Gráfica T (tiempo entre eventos)
La gráfica T monitorea eventos raros representando el tiempo entre apariciones sucesivas en lugar de conteos por intervalo. Ajusta una distribución exponencial (por defecto) o de Weibull a los intervalos no negativos; la línea central es la mediana ajustada y los límites son sus percentiles 0.135 y 99.865. Las reglas 1 a 4 de Nelson señalan causas especiales. La salida es la gráfica, un resumen del ajuste y los puntos de causa especial.
Última revisión:
Idea clave
Una gráfica T es una gráfica de control para eventos raros que representa el tiempo entre apariciones sucesivas, con límites de una distribución exponencial o de Weibull ajustada, lo que lo hace más sensible que las gráficas c o u.
En esta página
Propósito
Una gráfica T monitorea eventos raros representando el TIEMPO (u otra medida continua) entre apariciones sucesivas, en lugar de contar eventos por intervalo fijo como hace una gráfica c o una gráfica u. Cuando los eventos son raros, la mayoría de los conteos por intervalo fijo son cero y una gráfica c/u pierde sensibilidad; una gráfica T reacciona directamente a cada nuevo intervalo, lo que lo hace mucho más sensible a un cambio real de la tasa subyacente de eventos.
Funciones principales
- Representa directamente datos no negativos de tiempo entre eventos, con una elección de distribución subyacente (exponencial o de Weibull) en lugar de suponer normalidad.
- Detección completa de causas especiales con las reglas de Nelson (4 reglas configurables) aplicada a la gráfica ajustada.
- Inclusión/exclusión de filas y un selector independiente de subgrupos “estimar parámetros a partir de”, de modo que los límites de control puedan basarse en un período histórico estable mientras se representan puntos posteriores para su comparación.
- Escala configurable del eje X para rotular el eje del tiempo.
Métodos estadísticos
Los datos de tiempo entre eventos para eventos raros suelen tener asimetría a la derecha y no se modelan bien con una distribución normal, por lo que la gráfica T ajusta una distribución exponencial o de Weibull a la serie de tiempo entre eventos por máxima verosimilitud (por defecto es la exponencial, el modelo estándar para una tasa constante y sin memoria de fallos o eventos).
La línea central es la mediana de la distribución ajustada (su percentil 50), y los límites de control son sus percentiles 0.135 y 99.865: LCL = max(0, dist.ppf(0.00135)), UCL = dist.ppf(0.99865), las mismas probabilidades de cola que abarcaría una gráfica de control normal de ±3σ, aplicadas en cambio a la propia función cuantil de la distribución ajustada no normal, que es la forma estadísticamente correcta de establecer límites con datos asimétricos, en lugar de una media ± 3σ sin más en la escala sin transformar.
A continuación, las reglas de Nelson (detección de causas especiales) se evalúan con los límites de control ajustados exactamente como en las demás gráficas de control de la aplicación, y señalan los puntos fuera de los límites (Regla 1), las rachas a un lado de la línea central (Regla 2), las tendencias sostenidas (Regla 3) y los patrones alternos (Regla 4).
Campos de entrada y opciones
Campo | Descripción |
Time between events | Obligatorio. La columna del tiempo no negativo (u otra medida continua) entre eventos raros sucesivos, en orden cronológico. |
Fit distribution | Exponential (predeterminado) o Weibull: la distribución ajustada a la serie de tiempo entre eventos. |
Check Rule 1–4 / K for Rule 1–4 | Las cuatro reglas de causas especiales de Nelson, cada una activable de forma independiente (valores por defecto K = 3, 9, 6, 14). |
X scale | Rotulación personalizada opcional del eje del tiempo. |
Include or Exclude / Specify which rows / Row numbers | Controla qué filas se representan. |
Specify subgroups to estimate parameters / Subgroups | Restringe opcionalmente qué filas se usan para ajustar la distribución y establecer los límites de control, representando de todos modos todas las filas; es útil para establecer una línea base en un período estable conocido. |

Figura 1: 25 intervalos de tiempo entre fallos (horas) pegados en C1, con Time between events establecido en C1 y Fit distribution = Exponential.
Descripción de la salida
- T Chart plot — la serie de tiempo entre eventos en orden cronológico con UCL, línea central y LCL de la distribución ajustada.
- Fit summary table — la distribución ajustada, la línea central, el LCL y el UCL.
- Nelson's Rules / Potential Special Cause Points — qué reglas se comprobaron y qué puntos (si los hay) las infringieron.
- Exportación a PDF mediante Download as PDF.

Figura 2: salida de la gráfica T: límites de control ajustados, la serie de tiempo entre eventos representada y la tabla resumen de distribución ajustada, línea central, UCL y LCL.
Ejemplo práctico
Una planta hace el seguimiento de los fallos de un equipo relevante para la seguridad en una línea de envasado y registra el número de horas entre fallos sucesivos (25 intervalos sucesivos, columna C1). Con Fit distribution = Exponential, la herramienta ajusta un modelo exponencial a los intervalos (Center Line ≈ 31.7, UCL ≈ 302.6, LCL ≈ 0.06) y representa los 25 intervalos, lo que da una lectura visual inmediata de si la tasa de fallos se acelera (intervalos sucesivos que se reducen hacia el límite de control inferior) mucho antes de que se acumulen suficientes fallos para reaccionar en una gráfica tradicional basada en conteos.
Preguntas frecuentes
¿Cuándo debe usarse una gráfica T en lugar de una gráfica c o u?
Use una gráfica T cuando los eventos sean raros. Con eventos raros, la mayoría de los conteos por intervalo fijo son cero, por lo que una gráfica c o u pierde sensibilidad. Una gráfica T representa el tiempo entre eventos sucesivos y reacciona directamente a cada nuevo intervalo, lo que lo hace más sensible a un cambio real de la tasa subyacente de eventos.
¿Cómo se calculan los límites de control de una gráfica T?
Se ajusta una distribución exponencial o de Weibull a los datos de tiempo entre eventos por máxima verosimilitud. La línea central es la mediana ajustada, y los límites de control son los percentiles 0.135 y 99.865 de esa distribución, las mismas probabilidades de cola que abarca una gráfica normal de más o menos 3 sigma, sin que el límite inferior sea menor que cero.
¿Por qué la gráfica T no supone una distribución normal?
Los datos de tiempo entre eventos para eventos raros suelen tener asimetría a la derecha y no se modelan bien con una distribución normal. Establecer los límites a partir de los propios cuantiles de la distribución ajustada es más apropiado para datos asimétricos que una media más o menos 3 sigma en la escala sin transformar. La exponencial es la opción por defecto, como modelo estándar de una tasa constante de eventos.
¿Cómo se interpreta una gráfica T?
Los puntos son los intervalos entre eventos sucesivos en orden temporal. Los intervalos que se reducen hacia el límite de control inferior sugieren que la tasa de eventos aumenta, por ejemplo, que los fallos se aceleran. Las reglas de Nelson señalan como posibles causas especiales los puntos fuera de los límites, las rachas a un lado de la línea central, las tendencias sostenidas y los patrones alternos.
