\ud83d\udca1 La consecuencia es contraintuitiva y merece la pena tenerla en cuenta: mejorar el modelo libera tolerancia. A\u00f1adir un segundo factor explicativo, que reduce la dispersi\u00f3n residual, ampl\u00eda directamente la tolerancia que puedes conceder a tus X, sin cambiar nada en el proceso.<\/p>\n\n\n\n
Seleccionar las variables<\/h2>\n\n\n\n
Los datos proceden de la tabla, a la que se accede mediante el icono de la tabla situado en la esquina superior derecha de la barra de t\u00edtulo. El panel \u00abSelecci\u00f3n de variables\u00bb es el de las pruebas de hip\u00f3tesis: una l\u00ednea por cada columna del conjunto de datos, un indicador de tipo y dos columnas con casillas X e Y.<\/p>\n\n\n\n
Marca una o dos columnas en X y solo una en Y. Solo se pueden seleccionar las columnas num\u00e9ricas. El n\u00famero de X seleccionadas determina el resto de la pantalla, sin necesidad de ning\u00fan otro ajuste: un factor da lugar al paralelogramo cl\u00e1sico; dos factores dan lugar a un mapa de aceptaci\u00f3n en el plano. A partir de dos factores, la selecci\u00f3n se rechaza.<\/p>\n\n\n\n
Manifestar su intenci\u00f3n<\/h2>\n\n\n\n
La columna \u00abIntenci\u00f3n\u00bb es el n\u00facleo de la pantalla: en ella no se establece un c\u00e1lculo, sino que se indica lo que se busca y lo que se est\u00e1 dispuesto a arriesgar.<\/p>\n\n\n\n
El significado de la transferencia<\/h3>\n\n\n\n\n- Y \u2192 X (deducir): la especificaci\u00f3n de Y viene determinada por el cliente, por el plano y por la funci\u00f3n, y a partir de ah\u00ed se deduce la de X. Ese es el sentido natural del dise\u00f1o.<\/li>\n\n\n\n
- X \u2192 Y (comprobar): las tolerancias de X son lo que permite el proceso, y se observa en qu\u00e9 se convierte Y. Ese es el sentido de la negociaci\u00f3n con un proveedor o de la justificaci\u00f3n de una situaci\u00f3n existente.<\/li>\n<\/ul>\n\n\n\n
Al pasar de Y \u2192 X a X \u2192 Y, los valores objetivo y las tolerancias de las X se rellenan autom\u00e1ticamente con el resultado que se acaba de deducir: de este modo, se comprueba inmediatamente la coherencia entre ambas lecturas.<\/p>\n\n\n\n
El modelo<\/h3>\n\n\n\n
Grado 1 o 2, y con dos factores, una casilla de interacci\u00f3n X\u2081\u00b7X\u2082. El grado 1 es suficiente en la mayor\u00eda de los casos; el grado 2 se utiliza cuando la nube presenta una curvatura evidente. La regresi\u00f3n se calcula mediante el m\u00e9todo de los m\u00ednimos cuadrados sobre variables centradas.<\/p>\n\n\n\n
\u26a0\ufe0f El grado 2 no es gratuito. Consume un grado de libertad, hace que la tolerancia de X sea asim\u00e9trica (el resultado se muestra entonces como +a \/ \u2212b y no como \u00b1) y puede generar varias zonas de aceptaci\u00f3n disjuntas. \u00dasalo solo si la curvatura es real: la pantalla te lo indica en ambos sentidos, sugiriendo el grado 2 cuando los residuos son curvos y se\u00f1alando el sobreajuste cuando el t\u00e9rmino cuadr\u00e1tico no es significativo.<\/p>\n\n\n\n
El m\u00e9todo de acumulaci\u00f3n<\/h3>\n\n\n\n
Cuatro m\u00e9todos, desde el m\u00e1s prudente hasta el m\u00e1s econ\u00f3mico. No modifican el modelo, sino \u00fanicamente la forma de extraer la banda de margen y de componer las dispersiones.<\/p>\n\n\n\nM\u00e9todo<\/strong><\/td>Lo que declaras<\/strong><\/td>Lo que implica<\/strong><\/td><\/tr><\/thead>El peor de los casos (Z\u00b7S)<\/td> Un coeficiente Z (2 por defecto)<\/td> El margen de seguridad es igual a Z veces la dispersi\u00f3n residual. Se trata de un m\u00e9todo aritm\u00e9tico, sencillo, pero muy sensible al valor de Z elegido: entre Z = 2 y Z = 3, la tolerancia de X puede reducirse a una d\u00e9cima parte.<\/td><\/tr> Banda de tolerancia (p, 1\u2212\u03b1)<\/td> Una proporci\u00f3n de piezas conformes (90 \/ 95 \/ 99 \/ 99,73 %) y un nivel de confianza (90 \/ 95 \/ 99 %)<\/td> Ya no se elige un coeficiente, sino que se declara una intenci\u00f3n. El factor de cobertura se calcula teniendo en cuenta el n\u00famero de grados de libertad y la incertidumbre sobre la posici\u00f3n de la curva. Es el m\u00e9todo m\u00e1s recomendable cuando el resultado debe ser defendible.<\/td><\/tr> Estad\u00edstica<\/td> Un Cpk objetivo en Y (1 por defecto)<\/td> Las dispersiones ya no se suman, sino que se componen en cuadratura. Es claramente menos desfavorable que el peor de los casos, siempre que las variables X sean independientes.<\/td><\/tr> Inercial<\/td> Nada m\u00e1s que la especificaci\u00f3n<\/td> El resultado se expresa en t\u00e9rminos de inercia m\u00e1xima admisible en X: puedes elegir libremente entre dispersi\u00f3n y descentramiento, siempre que \u221a(\u03c3\u00b2 + \u03b4\u00b2) se mantenga por debajo de la inercia. Disponible \u00fanicamente en especificaci\u00f3n bilateral.<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\nLa incertidumbre de medici\u00f3n en Y<\/h3>\n\n\n\n
