Gráfica I-MR (individuales y rango móvil)
La gráfica I-MR combina una gráfica de individuales, que representa cada observación en orden temporal, con una gráfica de rango móvil de las diferencias entre observaciones consecutivas. Úselo cuando los datos se recogen de uno en uno, por ejemplo con producción lenta, ensayos destructivos o una medición por lote. Los datos deben ser continuos, aproximadamente normales y no correlacionados, idealmente 100 observaciones o más. Las reglas de prueba señalan desplazamientos, tendencias y otras causas especiales.
Última revisión:
Idea clave
Una gráfica I-MR es una gráfica de control para mediciones individuales: representa cada valor a lo largo del tiempo y el rango móvil entre valores consecutivos para monitorear la media y la variación a corto plazo.
En esta página
¿Qué es una gráfica I-MR?
Una gráfica I-MR (individuales y rango móvil) es un tipo de gráfica de control estadístico de procesos que se usa para monitorear y controlar procesos a lo largo del tiempo mediante el seguimiento de la variación de una sola variable. Es especialmente útil para analizar conjuntos de datos con tamaños de muestra pequeños, en los que las gráficas de control tradicionales, como XBarra-R o XBarra-S, no son viables. La gráfica I-MR consta de dos gráficas: la gráfica de individuales, que muestra los puntos de datos de una sola variable a lo largo del tiempo, y la gráfica de rango móvil, que muestra las diferencias entre puntos de datos consecutivos de la gráfica de individuales. Esta gráfica se usa para monitorear la media del proceso y la variación a corto plazo entre observaciones individuales consecutivas, donde cada observación representa una pieza o un lote distinto. Al seguir la estabilidad del proceso a lo largo del tiempo, la gráfica I-MR ayuda a identificar y corregir inestabilidades, tendencias y desplazamientos en los datos.
¿Cuándo usar una gráfica I-MR?
- Identificación de causas asignables: para detectar causas asignables en el proceso que puedan llevarlo a estar fuera de control.
- Evaluación del desempeño del proceso: para monitorear el desempeño del proceso antes y después de aplicar mejoras.
- Tasas de producción lentas: cuando las tasas de producción son lentas y no resulta práctico esperar a reunir más muestras.
- Sistemas de medición costosos: cuando los sistemas de medición son prohibitivamente caros, como los que implican ensayos destructivos.
- Monitoreo de procesos por lotes: Ideal para usar en procesos por lotes y seguir la variación de un lote a otro cuando se toma una medición por lote.
- Seguimiento de datos continuos: adecuado para datos continuos medidos a lo largo del tiempo, como tasas de producción, puntuaciones de satisfacción del cliente o velocidades de máquina.
- Detección de causas especiales de variación: para identificar causas especiales de variación que podrían indicar problemas en el proceso o en el equipo.
- Aplicaciones industriales: se usa ampliamente en la fabricación, la atención sanitaria y los servicios para asegurar la estabilidad del proceso y el control de calidad.
Pautas para el uso correcto de la gráfica I-MR
- Los datos deben ser continuos, recogerse a intervalos de tiempo adecuados y estar en orden temporal.
- Use una gráfica de control por atributos para datos de conteo, y la gráfica XBarra-R/S para datos en subgrupos.
- Reúna al menos 100 observaciones en total para obtener límites de control más precisos.
- Los datos deben ser moderadamente normales; considere una transformación de Box-Cox si los datos son muy asimétricos.
- Las observaciones no deben estar correlacionadas entre sí, ya que esto puede producir límites de control estrechos y falsas señales de fuera de control.
Alternativas: cuándo no usar la gráfica I-MR
- Use la gráfica XBarra-R o XBarra-S para datos recogidos en subgrupos
- Use la gráfica P o la gráfica NP para unidades defectuosas (distribución binomial)
- Use la gráfica C o la gráfica U para datos de conteo o defectos (distribución de Poisson)
Ejemplo de gráfica I-MR
Un ingeniero de calidad mide el pH de 25 lotes sucesivos de detergente líquido con el fin de evaluar si el proceso de fabricación está bajo control. Los pasos son los siguientes:
- Midió el pH de cada uno de los 25 lotes sucesivos.

