How albertomerkdop/quality-control-cep works
Para confeccionar un diagrama de arquitectura preciso para el proyecto “Quality Control CEP” (Control Estadístico de Procesos), sigue estos pasos adaptados al análisis de la estructura y propósito específico del repositorio:
Identificar el tipo de proyecto y su propósito
• Es un conjunto de herramientas de escritorio y consola escritas en Python para Control Estadístico de Procesos.
• Se compone de dos subproyectos independientes:
• analisis-univariado: GUI de escritorio para cartas de control Shewhart univariadas.
• muestreo-aceptacion: herramienta de consola para cálculo de probabilidad de aceptación de lotes.
Analizar la estructura de ficheros
• Raíz: dos carpetas de subproyecto, cada una con su propio main.py y módulos auxiliares.
• Carpeta analisis-univariado:
• data.py: definición de datos de entrada (Fase I y Fase II).
• spc_calculations.py: lógica de cálculo estadístico (límites, índices Cp/Cpk).
• main.py: arranque de la GUI (Tkinter + Matplotlib).
• Carpeta muestreo-aceptacion:
• main.py: flujo de consola, lectura de parámetros del usuario y cálculo de Pₐ.
• No hay microservicios ni bases de datos externas: todo es local en memoria.
Extraer insights del README
• Se usan numpy para cálculos y matplotlib para gráficas en el módulo de GUI.
• Tkinter soporta la capa de presentación en analisis-univariado.
• El módulo de muestreo corre en consola y muestra resultados textuales.
Componentes principales para el diagrama
a. Capa de presentación
• GUI Desktop (Tkinter + Matplotlib)
• CLI (Consola, stdin/stdout)
b. Capa de lógica de negocio / cálculo estadístico
• spc_calculations.py (límite de control, índices de capacidad)
• data.py (estructuras de datos de entrada)
• muestreo-aceptacion/main.py internamente hace su propio cálculo (en un módulo de cálculos interno)
c. Dependencias externas
• Numpy
• Matplotlib (solo GUI)
• Python Standard Library (sys, argparse, etc.)
d. Usuarios / Entradas / Salidas
• Usuario ingresa datos de subgrupos o parámetros de muestreo
• Salida: gráficos interactivos y reportes numéricos en pantalla
Relaciones e interacciones
• Usuario → GUI Desktop → main.py (analisis-univariado)
→ Llama a funciones de spc_calculations.py
→ Usa numpy para cálculos, matplotlib para renderizar
→ Muestra gráficos y permite depuración interactiva
• Usuario → CLI → muestreo-aceptacion/main.py
→ Internamente llama a funciones de cálculo de probabilidad
→ Imprime resultados en consola
Patrones arquitectónicos y principios
• Separación clara de capa de presentación y lógica de negocio.
• Módulos reutilizables de cálculo estadístico (spc_calculations.py, data.py).
• Proyecto modular sin estado persistente fuera de variables en memoria.
Guía para el diagrama final
• Subproyecto GUI
• Subproyecto CLI
• Módulos de cálculo compartido
• Dependencias externas
• Añade flechas direccionales que muestren flujo de datos y llamadas de función.
• Emplea colores o formas distintas:
• Azul para componentes de presentación.
• Verde para lógica de negocio / cálculos.
• Naranja para librerías externas.
• Etiqueta cada componente con nombre de módulo y librería (por ejemplo, “spc_calculations.py (numpy)”).
Checklist del diagrama
• Límites claros entre frontend (GUI/CLI) y backend (módulos de cálculo).
• Flechas de datos: desde ingreso de usuario → módulos de cálculo → salida gráfica/textual.
• Leyenda que explique colores y formas.
• Notas sobre tecnologías clave: Python, Tkinter, Matplotlib, Numpy.
Con esta guía, el diagrama mostrará de forma concisa y detallada cómo los dos subproyectos se organizan internamente, cómo interactúan con el usuario y qué dependencias externas emplean. Asegúrate de capturar todos los módulos del file tree y resaltar sus relaciones de llamada y flujo de datos.