Se suma cuadr\u00e1ticamente a la dispersi\u00f3n residual del modelo. Deja el valor en 0 si la incertidumbre es insignificante en comparaci\u00f3n con el residuo; ind\u00edcala siempre que sea del mismo orden, ya que, de lo contrario, se transferir\u00eda a X un requisito que, en realidad, solo corresponde al medio de medici\u00f3n.<\/p>\n\n\n\n
La especificaci\u00f3n de Y<\/h3>\n\n\n\n
Se introducen un valor m\u00ednimo y uno m\u00e1ximo, y no un valor objetivo con una tolerancia. Esto es intencionado: ambos campos son independientes y uno de ellos puede dejarse en blanco.<\/p>\n\n\n\n
\n- Los dos puntos indicados: especificaci\u00f3n bilateral. El campo \u00abObjetivo\u00bb muestra el punto medio calculado (autom\u00e1tico); se puede modificar si deseas desplazar el objetivo de forma intencionada.<\/li>\n\n\n\n
- Solo se indica un l\u00edmite: especificaci\u00f3n unilateral. El l\u00edmite que falta se considera infinito, el resultado se expresa en la forma X \u2265 \u2026 o X \u2264 \u2026, y no se establece ning\u00fan intervalo de tolerancia. El objetivo pasa entonces a ser obligatorio: sin \u00e9l, no se sabe hacia d\u00f3nde apuntar.<\/li>\n\n\n\n
- Si ambos campos est\u00e1n vac\u00edos: el c\u00e1lculo se bloquea y aparece un mensaje expl\u00edcito.<\/li>\n<\/ul>\n\n\n\n
La distribuci\u00f3n entre las dos X<\/h3>\n\n\n\n
Esta lista solo aparece en dos factores y en la direcci\u00f3n Y \u2192 X. Responde a una dificultad real: el problema est\u00e1 subdeterminado. Una sola ecuaci\u00f3n, dos inc\u00f3gnitas: existe una infinidad de pares de tolerancias que garantizan el valor de Y. Ning\u00fan c\u00e1lculo puede resolverlo por s\u00ed solo; se trata de una decisi\u00f3n, y la pantalla le pide que la tome de forma expl\u00edcita.<\/p>\n\n\n\n
\n- En proporci\u00f3n a la capacidad (por defecto): las tolerancias son proporcionales a las dispersiones observadas realmente en las dos variables X. Por lo tanto, a ambos procesos se les exige el mismo Cp; esta es la distribuci\u00f3n m\u00e1s equitativa desde el punto de vista industrial.<\/li>\n\n\n\n
- Contribuci\u00f3n equitativa: cada X aporta la mitad del presupuesto de Y. Aunque parezca justo sobre el papel, a menudo resulta injusto en el taller: al trabajador m\u00e1s capaz se le exige un esfuerzo que no ten\u00eda por qu\u00e9 realizar.<\/li>\n\n\n\n
- X\u2081 fijado \/ X\u2082 fijado: t\u00fa estableces la tolerancia de uno \u2014la que el proveedor o la m\u00e1quina puede cumplir\u2014 y el otro absorbe lo que queda. Un mensaje avisa cuando ya se ha agotado el presupuesto.<\/li>\n<\/ul>\n\n\n\n
Los objetivos y las tolerancias de los ejes X se introducen en la direcci\u00f3n X \u2192 Y, y en dos factores cuando se selecciona una regla \u00abimpuesta\u00bb.<\/p>\n\n\n\n
Ver el gr\u00e1fico<\/h2>\n\n\n\n
En un solo gr\u00e1fico se resume todo el razonamiento: la nube de medidas, la curva del modelo, la banda de seguridad en color liso bordeada por una l\u00ednea punteada, las l\u00edneas de especificaci\u00f3n m\u00ednima y m\u00e1xima de Y, los l\u00edmites deducidos en X mediante l\u00edneas verticales etiquetadas, y la zona de aceptaci\u00f3n en color verde liso \u2014el conjunto de ajustes de X que garantizan el valor de Y\u2014.<\/p>\n\n\n\n
Al pasar el cursor por encima de un punto, se muestran sus valores, el valor previsto y el residuo. Al pasar el cursor por encima del fondo, se muestran el valor de X, el valor previsto de Y, la sensibilidad local y la probabilidad de conformidad en ese punto.<\/p>\n\n\n\n![\"\"](\"https:\/\/ellistat.com\/wp-content\/uploads\/tolerancement1.png\")
<\/figure>\n\n\n\nEn la captura de pantalla anterior, la especificaci\u00f3n de Y es 30\/40 y el modelo de grado 1 tiene una pendiente de 1,20: la tolerancia de 10 en Y, una vez eliminada la banda de seguridad, permite un intervalo de 5,009 en X\u2081, entre 11,068 y 16,077.<\/p>\n\n\n\n
En dos factores, la zona de aceptaci\u00f3n ya no es un intervalo, sino una regi\u00f3n del plano (X\u2081, X\u2082). El bot\u00f3n segmentado ofrece dos vistas:<\/p>\n\n\n\n
\n- Mapa 2D, vista de trabajo y vista predeterminada. En \u00e9l se pueden observar la regi\u00f3n de aceptaci\u00f3n en plano, la l\u00ednea iso-Y = objetivo, la elipse de dispersi\u00f3n actual del proceso al 95 % %, la nube de medidas y el rect\u00e1ngulo de tolerancia deducido. Esta es la vista que sirve para tomar decisiones: el rect\u00e1ngulo es lo que se proyecta en un plano, la regi\u00f3n es la realidad y la elipse indica d\u00f3nde se sit\u00faa realmente el proceso.<\/li>\n\n\n\n