- Ahora analice los datos en Zometric Statistical Software en https://statsai.zometric.com/.
- Para encontrar las gráficas I-MR, elija Statistical module> Control Charts > I- MR charts.
- Dentro de la herramienta, se introducen los datos junto con las demás entradas como se indica a continuación:

5. Después de usar la herramienta mencionada, se obtiene la siguiente salida:


Cómo generar una gráfica I-MR
La guía es la siguiente:
- Inicie sesión en Zometric Statistical Software en https://statsai.zometric.com/
- En la página de inicio, elija Statistical Tool>Control Charts > I-MR Chart.
- Haga clic en I-MR Chart para acceder al tablero.
- A continuación, introduzca los datos manualmente o copie todos los datos (Ctrl+C) de una hoja de Excel y péguelos (Ctrl+V); también puede usar la opción Load Example, con la que se cargarán los datos de ejemplo.
- A continuación, debe asignar las columnas a los parámetros.
- Por último, haga clic en calculate en la parte inferior de la página para obtener los resultados deseados.
En el tablero de I-MR chart, la ventana está dividida en dos partes.

En la parte izquierda se encuentra el panel de datos (Data Pane). En el Data Pane, cada fila forma un subgrupo. Los datos pueden introducirse manualmente o copiarse por completo (Ctrl+C) de una hoja de Excel y pegarse (Ctrl+V) aquí.
Load example: Se cargarán los datos de ejemplo.
Load File: Se usa para cargar directamente los datos de Excel.
En la parte derecha hay varias opciones, como las siguientes:
- Process mean: Es el valor promedio de un conjunto de mediciones u observaciones de un proceso. Representa la tendencia central de los datos del proceso a lo largo del tiempo y es un indicador clave del desempeño del proceso. Si no se indica, Zometric Statistical Software calcula la línea central a partir de los datos proporcionados.
- Process sd: Es una medida de la variabilidad o dispersión de los datos del proceso en torno a la media. Indica cuánto difieren los puntos de datos individuales del proceso respecto al promedio del proceso. Si lo deja en blanco, Zometric Statistical Software lo calcula a partir de los datos proporcionados.
- Sd estimation method: Ofrece al usuario dos opciones de cálculo. Elegir el rango móvil promedio o el método del rango móvil mediano como método de estimación cambia el resultado.
- Average moving range Sd estimation method: Consiste en calcular la diferencia entre valores consecutivos de un conjunto de datos y luego tomar el promedio de esas diferencias.
- Median moving range Sd estimation method: El MMR se calcula tomando la mediana de los rangos móviles entre puntos de datos consecutivos.
- Length moving range: En una gráfica I-MR, la longitud del rango móvil es el número de observaciones consecutivas que se usan para calcular cada rango móvil (por defecto 2). Cada rango móvil es la diferencia entre la mayor y la menor de esas observaciones consecutivas, y los rangos móviles se usan para estimar la desviación estándar del proceso y calcular los límites de control.
- Check Rule 1: 1 point > K Stdev from center line: Si un punto de datos está a K desviaciones estándar de la línea central, significa que está a K veces la desviación estándar de la media. Esto es importante en el control estadístico de procesos porque indica si un punto de datos está dentro de los límites aceptables o si puede haber un problema en el proceso que deba abordarse. Normalmente, los puntos de datos que están a más de tres desviaciones estándar de la línea central se consideran valores atípicos y pueden requerir una investigación adicional.
- Check Rule 2: K points in a row on same side of center line: Si hay K puntos seguidos en el mismo lado de la línea central en un conjunto de datos, esto sugiere que la media del proceso puede haberse desplazado. Esto podría deberse a diversos factores, como un error de medición, un sesgo de muestreo o un patrón subyacente real en los datos.
