Documentos de Académico
Documentos de Profesional
Documentos de Cultura
SECTION I
4 de febrero de 2022
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
1 Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart,
Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
2 Cartas de Control Shewhart para Observaciones Individuales MR
3 Cartas de control EWMA, Exponentially Weighted Moving Average
Caso de Estudio: Tiempo de empaque
Caso de Estudio: Ejercicios de LLenado
4 Cartas de control Cusum Sumas Acumuladas
Caso de Estudio: Datos para observaciones individuales
Caso de Estudio: Ejercicios Peso molecular
Carta de Control Cusum S con transformación de Castagliola Herrera R. (2009)
Ejercicio Práctico de Transformación de Castagliola propuesta Herrera (2009)
5 Cartas de Control No paramétricas
6 control chart for fraction nonconforming, Control chart for number nonconforming, control
charts for nonconformities or defects, control chart for number of nonconformities per unit.
Control chart geometric, control chart demerit
Distribución Binomial
Distribución Poisson
Distribución Geométrica
7 Carta de control para la fracción disconforme p
Cartas de control estandarizadas
8 Carta de control para la cantidad de no conformes np
9 Carta de control para el número de no conformidades c
10 Carta de control para el número de no conformidades por unidasd u
Carta de control estandarizada para el número de no conformidades
11 Carta de control para el Número de Deméritos D Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
1 Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart,
Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
2 Cartas de Control Shewhart para Observaciones Individuales MR
3 Cartas de control EWMA, Exponentially Weighted Moving Average
Caso de Estudio: Tiempo de empaque
Caso de Estudio: Ejercicios de LLenado
4 Cartas de control Cusum Sumas Acumuladas
Caso de Estudio: Datos para observaciones individuales
Caso de Estudio: Ejercicios Peso molecular
Carta de Control Cusum S con transformación de Castagliola Herrera R. (2009)
Ejercicio Práctico de Transformación de Castagliola propuesta Herrera (2009)
5 Cartas de Control No paramétricas
6 control chart for fraction nonconforming, Control chart for number nonconforming, control
charts for nonconformities or defects, control chart for number of nonconformities per unit.
Control chart geometric, control chart demerit
Distribución Binomial
Distribución Poisson
Distribución Geométrica
7 Carta de control para la fracción disconforme p
Cartas de control estandarizadas
8 Carta de control para la cantidad de no conformes np
9 Carta de control para el número de no conformidades c
10 Carta de control para el número de no conformidades por unidasd u
Carta de control estandarizada para el número de no conformidades
11 Carta de control para el Número de Deméritos D Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
1 Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart,
Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
2 Cartas de Control Shewhart para Observaciones Individuales MR
3 Cartas de control EWMA, Exponentially Weighted Moving Average
Caso de Estudio: Tiempo de empaque
Caso de Estudio: Ejercicios de LLenado
4 Cartas de control Cusum Sumas Acumuladas
Caso de Estudio: Datos para observaciones individuales
Caso de Estudio: Ejercicios Peso molecular
Carta de Control Cusum S con transformación de Castagliola Herrera R. (2009)
Ejercicio Práctico de Transformación de Castagliola propuesta Herrera (2009)
5 Cartas de Control No paramétricas
6 control chart for fraction nonconforming, Control chart for number nonconforming, control
charts for nonconformities or defects, control chart for number of nonconformities per unit.
Control chart geometric, control chart demerit
Distribución Binomial
Distribución Poisson
Distribución Geométrica
7 Carta de control para la fracción disconforme p
Cartas de control estandarizadas
8 Carta de control para la cantidad de no conformes np
9 Carta de control para el número de no conformidades c
10 Carta de control para el número de no conformidades por unidasd u
Carta de control estandarizada para el número de no conformidades
11 Carta de control para el Número de Deméritos D Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
1 Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart,
Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
2 Cartas de Control Shewhart para Observaciones Individuales MR
3 Cartas de control EWMA, Exponentially Weighted Moving Average
Caso de Estudio: Tiempo de empaque
Caso de Estudio: Ejercicios de LLenado
4 Cartas de control Cusum Sumas Acumuladas
Caso de Estudio: Datos para observaciones individuales
Caso de Estudio: Ejercicios Peso molecular
Carta de Control Cusum S con transformación de Castagliola Herrera R. (2009)
Ejercicio Práctico de Transformación de Castagliola propuesta Herrera (2009)
5 Cartas de Control No paramétricas
6 control chart for fraction nonconforming, Control chart for number nonconforming, control
charts for nonconformities or defects, control chart for number of nonconformities per unit.