- 3D, vista de comprensi\u00f3n. La superficie de respuesta se representa en forma de malla, coloreada seg\u00fan el grado de conformidad, con los planos de especificaci\u00f3n y dos controles deslizantes de rotaci\u00f3n y elevaci\u00f3n. Sirve para explicar la forma de la relaci\u00f3n, no para tomar decisiones.<\/li>\n<\/ul>\n\n\n\n
\ud83d\udca1 El rect\u00e1ngulo siempre es m\u00e1s peque\u00f1o que la zona de aceptaci\u00f3n: un plano presenta tolerancias rectangulares, mientras que la zona que realmente cumple los requisitos es oblicua en cuanto ambos factores se compensan. La diferencia entre ambos es exactamente la tolerancia que se pierde debido a la forma rectangular, y eso es lo que se recupera al controlar ambos factores de forma conjunta.<\/p>\n\n\n\n![\"\"](\"https:\/\/ellistat.com\/wp-content\/uploads\/tolerancement-2.png\")
<\/figure>\n\n\n\nEn esta captura de pantalla, la distribuci\u00f3n prorrateada de la capacidad asigna \u00b13,033 a X\u2081 y \u00b10,298 a X\u2082: ambas tolerancias son muy diferentes, pero exigen el mismo Cp (0,35) para cada uno de los dos procesos.<\/p>\n\n\n\n
La especificaci\u00f3n deducida<\/h2>\n\n\n\n
La columna de la derecha muestra el resultado en un formato que se puede trasladar directamente a un plano: el objetivo de cada X, el intervalo de tolerancia y los dos l\u00edmites. A ello se suman las magnitudes que permiten evaluar dicho resultado:<\/p>\n\n\n\n
\n- la sensibilidad \u2202Y\/\u2202X, que indica cu\u00e1nto var\u00eda Y cuando X var\u00eda en una unidad. Es la tasa de transferencia: una sensibilidad elevada reduce la tolerancia de X;<\/li>\n\n\n\n
- la media esperada de Y con el ajuste propuesto;<\/li>\n\n\n\n
- el objetivo por inversi\u00f3n, que aparece junto al objetivo seleccionado cuando ambos difieren. En el grado 1 coinciden; en cuanto la curva no es recta, el objetivo seleccionado es el punto de margen m\u00e1ximo, es decir, el ajuste m\u00e1s robusto, y no el inverso matem\u00e1tico del objetivo de Y;<\/li>\n\n\n\n
- en dos factores: los Cp exigidos (lo que deber\u00eda cumplirse) frente a los Cpk actuales (lo que el proceso cumple realmente, incluido el descentramiento), y las ppm previstas si las X estuvieran centradas.<\/li>\n<\/ul>\n\n\n\n
\u26a0\ufe0f En el grado 2, la tolerancia es asim\u00e9trica y se indica como +a \/ \u2212b. No la traslade como \u00b1 en el plano: el margen no es el mismo a ambos lados del blanco.<\/p>\n\n\n\n
La calidad del modelo<\/h2>\n\n\n\n
Una transferencia de tolerancia solo tiene el valor que tiene el modelo. El bloque \u00abCalidad\u00bb del modelo ofrece, en el orden de lectura habitual: el n\u00famero de puntos seleccionados, el R\u00b2 y el R\u00b2 ajustado, la dispersi\u00f3n residual S, seguido de una tabla con los t\u00e9rminos del modelo, sus coeficientes y sus valores p, y el n\u00famero de grados de libertad residuales. Una barra de color concluye el resultado, con el mismo c\u00f3digo de colores que las pruebas de hip\u00f3tesis.<\/p>\n\n\n\n
\ud83d\udca1 El R\u00b2 no es el indicador adecuado en este caso; lo que importa es S. El R\u00b2 indica qu\u00e9 parte de la variaci\u00f3n se explica; S indica, en unidades de Y, lo que el modelo no sabe predecir \u2014y es ese S, y solo ese S, el que se deduce de tu tolerancia.<\/p>\n\n\n\n
El informe de tolerancia<\/h2>\n\n\n\n
Es la barra que ocupa todo el ancho, en la parte inferior de la pantalla, y probablemente la informaci\u00f3n m\u00e1s \u00fatil que aparece en ella. Desglosa la tolerancia de Y en segmentos: la dispersi\u00f3n residual del modelo, la incertidumbre de medici\u00f3n y, a continuaci\u00f3n, la parte que queda para X\u2081 y para X\u2082.<\/p>\n\n\n\n
La indicaci\u00f3n que aparece debajo de la barra especifica la naturaleza del reparto: reparto aritm\u00e9tico en el peor de los casos y dentro de un margen de tolerancia, reparto de varianzas en estad\u00edstica y en inercial. Ambos no se interpretan de la misma manera ni se suman de la misma forma.<\/p>\n\n\n\n
\ud83d\udca1 Lee el balance antes del resultado. Cuando la dispersi\u00f3n residual ocupa 40 % de la barra, eso significa que 40 % de la tolerancia del cliente ya se han consumido por algo que no sabes explicar, incluso antes de haber fabricado una pieza. La \u00fanica soluci\u00f3n es entonces el modelo: un factor explicativo m\u00e1s o una medida con menos ruido.<\/p>\n\n\n\n
