Documentos de Académico
Documentos de Profesional
Documentos de Cultura
SECTION III
MÓDULO CONTROL ESTADÍSTICO DE PROCESOS
MAESTRÍA EN GESTIÓN DE LA CALIDAD
Universidad del Atlántico
3 de septiembre de 2020
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Multivariate control charts T squared
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Multivariate control charts T squared
Importancia
Durante la Segunda Guerra Mundial las técnicas estadísticas de las cartas de control univariadas fue
y sigue siendo las más utilizadas, a pesar de que los procesos y productos que se analizan poseen
en su gran mayoría dos o más características de calidad (Hicks, Jackson, Crosier, Pignatello, Vargas,
Montgomery, Hawkins). Pero en los últimos años se ha hecho necesario, la aplicación de herramientas
de tipo multivariante para comprender y monitorear varibles que por su complejidad no es conveniente
el monitoreo univariante. Sin embargo las técnicas multivariadas de control son técnicas muy complejas
de utilizar, por los conceptos matemáticos que se manejan. Dificultad que es superada afortunadamente,
con el avance de la programación computacional en el área de control estadístico de calidad, por lo
que en estos momentos el interés de las técnicas de control multivariado a crecido vertiginosamente.
La técnica de las cartas de control multivariado, se utiliza en los procesos productivos para determinar
especialmente cuatro importantes criterios, que a continuación se enumeran,
1 Determinar si el proceso se encentra o no en control.
2 Mantener constante el error tipo I o nivel de significancia α.
3 Con este tipo de herramienta se puede determinar el tipo de relación existente entre las variables
involucradas en le proceso.
4 Si el proceso esta "fuera de control"¿cuál es la variable que causo dicho inconveniente?
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Multivariate control charts T squared
Importancia
Durante la Segunda Guerra Mundial las técnicas estadísticas de las cartas de control univariadas fue
y sigue siendo las más utilizadas, a pesar de que los procesos y productos que se analizan poseen
en su gran mayoría dos o más características de calidad (Hicks, Jackson, Crosier, Pignatello, Vargas,
Montgomery, Hawkins). Pero en los últimos años se ha hecho necesario, la aplicación de herramientas
de tipo multivariante para comprender y monitorear varibles que por su complejidad no es conveniente
el monitoreo univariante. Sin embargo las técnicas multivariadas de control son técnicas muy complejas
de utilizar, por los conceptos matemáticos que se manejan. Dificultad que es superada afortunadamente,
con el avance de la programación computacional en el área de control estadístico de calidad, por lo
que en estos momentos el interés de las técnicas de control multivariado a crecido vertiginosamente.
La técnica de las cartas de control multivariado, se utiliza en los procesos productivos para determinar
especialmente cuatro importantes criterios, que a continuación se enumeran,
1 Determinar si el proceso se encentra o no en control.
2 Mantener constante el error tipo I o nivel de significancia α.
3 Con este tipo de herramienta se puede determinar el tipo de relación existente entre las variables
involucradas en le proceso.
4 Si el proceso esta "fuera de control"¿cuál es la variable que causo dicho inconveniente?
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Multivariate control charts T squared
Importancia
Durante la Segunda Guerra Mundial las técnicas estadísticas de las cartas de control univariadas fue
y sigue siendo las más utilizadas, a pesar de que los procesos y productos que se analizan poseen
en su gran mayoría dos o más características de calidad (Hicks, Jackson, Crosier, Pignatello, Vargas,
Montgomery, Hawkins). Pero en los últimos años se ha hecho necesario, la aplicación de herramientas
de tipo multivariante para comprender y monitorear varibles que por su complejidad no es conveniente
el monitoreo univariante. Sin embargo las técnicas multivariadas de control son técnicas muy complejas
de utilizar, por los conceptos matemáticos que se manejan. Dificultad que es superada afortunadamente,
con el avance de la programación computacional en el área de control estadístico de calidad, por lo
que en estos momentos el interés de las técnicas de control multivariado a crecido vertiginosamente.
