOVA de UNA VÍA.

En la tabla de ANOVA de una vía, tenemos dos suposiciones implícitas. La

homogeneidad de la varianza (homocedasticidad) que se comprueba mediante el TEST
DE COCHRAN (debe haber réplicas y todas las columnas tienen que tener el mismo nº
de datos) y que los valores de residuos se ajustan a una distribución normal.

 ANOVA de DOS o MÁS VÍAS.

4
  Término de interacción.
Relación entre dos o más factores que su variación conjunta provoca una influencia
significativa sobre el resultado, la cual no se puede explicar como la simple suma de los
efectos de cada factor por separado.

Cuando no hay réplicas, no hay grados de libertad. Para el cálculo del residual no se
podría evaluar el término de interacción.

2. DISEÑO EXPERIMENTAL
Técnica estadística que permite identificar y cuantificar las causas de un efecto dentro
de un estudio experimental. En ellos se trabajan una o más variables vinculadas a
causas para medir el efecto en otra variable de interés.

Básicamente, consiste en la optimización de los procesos de medida y producción. Esto

es obtener unos valores de las variables que produzcan los mejores resultados
posibles. Técnicas formales de optimización:

- De tipo analítico: disposición de una descripción matemática suficientemente

aproximada de la superficie de respuesta (una ecuación) como para evaluar la
localización del óptimo (máximo o mínimo) por derivación de dicha función
(métodos simultáneos).
- De caja negra: no describimos matemáticamente la respuesta. Cada
experimento se establece tras evaluar la respuesta del anterior/es (métodos
secuenciales).

5
2.1 DISEÑOS FACTORIALES A DOS NIVELES
Un diseño factorial es un experimento que consta de dos o más factores, cada uno de
los cuales con diferentes valores o niveles, cuyas unidades experimentales cubren
todas las posibles combinaciones de esos niveles en todos los factores. Con ello
podemos estudiar el efecto de cada factor o de las interacciones entre factores sobre
la variable de respuesta.

Para trabajar con esto, asumimos un modelo matemático que evalúe la importancia
relativa de los factores (cribado), es decir, cómo varía la respuesta al cambiar la
variable. Este modelo matemático es el siguiente:

 Elementos del diseño.

Si suponemos que N (número de experimentos) siempre debe ser mayor que n+1 (nº
de factores +1):

Para que el sistema tenga solución única, la matriz X’X debe tener inversa, es decir, es
diagonal. El cálculo entonces se hará más sencillo obteniendo una única solución.
Cuando esto sucede, se dice que el diseño es un experimento factorial ortogonal.
Ventajas:

- Los efectos se calcula de manera independiente y con una precisión óptima.

- Las matrices del diseño son óptimas para cualquier criterio.

6
- La eficacia-R es del 100% puesto que se requieren tantos experimentos como efectos
a calcular.

- Se requiere poco esfuerzo de cálculo.

- Se aplican a muchos problemas importantes reales ya que el método se aplica cuando

se pueden modificar libremente los valores de las variables.

 Diseños a dos niveles. Codificación.

Se usan para evaluar la significación de los efectos (la importancia relativa de los
factores) cuando se sospecha que no existe una fuerte curvatura en la región
estudiada.

En estos diseños, el número de experimentos viene definido por 2 n donde el 2 indica el

número de niveles y “n” indica el número de factores (“variables). Por ejemplo, para
un diseño de 2 niveles con 3 factores el número de experimentos será: 2 3 = 8
experimentos. Estas variables están en un espacio real, que para su estudio se
expresarán en un espacio codificado. Pasos a seguir en la codificación:

1. Expresión de las variables reales en un espacio codificado.

o Para dos factores:

o Para tres factores:

7
 2. Tomando como ejemplo el diseño de tres factores, el número de experimentos
totales será 2 3 = 8 experimentos. Estos se agrupan en una tabla del siguiente
tipo, en donde se considera nivel alto (+1) y nivel bajo (-1).

Alternancia de signos cada --> no 20 21 22

Se establece una columna por cada factor (aparte de la columna x0) en la cual, se
alternan los signos según los números de debajo de cada columna (de haber 16
experimentos, habría una cuarta columna con alternancia de signos cada 23).

3. Cálculo de los coeficientes para construir la matriz B. Tomamos cada matriz de

la columna (las sombreadas) y las multiplicamos por la matriz “Resultado”. Se
hace la diferencia entre los valores positivos y negativos y dividimos entre en el
nº total de experimentos.

Ese es el caso para la columna x1, pero se trabajaría igual para todas las demás.

Efectos: se estiman por diferencia de las respuestas promedio de la variable a nivel

alto frente a las respuestas cuando la variable está a nivel bajo. Así, los valores
calculados para los efectos son el doble que los coeficientes respectivos.

4. Ahora evaluamos los términos de interacción. Lo que se hace es multiplicar

cada matriz columna (las sombreadas) por otra matriz columna (X 0) diferente,

8
 obteniendo una nueva columna producto de ellas dos. Es un juego de
productos de signos. Se obtendría una tabla del siguiente estilo:

5. Tenemos que volver a calcular los coeficientes pero incluyendo las

interacciones.

Donde los 4 primeros términos se corresponden con los coeficientes principales del
modelo, los dos siguientes con la interacción de orden 2 y el último con la interacción
de orden 3.

Grados de libertad  n+1 = 3 + 1 = 4.

6. Evaluación estadística de resultados.

o Verificación de la homogeneidad de la varianza (homocedasticidad) 
tiene que haber réplicas.
o Significación de los coeficiente:

Siendo Sbi el error estándar

9
 o Coincidencia del modelo con la verdadera superficie de respuesta.

 Herramientas gráficas.

 Gráfica Pareto: se representan los efectos en orden de mayor a menos y si se

dispone de un error estimado experimentalmente, se puede incluso asignar su
significación en un nivel de confianza.

La línea azul que atraviesa verticalmente la gráfica es el valor T de Student del proceso
(si puedo ponerlo es que hay error estimado). Se considera que aquellos factores o
interacciones que la sobrepasen son estadísticamente significativos.

 Gráfica de efectos principales: se representa la variación de las respuestas

cuando el factor pasa del nivel bajo al nivel alto (desde -1 a + 1).

10
  Gráfica de interacciones: se representa la variación de las respuestas para
cambios de estado de dos variables entre sí, cuando el estado de la otra
permanece constante.

Nos dan los valores de la variable de la izquierda a nivel alto (+) y nivel bajo (-) y vemos
cómo varía la variable de la derecha mientras la de la izquierda permanece constante.
Unimos con una línea y podemos tener dos opciones: que sean paralelas, la interacción
es despreciable (interacción AB por ejemplo); o que sean perpendiculares, es decir,
interacción significativa (interacción DE por ejemplo).

 Gráfico de probabilidad normal (gráfico de Henry): representa los efectos en

relación a una línea que localiza la distribución aleatoria de efectos. Los
situados fuera de la línea son efectos no-aleatorios y por tanto podemos
asignar causas de variación. Los efectos más alejados de la línea --> más
significativos.
NOTA: si tenemos muchos aleatorios, implicará también que haya mayor ruído.

11
  Superficie de respuesta: se representa sobre una superficie bidimensional o
tridimensional (depende del número de niveles) la respuesta en el cambio de
experimental estudiado.

 Curvatura.
No se puede evaluar en un diseño de dos niveles, pues al tener sólo dos puntos, se va a
obtener una recta (no hay términos cuadráticos que provoquen curvatura). Sin
embargo, puede detectarse mediante la incorporación de puntos centrales, que
permiten estimar el error experimental (en ausencia de réplicas). Se realizan en el
centro del diseño y por duplicado.