Las medidas de seguridad<\/h2>\n\n\n\n
Una transferencia de tolerancia siempre genera un n\u00famero. La cuesti\u00f3n es saber si ese n\u00famero significa algo. Ellistat comprueba por ti las situaciones en las que no significa nada y las muestra claramente debajo del gr\u00e1fico o en la barra de resumen.<\/p>\n\n\n\nSituaci\u00f3n detectada<\/strong><\/td>Lo que dice Ellistat<\/strong><\/td><\/tr><\/thead>Pendiente no significativa<\/td> La conexi\u00f3n es demasiado d\u00e9bil para admitir una tolerancia: el intervalo en X no est\u00e1 acotado. El resultado queda bloqueado y no se muestra ning\u00fan n\u00famero; esto es intencionado.<\/td><\/tr> Una tendencia significativa, pero incierta<\/td> La incertidumbre sobre la pendiente ampl\u00eda la tolerancia real; se indica el orden de magnitud de dicha ampliaci\u00f3n.<\/td><\/tr> Curvatura no modelizada<\/td> Los residuos del grado 1 forman una curva: se recomienda pasar al grado 2.<\/td><\/tr> Curvatura no significativa<\/td> En el grado 2, el t\u00e9rmino cuadr\u00e1tico no es significativo: el modelo est\u00e1 sobreajustado; hay que volver al grado 1.<\/td><\/tr> Dispersi\u00f3n no homog\u00e9nea<\/td> La dispersi\u00f3n se ampl\u00eda de un extremo a otro de la nube: la franja ya no es un paralelogramo, y la tolerancia calculada es asim\u00e9trica.<\/td><\/tr> Factores correlacionados<\/td> Las dos X var\u00edan conjuntamente en el proceso: sus coeficientes est\u00e1n poco diferenciados y la distribuci\u00f3n entre ambas es inestable.<\/td><\/tr> Extrapolaci\u00f3n<\/td> El valor estimado se sale del rango realmente observado: el modelo nunca se ha comprobado en ese rango.<\/td><\/tr> Viabilidad industrial<\/td> La tolerancia calculada se compara con la dispersi\u00f3n realmente observada en X. Si es m\u00e1s estrecha, el mensaje lo indica claramente y cifra el informe.<\/td><\/tr> Residuo predominante<\/td> El modelo consume m\u00e1s de la mitad de la tolerancia de Y: hay que buscar un factor explicativo adicional antes de aplicar la tolerancia.<\/td><\/tr> No hay zona de recepci\u00f3n<\/td> Ning\u00fan valor de X permite garantizar la especificaci\u00f3n de Y: la transferencia es imposible en estas condiciones, y la pantalla indica qu\u00e9 habr\u00eda que soltar.<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n\ud83d\udca1 Estos mensajes no son opciones: aparecen autom\u00e1ticamente. Eso es lo que distingue una transferencia de tolerancia de una simple divisi\u00f3n por la pendiente.<\/p>\n\n\n\n
La direcci\u00f3n X \u2192 Y: comprobar<\/h2>\n\n\n\n
La otra forma de interpretarlo responde a una cuesti\u00f3n de negociaci\u00f3n: \u00abMi proceso es capaz de mantener tal tolerancia en X; \u00bfqu\u00e9 resultados da eso en Y?\u00bb. Introduzcas los objetivos y las tolerancias de las variables X, y Ellistat te mostrar\u00e1 el comportamiento de la variable Y: media y desviaci\u00f3n t\u00edpica esperadas, intervalo de tolerancia resultante en comparaci\u00f3n con el que ya tienes, Cp y Cpk previstos, y la tasa de no conformidad en ppm.<\/p>\n\n\n\n
El c\u00e1lculo de las partes por mill\u00f3n (ppm) se realiza mediante una simulaci\u00f3n, y no mediante una simple suma en cascada de las tolerancias: en cuanto el modelo deja de ser una recta, la propagaci\u00f3n lineal de las desviaciones resulta err\u00f3nea.<\/p>\n\n\n\n
\ud83d\udca1 El vaiv\u00e9n entre ambos sentidos es el gesto m\u00e1s productivo de la pantalla. Primero se deduce la tolerancia necesaria (Y \u2192 X), se constata que es inalcanzable, se cambia a X \u2192 Y con lo que el proceso es capaz de hacer, y se obtiene el ppm que hay que comunicar al cliente \u2014o el argumento cuantificado para renegociar la especificaci\u00f3n\u2014. Al cambiar de sentido, los valores deducidos se retoman autom\u00e1ticamente.<\/p>","protected":false},"featured_media":0,"menu_order":0,"template":"","meta":{"_acf_changed":true},"menu-guide-dutilisateur":[42],"class_list":["post-4908","guide-dutilisateur","type-guide-dutilisateur","status-publish","hentry","menu-guide-dutilisateur-9-tolerancement"],"acf":[],"yoast_head":"\n