La técnica de las cartas de control multivariado, se utiliza en los procesos productivos para determinar
especialmente cuatro importantes criterios, que a continuación se enumeran,
1 Determinar si el proceso se encentra o no en control.
2 Mantener constante el error tipo I o nivel de significancia α.
3 Con este tipo de herramienta se puede determinar el tipo de relación existente entre las variables
involucradas en le proceso.
4 Si el proceso esta "fuera de control"¿cuál es la variable que causo dicho inconveniente?
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Multivariate control charts T squared
Importancia
Durante la Segunda Guerra Mundial las técnicas estadísticas de las cartas de control univariadas fue
y sigue siendo las más utilizadas, a pesar de que los procesos y productos que se analizan poseen
en su gran mayoría dos o más características de calidad (Hicks, Jackson, Crosier, Pignatello, Vargas,
Montgomery, Hawkins). Pero en los últimos años se ha hecho necesario, la aplicación de herramientas
de tipo multivariante para comprender y monitorear varibles que por su complejidad no es conveniente
el monitoreo univariante. Sin embargo las técnicas multivariadas de control son técnicas muy complejas
de utilizar, por los conceptos matemáticos que se manejan. Dificultad que es superada afortunadamente,
con el avance de la programación computacional en el área de control estadístico de calidad, por lo
que en estos momentos el interés de las técnicas de control multivariado a crecido vertiginosamente.
La técnica de las cartas de control multivariado, se utiliza en los procesos productivos para determinar
especialmente cuatro importantes criterios, que a continuación se enumeran,
1 Determinar si el proceso se encentra o no en control.
2 Mantener constante el error tipo I o nivel de significancia α.
3 Con este tipo de herramienta se puede determinar el tipo de relación existente entre las variables
involucradas en le proceso.
4 Si el proceso esta "fuera de control"¿cuál es la variable que causo dicho inconveniente?
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Multivariate control charts T squared
Importancia
Durante la Segunda Guerra Mundial las técnicas estadísticas de las cartas de control univariadas fue
y sigue siendo las más utilizadas, a pesar de que los procesos y productos que se analizan poseen
en su gran mayoría dos o más características de calidad (Hicks, Jackson, Crosier, Pignatello, Vargas,
Montgomery, Hawkins). Pero en los últimos años se ha hecho necesario, la aplicación de herramientas
de tipo multivariante para comprender y monitorear varibles que por su complejidad no es conveniente
el monitoreo univariante. Sin embargo las técnicas multivariadas de control son técnicas muy complejas
de utilizar, por los conceptos matemáticos que se manejan. Dificultad que es superada afortunadamente,
con el avance de la programación computacional en el área de control estadístico de calidad, por lo
que en estos momentos el interés de las técnicas de control multivariado a crecido vertiginosamente.
La técnica de las cartas de control multivariado, se utiliza en los procesos productivos para determinar
especialmente cuatro importantes criterios, que a continuación se enumeran,
1 Determinar si el proceso se encentra o no en control.
2 Mantener constante el error tipo I o nivel de significancia α.
3 Con este tipo de herramienta se puede determinar el tipo de relación existente entre las variables
involucradas en le proceso.
4 Si el proceso esta "fuera de control"¿cuál es la variable que causo dicho inconveniente?
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Multivariate control charts T squared
Importancia
Se tomará como supuesto estadístico, el proceso se encuentran normalmente distribuido y en forma inde-
pendiente en cada una de las varibles involucradas en el monitoreo. El error tipo I o nivel de significancia
α, es el establecido en forma diferente a el error obtenido en las cartas de control univariadas.
α∗ = 1 − (1 − α)p
La probabilidad que p medias este localizaas simultáneamente dentro de sus límites de control cuadno
el proceso este bajo control es:
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Multivariate control charts T squared
Importancia
Por ejemplo si se tomo el nivel de significancia de 0.05 para una carta de control univariado, en el
caso multivariado se establecería de la siguiente forma si como ejemplo se seleccionan dos variables
1 − 0.952 = 0.0975 = 0.1. En claro, que en control de calidad el estadístico de una variable es asumido
con una distribución Normal, su función de densidad es:
h i2
1 − 21 x−µ
f (x) = √ e σ
2πσ 2
(x − µ)σ 2 (x − µ)
valor que mide el cuadrado de la distancia estandarizada de la variable x con respecto a la media µ.