- Check Rule 3: K points in a row, all increasing or all decreasing: Esta prueba señala una tendencia o deriva en el proceso cuando K puntos seguidos cumplen una de estas condiciones:
- Todos los puntos aumentan (es decir, cada punto tiene una coordenada y mayor que la del anterior)
- Todos los puntos disminuyen (es decir, cada punto tiene una coordenada y menor que la del anterior)
- Check Rule 4: K points in a row, alternating up and down: Si K puntos seguidos alternan hacia arriba y hacia abajo en un patrón de diente de sierra, la variación es sistemática y no aleatoria. Esto puede deberse a factores como un ajuste excesivo del proceso o a la alternancia entre dos máquinas, operadores o fuentes de materia prima.
- Check Rule 5: K out of K + 1 points > 2 standard deviation from center line (same side): Según el enunciado, si K de K+1 puntos de datos caen en el mismo lado de la línea central y están a más de dos desviaciones estándar de ella, esto sugiere que el proceso podría estar fuera de control y que deben investigarse las causas especiales para identificar y resolver el problema.
- Check Rule 6: K out of K + 1 points > 1 standard deviation from center line (same side): Si K de K+1 puntos consecutivos caen a más de una desviación estándar de la línea central en el mismo lado, indica un posible pequeño desplazamiento de la media del proceso.
- Check Rule 7: K points in a row within 1 standard deviation of center line (either side): Si K puntos seguidos están a menos de 1 desviación estándar de la línea central, la variación es menor de lo que predicen los límites de control. Esto no es prueba de un buen control: suele indicar datos estratificados o límites de control demasiado amplios.
- Check Rule 8: K points in a row > 1 standard deviation from center line (either side): Si K puntos seguidos están a más de 1 desviación estándar de la línea central, indica un patrón de mezcla, en el que los puntos evitan la línea central y caen cerca de los límites de control, por ejemplo cuando se mezclan datos de dos flujos de proceso distintos.
Download as Excel: Muestra el resultado en formato Excel, que puede editarse fácilmente y volver a cargarse para los cálculos mediante la opción load file.
Preguntas frecuentes
¿Qué es una gráfica I-MR?
Una gráfica I-MR (individuales y rango móvil) es una gráfica de control estadístico de procesos que sigue la variación de una sola variable a lo largo del tiempo. Tiene dos partes: la gráfica de individuales, que representa cada punto de datos en orden temporal, y la gráfica de rango móvil, que representa las diferencias entre puntos consecutivos. Ayuda a identificar inestabilidades, tendencias y desplazamientos en el proceso.
¿Cuándo debe usar una gráfica I-MR en lugar de una gráfica XBarra-R?
Use una gráfica I-MR para datos continuos recogidos como mediciones individuales, por ejemplo cuando las tasas de producción son lentas y esperar a reunir más muestras no es práctico, cuando la medición es costosa o destructiva, o cuando se toma una medición por lote. Si los datos se recogen en subgrupos, use en su lugar una gráfica XBarra-R o XBarra-S.
¿Cuáles son los requisitos de datos de una gráfica I-MR?
Los datos deben ser continuos, recogerse a intervalos de tiempo adecuados y estar en orden temporal. Procure reunir al menos 100 observaciones en total para obtener límites de control más precisos. Los datos deben ser moderadamente normales; considere una transformación de Box-Cox si son muy asimétricos. Las observaciones no deben estar correlacionadas, ya que esto puede estrechar los límites y causar falsas señales de fuera de control.
¿Qué gráfica debe usar para unidades defectuosas o conteos de defectos en lugar de una gráfica I-MR?
Una gráfica I-MR es para datos continuos. Para unidades defectuosas, que siguen una distribución binomial, use una gráfica P o NP. Para conteos de defectos, que siguen una distribución de Poisson, use una gráfica C o U.