 Bloquización y aleatorización.
Términos que se usan para estimar de manera fiable el error experimental. Esto se
utiliza cuando se deja fuera del estudio algún factor pero aunque no esté incluído,
puede que actúe sobre las respuestas obtenidas y más aún si están correlacionadas
con el orden en el que se realizan los experimentos.

Por ejemplo, si no dejamos estabilizar un instrumento antes de usarlo, implicará que

se estabilice mientras trabajamos con él y por tanto, influirá en los resultados aunque
no lo hayamos tenido en cuenta como factor de estudio.

12
Una manera de evitar problemas como este, será aleatorizar el orden de experimentos
realizados.

Debemos tener en cuenta que para bloquizar hay que establecer antes un bloque
(conjunto homogéneo de unidades experimentales, por ejemplo, un día de trabajo).
Además, dicha bloquización debe ser efectiva y para que se tiene en cuenta:

 Organización de los experimentos de modo que la varianza dentro del bloque

sea menor que la varianza entre bloques.
 Si es efectiva, se puede usar para eliminar la variabilidad bloque-bloque,
aleatorizando los experimentos en cada bloque (como antes).

“Bloquiza todo lo que puedas y aleatoriza todo lo que no puedas bloquizar”

 Herramientas para la elección de las variables.

Se basa en el conocimiento previo acerca del sistema. Existen gráficas (por ejemplo,
diagramas de raspas de pescado) llamadas DIAGRAMAS DE CAUSA-EFECTO que ayudan
a encontrarlas mediante una “tormenta de ideas”. Con esto, no conocemos cuáles son
significativas o no.

- Etapa 1: identificar el problema y describirlo en una frase situándolo a la dcha.

- Etapa 2: dibujar y marcar las espinas principales.

2.2 DISEÑOS FACTORIALES FRACCIONALES

A DOS NIVELES
En este tipo de diseños no sabemos cuántos y cuáles de los factores serán influyentes
ni cuántos experimentos realizar. El objetivo será localizar qué factores serán
influyentes y hacerlo con el mínimo coste y esfuerzo posible.

Los diseños factoriales completos que antes vimos son muy útiles para pocos factores,
pero más allá de 4 factores se vuelven exigentes, todo para evaluar coeficientes poco
influyentes  interacciones de orden elevado.

Un diseño de 4 factores da interacciones de orden 3 y 4, que normalmente ya se

pueden utilizar como error.

En este tipo de diseños, se aplican los siguientes principios:

1. Principio de jerarquía de los efectos: los efectos de menor orden serán los más
significativos.

13
 2. Principio pareto de los efectos: el número de efectos realmente significativos
es muy bajo comparado con la totalidad.
3. Principio de herencia de los efectos: para que un efecto interacción (efecto AB)
será significativo, al menos uno de los efectos por separado debe serlo. Por
ejemplo:
o Puede ser significativa A o B herencia débil
o Pueden ser significativas A y B  herencia fuerte

 Diseño completo. 24 = 16 experimentos.

Al calcular la estimación de los efectos vamos a ver qué va a haber efectos con valor
alto (significativos) y otros con valor muy bajo (no significativos), con lo cual NO TODOS
LOS EXPERIMENTOS SON NECESARIOS.

En un ejemplo en el que inicialmente tenemos 16 experimentos pero solo 8 de ellos

son importantes, tendremos un diseño de 2 4-1 experimentos.

 Efecto de confusión.
Se da cuando un mismo efecto es el mismo para dos factores (Efecto A = A + BCD).

 Construcción de los diseños fraccionales.

Pautas a seguir:

- Los experimentos seleccionados deben proporcionar una matriz ortogonal.

- Construir el diseño considerando el número máximo de factores.
- Atribuir los mismos estados a los factores que corresponden a interacciones de
los inicialmente alojados (D = ABC)

Con todo esto, en un primer inicio tendremos:

14
Para calcular la estructura de confusión:

-No requerimos efectuar todos los productos.

-Hay reglas simples matemáticas de matrices: prop. de identidad, asociativa y

conmutativa.

Teniendo esto en cuenta podríamos calcular los efectos de confusión para B:

Donde la expresión D = ABC es la relación generadora del diseño (o su equivalente

I=ABCD).

 Resolución del diseño.

Indica hasta qué punto podemos esperar que la confusión introducida por la reducción
del tamaño de la matriz nos permite evaluar con fiabilidad los efectos principales o no.

Un diseño tiene resolución R cuando ningún efecto está confundido con menos de R -1
factores. Teniendo esto en cuenta, vemos que en el caso anterior, el diseño tendría
una resolución IV (I=ABCD) y se denotaría como 2 IV4-1

- Resolución III: los efectos principales no están confundidos entre sí, pero están
confundidos con las interacciones de dos factores.
- Resolución IV: los efectos principales no están confundidos entre sí, tampoco lo
están con interacciones de orden dos. Sin embargo, estas interacciones sí están
confundidas entre sí.
- Resolución V: los efectos principales no están confundidos entre sí, tampoco lo
están las interacciones entre dos factores entre sí.

Vamos a separar dos conceptos relacionados con esto:

Fracciones embebidas Fracciones saturadas

15
Relacionados con este tema existen unos diseños llamados DISEÑOS DE PLACKETT –
BURMAN. Estos son diseños de resolución III que requieren un número de unidades
experimentales igual a un múltiplo de 4. Tienen un número de filas bastante reducido
para combinaciones intermedias de factores.

16
2.3 DISEÑOS A MÁS DE DOS NIVELES
Son más complejos que los vistos hasta ahora. Se usan en situaciones donde no llega
con determinar un nivel alto o un nivel bajo de las medidas obteniendo una línea recta.
La diferencia con los demás es el estudio de la curvatura, gráfica que siguen nuestros
datos, determinando un nivel medio (nivel 0) centrado en los niveles anteriores:

Se determinan dos tipos de factores en este tipo de diseños:

- Factor Cualitativo: necesarios por norma general.

- Factor Cuantitativo: tienen como objetivo calcular la superficie de respuesta.

 Diseños a 3 niveles.
Requieren 3n experimentos y permiten ajustar modelos cuadráticos. Por tanto, salvo
para valores de n pequeños, el número de experimentos necesarios será relativamente
elevado.

Son diseños ortogonales pero no son rotables (NOTA: un experimento rotable es aquel
cuya varianza de las predicciones no depende de la dirección, sino únicamente de la
distancia al centro del diseño). Raramente encontraremos matrices fraccionales en
este tipo de diseño.

Los tipos de diseño que podemos encontrarnos aquí son:

1. Diseños centrales – compuestos (por ejemplo, diseños de Box-Behnken): la

clave de estos diseños es el “solapamiento” de tres elementos.

17
Factorial a dos niveles Estrella (depende de nº de factores) Punto central Conjunto

2. Diseños D- óptimos: suelen ser diseños que acompañan a otro. Tras la

representación de los datos, se traza una línea que va dejando fuera puntos
que no son datos, una línea que se va “bajando”.

En estos diseños, cuando hay correlación en la matriz, el determinante es cero; y se

hace máximo cuando hay ortogonalidad.

3. Diseños de mezcla: diseños en los que se producen restricciones. Un ejemplo

es que en una mezcla de 3 componentes A, B y C, la condición sea que
A+B+C=100% Aquí no podemos usar diseños factoriales convencionales.

