1) Conteste las siguientes preguntas acerca de la carta CUSUM:

SOLUCIÓN:
a) ¿Por qué recibe ese nombre?
se debe a que es una carta en la cual se grafica la suma acumulada de las
desviaciones con respecto a la media global (si el proceso está centrado, se podrían
considerar las desviaciones con respecto al valor nominal de la característica de
interés).
b) ¿Qué ventajas y desventajas tiene sobre las tradicionales cartas de
Shewhart?
Una desventaja de las cartas de control tradicionales (tipo Shewhart), es que no son
rápidas para detectar “cambios pequeños” en el proceso, donde un cambio de nivel se
considera pequeño si es menor a 1.5 veces la desviación estándar de la media o error
estándar (< 1.5 σ x́ )

c) ¿En qué situaciones se recomienda su aplicación?

Bueno, se recomienda en aplicar en los casos donde su desviación estándar
d) ¿Cuáles son las dos formas de construir una carta CUSUM y en qué
consiste cada una?
Existen dos maneras de construir esta carta: la CUSUM de dos lados, que se
interpreta con un dispositivo especial llamado “mascara” y la CUSUM tabular o de un
solo lado, en la cual se consideran de manera separada las sumas acumuladas por
arriba y las sumas acumuladas por abajo. La CUSUM tabular es la más recomendada
en la práctica, ya que se evita el engorroso diseño de la máscara; sin embargo, ambos
procedimientos tienen el mismo desempeño y menor dificultad si se utiliza un software
apropiado

2) Conteste las siguientes preguntas acerca de la carta EWMA:

a) ¿Por qué recibe ese nombre?

La carta EWMA (por sus siglas en inglés: Exponentially Weighted Moving-Average,

“promedios móviles exponencialmente ponderados” propuesta por Roberts (1959),
recibe este nombre debido a que se va incorporando nueva información y a su vez se
quita información pasada o histórica.

b) ¿Qué ventajas y desventajas tiene sobre las tradicionales cartas de

Shewhart?

Ventajas:

 Son rápidas para detectar “cambios pequeños” en el proceso.

 Es más fácil de construir que la carta CUSUM.
 Puede recordar el pasado asignando pesos a los datos anteriores.
Desventajas:

 No detecta “cambios grandes” en el proceso.

 No es adecuado para cambios de nivel o brincos de magnitudes mayores a
2.5 σ X́ .
 No se considera solo la información obtenida en el tiempo t.

c) ¿En qué situaciones se recomienda su aplicación?

Se recomienda su aplicación cuando se quiere graficar la suma ponderada de las

medias de los subgrupos observados hasta el tiempo de inspección, que asigna pesos
decrecientes a las medias anteriores. En otras palabras, cuando se desee contar con
herramientas que detecten de manera más oportuna los brincos o cambios pequeños
en el proceso, pero que al mismo tiempo no incrementen de forma considerable las
señales falsas.

3) En una carta EWMA, explique el efecto que tendría utilizar un valor de λ

muy cercano a 1. También explique el efecto de tomar un valor de λ muy
cercano a cero.

El parámetro λ determina la profundidad de la memoria de la EWMA: mientras más

cerca esté de cero es mayor el peso de los datos históricos, es decir, recuerda más el
pasado.

Mientras que, si está más cerca de uno, tiene más influencia la última media
observada y el pasado tiene menos paso. De tal forma que cuando λ = 1 sería
equivalente a la carta de medias tradicional, que no da ningún peso a la información
anterior a un punto dado. La experiencia ha mostrado que lo adecuado es que 0.1 ≤ λ
≤ 0.3, y el valor 0.2 es el más típico.

a) Calcule los límites de control para una carta p

p (1  p )
LCS  p  3
n
Línea central  p
p (1  p )
LCI  p  3
n

Total de defectuosos 374

p   0.025
Total de inspeccionados 15000
 0.025 x 0.975
LCS  0.025  3  0.046
500
Línea central  0.025
0.025(0.975)
LCI  0.025  3  0.004
500

