Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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 )
Ventajas:
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.
p (1 p )
LCS p 3
n
Línea central p
p (1 p )
LCI p 3
n
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
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.
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
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
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.
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.
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.
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
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
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.
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
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
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
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.
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.
p (1 p )
LCS p 3
n
Línea central p
p (1 p )
LCI p 3
n
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
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.
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.
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.
b) Con la nueva serie ajuste un modelo ARI (1,1), y reporte los aspectos más
relevantes de tal ajuste.
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.
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
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.
Según el grafico existe una relación lineal ascendente entre los valores de las
temperaturas con un desfasamiento de una unidad de tiempo.
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.
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.
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
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