4. Diseños simplex.

Diseño simplex centroide

18
 Modelo 1erorden, 3 experimentos Modelo 2º orden, 6 experimentos

Modelo cúbico reducido, 7 experimentos

Modelo cúbico completo, 10 experimentos

A veces no toda la superficie es accesible por lo que si es posible se utilizan los mismos
diseños simplex pero manejando pseudo-componentes. También es posible que
cuando las restricciones aplican a las proporciones máxima y mínima de cada
componente, puede que el simplex no se respete. Ante esto, se requieren
podrecimientos especiales para evaluar la superficie de respuesta de la mezcla.

19
[Link]ÁLISIS MULTIVARIANTE
Cuando queremos llevar a cabo el estudio acerca de un proceso, debemos “despiezar”
lo que tenemos delante para estudiarlo con detenimiento. Este análisis puede ser
univariante (si tratamos con una variable) o multivariante (más común, se manejan
más variables).

Cuando hacemos esto, lo más probable es que nos encontremos con un montón de
datos. Muchos no estarán relacionados en magnitud o en escala así que para
estudiarlos lo que hacemos es proyectarlos. Esto consiste en la equivalencia de cada
dato en un espacio reducido de dimensionalidad.

3.1 ANÁLISIS DE COMPONENTES

PRINCIPALES (PCA)
Este tipo de procesos permite:

- Reducir la dimensionalidad de los datos.

- Dar información acerca de ellos, obteniendo sus proyecciones.
- Entender la estructura de éstos.

El fundamento está en sustituir el sistema de ejes (variables) original por uno nuevo
formado por combinaciones lineales de las originales, ortogonales entre sí y que
retienen ordenadamente la varianza de los datos originales. Cada objeto es un punto
en el espacio n-dimensional, cuyas coordenadas son los valores de las variables que lo
caracterizan.

20
Pasos a seguir:

1) Centrado. Desplazamos el centro de coordenadas al punto central de los datos.

El origen de coordenadas se puede mover ya que es arbitral. Si los datos están
muy juntos, la varianza es baja y si están muy separados, alta.
Para hacer la acción de centrado, tan sólo hay que restar a cada punto de la
matriz de partida las coordenadas del centro nuevo.

2) Localizar la dirección de máxima varianza (en el sentido mínimos cuadrados):

aquella zona donde la variabilidad de los datos sea mayor y como consecuencia
la variable más importante.
Se proyectan los puntos en este nuevo eje y se obtiene una matriz E que marca
cuán lejos estaban los objetos originales del nuevo eje.

3) Localizar la dirección de máxima varianza ortogonal a la anterior y proyectar los

objetos en el plano formado: de nuevo se crea una matriz E que proporciona la
distancia a este plano.

21
 4) Recapitular.

5) Continuar hasta lograr un modelo aceptable.

Si es necesario un tercer componente  vector perpendicular al plano.

Si la caja formada es muy alta, tenemos datos muy separados del plano; por el
contrario, si es muy baja, tenemos datos muy cerca del plano.

22
  Covarianza.
Es una medida de hasta qué punto cada dimensión varía con las demás respecto a su
media. Se mide entre dos dimensiones. La matriz de varianza es simétrica (y cuadrada
por lo tanto) respecto a la diagonal.

La diagonal contiene las varianzas de las dimensiones

 PCA.
Es el análisis de componentes principales en el cual no se elimina ninguna variable.
Para elaborarlo deben seguirse las siguientes pautas:

- Se calculan los vectores y valores propios de la matriz de covarianza de los

datos.
- Se decide cuántos valores son significativos, es decir, cuántos tienen un valor
útil.
- Se forma un nuevo sistema de ejes con esos vectores propios seleccionados
con anterioridad.
- Se proyectan los datos en ese nuevo espacio (ejes nuevos). Este nuevo espacio
ha sido comprimido respecto al original, se ha reducido su dimensionalidad, y
posiblemente pueda ser visualizado gráficamente.

Es muy habitual encontrarse con una serie de datos que invalidan nuestro modelo.
Estos datos son los llamados outliers (aparecen 3 veces más allá el rango intercuartil).
Son muestras anómalas que nos quedan muy lejos de la media (centro) del modelo y
que está provocando modificaciones erróneas. Lo mejor que se puede hacer es
eliminarlos o manejarlos de manera especial si consideramos que tienen información
útil (cuantitativa).

23
Cuando se representan los datos (por ejemplo con The Unscrambler), según
organicemos los datos, podemos ver:

24
En PCA deben elegirse el nº de componentes principales con los que trabajar. Este valor debe
escogerse a la vista de la gráfica de los datos, pues a mayor número de componentes
principales, peor se hace el estudio (habrá tantas dimensiones como número de componentes
principales).
De esto modo, podemos pensar que 2 componentes principales sería el mejor valor ya que
representaríamos Y frente a X. De tener 3, representaríamos X, Y, Z. A más de 4 componentes
es imposible graficar, así que ante esta situación lo mejor será separar las variables de dos en
dos.

Para escoger este número, observamos en la siguiente gráfica el cambio brusco de pendiente
de la recta que explique el mayor porcentaje de varianza posible. Es posible que nos
encontremos con dos rectas, validación y calibración; sin embargo, para tomar el número de
componentes principales, observamos la de validación.

Para dos componentes principales

vemos que el valor de la varianza
explicada es muy elevado, por lo
que tomaríamos como el 2 como
el número de componentes
principales.

 Gráficas PCA.

25
En estas gráficas se representa la varianza explicada y residual. Para elegir el número
de componentes principales, vamos al gráfico 1 y miramos donde cambia bruscamente
la pendiente. Ese será nuestro nº de componentes.
Una vez elegido el número de componentes, miramos la varianza justificada que nos
aporta trabajar con ese número de PC.
Por otro lado, en el gráfico 2, vemos que la línea que tenemos tiene pendiente
negativa y esto es porque se está representando la varianza residual en lugar de la
justificada, como en el caso anterior.

 Gráfico de SCORES (puntuaciones).

26
Es un gráfico para dos componentes, donde se ven las muestras de nuestro proceso
proyectadas en el nuevo espacio definido. Mirando la proximidad de los puntos a las
líneas vertical (PC2) y horizontal (PC1) podemos ver con qué componentes principales
están mejor explicadas cada muestra. A parte, sirven para detectar un outlier (dato
que aparecerá fuera y lejos de la elipse, rodeado con una cruz en el medio).
Algunas veces, este gráfico también sirve para hacer diferencia entre clases pues las
líneas de los componentes las separan a la perfección.

 Gráfico de LOADINGS.

Aquí se ven los valores de nuestras variables proyectadas en el nuevo espacio definido.
Las que están más próximas a las líneas vertical y horizontal son los que más peso
tendrán (mejor quedarán explicados) en el PC2 y PC1 respectivamente.

27
3.2 TÉCNICAS DE CLASIFICACIÓN
Debemos tener claros los conceptos siguientes:

- Clase: agrupación de objetos similares

- Objetos similares: objetos con valores parecidos de las variables que los
caracterizan. Si dos objetos están muy próximos en el espacio, significa que las
variables que los definen tienen valores similares para los dos objetos
MISMA CLASE.

Tenemos dos tipos de clasificación:

 Análisis no supervisado. Análisis Clúster (de grupos).

Es una alternativa al análisis de componentes principales. Se caracterizan los objetos
(por ejemplo, una planta) mediante un número de variables (por ejemplo, número de
hojas que forman la semilla). Las variables son seleccionadas por nosotros en función
de si están relacionadas (tienen que estarlo) con las características de los objetos (que
nos permitan distinguir dos objetos, es decir, hacer grupos distintos). Debido a que
cada variable tiene su propia escala (puede ser que la concentración de Ni en un metal
sea entre 900-1100ppm y en otro metal entre 500-1500, siendo más relevante en el
segundo caso para el cálculo de la distancia Euclídea) es preciso hacer un pre-
tratamiento de autoescalado.