Gráfica P
1
0,05

LCS=0,04585

0,04
Proporción

0,03
_
P=0,02493

0,02

0,01

LCI=0,00401
0,00
1 4 7 10 13 16 19 22 25 28
Muestra

La gráfica se aprecia que el proceso no ha tenido una estabilidad regular, ya que la

proporción del subgrupo 8 rebasa el LCS, por lo que se desprende que durante el
proceso, este subgrupo funcionó en presencia de alguna causa o situación especial.
c) ¿El proceso es estable? NO
d) Con sus palabras diga qué significan los límites de control y la línea central
Los límites de control reflejan la realidad del proceso. Así que mientras la proporción
de defectos siga cayendo dentro de los límites de control, será señal de que el proceso
funciona igual que siempre. Nos indican la variación de la proporción de defectuosos
con respecto a cierto tamaño del subgrupo. Mientras que la línea central nos indica el
promedio de defectuosos con respecto a dicho tamaño del subgrupo.
e) A partir del lote 20 se empezó a ejecutar un plan de mejora. ¿hay algún tipo de
evidencia de que el plan haya dado resultado?
Efectivamente a partir de la muestra 22 empieza el descenso de la proporción de
defectuosos

4) Diseñe una carta CUSUM con α = 0.005, δ = 0.75, σ = 3 y n = 5. Encuentre

los parámetros fundamentales de la máscara V, así como los parámetros
H y K de la versión tabular. Suponga que el valor nominal es μ0.

Del enunciado, se sabe que: α = 0.005, δ = 0.75, σ = 3 y n = 5

Carta CUSUM con mascara V:

Puntos que en promedio se necesita graficar para la detección de algún cambio dado
(ARL):
 1
ARL= =200
0.005

bajo control estadístico se espera que de cada 200 puntos graficados en la carta de
medias uno caiga fuera de los límites de control, a pesar de que no haya ocurrido un
cambio; es decir, se espera que la carta de medias envíe una falsa alarma cada 370.4
puntos en promedio.

Desviación estándar de la media o error estándar:

σ 3
σ X́ = = =1.342
√ n √5
De la tabla 9.3, se obtiene el valor de referencia (k) y d,

k =0.375

d=13.8

Ahora se calcula el intervalo de decisión (h):

h=dk =13.8 x 0.375=5.175

Luego, para la carta CUSUM tabular:

K=kσ X́ =0.375 x 1.342=0.503

H=hσ X́ =5.175 x 1.342=6.945

5) ¿En qué casos es recomendable utilizar las parejas de cartas Shewhart-

CUSUM o Shewhart-EWMA?
SOL:
Es recomendable utilizar las parejas de cartas Shewhart-CUSUM o Shewhart-EWMA
en aquellos procesos, cuyo interés radica en realizar un monitoreo cercano para poder
detectar cualquier cambio de nivel, de este modo con las primeras cartas (Shewhart)
se detectan los cambios grandes y con las segundas (CUSUM o EWMA) se detectan
los cambios pequeños.
6) Suponga que para un proceso en control se desea un ARL0 = 400 y que es
de interés detectar cambios de nivel de magnitud 1.5 veces el error
estándar. Encuentre los parámetros de la máscara V de una CUSUM para
este proceso.
SOL:
Datos:

ARL0 = 400, magnitud: 1.5σ X́

Parámetros de la máscara V de una CUSUM: d, k, h, α, ϴ

De la tabla 9.2, se obtiene los valores k y d:
Si se sabe que δ=1.5  k =0.75, d=4.5

Además, L (1.5) =5.2, lo cual indica que el cambio de interés se detectaría en 5.2
puntos en promedio.
Se procede a calcular el intervalo de decisión (h):

h=dk =4.5(0.75)=3.375
2 2
α=e−2 d k =e−2(4.5 )(0.75)  α = 0.00633

ϴ=arctg ( k2 )=arctg ( 0.752 )  ϴ = 20.6 °

7) A cierto producto químico orgánico comercial se le mide cada cuatro

horas el nivel de una sustancia relacionada con su pureza. Los datos de
22 muestras son los siguientes (ordenados por renglón): 15.3, 15.7, 14.4,
14.0, 15.2, 15.8, 16.7, 16.6, 15.9, 17.4, 15.7, 15.9, 14.7, 15.2, 14.6, 13.7, 12.9,
13.2, 14.1, 14.2, 13.8, 14.6.
a) Dado que el valor objetivo de esta sustancia es 15 y que se conoce que la
desviación estándar es de alrededor de 1, construya la carta CUSUM para estos
datos. Use k = 0.5 y h = 5. Aplique la CUSUM con máscara y también en forma
tabular.