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Multivariate control charts T squared
Importancia
este enfoque puede usarse en el caso multivariante, cuando existen p características de calidad, dadas
x1 , x2 , ..., xp , ubicadas en el vector de p componentes:
xT = [x1 , x2 , ..., xp ]
µT = [µ1 , µ2 , ..., µp ]
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Multivariate control charts T squared
Vector de la media muestral y la matriz de varianza covarianza
en esta matriz de varianza covarianza, en la diagonal principal están ubicadas las varianzas muestrales
n
1 X
Sj = (xij − x̄j )2
n − 1 i=1
por lo tanto, el vector de medias y la matriz de varianza covarianza son estimacuibes insesgados de las
cantidades poblacionales
E(X̄) = µ
E(S) = Σ
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Carta de Control T 2 de Hotelling
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Carta de Control T 2 de Hotelling
Carta de control chi-cuadrado
La carta de control chicuadradoen el caso multivariado, es presentada cuando son conocidos los
parámetros del proceso, en este caso el vector de medias µ y la matriz de varianza covarianza Σ, el
estadistico de control en esta carta es un χ20 , de cada muestra definida como
donde µ| = [µ1 , µ2 , ...µp ] es el vector de medias bajo control para cada una de las características
de calidad y Σ es la matriz de varianza covarianza. El procedimiento de controlar simultaneamente p
características de calidad o variables requiere inicialmente calcular la media muestral de cada una de las
p características de calidad a partir de una muestra de tamaño n. Este vector de medias es representado
de la siguiente forma,
x̄1
x̄2
.
x̄ =
.
.
x̄p
Los límites de control de la carta chi-cuadrado se definen de la siguiente froma,
UCL = χ2α,p
LCL = 0
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Carta de Control T 2 de Hotelling
Carta de control chi-cuadrado
En este sentido, la elaboración de las carta de control multivariadas la técnica más aplicada es la
propuesta por Hotelling conocida como la T 2 . Esta es una generalización de la estadística t de Students
y el esquema del estadístico de control para subgrupos de tamaño n es,
donde X̄¯ es el vector de medias, S es la matriz de varianza covarianza, x̄j el promedio de la variable
j-ésima, x̄j es la observacion j-ésima de la variable j.
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Carta de Control T 2 de Hotelling
Carta de control chi-cuadrado
El esquema gráfico, muestra un límite de control superior, en donde cada punto observado es el
estadístco de control T 2
La distribución T 2 fue propuesta por Hotelling en 1931 y es una función del número de variables p ,
el tamaño de los subgrupos n , textbf µ son los valores de las medias de referencia para cada variable
µ = µ1 , µ2 , ...µp y la cantidad de subgrupos g, usadas en la estimación de la covarianza.
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Carta de Control T 2 de Hotelling
Carta de control chi-cuadrado
La distribución está relacionada con la conocida distribución chi cuadrado, mediante las siguientes
formulaciones, en la fase I:
p(g − 1)(n − 1)
UCL = Fα,(p,gn−g−p+1)
(gn − g − p + 1)
LCL = 0
cuando se desea monitorear la producción futura, fase II, los límites de control son los siguientes:
p(g + 1)(n − 1)
UCLT 2 = Fα,(p,gn−g−p+1)
p,n,α (gn − g − p + 1)
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Carta de Control T 2 de Hotelling
T 2 de Hotelling para observaciones individuales
cuando son observaciones individuales, es decir n = 1 las formulas aplicadas son las siguientes en el
caso del estadístico de control es:
p(g + 1)(g − 1)
UCL = Fα,(p,g−p)
(g 2 − gp)
LCL = 0
pot otro lado cuando el número de muestras g mayor a 100, es grande los límites de control
p(g − 1)
UCL = Fα,(p,g−p)
(g − p)
o bien
UCL = χ2α,p
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Carta de Control T 2 de Hotelling
T 2 de Hotelling para observaciones individuales
Tracy,Young y Mason proponen los límites de control para observaciones indiviudales aplicando la distri-
bucion beta:
(g − 1)2
UCL = βα,p/2,(g−p−1)/2
g
LCL = 0
p(g + 1)(g − 1)
UCL = Fα,(g,g−p)
g(g − p)
La fórmula aplicada por T.P. Ryan,(1988). Lo cual implica que este valor LCST 2 , se toma como el límite
p,g,α
de control superior para la media en la carta de control multivariado.