Control chart geometric, control chart demerit
Distribución Binomial
Distribución Poisson
Distribución Geométrica
7 Carta de control para la fracción disconforme p
Cartas de control estandarizadas
8 Carta de control para la cantidad de no conformes np
9 Carta de control para el número de no conformidades c
10 Carta de control para el número de no conformidades por unidasd u
Carta de control estandarizada para el número de no conformidades
11 Carta de control para el Número de Deméritos D Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
1 Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart,
Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
2 Cartas de Control Shewhart para Observaciones Individuales MR
3 Cartas de control EWMA, Exponentially Weighted Moving Average
Caso de Estudio: Tiempo de empaque
Caso de Estudio: Ejercicios de LLenado
4 Cartas de control Cusum Sumas Acumuladas
Caso de Estudio: Datos para observaciones individuales
Caso de Estudio: Ejercicios Peso molecular
Carta de Control Cusum S con transformación de Castagliola Herrera R. (2009)
Ejercicio Práctico de Transformación de Castagliola propuesta Herrera (2009)
5 Cartas de Control No paramétricas
6 control chart for fraction nonconforming, Control chart for number nonconforming, control
charts for nonconformities or defects, control chart for number of nonconformities per unit.
Control chart geometric, control chart demerit
Distribución Binomial
Distribución Poisson
Distribución Geométrica
7 Carta de control para la fracción disconforme p
Cartas de control estandarizadas
8 Carta de control para la cantidad de no conformes np
9 Carta de control para el número de no conformidades c
10 Carta de control para el número de no conformidades por unidasd u
Carta de control estandarizada para el número de no conformidades
11 Carta de control para el Número de Deméritos D Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
1 Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart,
Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
2 Cartas de Control Shewhart para Observaciones Individuales MR
3 Cartas de control EWMA, Exponentially Weighted Moving Average
Caso de Estudio: Tiempo de empaque
Caso de Estudio: Ejercicios de LLenado
4 Cartas de control Cusum Sumas Acumuladas
Caso de Estudio: Datos para observaciones individuales
Caso de Estudio: Ejercicios Peso molecular
Carta de Control Cusum S con transformación de Castagliola Herrera R. (2009)
Ejercicio Práctico de Transformación de Castagliola propuesta Herrera (2009)
5 Cartas de Control No paramétricas
6 control chart for fraction nonconforming, Control chart for number nonconforming, control
charts for nonconformities or defects, control chart for number of nonconformities per unit.
Control chart geometric, control chart demerit
Distribución Binomial
Distribución Poisson
Distribución Geométrica
7 Carta de control para la fracción disconforme p
Cartas de control estandarizadas
8 Carta de control para la cantidad de no conformes np
9 Carta de control para el número de no conformidades c
10 Carta de control para el número de no conformidades por unidasd u
Carta de control estandarizada para el número de no conformidades
11 Carta de control para el Número de Deméritos D Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
1 Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart,
Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
2 Cartas de Control Shewhart para Observaciones Individuales MR
3 Cartas de control EWMA, Exponentially Weighted Moving Average
Caso de Estudio: Tiempo de empaque
Caso de Estudio: Ejercicios de LLenado
4 Cartas de control Cusum Sumas Acumuladas
Caso de Estudio: Datos para observaciones individuales
Caso de Estudio: Ejercicios Peso molecular
Carta de Control Cusum S con transformación de Castagliola Herrera R. (2009)
Ejercicio Práctico de Transformación de Castagliola propuesta Herrera (2009)
5 Cartas de Control No paramétricas
6 control chart for fraction nonconforming, Control chart for number nonconforming, control
charts for nonconformities or defects, control chart for number of nonconformities per unit.
Control chart geometric, control chart demerit
Distribución Binomial
Distribución Poisson
Distribución Geométrica
7 Carta de control para la fracción disconforme p
Cartas de control estandarizadas
8 Carta de control para la cantidad de no conformes np
9 Carta de control para el número de no conformidades c
10 Carta de control para el número de no conformidades por unidasd u
Carta de control estandarizada para el número de no conformidades
11 Carta de control para el Número de Deméritos D Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
1 Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart,
Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
2 Cartas de Control Shewhart para Observaciones Individuales MR
3 Cartas de control EWMA, Exponentially Weighted Moving Average
Caso de Estudio: Tiempo de empaque
Caso de Estudio: Ejercicios de LLenado
4 Cartas de control Cusum Sumas Acumuladas
Caso de Estudio: Datos para observaciones individuales
Caso de Estudio: Ejercicios Peso molecular
Carta de Control Cusum S con transformación de Castagliola Herrera R. (2009)
Ejercicio Práctico de Transformación de Castagliola propuesta Herrera (2009)
5 Cartas de Control No paramétricas
6 control chart for fraction nonconforming, Control chart for number nonconforming, control
charts for nonconformities or defects, control chart for number of nonconformities per unit.