Gráfica plantillaV de pureza

15

10

5
Suma acumulada

-5

-10

-15

-20
1 3 5 7 9 11 13 15 17 19 21
Muestra
Al menos un parámetro histórico estimado se utiliza en los cálculos.

Se observa que, al colocar la máscara, se detecta una señal de fuera de control

debido a que la muestra 15 se sale del brazo superior. Los valores de las sumas
acumuladas indican que el proceso está generando una mayor pureza.
 Gráfica CUSUM de pureza

5.0 LCS=5

2.5
Suma acumulada

0.0 0

-2.5

-5.0 LCI=-5

1 3 5 7 9 11 13 15 17 19 21
Muestra
Un parámetro histórico estimado se utiliza en los cálculos.

En el grafico anterior se detectó que las muestras 11, 12, 21 y 22 se encuentran fuera
de control.

b) Construya una carta de individuales para estos datos y comente su

desempeño en relación con la CUSUM del inciso anterior.

Gráfica I de pureza
18
1

17 LCS=16.945
Valor individual

16

_
15 X=14.982

14

13 LCI=13.019
1
1 3 5 7 9 11 13 15 17 19 21
Observación

Se aprecia que el proceso se encuentra fuera de control debido a que las muestras 11
y 17 contienen purezas fuera de los límites de control, esto difiere del inciso anterior ya
que se detectan distintas muestras.

c) Usando λ = 0.2 construya la carta EWMA. Compare su desempeño con la

CUSUM del inciso
 Gráfica EWMA de pureza

16.0

LCS=15.636
15.5
EWMA

_
_
15.0 X=14.982

14.5
LCI=14.327

14.0
1 3 5 7 9 11 13 15 17 19 21
Muestra

Se observa que la carta EWMA detecta 10 variaciones, que son las muestras del 7 al
14 y del 19 al 22, ya que estos sobresalen a los límites establecidos, algunos
coinciden con las variaciones detectadas en la carta CUSUM tabular.

8) Los datos que se muestran en la tabla 9.6 son los promedios de muestras
de tamaño 5 que se obtuvieron del muestreo periódico de un proceso. Se
sabe que la desviación estándar del proceso es 1.3
SOLUCIÓN:
a) Obtenga una carta CUSUM e interprétela

Gráfica CUSUM de Media

400

300
Suma acumulada

200

100

0 LCS=1.4
LCI=-1.4
0

1 3 5 7 9 11 13 15 17 19
Muestra

Se detecta las pequeñas variaciones o causas comunes, además en esta carta

detecta la muestra 3 y 7

b) Obtenga una carta X́

 Gráfica I-MR de Media
22.0 LCS=22.024

21.5
Valor individual

_
21.0 X=20.98

20.5

20.0 LCI=19.936
1
1 3 5 7 9 11 13 15 17 19
Observación

LCS=1.283
1.2

0.9
Rango m óvil

0.6
__
MR=0.393
0.3

0.0 LCI=0
1 3 5 7 9 11 13 15 17 19
Observación

De la primera gráfica, se observa que las líneas, se salen de los límites de control, y
con respecto a la segunda grafica podemos mencionar que se encuentra dentro de los
limites.
c) Construya una carta EWMA e interprétela.