Lo que queremos determinar es la similaridad (numéricamente) entre objetos o clases

con el agrupamiento mediante un logaritmo clúster (algoritmo no paramétrico porque
las muestras rara vez son aleatorias).

Para determinar la similaridad, que es lo que se quiere, podemos lograrlo haciendo uso
de la covarianza (grado de relación entre las variables), de la correlación y de las
medidas de las distancias, obteniendo varios tipos:

28
 - Distancia Euclídea: distancia recta más corta entre dos puntos.

- Distancia Mahalanobis: otro tipo de distancia, donde V -1 es la matriz inversa de

la covarianza.

- Distancia Minkowski: podemos diferenciar entre dos valores: si E=2, la fórmula

se corresponde con la distancia euclídea; si E=1, la fórmula se llama distancia
de Manhattan o distancia de city block.

 Problemas relacionados con las medidas de similaridad.

- Diferencia de escalas: en variables categóricas debe tenerse en cuenta porque
los algoritmos utilizan los números como números reales.
- La distancia euclídea soporta mal la correlación entre variables.

SOLUCIONES:

- Eliminar las variables fuertemente correlacionadas.

- Introducir medidas de similaridad que tengan en cuenta la correlación
(Mahalanobis).
- Combinar las variables para obtener una matriz inicial de variables no
correlacionadas.

Introducción de una nueva variable “Z” correlacionada con

X Z=2X

29
  Problemas relacionados con el análisis de clúster.

Procedimientos jerárquicos:

- Aglomerativos: se parte de todos los objetos y se van haciendo aglomeraciones.

Pueden ser de enlace simple (NN, vecino más próximo), enlace completo (FN,
vecino más alejado), enlace promedio, centroide, estrategia flexible.
- Divisivos.

Procedimientos no jerárquicos: K-medias-basados en centroides..

30
  Análisis supervisado.
Contamos con un grupo de entrenamiento (datos de los que sabemos cuáles son sus
clases, para contrastar el modelo) y otro de prueba (nuevos objetos de los cuales no se
conoce su clase). El resultado aportado por la técnica de clasificación no se debe creer
con toda confianza, sino que se tiene que llevar a cabo una etapa de validación:

La validación cruzada (pocos datos) consiste en crear varios modelos dejando distintos
nº de muestras fuera de la validación. Al final todos los datos han estado dentro y
fuera del modelomodelo promedio.

Dejar uno fuera es igual a la validación cruzada pero con un dato fuera de cada vez
(muy pocos datos).

Nuestro objetivo es generar un modelo que nos permita predecir a qué clase
pertenecerán futuros objetos.

 Técnicas de análisis supervisado.

- Técnicas de NIVEL 1: se requieren más objetos que variables. Todos los grupos
de entrenamiento están bien clasificados. Además, no existen más que las
postuladas inicialmente.
- Técnicas de NIVEL 2: permiten detectar clases imprevistas al principio. Además
podemos detectar objetos mal clasificados en el grupo de entrenamiento (o
aprendizaje).

31
La clasificación de estas técnicas se puede agrupar en:

1. Probabilísticas: basadas en estimaciones de distribuciones de probabilidad. Las

hay paramétricas (LDA, QDA..) y no paramétricas (métodos de funciones de
potencial).
2. Basadas en distancias: puede haber métricas diversas. Las hay basándose en
distancias entre objetos (KNN) o entre objetos y modelos (SIMCA).
3. Basado en experiencia: se obtienen por prueba y error (QLM, LLM,..)

 Análisis lineal discriminante (LDA).

Buscamos poner de manifiesto la clasificación (se buscan los límites que separan las
clases) y para ello se parte de suponer que las clases tienen una distribución
multinormal y que son linealmente separables, es decir, existe un plano que las separa.
En dicho plano proyectamos los objetos. Al proyectar los objetos, también se
proyectan los centroides de las clases. Puede darse entonces que no se aprecie la
clasificación por lo que giraremos en plano para que la varianza interclases varíe.

Su forma de trabajo es a nivel 1, es sensible a la correlación y cuando mejor trabaja es

con 5 clases o menos. Está relacionado con la regresión múltiple.

Limitaciones:

- Subagrupamiento: si una clase está dentro de otra no hay plano que haga la
separación.
- Si dos clases tienen igual media, están juntas y no se pueden separar.
- Si las distribuciones no tienen distribución multinormal.

32
  KNN.

Se basa en distancias generalmente euclídeas (lleva implícito los límites de separación),

pero tiene menos limitaciones que LDA pues únicamente parte de que hay una métrica
global o métricas locales relacionadas con la similaridad de los objetos.

Cada nuevo objeto se clasifica según su distancia a un grupo de “vecinos” determinado

por un valor de K, que pertenece al grupo de aprendizaje. Se elige en orden creciente
de lejanía respecto al que queremos clasificar.

Una vez calculadas las distancias, comprobamos a qué clase pertenecen,

asignándosela. Todo esto dependerá del valor de K escogido. A mayor valor de K, peor,
pero sin embargo, tomar K=1, aunque teóricamente sea el mejor valor, escogerlo hace
que los resultados sea muy poco fiables.

Como es un método basado en las distancias, se ve muy afectado si los datos no están
en la misma escala. Sin embargo, funciona bien cuando hay clases fuertemente
subagrupadas. Es un método que se prefiere utilizar en combinación con otros, pues
no aporta apenas información acerca de las estructuras de los datos.

33
  SIMCA.

Este método modeliza las clases. Pone mucho más interés en la similitud dentro de una
clase que en la diferenciación entre clases (al revés que LDA y KNN). Le aplica a cada
una un análisis PCA. La predicción de nuevos objetos está basado en la proyección de
los datos para esos objetos en los diferentes modelos de cada clase, estimando en cual
se generan menores residuales (=dentro del grupo).

Lo que se consigue con SIMCA es clasificar, pero también genera mucha información
acerca de la estructura de los datos, identifica los outliers, la presencia de clases
imprevistas y las variables que contribuyen a la modelación de clases.

 Gráficas de clasificación.

 GRÁFICO DE CAJAS Y BIGOTES.

Muestra la variabilidad que hay dentro de cada clase con respecto a cada variable
estudiada. Así podemos ver que, por ejemplo, en la variable “longitud de sépalo” los
gráficos de cajas y bigotes referidos a las variables 1 y 2 están solapados, por tanto, no
sería una variable óptima para hacer una separación entre clases. En cambio, la
“anchura de pétalo” y “longitud de pétalo” se puede ver que la clase 0 se separa muy
bien de las otras 2 por tanto se puede intuir que puede haber una clase distinta del
resto ahí.

34
  GRÁFICOS BI-VARIADOS.

Lo que se representa por encima y por debajo de la diagonal son las mismas gráficas,
tan sólo se cambian los ejes de sitio. Cada gráfico representa una variable frente a otra
y si observamos las variables que antes nos valían para diferenciar la clase 0 del resto,
vemos que también aparecen bien diferenciadas en estos gráficos.
Por otro lado, las variables que se solapaban en el gráfico anterior, en este no tenemos
ninguna información sobre ellas.

 ANÁLISIS DE CLÚSTERS.

Para construir estas gráficas, hay que ir observando la distancia entre variables. Al
detectar la distancia más pequeña entre dos variables, las incluimos las dos en un
clúster y la distancia de ese clúster al resto de las variables es la media de las distancias
de cada variable al resto. Así sucesivamente hasta tener todas las variables en un

35
clúster.
Una vez acabado este proceso hacemos la representación gráfica. Esto se hace
quedando debajo de todo las muestras y haciendo líneas verticales y horizontales
hacia arriba formando un dendrograma. Cada clúster será cada nivel del dendrograma.
A pesar de que en este caso se puede pensar que, al aparecer toda la clase 0 junta, hay
una diferenciación de esta clase con el resto, no es así, ya que en el análisis clúster la
colocación de las muestras es arbitraria.

