Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INGENIERÍA INDUSTRIAL
PRESENTA:
Docente
OSWALDO LÓPEZ
Es por qué se debe a que es una carta en la cual se gráfica la suma acumulada de las
desviaciones tomando en cuenta la media global
Puede detectar cambios pequeños del proceso de magnitudes 0.8 𝜎𝑥̅ y 1 𝜎𝑥̅ al menos
cuatro veces más rápido.
d. ¿Cuáles son las dos formas de construir una carta CUSUM y en qué consiste
cada una?
La CUSUM tabular es la que se consideran de manera separada las sumas acumuladas por
arriba y las sumas acumuladas por abajo.
Es fácil de construir, y detecta pequeños cambios de nivel, pero solo se puede ver parte del
proceso
c. ¿En qué situaciones se recomienda su aplicación?
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.
Mientras más cerca esté de cero es mayor el peso de los datos históricos, 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
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.
Lo mejor es utilizarlas en los procesos que interesa realizar un monitoreo cercano para
detectar cualquier cambio de nivel.
6. 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.
7. 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.
el proceso en las tres cartas es inestable por lo que se requiere atención urgente al proceso
para ver que está pasando y dar solución con el problema.
8. 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.
En las cartas se observa que se necesita para ver que sucede en el proceso porque en cada
carta la muestra va hacia lo negativo, pues el proceso no está en peligro, pero hay que
revisar por qué está pasando para mejorar y corregir el proceso.
49.85 49.71 50.23 50.09 50.14 50.30 50.04 49.69 49.91 49.97 49.37 49.89 50.90
50.78 50.74 50.69 50.91 50.85, 50.48 50.79 50.98 50.78 50.85 50.55 50.47 50.47
50.69 50.75 50.68 50.74
En las cartas se ve que el proceso se encuentra fuera de los límites siendo el resultado un
problema crítico y es necesario detener la producción para ver que está pasando.
No, sin la presencia de causas las mediciones sucesivas tienen algún nivel de correlación.
c) Proponga un ejemplo
Procesos químicos, donde las mediciones sucesivas del proceso o su producto tienen una
conexión, así como procesos donde ocurren derivas o desvíos a través del tiempo
Es una carta para modelos autorregresivos, integrados y de medias móviles que crea
gráficos de control para una sola variable numérica donde los datos fueron recolectados
individualmente o en subgrupos.
Las ventajas es que son buenos para la predicción en el corto plazo, sirven como puntos de
referencia, son baratos y rápidos de construir.
Las desventajas son pobres para predecir momentos de cambios estructurales y puntos de
giro, son de memoria corta, menos eficiente en el uso de información
En procesos continuos que sean muestreados en intervalos a lo largo del tiempo que
exhiban el tipo de autocorrelación.
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.
c) Obtenga e interprete una carta de individuales para los residuos del modelo previo.
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
a) ¿Dado el tipo de proceso es razonable suponer que las mediciones sucesivas sean
independientes? Argumente.
No, ya que lo mejor sería suponer que son auto correlacionados por la naturaleza de los
mismos.
Obtenga una carta de control de individuales, y comente los aspectos más relevantes que
observe.
Se observar que el proceso tiene tanta inestabilidad que hay varios puntos que se salen de
los límites, por lo que se observa en la gráfica que es inestable.
c) 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.
Los puntos en esta gráfica no están tan dispersos por lo que tienen correlación.
Los datos muestran que la Q (60.56) y es mayor que la Chi Cuadrada (30.14), por lo que los
datos están conectados, quiere decir que las primeras gráficas no son confiables.
h) Utilizando las funciones FAC y FACP proponga y ajuste un modelo ARIMA adecuado
para la serie.
i) Obtenga los residuos del modelo anterior y analícelos con una carta de individuales.
Sigue existiendo un punto rojo, pero de manera general el proceso no se ve tan inestable.
j) 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?
Finalmente se observa que si no se verifican los datos que están auto correlacionados se
pueden generar una falsas alarma, por lo que, si se sospecha en un proceso auto
correlacionado hay que hacer la prueba, con un modelo ARIMA para así saber cuál es la
gráfica correcta.