Gráfica EWMA de Media

21.4

LCS=21.3281
21.3

21.2

21.1
EWMA

_
_
21.0
X=20.98

20.9

20.8

20.7
LCI=20. 6319
20.6

1 3 5 7 9 11 13 15 17 19
Muestra

Se detecta las pequeñas variaciones o causas comunes, además en esta carta

detecta la muestra 3 y 7
e) Comente las diferencias que encontró entre las tres cartas.
Se puede mencionar que todas las cartas no se encuentran dentro de los limites,
porque hay ligeras variaciones
9) Los datos que se muestran en la tabla 9.7 son los promedios de muestras
de tamaño 6, que se obtuvieron del muestreo periódico de un proceso. Se
sabe que la desviación estándar del proceso es 2.2.
a) Obtenga una carta CUSUM e interprétela.

Gráfica CUSUM de media

800

700

600
Suma acumulada

500

400

300

200

100

0 LLCI=-2.7
0CS=2.7

1 3 5 7 9 11 13 15 17 19
Muestra

Carta CUSUM de un muestreo periódico de un proceso no se

detectan variaciones o causas comunes.

b) Obtenga una carta X

Gráfica I-MR de media

41 LCS=40.986

40
Valor individual

_
39 X=38.931

38

37 LCI=36.876
1 3 5 7 9 11 13 15 17 19
Observación

LCS=2.524
2.4

1.8
Rango móvil

1.2
__
MR=0.773
0.6

0.0 LCI=0
1 3 5 7 9 11 13 15 17 19
Observación

No hay puntos fuera de los limites, por lo tanto, no hay cambios

especiales en el proceso y como los puntos no siguen un patrón,
decimos que está en control estadístico.

c) Construya una carta EWMA e interprétela.

 Gráfica EWMA de media

39.6 LCS=39.616

39.4

39.2

__

EWMA
39.0
X=38.931

38.8

38.6

38.4

LCI=38.246
38.2
1 3 5 7 9 11 13 15 17 19
Muestra

Se observa que no hay puntos fuera de los límites ni cerca de ellos, por
lo tanto no hay cambios pequeños en el proceso.

d) Comente las diferencias que detectó en cada carta.

Podemos decir que las cartas nos indican que el proceso se encuentra en
control estadístico ya que no hay puntos fuera de los limites, es decir, que
en el proceso no hay cambios pequeños ni grandes o especiales.

10) En un proceso de producción se produce por lotes de tamaño 500, en la

inspección final de los últimos 30 lotes se obtuvo la siguiente cantidad de
artículos defectuosos (los datos están en orden horizontal).
11 12 15 17 11 10 13 25 17 13 11 12
17 8 12 11 20 15 12 17 18 14 10 8
10 6 7 5 9 6

a) Calcule los límites de control para una carta p

p (1  p )
LCS  p  3
n
Línea central  p
p (1  p )
LCI  p  3
n

Total de defectuosos 374

p   0.025
Total de inspeccionados 15000
 0.025 x 0.975
LCS  0.025  3  0.046
500
Línea central  0.025
0.025 (0.975)
LCI  0.025  3  0.004
500

Gráfica P
1
0,05

LCS=0,04585

0,04
Proporción

0,03
_
P=0,02493

0,02

0,01

LCI=0,00401
0,00
1 4 7 10 13 16 19 22 25 28
Muestra

La gráfica se aprecia que el proceso no ha tenido una estabilidad regular, ya que la

proporción del subgrupo 8 rebasa el LCS, por lo que se desprende que, durante el
proceso, este subgrupo funcionó en presencia de alguna causa o situación especial.
c) ¿El proceso es estable? NO
d) Con sus palabras diga qué significan los límites de control y la línea central
Los límites de control reflejan la realidad del proceso. Así que mientras la proporción
de defectos siga cayendo dentro de los límites de control, será señal de que el proceso
funciona igual que siempre. Nos indican la variación de la proporción de defectuosos
con respecto a cierto tamaño del subgrupo. Mientras que la línea central nos indica el
promedio de defectuosos con respecto a dicho tamaño del subgrupo.
e) A partir del lote 20 se empezó a ejecutar un plan de mejora. ¿hay algún tipo de
evidencia de que el plan haya dado resultado?
Efectivamente a partir de la muestra 22 empieza el descenso de la proporción de
defectuosos

11) Sobre los datos autocorrelacionados conteste.

a) Cuando los datos de un proceso están autocorrelacionados, ¿cuál es

el supuesto de las cartas tradicionales que no se cumple?