 GRÁFICO LDA.

Se puede ver, por la tabla de resultados que en el grupo de entrenamiento las

variables de la clase 0 las clasifica en un 100% en su clase, las de la clase 1 en un 88%
en su clase y las de la clase 2 en un 92%.

36
  GRÁFICO DE KNN.

Cada nuevo objeto se clasifica dependiendo de las distancias que tenga con sus K
vecinos más próximos. Esta gráfica nos muestra el número de K vecinos más próximos
para que la clasificación sea óptima, es decir, 8.

 SIMCA.

- GRÁFICO DE COOMANS.

Se representa la distancia de un modelo (clase) frente a otro modelo. Junto a los ejes
se incluyen unas líneas paralelas que marcan el nivel de confianza con el que se realiza
el Coomans.
Los puntos, que se encuentran en el cuadrante inferior izquierdo serán los que

37
pertenezcan a ambos modelos; los del cuadrante superior izquierdo pertenecen al
modelo b, los del cuadrante inferior derecho al modelo a y los del cuadrante superior
derecho a ninguna de nuestras clases que estamos estudiando (pero no significa que
pertenezcan a otras clases que tengamos y no estemos estudiando).

- SI VS HI.

Se muestra la distancia de un modelo al leverage. Aquellos datos con poca distancia a

ambos estarán bien clasificados. Por tanto, aquellos datos que estén dentro del
cuadrante pequeño (el inferior izquierdo) serán los datos que estén bien clasificados.
En cuanto a los otros datos, serán descartados por la gran distancia a nuestro modelo.

-MODEL DISTANCE.

Nos marca la distancia que hay desde un modelo a cada uno de nuestros modelos.
Lógicamente la distancia para el propio modelo debe ser cero, y si tenemos una buena
separación, la distancia al resto de los modelos debe ser muy grande.

38
- DESCRIMINATION MODEL.

Observamos aquella variable que nos marca la diferencia entre clases (en este caso el
CA%).

- MODELING POWER.

Se observan aquellas variables que mejor definen cada uno de los modelos que
estudiamos.

CONCLUSIÓN SIMCA: es una muy buena técnica de nivel 2 ya que permite detectar,
entre otras cosas, puntos que no se clasifican en ninguna clase, es decir, nuevas clases.

39
3.3 REGRESIÓN MULTIVARIADA
La regresión se usa con mucha frecuencia, incluso en laboratorios para determinar
concentraciones de algún analito haciendo un patrón de calibrado. Esto es un ejemplo
de calibración convencional univariante, donde los datos se una variable se relacionan
frente a los datos de información de interés.

Al hacer un calibrado univariado, el ruido (interferentes) que lleven tanto las muestras
como los patrones se introduce dentro del calibrado, provocando un mayor error a la
hora de medir. Para solucionar este problema se usa otro tipo de regresión que tiene
en cuenta un número de medidas mayor para hacer el calibrado. Este tipo de regresión
se denomina regresión multivariante (se amplía la medida a toda la señal en vez de
centrarnos en un punto).

Podemos aplicar el método de regresión en componentes principales (PCR) para

eliminar el ruido del calibrado, aumentando el número de medidas predictorias (matriz
X descrita por variables correlacionadas) y usando PCA para obtener información
cuantitativa (scores) y cualitativa (loadings).

- Se descompone la matriz X mediante PCA

- Regresión de la matriz Y sobre la matriz T

40
Puede ser de diferentes órdenes:

a) Orden 0: se da cuando las muestras son pocas y se quiere detectar sólo un

analito. No detecta puntos que no están dentro de nuestro calibrado.
b) Orden 1: se da cuando hay más muestras y los analitos a determinar son más
de uno. El modelo ya es capaz de detectar puntos que no están dentro de
nuestro calibrado (interferentes). VENTAJA DE 1 er ORDEN.
c) Orden 2 y 3: se da cuando tenemos muchas muestras y varios analitos a
determinar. El modelo ya es capaz de detectar y cuantificar puntos que no
están dentro de nuestro calibrado. VENTAJA DE 2º ORDEN.

También existe el método de regresión por mínimos cuadrados parciales (PLS) que se
usa cuando las variables del bloque Y están correlacionadas (tienen ruido) y deben
corregirse. En este método se toma la matriz X y se le aplica PCA, se hace lo mismo con
la matriz Y y se hace la regresión sobre los dos modelos.
En el momento de determinar las direcciones de las varianzas máximas hay problemas
ya que para X no tienen que ser las mismas que para Y, lo que lleva a que, al hacer la
regresión, se pueda dar un aspecto de no ser buena. Para solucionarlos, rotaremos
hasta encontrar la covarianza máxima.

Orden 1 Orden 6

41
  Número de componentes en el modelo.
Se hace de manera empírica mediante validación sin quedarnos cortos (subentrenado)
y sin pasarnos (sobreentrenado). Existe además un error cuadrático en la predicción:

Tipos de procedimientos:

 Óptimo. Validación externa: objetos no utilizados en la preparación del

modelo.
 Alternativo. Validación cruzada: objetos no utilizados temporalmente en la
preparación del modelo.
 No recomendado. Validación interna: objetos usados en la preparación del
modelo.

También hay dos tipos de error: uno debido a la interferencia y otro debido a la
estimación.

Esta gráfica nos permite decidir el número de componentes, que viene determinado
por la línea roja (positiva).

42
  Mejora de calidad.
Para mejorar la calidad del modelo, podemos utilizar, por ejemplo, más datos pues el
error de predicción será menos o incluso quedarnos con menos datos pero que sean
mejores. También podemos simplificar los problemas para la calibración, usar un
modelo mejor, etc.

NOTA: mirar ejemplo de aplicación de las transparencias.

43
4. CALIDAD
La General Electric consideró que los productos de baja calidad en una empresa eran
aquellos que no prestaban atención a la voz del cliente, que expresaban sus objetivos
en función del número de defectos por unidad y sólo usaban sistemas de control de
calidad formales en la manufactura.

Así mismo, aquellos con calidad eran los que sí le prestaban atención al cliente, usaban
sistemas de control de calidad en todas las operaciones, etc. La conclusión es que la
calidad no debía considerarse una disciplina técnica, sino también una disciplina
administrativa ya que los temas de calidad afectan a toda la empresa.

En 1992 los gestores de 9 grandes empresas y los rectores de famosas universidades

de USA definieron la Gestión de la Calidad Total (TQM).

4.1 ESTUDIO DE LA CALIDAD TOTAL (TQM)

- Enfoque al cliente

 Cumplir las exigencias del cliente.

 Enfocarse hacia preferencias del cliente.
 Lograr retroalimentación del cliente.
 Reconocer la importancia de los clientes internos.

- Participación y trabajo en equipo

 Dotar a los trabajadores de medios para que tomen decisiones para mejorar la
calidad.
 Los trabajadores mejor preparados son los que hacen los trabajos específicos
 Premiar las nuevas sugerencias de los trabajadores
 Mayor trabajo en equipo
 Delegación: grado máximo de confianza y se puede dar en un ambiente de
calidad total.