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Carta de Control T 2 de Hotelling
Datos para observaciones individuales
En la empresa Monomeros Colombo Venezolana se elabora un fertilizante compuesto que contiene dos
componente: nitrógeno y fósforo, se realiza un análisis diario, n = 10, de la composición del fertilizante
durante diez días, cantidad de subgrupo m = 10.Se utilizó la propuesta de T.P. Ryan para evaluar el limite
superior de control multivariado. A continuación presentamos la información obtenida de 10 subgrupos.
Subgrupo Nitrógeno Fósforo
1 14.6116 14.7818
2 14.8443 14.9808
3 14.1500 15.1454
4 15.2383 15.0983
5 14.3040 14.5420
6 14.9958 15.0166
7 14.5151 14.3225
8 14.7225 14.5275
9 14.4366 14.3992
10 15.2640 15.5858
la estimación de la matriz de varianza covarianza, Sullivan y Woodall, para los datos de la fase I, se
determina mediante,
g
1 X 1
S= (xi − x̄)(xi − x̄)t = X t Xc
g − 1 i=1 g−1 c
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Carta de Control T 2 de Hotelling
Datos para observaciones individuales
la inversa de esta matriz de varianza covarianza se determina aplicando algunos de los procedimientos
algebráicos conocidos,
10.656 −5.9485
S −1 =
−5.94485 9.6621
por lo tanto para el cálculo de un estadístico de control en la fase I se desarrolla la siguiente multipli-
cación matricial, utilizando la propuesta de E.Jackson 1985 para observaciones individuales y tomando la
observación por ejemplo del subgrupo número cuatro (4),
10.656 −5.9485 15.238 − 14.708
T42 =
15.238 − 14.708 15.098 − 14.841 × ×
−5.94485 9.6621 15.098 − 14.841
T42 = 2.010
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Carta de Control T 2 de Hotelling
Datos para observaciones individuales
2 p(g + 1)(g − 1)
Tp,g,α = Fα,(g,g−p)
g(g − p)
(2)(11)(9)
= × 3.347 = 8.284
(10)(10 − 2)
La carta de control presenta un comportamiento aleatorio, por tanto existe estabilidad estadística en el
proceso.
Estime el vector de medias y la matriz de varianza covarianza. ¿El proceso se encuentra en estabilidad
estadística?