Scp\u00e9cigraphe - Ellistat<\/title>\n<meta name=\"description\" content=\"Tol\u00e9rancement dans Ellistat data Analysis, mesurer votre production et afficher l\u00e0 sous forme de nuage de points.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/ellistat.com\/es\/guia-del-usuario\/escpecigrafo\/\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Scp\u00e9cigraphe - Ellistat\" \/>\n<meta property=\"og:description\" content=\"Tol\u00e9rancement dans Ellistat data Analysis, mesurer votre production et afficher l\u00e0 sous forme de nuage de points.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/ellistat.com\/es\/guia-del-usuario\/escpecigrafo\/\" \/>\n<meta property=\"og:site_name\" content=\"Ellistat\" \/>\n<meta property=\"article:modified_time\" content=\"2026-10-14T12:56:27+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/ellistat.com\/wp-content\/uploads\/tolerancement1.png\" \/>\n\t<meta property=\"og:image:width\" content=\"908\" \/>\n\t<meta property=\"og:image:height\" content=\"404\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Tiempo de lectura\" \/>\n\t<meta name=\"twitter:data1\" content=\"14 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/scpecigraphe\\\/\",\"url\":\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/scpecigraphe\\\/\",\"name\":\"Scp\u00e9cigraphe - Ellistat\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/ellistat.com\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/scpecigraphe\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/scpecigraphe\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/ellistat.com\\\/wp-content\\\/uploads\\\/tolerancement1.png\",\"datePublished\":\"2026-10-14T12:55:26+00:00\",\"dateModified\":\"2026-10-14T12:56:27+00:00\",\"description\":\"Tol\u00e9rancement dans Ellistat data Analysis, mesurer votre production et afficher l\u00e0 sous forme de nuage de points.\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/scpecigraphe\\\/#breadcrumb\"},\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/scpecigraphe\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/scpecigraphe\\\/#primaryimage\",\"url\":\"https:\\\/\\\/ellistat.com\\\/wp-content\\\/uploads\\\/tolerancement1.png\",\"contentUrl\":\"https:\\\/\\\/ellistat.com\\\/wp-content\\\/uploads\\\/tolerancement1.png\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/scpecigraphe\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Accueil\",\"item\":\"https:\\\/\\\/ellistat.com\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Scp\u00e9cigraphe\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/ellistat.com\\\/#website\",\"url\":\"https:\\\/\\\/ellistat.com\\\/\",\"name\":\"Ellistat\",\"description\":\"La suite qualit\u00e9 de l'industrie m\u00e9canique\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/ellistat.com\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"es\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Scp\u00e9cigraphe - Ellistat","description":"Tolerancias en Ellistat Data Analysis: mide tu producci\u00f3n y visual\u00edzala en forma de nube de puntos.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/ellistat.com\/es\/guia-del-usuario\/escpecigrafo\/","og_locale":"es_ES","og_type":"article","og_title":"Scp\u00e9cigraphe - Ellistat","og_description":"Tol\u00e9rancement dans Ellistat data Analysis, mesurer votre production et afficher l\u00e0 sous forme de nuage de points.","og_url":"https:\/\/ellistat.com\/es\/guia-del-usuario\/escpecigrafo\/","og_site_name":"Ellistat","article_modified_time":"2026-10-14T12:56:27+00:00","og_image":[{"width":908,"height":404,"url":"https:\/\/ellistat.com\/wp-content\/uploads\/tolerancement1.png","type":"image\/png"}],"twitter_card":"summary_large_image","twitter_misc":{"Tiempo de lectura":"14 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/ellistat.com\/guide-dutilisateur\/scpecigraphe\/","url":"https:\/\/ellistat.com\/guide-dutilisateur\/scpecigraphe\/","name":"Scp\u00e9cigraphe - Ellistat","isPartOf":{"@id":"https:\/\/ellistat.com\/#website"},"primaryImageOfPage":{"@id":"https:\/\/ellistat.com\/guide-dutilisateur\/scpecigraphe\/#primaryimage"},"image":{"@id":"https:\/\/ellistat.com\/guide-dutilisateur\/scpecigraphe\/#primaryimage"},"thumbnailUrl":"https:\/\/ellistat.com\/wp-content\/uploads\/tolerancement1.png","datePublished":"2026-10-14T12:55:26+00:00","dateModified":"2026-10-14T12:56:27+00:00","description":"Tolerancias en Ellistat Data Analysis: mide tu producci\u00f3n y visual\u00edzala en forma de nube de puntos.","breadcrumb":{"@id":"https:\/\/ellistat.com\/guide-dutilisateur\/scpecigraphe\/#breadcrumb"},"inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/ellistat.com\/guide-dutilisateur\/scpecigraphe\/"]}]},{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/ellistat.com\/guide-dutilisateur\/scpecigraphe\/#primaryimage","url":"https:\/\/ellistat.com\/wp-content\/uploads\/tolerancement1.png","contentUrl":"https:\/\/ellistat.com\/wp-content\/uploads\/tolerancement1.png"},{"@type":"BreadcrumbList","@id":"https:\/\/ellistat.com\/guide-dutilisateur\/scpecigraphe\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Accueil","item":"https:\/\/ellistat.com\/"},{"@type":"ListItem","position":2,"name":"Scp\u00e9cigraphe"}]},{"@type":"WebSite","@id":"https:\/\/ellistat.com\/#website","url":"https:\/\/ellistat.com\/","name":"Ellistat","description":"La