Una Gráfica de Control Combinada para Monitorear y Controlar Procesos Multivariados

Autores/as

  • Eduardo Marroquín Prado Centro de Investigación COMIMSA.
  • Mario Cantú Sifuentes Universidad Autónoma Agraria Antonio Narro
  • Manuel R. Piña Monarrez Centro de Investigación COMIMSA. http://orcid.org/0000-0002-2243-3400

Palabras clave:

Procesos Multivariados, de Hotelling, Componentes Principales, ARL, Gráfica de Control M, Gráfica de Control Combinada

Resumen

RESUMEN

Dado que la gráfica de control T2 no es sensible a cambios pequeños en el vector de medias del proceso, y además, cuando se presenta una señal fuera de control, no le es posible identificar la(s) variable(s) que la generan, en este trabajo se propone una gráfica de control combinada por la gráfica T2 de Hotelling, la gráfica M (propuesta por Hayter et al., (1994)) y una nueva gráfica basada en Componentes Principales, a la que llamamos gráfica TMY, con las características de que: 1) Permite identificar cualquier tipo y magnitud de cambio en el vector de medias del proceso y 2) Cuando se presenta una señal fuera de control, los estadísticos significativos de la gráfica combinada, definen si la señal la provocan las variables y/o correlaciones.

Palabras Claves: Procesos Multivariados, de Hotelling, Componentes Principales, ARL, Gráfica de Control M y Gráfica de Control Combinada.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Eduardo Marroquín Prado, Centro de Investigación COMIMSA.

Estudiante de doctorado del programa PICYT con opción Terminal en Ingeniería Industrial y de Manufactura.

Mario Cantú Sifuentes, Universidad Autónoma Agraria Antonio Narro

Programa de posgrado en Estadística.

Manuel R. Piña Monarrez, Centro de Investigación COMIMSA.

Profesor Investigador del programa PICYT.

Citas

Chen, K. H, Boning, D. S. and Welsch, R. E. 2001. Multivariate Statistical Process Control and Signature Analysis Using Eigenfactor Detection Methods. The 33rd Symposium on the Interface of Computer Science and Statistics, Costa Mesa Ca.

Hawkins, D. M. 1991. Multivariate Quality Control Based on Regression-Adjusted Variables. Technometrics, 33(1), pp. 61-75.

Hayter, A. J. and Tsui, K. L. 1994. Identification and Quantification in Multivariate Quality Control Problems. Journal of Quality Technology, 26(3), pp. 197-208.

Jackson, J. E. 1991. A User´s Guide to Principal Components. USA: John Wiley and Sons, Inc.

Johnson, R.A. and Wichern, D. W. 1998. Applied Multivariate Statistical Analysis. USA: Prentice Hall.

Lowry A. C. and Montgomery, D. C. 1995. A Review of Multivariate Control Charts. IIE Transactions, 27(6), pp. 800-810.

Lowry A. C. and Woodall, H. W. 1992. A Multivariate Exponentially Weighted Moving Average Control Chart. Technometrics, 34(1), pp. 46-53.

Mason, L. R. and Young, C. J. 2001. Multivariate Statistical Process Control with Industrial Applications. ASA. SIAM.

Mason, L. R., Tracy, D. N. and Young, C. J. 1997. A Practical Approach for Interpreting Multivariate T2 Control Chart Signals. Journal of Quality Technology, 29(4), pp. 396-406.

Nedumaran, G. and Pignatiello, J.J. Jr. 1998. Diagnosing Signals from T2 and X2 Multivariate Control Charts. Quality Engineering, 10(4), pp. 657-667.

Odeh, R.E. 1982. Tables of Percentage Points of the Distribution of the Maximum Absolute Value of Equally Correlated Normal Random Variables. Communications in Statistics-Simulation and Computation,

, pp. 65-87.

Prins, J. and Mader, D. 1997. Multivariate Control Charts for Grouped and Individual Observations. Quality Engineering, 10(1), pp. 49-57.

Sheu S. H. and Lin T. Ch. 2003-2004. The Generally Weigthed Moving Average Control Chart for Detecting Small Shifts in the Process Mean. Quality Engineering, 16(2), pp. 209-231.

Umit, F. and Cigdem, A. 2001. Multivariate Quality Control: A Historical Perspective. Yilditz Technical University. pp. 54-65.

Wu, Z. 1994-1995. An Enhanced X Chart for Detecting Mean Shift. Quality Engineering, 7(2), pp. 345-356.

Ye, N., Parmar, D. and Borror, M.C. 2006. A Hybrid SPC Method with the Chi-Square Distance Monitoring Procedure for Large-scale, Complex Process Data. Quality and Reliability Engineering International, 22, pp. 393-402.

Publicado

2015-05-12

Cómo citar

[1]
E. Marroquín Prado, M. Cantú Sifuentes, y M. R. Piña Monarrez, «Una Gráfica de Control Combinada para Monitorear y Controlar Procesos Multivariados», Cult. Científ. y Tecnol., n.º 20, may 2015.