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Carta de Control T 2 de Hotelling
Caso de Estudio: Ejerccicio producto con tres características
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Carta de Control T 2 de Hotelling
Caso de Estudio: Ejerccicio producto con tres características
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Carta de Control T 2 de Hotelling
Caso de Estudio: Ejerccicio producto con tres características
Xct Xc
entonces
0.10 0.24 0.30
0.30 0.44 0.40
−0.4 −0.46 −0.30
−0.20 −0.46 −0.20
0.10 0.30 −0.40 −0.20 0.00 1.00 0.80 0.00 −0.60 −1.00
0.00 −0.16 0.10
0.24 0.44 −0.46 −0.46 −0.16 1.14 0.74 −0.16 −0.46 −0.86 × 1.00 1.14 0.80
0.30 0.40 −0.30 −0.20 0.10 0.80 0.30 0.00 −0.50 −0.90
0.80 0.74 0.30
0.00 −0.16 0.00
−0.60 −0.46 −0.50
−1.00 −0.86 −0.90
por ejemplo el primer, segundo y tercer elemento de la primera fila de la matriz resultante es
la matriz resultantes es
3.30 3.30 2.55
Xct Xc = 3.30 3.52 2.60
2.55 2.60 2.18
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Carta de Control T 2 de Hotelling
Caso de Estudio: Ejerccicio producto con tres características
entonces
0.367 0.367 0.283
S= 0.367 0.392 0.289
0.283 0.289 0.242
es la matriz de varianza covarianza. Evaluando las correlaciones entre las variable, es obtenida la matriz
de correlaciones
1.0000 0.9791 0.0.9261
ρ̂ = 0.9791 1.0000 0.9597
0.9261 0.9597 1.0000
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Carta de Control T 2 de Hotelling
Caso de Estudio: Ejerccicio producto con tres características
la inversa de la matriz
56.605 −34.614 −24.929
S −1 = −34.614 42.439 −10.126
−24.929 −10.126 45.366
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Carta de Control T 2 de Hotelling
Caso de Estudio: Ejerccicio producto con tres características
resolviendo el cálculo dentro de las llaves y después multiplicando por el vector columna centrada
0.10
2
T1 = −10.125 3.686 8.686 × 0.24
0.30
= 2.478
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Carta de Control T 2 de Hotelling
Caso de Estudio: Ejerccicio producto con tres características
resolviendo el cálculo dentro de las llaves y después multiplicando por el vector columna centrada
0.30
2
T1 = −8.2204 4.2383 6.2121 × 0.44
0.40
= 1.8835
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Carta de Control T 2 de Hotelling
Caso de Estudio: Ejerccicio producto con tres características
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Carta de Control T 2 de Hotelling
Caso de Estudio: Ejerccicio producto con tres características
La carta de control de T 2 , no muestra puntos fuera de los límites de control o señales de alarma,
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Carta de Control T 2 de Hotelling
Caso de Estudio: Ejerccicio producto con tres características
Asumamos un punto fuera de control o señal de alarma en la carta multivariada, en el subgrupo seis (6),
modificando dicho valor en la base de datos, por ejemplo reemplazar por los puntos (5.0, 6.0, 7.0) para
cada una de las variables característica de calidad„
Subgrupo x1 x2 x3
1 3.10 3.70 3.00
2 3.30 3.90 3.10
3 2.60 3.00 2.40
4 2.80 3.00 2.50
5 3.00 3.30 2.80
6 5.00 6.00 7.00
7 3.80 4.20 3.00
8 3.00 3.30 2.70
9 2.40 3.00 2.20
10 2.00 2.60 1.80
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Carta de Control T 2 de Hotelling
Caso de Estudio: Ejerccicio producto con tres características
la inversa es
37.388 −36.625 3.723
S −1 = −36.625 49.340 −12.324
3.723 −12.324 6.441
existe una correlación positiva fuerte, mayor a 0.90, entre las variables
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Carta de Control T 2 de Hotelling
Caso de Estudio: Ejerccicio producto con tres características
La carta de control de T 2 , muestra ahora un punto fuera del límite de control superior
es importante evaluar cuál de las tres variables contribuyeron a esta señal de alarma.