- Mejora y aprendizaje continuos

 Debe ser parte de la gestión de sistemas y procesos

o Mejora incremental (pequeña y gradual)
o Mejora de corte (grande y rápida)
o Mejorar el valor hacia el cliente (productos nuevos y/o mejorados)
o Reduciendo errores, defectos, desperdicios, etc.
o Mejorando la productividad y efectividad en el uso de recursos

44
 o Mejorando la ejecución del tiempo de ciclo
 Aprendizaje (adaptación al cambio)
 En calidad total no solo aprenden las personas, sino la propia organización
como un conjunto.

Las herramientas necesarias para esto se conocen como las 5S, procedentes de Japón,
siendo éstas:

1. Organización (Seiri): identificar y clasificar los equipos, materiales, medios de

trabajo de acuerdo con lo que es y no necesario (dependiendo de su frecuencia
de uso). Retirar lo que no se necesita.
2. Orden (Seiton): establecer el modo en el que se deben colocar los materiales
para que sea fácil y rápido encontrarlos, usarlos y reponerlos.
3. Limpieza (Seiso): mantener buena imagen.
4. Control Visual (Seiketso): distinguir lo normal de lo anormal en el proceso tan
sólo con un vistazo rápido.
5. Disciplina y hábito (Shitsuke): trabajar de acuerdo con las normas establecidas
permanentemente y de manera continua.

Lo que intenta 5S es el uso del sentido común para la empresa. Consigue menos
productos defectuosos, así como mejores hábitos de trabajo, menos accidentes, mejor
imagen al cliente, mayor conocimiento del trabajo, menos averías, más espacio,
orgullo del lugar en el que se trabaja, etc.
Sólo aporta beneficios y ventajas.

 Poka - Yoke
Se basa en un sistema a prueba de fallos, pues es habitual encontrar errores en los
procesos.

Control de calidad Zero (ZQC): parte del principio de que la mayoría de los errores que
se producen en un proceso de producción son humanos por hacer constantemente el
mismo trabajo.

El hecho de partir de un sistema a prueba de fallos implica comprobar cosas simples

como que una tarjeta SIM solo entra en un sentido, los enchufes eléctricos también,
etc.

 Lean – Manufacturing (Lean Enterprise)

Una actividad “lean” es aquella que carece de fricción. La fricción se define como
aquello que hace difícil algo que aparentemente es fácil, las pequeñas cosas que juntas
dificultan la manufactura, desperdicios que no lo parecen…

45
En este método lo que se busca es conseguir producir lo que los clientes solicitan y
eliminar el desperdicio. Consta de 5 etapas:

- Valor: es lo que el cliente quiere, es decir, para qué necesita nuestro producto.
Cualquier detalle que nuestro cliente no considere importante, debe eliminarse
inmediatamente.
- Corriente de valor: vehículo para llevar al cliente el valor, es decir, la cadena de
acciones de desarrollo, producción y entrega.
- Flujo: secuencia de la corriente de valor que nos permite eliminar cualquier
parte del proceso que no añade valor.
- Empuje: producir sólo lo que se necesita y cuando se necesita (evitar
almacenamiento).
- Perfección: eliminar desperdicios y perseguir el ideal.

Tenemos también, por otro lado, las llamas 7 grandes pérdidas:

1. Sobreproducción.
2. Inventario (tener que parar de producir para hacer inventario).
3. Transporte.
4. Defectos.
5. Pérdida en procesos.
6. Pérdida en operaciones.
7. Tiempos muertos.

 Kanban.
Es un sistema de información que controla de modo armónico la fabricación de los
productos necesarios en cada uno de los procesos que tienen lugar en la empresa.
Utilizan tarjetas recordatorias que se pegan en un panel de control cuando hace falta
algo de otro lado para el proceso de producción. Dichas tarjetas se extraen de ese
panel cuando se va a solucionar lo que se necesita, devolviéndolas pegadas en el
producto.

46
El proveedor debe fabricar únicamente por demanda y el solicitante siempre tiene que
tener el material justo (no sobreproducción). Además, un producto defectuoso ya no
pasa al siguiente nivel dentro del proceso.

 Mejora continua (Kai-zen).

En este caso, la mejora se considera enfocada a la productividad y al coste.

La idea procede de USA, donde se introdujeron importantes mejoras en sus

instalaciones y en el modo de gestionar las relaciones con los empleados. Se instituyó
un programa para pedir sugerencias a los trabajadores para promover la participación
de éstos. En Japón fue donde más se desarrolló este programa, pues la empresa
Toyota fue la pionera del JIT (just in time), demostrando eficacia al trabajar sin
defectos sin aumentar los costes.

La filosofía del kaizen está basada en englobar todas las actividades de un negocio, en
donde la comunicación entre trabajadores y gestores es constante. La prioridad es la
calidad de las personas, ya que de este modo, cada trabajador puede buscar la mejora
continua en su puesto.
Para llevar a cabo este método, se requieren tres elementos:

- Prácticas de operación
- Participación total
- Capacitación

 Programas 6 σ.
Este concepto se desarrolló en la década de los 90, usando los defectos por unidad
como medida de la calidad de toda la empresa.
Se basa en marcar metas optimistas (muy ambiciosas) que obligan a la creatividad,
pues lo que podría parecer imposible, se intenta conseguir y así obtener resultados
impresionantes. No debe penalizarse el fracaso, sino tratar de remediarlo.

Para poder llevar a cabo esto, hay que tener en cuenta medidas importantes, como
puede ser el tiempo de ciclo. Una reducción del tiempo de ciclo busca acelerar los
procesos de trabajo de manera que la respuesta del cliente mejore. Esta reducción de
tiempo no es posible si nos centramos en procesos individuales.
Técnicas como el Benchmarking (compararse con otras empresas para mejorar) o la
Reingeniería (reinventar el proceso desde cero) ayudan a mejorar el tiempo de ciclo y
así obtener esas metas optimistas.

47
En un primer momento, se consideraba que un proceso era válido (capaz) cuando
estaba entre ±3σ (lo que se corresponde con 2.7 defectos por mil). Pero esto no
convencía a la mayoría de las empresas porque se estarían cometiendo demasiados
errores.
Por lo que se empezó a mejorar hasta alcanzar el concepto de 6σ que consiste en
reducir la variación del proceso a la mitad de la tolerancia a la vez que permite que la
media se desplace como máximo 1.5σ.

La definición de 6σ no es tan sólo una aproximación técnica de calidad, sino que es una
metodología estructurada que se puede aplicar a cualquier actividad en la empresa,
pues se apoya mucho en la estadística a la hora de interpretar los datos. La clave de
este proceso están en el ciclo DMAIC:

Las tres primeras etapas (DMA) implican el conocimiento de los elementos críticos del
proceso. Las dos últimas (IC), el proceso dinámico de optimización.

48
Veamos que viene siendo cada etapa:

1. DEFINIR: marca qué se quiere hacer, cuándo, para quién, cuándo acabar, etc.
Nos proporciona identificación de los elementos y productos clave.
2. MEDIR: métricas clave del proceso empresarial, es decir, cómo se van a obtener
los datos.
3. ANALIZAR: es el análisis del estado actual y de la toma de decisiones. Nos
identifica las causas, conoce procesos.
4. MEJORAR: genera información sobre las actividades necesarias para llegar a los
objetivos del proceso y sobre si estas actividades producirán los cambios que
nosotros buscamos.
5. CONTROL: comprobación de que se han producido las mejoras en los productos
(calidad, riesgo, coste, etc.).

Roles en 6σ:

- Champions: jefazo.
- Maestro Cinturón Negro (MBBs): mentores de los cinturón negro.
- Cinturón Negro (BBs): se encargan de proyectos más serios.
- Cinturón Verde (GBs): se encargan de proyectos pequeños.
- Cinturón Amarillo (YBs): mano de obra poco preparada.