suite de calidad para la industria de la ingenier\u00eda mec\u00e1nica","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/ellistat.com\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"es"}]}},"_links":{"self":[{"href":"https:\/\/ellistat.com\/es\/wp-json\/wp\/v2\/guide-dutilisateur\/4908","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ellistat.com\/es\/wp-json\/wp\/v2\/guide-dutilisateur"}],"about":[{"href":"https:\/\/ellistat.com\/es\/wp-json\/wp\/v2\/types\/guide-dutilisateur"}],"wp:attachment":[{"href":"https:\/\/ellistat.com\/es\/wp-json\/wp\/v2\/media?parent=4908"}],"wp:term":[{"taxonomy":"menu-guide-dutilisateur","embeddable":true,"href":"https:\/\/ellistat.com\/es\/wp-json\/wp\/v2\/menu-guide-dutilisateur?post=4908"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
Al pasar de Y \u2192 X a X \u2192 Y, los valores objetivo y las tolerancias de las X se rellenan autom\u00e1ticamente con el resultado que se acaba de deducir: de este modo, se comprueba inmediatamente la coherencia entre ambas lecturas.<\/p>\n\n\n\n
El modelo<\/h3>\n\n\n\n
Grado 1 o 2, y con dos factores, una casilla de interacci\u00f3n X\u2081\u00b7X\u2082. El grado 1 es suficiente en la mayor\u00eda de los casos; el grado 2 se utiliza cuando la nube presenta una curvatura evidente. La regresi\u00f3n se calcula mediante el m\u00e9todo de los m\u00ednimos cuadrados sobre variables centradas.<\/p>\n\n\n\n
\u26a0\ufe0f El grado 2 no es gratuito. Consume un grado de libertad, hace que la tolerancia de X sea asim\u00e9trica (el resultado se muestra entonces como +a \/ \u2212b y no como \u00b1) y puede generar varias zonas de aceptaci\u00f3n disjuntas. \u00dasalo solo si la curvatura es real: la pantalla te lo indica en ambos sentidos, sugiriendo el grado 2 cuando los residuos son curvos y se\u00f1alando el sobreajuste cuando el t\u00e9rmino cuadr\u00e1tico no es significativo.<\/p>\n\n\n\n
El m\u00e9todo de acumulaci\u00f3n<\/h3>\n\n\n\n
Cuatro m\u00e9todos, desde el m\u00e1s prudente hasta el m\u00e1s econ\u00f3mico. No modifican el modelo, sino \u00fanicamente la forma de extraer la banda de margen y de componer las dispersiones.<\/p>\n\n\n\n Se suma cuadr\u00e1ticamente a la dispersi\u00f3n residual del modelo. Deja el valor en 0 si la incertidumbre es insignificante en comparaci\u00f3n con el residuo; ind\u00edcala siempre que sea del mismo orden, ya que, de lo contrario, se transferir\u00eda a X un requisito que, en realidad, solo corresponde al medio de medici\u00f3n.<\/p>\n\n\n\n Se introducen un valor m\u00ednimo y uno m\u00e1ximo, y no un valor objetivo con una tolerancia. Esto es intencionado: ambos campos son independientes y uno de ellos puede dejarse en blanco.<\/p>\n\n\n\n Esta lista solo aparece en dos factores y en la direcci\u00f3n Y \u2192 X. Responde a una dificultad real: el problema est\u00e1 subdeterminado. Una sola ecuaci\u00f3n, dos inc\u00f3gnitas: existe una infinidad de pares de tolerancias que garantizan el valor de Y. Ning\u00fan c\u00e1lculo puede resolverlo por s\u00ed solo; se trata de una decisi\u00f3n, y la pantalla le pide que la tome de forma expl\u00edcita.<\/p>\n\n\n\n Los objetivos y las tolerancias de los ejes X se introducen en la direcci\u00f3n X \u2192 Y, y en dos factores cuando se selecciona una regla \u00abimpuesta\u00bb.<\/p>\n\n\n\n En un solo gr\u00e1fico se resume todo el razonamiento: la nube de medidas, la curva del modelo, la banda de seguridad en color liso bordeada por una l\u00ednea punteada, las l\u00edneas de especificaci\u00f3n m\u00ednima y m\u00e1xima de Y, los l\u00edmites deducidos en X mediante l\u00edneas verticales etiquetadas, y la zona de aceptaci\u00f3n en color verde liso \u2014el conjunto de ajustes de X que garantizan el valor de Y\u2014.<\/p>\n\n\n\n Al pasar el cursor por encima de un punto, se muestran sus valores, el valor previsto y el residuo. Al pasar el cursor por encima del fondo, se muestran el valor de X, el valor previsto de Y, la sensibilidad local y la probabilidad de conformidad en ese punto.<\/p>\n\n\n\n En la captura de pantalla anterior, la especificaci\u00f3n de Y es 30\/40 y el modelo de grado 1 tiene una pendiente de 1,20: la tolerancia de 10 en Y, una vez eliminada la banda de seguridad, permite un intervalo de 5,009 en X\u2081, entre 11,068 y 16,077.