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Carta de Control T 2 de Hotelling
Caso de Estudio: Ejerccicio producto con tres características
resolviendo el cálculo dentro de las llaves y después multiplicando por el vector columna centrada
1.90
2
T6 = −2.156 0.1491 2.940 × 2.40
3.95
= 7.8775
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Carta de Control T 2 de Hotelling
Caso de Estudio: Ejerccicio producto con tres características
La descomposición del estadistico T 2 en los componentes que reflejen la construcción de cada variable
individual en una señal de alarma es determinado por la siguiente ecuación
di = T 2 − T(i)
2
es un indicador que presenta la contribución de cada una de las variables al estadístico global. En el
caso de la señal de alarma en el punto (5.0, 6.0, 7.0) el procedimiento es evaluar el estadístico omitiendo
la primera variable, es decir el punto es (6.0, 7.0), el valor central es (2.40, 3.95), por lo que la matriz de
varianza covarianza es simplificada es,
0.942 1.347
1.347 2.089
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Carta de Control T 2 de Hotelling
Caso de Estudio: Ejerccicio producto con tres características
d1 = T 2 − T(1)
2
= 7.87785 − 7.7535 = 0.124
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Carta de Control T 2 de Hotelling
Caso de Estudio: Ejerccicio producto con tres características
d2 = T 2 − T(2)
2
= 7.87785 − 7.8774 = 0.00045081
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Carta de Control T 2 de Hotelling
Caso de Estudio: Ejerccicio producto con tres características
d3 = T 2 − T(3)
2
= 7.87785 − 6.5351 = 1.34267
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Carta de Control T 2 de Hotelling
Caso de Estudio: Ejerccicio producto con tres características
los resultados evidencian que la señal de alarma, presentada en el subgrupo seis, es debido al aumento
en la variabilidasd de la variable x3 es decir un comportamiento no aleatorio en la temperatura del fondo
del horno.
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Cartas de control para monitorear la variabilidad Multivariante
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Cartas de control para monitorear la variabilidad Multivariante
UCL = χ2α,p(p+1)/2
un proceso fuera de control en la fase II, si el valor de Wi es localizado por encima de este límite. Este
autro presenta un segundo enfoque, utilizando la varianza generalizada, definida como |S|, determinante
de la matriz de varianza covarianza
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Cartas de control para monitorear la variabilidad Multivariante
E(|S|) = bi |Σ|
V (|S|) = b2 |Σ|2
donde
p
1 Y
b1 = (n − i)
(n − 1)p i=1
y
p p p
1 Y Y Y
b2 = (n − i) (n − j + 2) − (n − j)
(n − 1)2p i=1 j=1 j=1
Los datos presentados en la parte inferior, son las medidas de la temperatura, viscocidad y la
concentración, seleccionados cada dos minutos, de un producto comercial para el aseo.
Subgrupo Temperatura Viscosidad Concentración
1 491.00 29.33 204.00
2 482.00 19.98 202.00
3 490.00 25.76 201.00
4 495.00 29.00 202.00
5 499.00 31.03 197.00
6 499.00 32.68 201.00
7 507.00 33.56 198.00
8 503.00 27.50 188.00
9 510.00 33.22 195.00
10 509.00 30.15 189.00
promedio 498.5 29.221 197.7
Obtenga una estimación de la matriz de varianza covarianza, su inversa y el vector de medias del
proceso.
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Cartas de control para monitorear la variabilidad Multivariante
Caso de Estudio: Ejercicio producto comercial de aseo
la matriz centrada es
−7.5 0.11 6.3
−16.5 −9.24 4.3
−8.5 −3.46 3.3
−3.5 −0.22 4.3
0.5 1.81 −0.7
Xc =
0.5 3.46 3.3
8.5 4.34 0.3
4.5 −1.72 −9.7
11.5 4.00 −2.7
10.5 0.93 −8.7
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Cartas de control para monitorear la variabilidad Multivariante
Caso de Estudio: Ejercicio producto comercial de aseo