4.2 CONTROL ESTADÍSTICO DE PROCESOS

Actualmente la percepción de calidad se asocia a la uniformidad (percepción del
colectivo), es decir, a la falta de variabilidad.

En un control estadístico lo que se intenta es asegurar que todos los procesos

funcionan como deben, siendo precavidos de fallos no deseados. Cuando existe
variabilidad en los productos se considera que hay un fallo de calidad y que por tanto,
falla el control. El proceso de control sigue el siguiente esquema:

49
Los 3 bloques de la derecha se corresponden con el ciclo de retroalimentación (control
de la actividad continuo).

En todos los casos reales hay errores o variaciones inevitables que suelen ser
aleatorios. Además, también puede haber variaciones asignables a fallos de la
operación, por lo que se necesita de la estadística, de la SPC; una metodología hecha
para vigilar un proceso, identificando las causas asignables para señalar las
correcciones oportunas.

Se considera que un proceso está en estado de control estadístico cuando está en

estado estacionario, lo que significa que ni la media ni la varianza del proceso están
afectados por el tiempo. Estos procesos podríamos empezarlos a muestrearlos en
cualquier momento ya que no afectaría a las conclusiones, así pues, se consideran
procesos ideales (predecibles y estables). Cuando un proceso no se controla
estadísticamente, con el tiempo dejan de ser estacionario. Ejemplos:

50
  Cartas de control.
Son una herramienta estadística que toma un formato gráfico similar a los anteriores.
Se usan para llevar a cabo el control estadístico de procesos. Con ellas pretenderemos
determinar si un proceso está en estado estacionario o no. Hipótesis:

- Un proceso en estado estacionario muestra variaciones debidas exclusivamente

a factores aleatorios.
- Los cambios en el proceso que lo quitan del estado estacionario suelen ser
causas asignables.

Si en algún punto, el proceso sobrepasa los límites, quiere decir que en ese instante salió del control
estadístico.

51
Tipos de cartas:

A parte de estas cartas habituales, existen otras entre las que destacan las cartas de
sumas acumulativas (CUSUM) y las cartas de rango móvil (MR) y promedio móvil (MA).

 Cartas de control para Variables.

 Cartas de Medias.
Detecta cambios en la media, pero depende del estado de variabilidad del proceso. Su
construcción se hace del siguiente modo:

- Tomamos las muestras del proceso.

- Calculamos la media de los subgrupos. Las medias tienen 3 propiedades (Teorema del
límite central):

1. Tienden a aproximarse a la media real del proceso cuando aumenta el número

de subgrupos.
2. La variabilidad de las medias de las muestras es menor que la de los datos.

3. El histograma formado a partir de las medias de los subgrupos tiende a una

distribución normal al aumentar el número de subgrupos.

52
En una carta de medias se representan los valores medios de los datos que entran en
una ventana que se va moviendo a lo largo del vector de datos, en función del orden
en el que han sido generados esos datos. Es necesario que los datos sigan una
distribución normal gaussiana. Si no lo hacen, los agruparemos en un número de datos
por subgrupo necesario para hacer la aproximación a gaussiana y que la carta pueda
funcionar.

CARTA DE MEDIAS MEJOR QUE DE INDIVIDUALES.

 Cartas de Rangos.

Este tipo de carta no se puede usar aislada, sino que debe ir acompañada de la de
medias pues dan información complementaria. Aquí podemos concluir si el proceso
está en estado estacionario y después ya revisaremos la carta de medias.

El tamaño de los subgrupos tanto para la carta de medias como para la de rangos
depende de las exigencias técnicas que tengamos y lo que se busca es que la
variabilidad dentro del grupo sea mínima y máxima entre grupos. (El tamaño depende
básicamente de las muestras que nos permitan coger).

Cuando vamos a observar las cartas de medias y rangos, existe una información
adicional llamada Reglas de la Western Electric, las cuales nos indican cuando el
proceso está fuera de control.

53
  Capacidad del proceso.

Medida complementaria que se puede hacer después de las cartas. Es la variabilidad

inherente del sistema debido a causas desconocidas o imposibles de controlar; en todo
caso, se corresponde con una mínima variabilidad por causas asignables.

Un análisis de la capacidad se basa en determinar los límites naturales del proceso y

comprobar si está dentro de las especificaciones asignadas por la empresa (mediante
los valores de Cp y Cpk).

UCL: especificación superior

LCL: especificación inferior

54
6σ: capacidad del proceso.

Cpk: mide si el proceso está centrado

Para que el proceso sea capaz, C p debe ser mayor que 1.

Cuando se estudia la capacidad del proceso, se llevan a cabo varias suposiciones, entre
ellas:

- Que el proceso está en estado estacionario

- Que el proceso sigue una distribución normal
- Que se conoce la verdadera media (μ) del proceso
- Que se conoce la verdadera desviación típica (σ)

De todas formas, las cartas de medias y rangos, se hacen antes de estudiar la

capacidad de un proceso.
Esquema de trabajo:

55
  Cartas para datos individuales.
En algunos casos, por el motivo que sea, el utilizar una carta de medias es inviable.
Ante esta situación se trabaja con las cartas individuales. Se parece a la de medias pero
con información más reducida.
El cálculo de la media y lo límites de control se basan en estimados móviles del rango,
por lo que:

- Cada punto de rango se obtiene restando entre datos sucesivos (2-1,3-2,..)

- Cada valor individual se usa para calcular dos puntos diferentes
- Con estos datos, se calcula el rango promedio y se construye la carta R(2)
llamada rango móvil.

 Cartas ponderadas en el tiempo.

Se usan para incluir la influencia de la evolución histórica del proceso en la carta de
control. Por ejemplo, una carta de medias móvil es una carta de medias (o de
individuales). Se calculan valores que corresponden a la media de un cierto número de
datos consecutivos en la carta. El orden de la carta es el número de datos que caben
en la ventana que se mueve. A mayor orden, más suavizado será el gráfico
consiguiendo una mejor visualización de los datos con el tiempo. Si usáramos una carta
de medias móvil exponencialmente ponderada (carta que nos proporciona a todos los
datos el mismo peso; peso decreciente), evitaríamos correlación.

 Cartas CUSUM.
Son diferentes a las vistas hasta ahora. Las decisiones se toman sobre la base de un
conjunto de datos inmediatamente anteriores al último en ser representado.

56
Se toma un valor de referencia y se calcula la suma acumulativa:

Esta carta detecta el momento en el que se ha perdido el estado estacionario del

sistema. Para usarla, la variabilidad debe ser aproximadamente constante. Para
interpretar una CUSUM, tomaremos un ejemplo gráfico:

Esto se llama visor en V, en donde la apertura está relacionada con el error de la

primera y de la segunda especie, asociados a la detección del cambio de pendiente
predeterminado, que suele ser de 1σ.

 Cartas de procesos de corto recorrido.

Se usan cuando los lotes de los productos son pequeños y no hay suficientes datos
para trabajar con medias o rangos (no se pueden calcular ni la media ni los límites de
control).

 Cartas de especificaciones (o tolerancias).

La línea central y los límites se construyen partiendo de las especificaciones. Si los
datos proceden de subgrupos, se representan también los datos individuales.

57
  Cartas de desviación del objetivo.

Nos marcan las diferencias con un valor nominal con límites impuestos por las
especificaciones.

 Pre-control.
Para aplicarlo, debemos asegurarnos antes de que el proceso es capaz, el intervalo se
separa en 4 cuarto y además, que a ±2 cuartos de tolerancia se dibujan los límites de
pre-control.