<\/p>\n\n\n\n En dos factores, la zona de aceptaci\u00f3n ya no es un intervalo, sino una regi\u00f3n del plano (X\u2081, X\u2082). El bot\u00f3n segmentado ofrece dos vistas:<\/p>\n\n\n\n \ud83d\udca1 El rect\u00e1ngulo siempre es m\u00e1s peque\u00f1o que la zona de aceptaci\u00f3n: un plano presenta tolerancias rectangulares, mientras que la zona que realmente cumple los requisitos es oblicua en cuanto ambos factores se compensan. La diferencia entre ambos es exactamente la tolerancia que se pierde debido a la forma rectangular, y eso es lo que se recupera al controlar ambos factores de forma conjunta.<\/p>\n\n\n\n En esta captura de pantalla, la distribuci\u00f3n prorrateada de la capacidad asigna \u00b13,033 a X\u2081 y \u00b10,298 a X\u2082: ambas tolerancias son muy diferentes, pero exigen el mismo Cp (0,35) para cada uno de los dos procesos.<\/p>\n\n\n\n La columna de la derecha muestra el resultado en un formato que se puede trasladar directamente a un plano: el objetivo de cada X, el intervalo de tolerancia y los dos l\u00edmites. A ello se suman las magnitudes que permiten evaluar dicho resultado:<\/p>\n\n\n\n \u26a0\ufe0f En el grado 2, la tolerancia es asim\u00e9trica y se indica como +a \/ \u2212b. No la traslade como \u00b1 en el plano: el margen no es el mismo a ambos lados del blanco.<\/p>\n\n\n\n Una transferencia de tolerancia solo tiene el valor que tiene el modelo. El bloque \u00abCalidad\u00bb del modelo ofrece, en el orden de lectura habitual: el n\u00famero de puntos seleccionados, el R\u00b2 y el R\u00b2 ajustado, la dispersi\u00f3n residual S, seguido de una tabla con los t\u00e9rminos del modelo, sus coeficientes y sus valores p, y el n\u00famero de grados de libertad residuales. Una barra de color concluye el resultado, con el mismo c\u00f3digo de colores que las pruebas de hip\u00f3tesis.<\/p>\n\n\n\n \ud83d\udca1 El R\u00b2 no es el indicador adecuado en este caso; lo que importa es S. El R\u00b2 indica qu\u00e9 parte de la variaci\u00f3n se explica; S indica, en unidades de Y, lo que el modelo no sabe predecir \u2014y es ese S, y solo ese S, el que se deduce de tu tolerancia.<\/p>\n\n\n\n Es la barra que ocupa todo el ancho, en la parte inferior de la pantalla, y probablemente la informaci\u00f3n m\u00e1s \u00fatil que aparece en ella. Desglosa la tolerancia de Y en segmentos: la dispersi\u00f3n residual del modelo, la incertidumbre de medici\u00f3n y, a continuaci\u00f3n, la parte que queda para X\u2081 y para X\u2082.<\/p>\n\n\n\n La indicaci\u00f3n que aparece debajo de la barra especifica la naturaleza del reparto: reparto aritm\u00e9tico en el peor de los casos y dentro de un margen de tolerancia, reparto de varianzas en estad\u00edstica y en inercial. Ambos no se interpretan de la misma manera ni se suman de la misma forma.<\/p>\n\n\n\n \ud83d\udca1 Lee el balance antes del resultado. Cuando la dispersi\u00f3n residual ocupa 40 % de la barra, eso significa que 40 % de la tolerancia del cliente ya se han consumido por algo que no sabes explicar, incluso antes de haber fabricado una pieza. La \u00fanica soluci\u00f3n es entonces el modelo: un factor explicativo m\u00e1s o una medida con menos ruido.<\/p>\n\n\n\n Una transferencia de tolerancia siempre genera un n\u00famero. La cuesti\u00f3n es saber si ese n\u00famero significa algo. Ellistat comprueba por ti las situaciones en las que no significa nada y las muestra claramente debajo del gr\u00e1fico o en la barra de resumen.<\/p>\n\n\n\n \ud83d\udca1 Estos mensajes no son opciones: aparecen autom\u00e1ticamente. Eso es lo que distingue una transferencia de tolerancia de una simple divisi\u00f3n por la pendiente.<\/p>\n\n\n\n La otra forma de interpretarlo responde a una cuesti\u00f3n de negociaci\u00f3n: \u00abMi proceso es capaz de mantener tal tolerancia en X; \u00bfqu\u00e9 resultados da eso en Y?\u00bb. Introduzcas los objetivos y las tolerancias de las variables X, y Ellistat te mostrar\u00e1 el comportamiento de la variable Y: media y desviaci\u00f3n t\u00edpica esperadas, intervalo de tolerancia resultante en comparaci\u00f3n con el que ya tienes, Cp y Cpk previstos, y la tasa de no conformidad en ppm.<\/p>\n\n\n\n El c\u00e1lculo de las partes por mill\u00f3n (ppm) se realiza mediante una simulaci\u00f3n, y no mediante una simple suma en cascada de las tolerancias: en cuanto el modelo deja de ser una recta, la propagaci\u00f3n lineal de las desviaciones resulta err\u00f3nea.