Xct Xc
entonces
−7.5 0.11 6.3
−16.5 −9.24 4.3
−8.5 −3.46 3.3
−3.5 −0.22 4.3
−7.5 −16.5 −8.5 −3.5 0.5 0.5 8.5 4.5 11.5 10.5
0.5 1.81 −0.7
0.11 −9.24 −3.46 −0.22 1.81 3.46 4.34 −1.72 4.00 0.93 × 0.5 3.46 3.3
6.3 4.3 3.3 4.3 −0.7 3.3 0.3 −9.7 −2.7 −8.7
8.5 4.34 0.3
4.5 −1.72 −9.7
11.5 4.00 −2.7
10.5 0.93 −8.7
la matriz resultantes es
748.50 269.37 −323.50
Xct Xc = 269.37 151.32 −42.16
−323.50 −42.16 276.10
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Cartas de control para monitorear la variabilidad Multivariante
Caso de Estudio: Ejercicio producto comercial de aseo
S × S −1 = I
Adl(S T )
S −1 =
|S|
|S| = 83.167 × 16.813 × 30.678 + 29.929 × (−4.684) × (−35.944) + 29.929 × (−4.684) × (−35.944)
− [(−35.944) × 16.813 × (−35.944) + 29.929 × 29.929 × 30.678 + (−4.684) × (−4.684) × 83.167]
= 1946.88468
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Cartas de control para monitorear la variabilidad Multivariante
Caso de Estudio: Ejercicio producto comercial de aseo
los signos
+ − +
− + −
+ − +
este valor es positivo por la tabla de signos, por lo que el primer valor de la matriz adjunta de la
traspuesta de la matriz de varianza covarianza es 498.8421607
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Cartas de control para monitorear la variabilidad Multivariante
Caso de Estudio: Ejercicio producto comercial de aseo
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Cartas de control para monitorear la variabilidad Multivariante
Caso de Estudio: Ejercicio producto comercial de aseo
el promedio de cada característica de calidad en los subgrupos son presentados en la tabla inferior
Subgrupo Temperatura Viscosidad Concentración
1 489.50 26.02 202.25
2 502.00 31.19 196.00
3 497.25 32.84 203.50
4 501.00 28.84 218.25
5 501.25 32.06 208.75
Promedio 498.200 30.192 205.750
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Cartas de control para monitorear la variabilidad Multivariante
Caso de Estudio: Ejercicio producto comercial de aseo
la varianza muestral para cada subgupo, como su covarianza, son presentados en la siguiente tabla
Subgrupo s1 s2 s3 s12 s13 s23
1 29.6666667 18.795225 1.5833333 22.17500 0.833333 2.294167
2 14.6666667 7.1595583 31.333333 1.390000 -5.33333 13.85000
3 216.916666 4.0238917 199.00000 -21.7275 -170.166 17.48500
4 56.6666667 37.567758 5.5833333 17.11000 -17.0000 -6.22083
5 56.2500000 9.2915583 95.583333 16.18916 56.41666 27.55750
Promedio 74.83333 15.36760 66.61667 7.02733 -27.05000 10.99317
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Cartas de control para monitorear la variabilidad Multivariante
Caso de Estudio: Ejercicio producto comercial de aseo
la matriz de varianza covarianza para cada subgrupo, por ejemplo, el primer subgrupo es evaluado de la
siguiente forma,
1
S1 = X t Xc =
(n − 1) c
tenemos " #
1.5000 3.3125 1.7500
1.5000 −7.5000 0.500 5.500
−7.5000 −6.0375 −0.2500
3.3125 −6.0375 −0.258 2.983 × 0.5000 −0.2575 −1.2500
1.7500 −0.2500 −1.250 −0.250
5.5000 2.9825 −0.2500
|S1 | = 19.874
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Cartas de control para monitorear la variabilidad Multivariante
Caso de Estudio: Ejercicio producto comercial de aseo
|S| = 48852.51655
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Cartas de control para monitorear la variabilidad Multivariante
Caso de Estudio: Ejercicio producto comercial de aseo
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Cartas de control para monitorear la variabilidad Multivariante
Caso de Estudio: Ejercicio producto comercial de aseo
resolviendo el cálculo dentro de las llaves y después multiplicando por el vector columna centrada
−8.70
2
T1 = 4 × −0.13070 −0.15453 −0.0801 × −4.174
−3.50
= 8.2501
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Cartas de control para monitorear la variabilidad Multivariante
