Índices de capacidad para la Distribución Weibull

Manuel Baro Tijerina, Manuel Piña Monarrez, Roberto Romero López, Jaime Romero González

Resumen


Los índices de capacidad de proceso (ICP) como una medición de las veces que la desviación estándar ajusta dentro de los límites de especificación del cliente, son ampliamente utilizados en la industria para medir el desempeño de los procesos normales. Como quiera, para procesos con comportamiento Weibull, los ICP basados en la distribución normal son ineficientes para medir el desempeño de los procesos Weibull, esto debido a la asimetría de la distribución Weibull. De esa forma, ICP no normales son usados para determinar el desempeño de procesos Weibull. El ICP no normal más utilizado es el método de Clement, el cual está basado en los percentiles 99.865 y 0.135, incorporado en Minitab 17 y recomendado por la ISO/TS16949. Desafortunadamente, debido a que el método utiliza la mediana como medida de tendencia central, este es ineficiente para determinar los ICP Weibull. Por otro lado, en este artículo, el método analizado para estimar los ICP Weibull, está basado en la relación Weibull/Gumbel dada en Piña et. al. 2015. La eficiencia del método, es comparada con el método normal y el método de Clements para diferentes niveles del parámetro de forma . Los resultados muestran que el método de Piña, es más eficiente que los métodos normal y de Clements.

Palabras clave


Índice de Capacidad no Normal; Distribución Weibull; Distribución Gumbel; Distribución normal.

Texto completo:

PDF

Referencias


Czarski, a. (2008). Estimation of process capability indices in case of distribution unlike the normal one. Archives of Materials Science and Engineering, 34(1), 39–42. http://doi.org/http://www.archivesmse.org/

Czarski, A. (2009). ANALYSIS OF CLEMENTS METHOD, 35(1), 55–64.

Gutiérrez, H., & Salazar, R. (2009). Control estadístico de la calidad y seis sigmas.

Martin J. Crowder, Alan Kimber, T. Sweeting, R. S. (1994). Statistical Analysis of Reliability Data (1st ed.). Retrieved from https://books.google.com.mx/books?id=LEI_1aJDygAC&printsec=frontcover&source=gbs_ge_summary_r&cad=0#v=onepage&q&f=false

NIST/SEMATECH. (2012). e-Handbook of Statistical Methods. Retrieved January 1, 2015, from http://www.itl.nist.gov/div898/handbook/eda/section3/eda366g.htm

Pan, J. N., & Wu, S. L. (1997). Process capability analysis for non-normal relay test data. Microelectronics Reliability, 37(3), 421–428. http://doi.org/10.1016/S0026-2714(96)00071-6

Pearn, W. L., Chen, K. S., & Lin, G. H. (1999). A generalization of Clements’ method for non-normal Pearsonian processes with asymmetric tolerances. International Journal of Quality & Reliability Management, 16(5), 507–522. http://doi.org/10.1108/02656719910243618

Piña-Monarrez, M. R., & Ortiz-Yañez, J. F. (2015)b. Weibull and lognormal Taguchi analysis using multiple linear regression. Reliability Engineering & System Safety, 144, 244–253. http://doi.org/10.1016/j.ress.2015.08.004

Piña-Monarrez, M. R., Ortiz-Yañez, J. F., & Rodríguez-Borbón, M. I. (2015). Non-normal Capability Indices for the Weibull and Lognormal Distributions. Quality and Reliability Engineering International, n/a–n/a. http://doi.org/10.1002/qre.1832

Rinne, H. (2009). Distribution The Weibull Distribution A Handbook. (T. & F. Group, Ed.). Giessen, Germany. http://doi.org/10.1201/9781420087444

Rojas, P. A. R. (2006). Control estadístico de procesos, 1–74.

Shauly, M., & Parmet, Y. (2011). Comparison of Pearson distribution system and response modeling methodology (RMM) as models for process capability analysis of skewed data. Quality and Reliability Engineering International, 27(5), 681–687. http://doi.org/10.1002/qre.1232


Enlaces refback

  • No hay ningún enlace refback.


Copyright (c) 2017 CULCyT

Licencia de Creative Commons
Este obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial 4.0 Internacional.

Las opiniones expresadas por los autores no necesariamente reflejan la postura del editor de la publicación. Los contenidos e imágenes de la publicación estan sujetos a una licencia CC 4.0 internacional BY NC. 

 Licencia de Creative Commons