<\/p>\n\n\n\n \ud83d\udca1 El vaiv\u00e9n entre ambos sentidos es el gesto m\u00e1s productivo de la pantalla. Primero se deduce la tolerancia necesaria (Y \u2192 X), se constata que es inalcanzable, se cambia a X \u2192 Y con lo que el proceso es capaz de hacer, y se obtiene el ppm que hay que comunicar al cliente \u2014o el argumento cuantificado para renegociar la especificaci\u00f3n\u2014. Al cambiar de sentido, los valores deducidos se retoman autom\u00e1ticamente.<\/p>","protected":false},"featured_media":0,"menu_order":0,"template":"","meta":{"_acf_changed":true},"menu-guide-dutilisateur":[42],"class_list":["post-4908","guide-dutilisateur","type-guide-dutilisateur","status-publish","hentry","menu-guide-dutilisateur-9-tolerancement"],"acf":[],"yoast_head":"\nM\u00e9todo<\/strong><\/td> Lo que declaras<\/strong><\/td> Lo que implica<\/strong><\/td><\/tr><\/thead> El peor de los casos (Z\u00b7S)<\/td> Un coeficiente Z (2 por defecto)<\/td> El margen de seguridad es igual a Z veces la dispersi\u00f3n residual. Se trata de un m\u00e9todo aritm\u00e9tico, sencillo, pero muy sensible al valor de Z elegido: entre Z = 2 y Z = 3, la tolerancia de X puede reducirse a una d\u00e9cima parte.<\/td><\/tr> Banda de tolerancia (p, 1\u2212\u03b1)<\/td> Una proporci\u00f3n de piezas conformes (90 \/ 95 \/ 99 \/ 99,73 %) y un nivel de confianza (90 \/ 95 \/ 99 %)<\/td> Ya no se elige un coeficiente, sino que se declara una intenci\u00f3n. El factor de cobertura se calcula teniendo en cuenta el n\u00famero de grados de libertad y la incertidumbre sobre la posici\u00f3n de la curva. Es el m\u00e9todo m\u00e1s recomendable cuando el resultado debe ser defendible.<\/td><\/tr> Estad\u00edstica<\/td> Un Cpk objetivo en Y (1 por defecto)<\/td> Las dispersiones ya no se suman, sino que se componen en cuadratura. Es claramente menos desfavorable que el peor de los casos, siempre que las variables X sean independientes.<\/td><\/tr> Inercial<\/td> Nada m\u00e1s que la especificaci\u00f3n<\/td> El resultado se expresa en t\u00e9rminos de inercia m\u00e1xima admisible en X: puedes elegir libremente entre dispersi\u00f3n y descentramiento, siempre que \u221a(\u03c3\u00b2 + \u03b4\u00b2) se mantenga por debajo de la inercia. Disponible \u00fanicamente en especificaci\u00f3n bilateral.<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n La incertidumbre de medici\u00f3n en Y<\/h3>\n\n\n\n
La especificaci\u00f3n de Y<\/h3>\n\n\n\n
\n
La distribuci\u00f3n entre las dos X<\/h3>\n\n\n\n
\n
Ver el gr\u00e1fico<\/h2>\n\n\n\n
<\/figure>\n\n\n\n\n
<\/figure>\n\n\n\nLa especificaci\u00f3n deducida<\/h2>\n\n\n\n
\n
La calidad del modelo<\/h2>\n\n\n\n
El informe de tolerancia<\/h2>\n\n\n\n
Las medidas de seguridad<\/h2>\n\n\n\n
Situaci\u00f3n detectada<\/strong><\/td> Lo que dice Ellistat<\/strong><\/td><\/tr><\/thead> Pendiente no significativa<\/td> La conexi\u00f3n es demasiado d\u00e9bil para admitir una tolerancia: el intervalo en X no est\u00e1 acotado. El resultado queda bloqueado y no se muestra ning\u00fan n\u00famero; esto es intencionado.<\/td><\/tr> Una tendencia significativa, pero incierta<\/td> La incertidumbre sobre la pendiente ampl\u00eda la tolerancia real; se indica el orden de magnitud de dicha ampliaci\u00f3n.<\/td><\/tr> Curvatura no modelizada<\/td> Los residuos del grado 1 forman una curva: se recomienda pasar al grado 2.<\/td><\/tr> Curvatura no significativa<\/td> En el grado 2, el t\u00e9rmino cuadr\u00e1tico no es significativo: el modelo est\u00e1 sobreajustado; hay que volver al grado 1.<\/td><\/tr> Dispersi\u00f3n no homog\u00e9nea<\/td> La dispersi\u00f3n se ampl\u00eda de un extremo a otro de la nube: la franja ya no es un paralelogramo, y la tolerancia calculada es asim\u00e9trica.<\/td><\/tr> Factores correlacionados<\/td> Las dos X var\u00edan conjuntamente en el proceso: sus coeficientes est\u00e1n poco diferenciados y la distribuci\u00f3n entre ambas es inestable.<\/td><\/tr> Extrapolaci\u00f3n<\/td> El valor estimado se sale del rango realmente observado: el modelo nunca se ha comprobado en ese rango.<\/td><\/tr> Viabilidad industrial<\/td> La tolerancia calculada se compara con la dispersi\u00f3n realmente observada en X. Si es m\u00e1s estrecha, el mensaje lo indica claramente y cifra el informe.<\/td><\/tr> Residuo predominante<\/td> El modelo consume m\u00e1s de la mitad de la tolerancia de Y: hay que buscar un factor explicativo adicional antes de aplicar la tolerancia.<\/td><\/tr> No hay zona de recepci\u00f3n<\/td> Ning\u00fan valor de X permite garantizar la especificaci\u00f3n de Y: la transferencia es imposible en estas condiciones, y la pantalla indica qu\u00e9 habr\u00eda que soltar.<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n La direcci\u00f3n X \u2192 Y: comprobar<\/h2>\n\n\n\n