El supuesto más importante con las se construyen las cartas tradicionales

es que las mediaciones en el proceso son independientes.
 b) Si se quisiera monitorear alguna variable de un proceso que en forma
ordinaria está correlacionada con variables ambientales como
temperatura y humedad, ¿sería apropiado analizar tal variable con una
carta tradicional?

En ese caso no sería apropiado analizar el proceso con una carta

tradicional, ya que las variables están correlacionadas y no está cumpliendo
el supuesto más importante, que es el de independencia
c) Proponga un ejemplo.
Un ejemplo de variables correlacionadas sería:
Producción anual de leche de vaca y la producción de queso al año
12) Para la carta ARIMA, conteste las siguientes preguntas

a) ¿Por qué recibe ese nombre?

Las cartas ARIMA es una de las familias de modelos más usuales para
describir datos autocorrelacionados, es un modelo “Autorregresivo,
Integrado, Media Movil” de allí el nombre de ARIMA.

b) ¿Qué ventajas y desventajas tiene sobre las tradicionales cartas de

Shewhart?

Una desventaja que tiene las cartas de Shewhart es que este no trabaja
con variables que estén correlacionadas.
Otra desventaja que tiene las cartas Shewhart es que no son rápidas para
detectar cambios pequeños.
Una ventaja que tienen estas cartas tradicionales es que en la práctica es
más importante detectar los cambios grandes que los pequeños.

c) ¿En qué situaciones se recomendaría su aplicación?

Se recomendaría la aplicación de la carta ARIMA cuando el proceso tenga

variables que estén correlacionadas, ya que cuando este ocurre las cartas
tradicionales tienen un mal desempeño.

d) Describa de manera específica y breve cómo se obtiene una carta

ARIMA.

Primero se prueba la falta de independencia.

Luego con los criterios básicos se decide si es un modelo AR(p), MA(q) o
ARMA(p,q).
El siguiente paso será estimar los parámetros del modelo.
Calcular los residuos.
Por ultimo analizar los residuos con una carta de control.
 13) En referencia a los datos del ejemplo 9.4, y con apoyo de una hoja de
cálculo electrónico haga lo siguiente.

a) Obtenga los coeficientes de autocorrelación simple r k con k = 1,2,…,15.

b) Calcule los coeficientes de autocorrelación parcial r kk , con k = 1,2,…,15.

c) Para cada caso anterior obtenga una gráfica de barras de k contra el valor del
coeficiente. Si procedió de manera correcta estas gráficas deben ser muy
similares a las correspondientes de la figura 9.6.
Se observa que las gráficas anteriores son similares con las obtenidas en la figura 9.6,
esto indica que el cálculo de los coeficientes de autocorelación simple ( r k ) y parcial (r kk
) se realizó correctamente.

14) En referencia a los datos del ejemplo 9.4 y con apoyo de un software
estadístico, haga lo siguiente.
a) Obtenga la primera diferencia de toda la serie, y obtenga una gráfica de
esta nueva serie (tiempo contra la primera diferencia). A partir de esta
gráfica, ¿sigue siendo evidente el patrón de autocorrelación en esta
nueva serie? Explique.

Aplicando una diferencia se obtiene la siguiente gráfica de serie y Autocorrelaciones.

En las gráficas que se obtuvieron, al ser aplicado una diferencia, podemos observar
respecto a la tendencia que es ligeramente más estable, por lo que se podría decir que
ahora es estacionaria por nivel.

b) Con la nueva serie ajuste un modelo ARI (1,1), y reporte los aspectos más
relevantes de tal ajuste.

El modelo propuesto era: ARI(1,1)

La ecuación del modelo es: ∇ X t =−0.313 X t −1

 Se puede observar mediante la gráfica del ajuste realizado en el SPSS, que
modelo propuesto no es perfecto, pero sí suficiente.

d) Obtenga e interprete una carta de individuales para los residuos del

modelo previo.