58
  Cartas de control para atributos.
Los atributos de un proceso sólo pueden tomar los valores de bueno o malo
(defectuoso o no-defectuoso), aunque no son para medir, sino para contar. Como ya
se dijo, se pueden tomar los atributos como medida de la calidad, los cuales se pueden
evaluar pero se requiere disponer de una gran cantidad de muestras.

- Defecto: característica de la calidad que en un producto defectuoso resulta

incorrecta.
- Defectuoso: producto que contiene al menos un defecto.

Vamos a ver los tipos de cartas:

 Cartas p. Proporción de elementos defectuosos.

Se representa la fracción de defectuosos porque el número de elementos no es
constante, por lo que los límites irán variando.
Siguen una distribución binomial.

 Cartas np. Número de defectuosos.

El tamaño de muestra es constante. La línea central de la carta es el promedio de
defectuosos en las k muestras utilizadas.
Siguen una distribución binomial.

 Cartas c. Número de defectos.

Nos representa el número de defectos y si el tamaño de muestra es constante, los
límites también.
Siguen una distribución Poisson, pocos defectos en relación al número posible.

 Cartas u. Número de defectos por unidad de medida muestral.

Se usan cuando el tamaño de los subgrupos no es constante y los límites que aparecen
no son líneas rectas, sino que van variando con el tamaño. Se tienen que recalcular los
límites.

59
  Herramientas gráficas.

 CARTAS DE CONTROL.

Esta gráfica determina si el proceso está en control estacionario o no.

También permite detectar tendencias erróneas propuestas por la Western Electric.

Más concretamente, esta gráfica, controla las medias de nuestros subgrupos formados
por nuestros datos.
En este ejemplo, no se superan en ningún momento los límites de control, por lo que
estamos en estado estacionario.

 GRÁFICOS DE CAPACIDAD DEL PROCESO.

Estos gráficos se hacen a posteriori de hacer las cartas de control pues comparten
hipótesis. Aquí se marcan los límites normales de nuestro proceso (3σ) y los límites
impuestos por nuestras especificaciones. Si los límites de las especificaciones son más
amplios que los de nuestro proceso, se dice que el proceso es capaz. Si es al contrario,
nuestro proceso será no capaz.

60
4.3 CERTIFICACIÓN Y ACREDITACIÓN.
Estos dos conceptos nacen con la intención de proporcionar una mejora en la imagen
empresarial a nivel nacional e internacional. En esta situación, productor y consumidos
colaboran mutuamente.

La I.S.O (International Standardization Organization) publicó una serie de normas que

las empresas podían cumplir como prueba de su organización profesional. Estas eran
las llamadas Normas 9000.

Criterios básicos ISO 9000:

1. Responsabilidad de gestión: definir una política de calidad y cumplirla a raja

tabla
2. Sistema de calidad: documentado en forma de manual e implementado
3. Revisión de contrato: requiere la revisión del contrato para que se cumplan las
normas de calidad
4. Control de diseño
5. Control de documentos: generación, distribución y destrucción
6. Productos adquiridos: deben presentar conformidad a los requerimientos
especificados
7. Exigencias de los productos suministrados: deben ser verificables y
almacenados
8. Identificación de los productos
9. Control de procesos
10. Procedimientos para inspección y ensayo
11. Equipos de inspección
12. Status de la inspección y ensayo
13. Control de productos no conformes
14. Acciones correctivas
15. Manipulación, almacenamiento y despacho de los productos
16. Registro de calidad
17. Auditorías internas de calidad
18. Necesidades de entrenamiento
19. Procedimientos de servicios y técnicas estadísticas.

61
Japón y USA, debido a su potencia económica superior en los tiempos que era, se
negaron a aceptar estas normas debido a que no se orientaban a procesos de
fabricación, no ayudaban a la gestión interna de la empresa o porque eran
incompatibles con otras normas; por lo que se intentaron cambiar. Así pues, estas
nuevas normas deberían, como mínimo, solucionar las demandas de los países, por lo
que deberían adaptarse a la situación real de la empresa y del entorno; así como ser
compatibles con otro tipo de gestiones, como medioambiente, etc.

Nuevas normas ISO 9000-2000.

- ISO 900: sistema de gestión de la calidad. Conceptos y vocabulario.

- ISO 9001: unifica las antigua 9001,9002 y 9003. Sistemas de gestión de la
calidad. Requisitos
- ISO 9004: gestión para el éxito sostenido de una organización. Enfoque de
gestión de la calidad.
- ISO 10011: unifica las antiguas 1001, 10012 y 10013. Guía para auditar los
sistemas de calidad.

Estas nuevas normas cambian el enfoque. El sistema se centra en principios de gestión

de calidad: mejorar el rendimiento de modo continuo y a largo plazo, enfocado a los
consumidores pero atendiendo a las necesidades de los demás afectados. Estos
principios resumían los siguientes conceptos:

1. Organización enfocada a los consumidores

2. Liderazgo
3. Implicación de las personas
4. Aproximación de tipo de proceso
5. Aproximación de tipo sistema a la gestión
6. Mejora continua
7. Aproximación a la toma de decisiones
8. Relaciones beneficiosas con los suministradores

 Certificación de los sistemas de calidad.

A cargo de organismos de acreditación, que tienen que estar acreditados, ser
independientes, imparciales, objetivos y transparentes.
En España, quien se encarga de esto es AENOR.

62
  Auditorías
Es el elemento básico del sistema certificación/acreditación. Cada empresa para este
sistema debe:

- Decir lo que hace

- Justificar lo que hace
- Hacer lo que dice
- Registrar lo que ha hecho
- Revisar lo que ha hecho
- Justificar o revisar lo que hará

 Gestión Medioambiental (SGMA).

Es el conjunto de acciones o medidas que una empresa adopta para contribuir al
cumplimiento de las normativas medioambientales y reducir el impacto de la empresa
a través del control de procesos y actividades. Las normas que acreditan esto son las
ISO 14000:

- Norma 14001 requisito con orientación para su uso

- Norma 14004 directivas generales sobre principios, sistemas y técnicas de
apoyo

63
Este método se desarrolla de la siguiente manera:

Podemos comparar, por ejemplo, la Norma ISO 14001 con la EMAS (Reglamento
comunitario de ecogestión y ecoauditoría):

Otros modelos de certificación (industria química) son:

o SQAS (Safety and Quality Assessment System): sistema de propiedad de CEFIC

(European Chemical Industry Council). Sirve para mejorar la seguridad dentro
de los procesos de transporte, almacenamiento y manipulación de productos
químicos.
o UNE 166000:2002 EX :Gestión de la I + D + i: Terminología y definición de las
actividades de I + D + i

64
  Sistemas integrados de gestión.
La implantación de sistemas de gestión de calidad, medioambiente y prevención de
riesgos laborales complica enormemente la gestión de empresas, sobre todo por la
documentación. Como solución se pueden integrar los diferentes sistemas.
Para introducir un sistema de integrado hay que seguir estos pasos:

1. Desarrollar el plan de integración

2. Implantar el plan de integración
3. Evaluación de la eficacia del plan de integración
4. Revisión y mejora del sistema integrado de gestión.

- Acreditación: competencia voluntaria para realizar tareas específicas.

Confirmación de la competencia para realizar ensayos o calibraciones en el
laboratorio realizadas por una tercera parte (organismos de acreditación). Las
empresas de acreditación son: EA (Europa), ILAC (mundial) y ENAC (España).
- Certificación: garantía de conformidad con ciertos requerimientos
especificados (también voluntaria).

ISO 17025: es de requisitos generales relativos a la competencia técnica de los

laboratorios de ensayo y calibración. Requiere gestión ténica.

65