# albertomerkdop/quality-control-cep architecture

> Architecture diagram of the GitHub repository albertomerkdop/quality-control-cep, generated by GitDiagram from its file tree, README and a sample of source files (last updated 2025-10-08). It is an AI-made overview: check details against the source.

- Interactive diagram: https://gitdiagram.com/albertomerkdop/quality-control-cep
- Repository: https://github.com/albertomerkdop/quality-control-cep

## Overview

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.

## Diagram (Mermaid)

```mermaid
flowchart TD
    User([User]):::external

    subgraph "GUI Subproject"
        GUI["GUI Desktop\n(Tkinter + Matplotlib)"]:::frontend
    end

    subgraph "CLI Subproject"
        CLI["CLI Console\n(stdin/stdout)"]:::frontend
    end

    subgraph "Shared Logic Modules"
        DATA["data.py\n(Estructuras de datos Fase I/II)"]:::logic
        SPC["spc_calculations.py\n(Control y Cp/Cpk)"]:::logic
    end

    subgraph "External Dependencies"
        NUM["Numpy"]:::lib
        MLP["Matplotlib"]:::lib
        STD["Python Std Library"]:::lib
    end

    User -->|Interacción| GUI
    User -->|Interacción| CLI
    GUI -->|Carga datos| DATA
    GUI -->|Calcula límites| SPC
    SPC -->|Usa| NUM
    GUI -->|Renderiza gráficas| MLP
    CLI -->|Llama lógica interna| STD

    click GUI "https://github.com/albertomerkdop/quality-control-cep/blob/main/analisis-univariado/main.py"
    click CLI "https://github.com/albertomerkdop/quality-control-cep/blob/main/muestreo-aceptacion/main.py"
    click DATA "https://github.com/albertomerkdop/quality-control-cep/blob/main/analisis-univariado/data.py"
    click SPC "https://github.com/albertomerkdop/quality-control-cep/blob/main/analisis-univariado/spc_calculations.py"

    classDef frontend fill:#E0F7FA,stroke:#006064,color:#000;
    classDef logic fill:#E8F5E9,stroke:#1B5E20,color:#000;
    classDef lib fill:#FFF3E0,stroke:#E65100,color:#000;
    classDef external fill:#ECEFF1,stroke:#90A4AE,color:#000;
```