Gráfica I de RESID1
1.5
1

LCS=1.100
1.0
Valor individual

0.5

_
0.0 X=-0.001

-0.5

-1.0
LCI=-1.102

1 13 25 37 49 61 73 85 97 109
Observación

Según la carta de individuales de los residuos del modelo ARI (1,1), se puede
decir que el proceso se encuentra moderadamente bajo control, dado que
apenas un punto se encuentra fuera del límite de control inferior.

15) En Bisgaard y Kulahci (2005) se presentan 80 datos que son resultado de

medir cada hora la temperatura de un gran horno de cerámica, con el
propósito de controlar en forma adecuada esta variable. A las mediciones
originales se les ha restado una temperatura de 1550, los datos
resultantes, ordenados por renglón, se muestran enseguida:
28.71 28.79 29.38 29.36 29.83 30.13 28.95 29.18 29.52 29.72 30.11 30.41 30.77 30.05
29.53 29.00 29.12 29.13 29.39 29.73 30.12 30.23 30.25 29.80 29.72 29.49 29.22 29.03
29.76 30.19 30.17 30.22 30.44 30.71 29.91 29.48 29.82 30.34 30.56 30.05 29.63 28.82
28.59 28.56 29.56 29.46 29.59 29.66 29.89 30.03 29.76 29.84 30.41 30.30 30.17 29.81
29.71 29.77 30.16 30.38 30.18 29.59 30.06 31.21 30.89 30.82 30.48 29.97 29.64 30.42
30.06 30.12 29.92 29.57 29.56 29.40 28.90 28.50 29.30 29.93
SOL:
a) ¿Dado el tipo de proceso es razonable suponer que las mediciones
sucesivas sean independientes? Argumente.

Se puede suponer que las mediciones sucesivas no sean independientes,

puesto que el proceso mencionado es sobre la temperatura de un horno de
cerámica y este puede presentar derivas o desvíos a través del tiempo
provocadas por aspectos como desgastes o calentamientos.
b) Obtenga una carta de control de individuales, y comente los aspectos
más relevantes que observe.

Gráfica I de temperatura
31.5
1

31.0 1
1 1
1
LCS=30.693
30.5
Valor individual

30.0
_
X=29.787

29.5

29.0
LCI=28.880
1 1
1
28.5 11
1
1 9 17 25 33 41 49 57 65 73
Observación

Según la carta de control de individuales, el proceso se encuentra fuera de

control debido a que las muestras 1; 2; 13; 34; 42; 43; 44; 64; 65; 66; 78
presentan mediciones de temperaturas (muy altas y muy bajas) fuera de los
límites de control.

c) Repita el proceso anterior pero ahora aplicando una carta EWMA.

Gráfica EWMA de temperatura
30.50

30.25

LCS=30.089
30.00
EWMA

__
X=29.787
29.75

29.50 LCI=29.485

1 9 17 25 33 41 49 57 65 73
Muestra

Según la carta EWMA, se logra identificar que el proceso está fuera de control
pues las muestras: 1; 2; 3; 4; 5; 7; 8; 9; 19; 34; 39; 40; 44; 45; 46; 47; 48;64;
65; 66; 67; 68; 69; 70; 71; 72; 73; 78 y 79 presentan mediciones de
temperatura (muy altas y muy bajas) que sobrepasan los límites establecidos.

d) Organice los datos en pares, considerando los datos sucesivos de la

forma (xi, xi+1), obtenga un diagrama de dispersión para estas parejas de
datos y comente los aspectos más relevantes haciendo referencia a la
temperatura del horno.
 Xi vs Xi+1
31.5
31
30.5
30
29.5
29
28.5
28
27.5
27
28 28.5 29 29.5 30 30.5 31 31.5

Según el grafico existe una relación lineal ascendente entre los valores de las
temperaturas con un desfasamiento de una unidad de tiempo.

e) Repita la actividad anterior pero ahora considerando un retardo igual a 2,

es decir, ahora para las parejas de la forma (xi, xi+2).