Caso de Estudio: Ejercicio producto comercial de aseo
este comportamiento muestra un proceso con un comportamiento estable, en fase II, bajo control
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Cartas de control para monitorear la variabilidad Multivariante
Caso de Estudio: Ejercicio producto comercial de aseo
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Cartas de control para monitorear la variabilidad Multivariante
Caso de Estudio: Ejercicio producto comercial de aseo
6e+05
UCL
CL
LCL
5e+05
UCL 488497.5751
4e+05
Varianza Generalizada |S|
3e+05
2e+05
1e+05
CL 48852.51655
0e+00
LCL 0
1 2 3 4 5
Subgrupo
en R
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Carta de control MEWMA
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Carta de control MEWMA
Entre tanto, una carta sensible a corrimientos pequeños, es la carta EWMA multivariante propuesta por
Lowry et al (2012). Crosier, Pignetiello y Runger proponen la carta cususm multivariada. La carta EWMA
generalizada para el caso multivariante, denominada con el nombre de MEWMA es una de las más
aplicadas. El estadístio de control es definido como,
Zi = λxi + (1 − λ)Zi−1
λ
1 − (1 − λ)2i Σ
ΣZi =
2−λ
donde i = 1, 2, 3, ..., m subgrupos seleccionados
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Carta de control MEWMA
Prabhu y Runger (2018) presentan un estudio de la longitud promedio de corridas ARL, donde presentan
diversos valores sueta al número de variables p y el valor de λ, por ejemplo para dos variables la tabla
arroja los siguientes valores de ARL
p 0.05 0.10 0.20 0.30 0.40 0.50
δ UCL = 7.35 8.64 9.65 10.08 10.31 10.44
2 0.0 199.93 199.98 199.1 199.82 199.83 200.16
0.5 26.61 28.07 35.17 44.10 53.82 64.07
1.0 11.23 10.15 110.20 11.36 13.26 15.88
1.5 7.14 6.11 5.49 5.48 5.78 6.36
2.0 5.28 4.42 3.78 3.56 3.53 3.62
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Carta de control MEWMA
En el caso del ejercicio desarrollado anteriormente, donde la matriz de varianza covarianza estimada en
el proceso
74.833333 7.027333 −27.05000
Σ̂ = 7.027333 15.367598 10.993167
−27.050000 10.993167 66.616667
λ[1 − (1 − λ)2i ]
ΣZi = Σ̂
2−λ
0.20[1 − (1 − 0.2)2i ]
= Σ̂
(2 − 0.20)
en este caso
0.20[1 − (1 − 0.2)2i ]
74.833333 7.027333 −27.05000
ΣZi = 7.027333 15.367598 10.993167
(2 − 0.20) −27.050000 10.993167 66.616667
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Carta de control MEWMA
La información presentada en la tabla inferior, una vez obtenida los datos centrados de cada una de las
variables, es calculado los estadísticos de control MEWMA para cada una de las variables
Temperatura Viscosidad Concentración Zx1 Zx2 Zx3
-8.700 -4.174 -3.500 -1.74000 -0.83480 -0.70000
3.800 1.001 -9.750 -0.63200 -0.46764 -2.51000
-0.950 2.651 -2.250 -0.69560 0.15609 -2.45800
2.800 -1.349 12.500 0.00352 -0.14493 0.53360
3.050 1.871 3.000 0.61282 0.25826 1.02688
el segundo estadístico
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Carta de control MEWMA
como
T2i = nZTi Σ−1
Zi Z i
T12 = 4 ×
−1.740 −835
−0.700
−1 0.01848 −0.0156 0.0100
0.20[1 − (1 − 0.2)2i ]
× −0.0156 0.0870 −0.0207
(2 − 0.20) 0.0100 −0.0207 0.0225
−1.740
× −0.835
−0.700
−1.740
=4× −0.6654 −0.773 −0.401 × −0.835
−0.700
= 8.2501
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Carta de control MEWMA
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Carta de control MEWMA
La carta de control MEWMA presentada en la parte inferior, para los estadístico de control antes
calculados
muestra un proceso bajo control estadístico, el comportamiento de los estadísticos de control presentan
un comportamiento aleatorio.
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA
Section III - Multivariate control charts T squared- MEWMA
Carta de control MEWMA
Muchas Gracias
PhD Herrera Acosta Roberto José Section III - Multivariate control charts T squared- MEWMA