Xi vs Xi+2
31.5
31
30.5
30
29.5
29
28.5
28
27.5
27
28 28.5 29 29.5 30 30.5 31 31.5

Según el grafico existe una ligera relación lineal ascendente entre los valores
de las temperaturas con un desfasamiento de dos unidades de tiempo.

f) Vuelva hacer lo anterior pero ahora para los pares de la forma (xi, xi+3).

Xi vs Xi+3
31.5
31
30.5
30
29.5
29
28.5
28
27.5
27
28 28.5 29 29.5 30 30.5 31 31.5
 Según el grafico existe una muy débil relación lineal entre los valores de las
temperaturas con un desfasamiento de tres unidades de tiempo.

g) Calcule el coeficiente de autocorrelación simple rk, para k = 1, 2, …,20; y

comente.

Autocorrelaciones
Retardo Autocorrelaci
ón
1 ,693
2 ,306
3 ,058
4 -,064
5 -,082
6 -,010
7 ,022
8 ,021
9 -,008
10 -,075
11 -,137
12 -,190
13 -,190
14 -,116
15 -,001
16 ,054
17 ,011
18 -,032
19 -,024
20 -,053
Se puede decir que los valores de autocorrelación simple (rk) para los retardos
de 1 a 20, mientras mayor es el retardo en el tiempo, la relación lineal entre los
valores de las temperaturas con un desfasamiento de k unidades de tiempo se
va haciendo cada vez menor.

h) Aplique la prueba Box-Pierce para la independencia de la serie y comente

los resultados.

Ho: Las mediciones de temperatura del horno son independientes.

H1: Las mediciones de temperatura del horno no son independientes.
Con un nivel de significancia: α=0.05
EP:
 Siendo m=24, Q=66.991
Decisión: se rechaza la Ho si p-value< α
p-value: 6.184e-06< 0.05  se rechaza Ho
Conclusión:
Con un 5% de significancia las mediciones de temperatura del horno no son
independientes.

i) Utilizando las funciones FAC y FACP proponga y ajuste un modelo

ARIMA adecuado para la serie.

Según el grafico de autocorrelaciones simples se puede apreciar un

comportamiento irregular de las primeras autocorrelaciones y después se
presenta un decaimiento exponencial.
 Según el grafico de autocorrelaciones parciales se puede apreciar que las
autocorrelaciones convergen a cero.

Se propone un modelo ARMA(1,1), el cual es:

Y t =29.773+0.550 Y t −1−0.392 ε i−1+ ε i

j) Obtenga los residuos del modelo anterior y analícelos con una carta de
individuales.

Gráfica I de residuos
LCS=1.094
1.0

0.5
Valor individual

_
0.0 X=0.004

-0.5

-1.0
LCI=-1.086
1
1 9 17 25 33 41 49 57 65 73
Observación

Según la carta de individuales de los residuos del modelo ARMA (1,1), se

puede decir que el proceso se encuentra moderadamente bajo control, dado
que apenas un punto se encuentra fuera del límite de control inferior.

k) Comparando las cartas de los incisos b) y c); contra la del j), ¿cuáles son
sus conclusiones generales en cuanto al control estadístico del proceso?

Se puede concluir que siendo considerados los datos sobre las mediciones de
temperatura en un intervalo de tiempo definido como dependientes, las cartas
CUSUM y EWMA no son apropiadas debido que solo analizan datos
independientes, siendo de esta manera la mejor opción analizar los datos
mediante una carta ARIMA, a través de una carta de individuales de los
residuos obtenidos del planteamiento del modelo ARIMA, que como se puede
comprobar en los incisos b y c, resultaron muchas muestras que no se
encontraban dentro de los límites de control, mientras que en el inciso j se
obtuvo tan solo un punto se encontraba fuera del límite de control inferior, por
lo que se puede concluir que el uso de las cartas en los incisos b y c generaron
muchas señales de que el proceso se encontraba fiera de control cuando en
realidad en el proceso no están actuando causas especiales