Control chart geometric, control chart demerit
Distribución Binomial
Distribución Poisson
Distribución Geométrica
7 Carta de control para la fracción disconforme p
Cartas de control estandarizadas
8 Carta de control para la cantidad de no conformes np
9 Carta de control para el número de no conformidades c
10 Carta de control para el número de no conformidades por unidasd u
Carta de control estandarizada para el número de no conformidades
11 Carta de control para el Número de Deméritos D Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
1 Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart,
Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
2 Cartas de Control Shewhart para Observaciones Individuales MR
3 Cartas de control EWMA, Exponentially Weighted Moving Average
Caso de Estudio: Tiempo de empaque
Caso de Estudio: Ejercicios de LLenado
4 Cartas de control Cusum Sumas Acumuladas
Caso de Estudio: Datos para observaciones individuales
Caso de Estudio: Ejercicios Peso molecular
Carta de Control Cusum S con transformación de Castagliola Herrera R. (2009)
Ejercicio Práctico de Transformación de Castagliola propuesta Herrera (2009)
5 Cartas de Control No paramétricas
6 control chart for fraction nonconforming, Control chart for number nonconforming, control
charts for nonconformities or defects, control chart for number of nonconformities per unit.
Control chart geometric, control chart demerit
Distribución Binomial
Distribución Poisson
Distribución Geométrica
7 Carta de control para la fracción disconforme p
Cartas de control estandarizadas
8 Carta de control para la cantidad de no conformes np
9 Carta de control para el número de no conformidades c
10 Carta de control para el número de no conformidades por unidasd u
Carta de control estandarizada para el número de no conformidades
11 Carta de control para el Número de Deméritos D Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
1 Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart,
Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
2 Cartas de Control Shewhart para Observaciones Individuales MR
3 Cartas de control EWMA, Exponentially Weighted Moving Average
Caso de Estudio: Tiempo de empaque
Caso de Estudio: Ejercicios de LLenado
4 Cartas de control Cusum Sumas Acumuladas
Caso de Estudio: Datos para observaciones individuales
Caso de Estudio: Ejercicios Peso molecular
Carta de Control Cusum S con transformación de Castagliola Herrera R. (2009)
Ejercicio Práctico de Transformación de Castagliola propuesta Herrera (2009)
5 Cartas de Control No paramétricas
6 control chart for fraction nonconforming, Control chart for number nonconforming, control
charts for nonconformities or defects, control chart for number of nonconformities per unit.
Control chart geometric, control chart demerit
Distribución Binomial
Distribución Poisson
Distribución Geométrica
7 Carta de control para la fracción disconforme p
Cartas de control estandarizadas
8 Carta de control para la cantidad de no conformes np
9 Carta de control para el número de no conformidades c
10 Carta de control para el número de no conformidades por unidasd u
Carta de control estandarizada para el número de no conformidades
11 Carta de control para el Número de Deméritos D Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
1 Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart,
Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
2 Cartas de Control Shewhart para Observaciones Individuales MR
3 Cartas de control EWMA, Exponentially Weighted Moving Average
Caso de Estudio: Tiempo de empaque
Caso de Estudio: Ejercicios de LLenado
4 Cartas de control Cusum Sumas Acumuladas
Caso de Estudio: Datos para observaciones individuales
Caso de Estudio: Ejercicios Peso molecular
Carta de Control Cusum S con transformación de Castagliola Herrera R. (2009)
Ejercicio Práctico de Transformación de Castagliola propuesta Herrera (2009)
5 Cartas de Control No paramétricas
6 control chart for fraction nonconforming, Control chart for number nonconforming, control
charts for nonconformities or defects, control chart for number of nonconformities per unit.
Control chart geometric, control chart demerit
Distribución Binomial
Distribución Poisson
Distribución Geométrica
7 Carta de control para la fracción disconforme p
Cartas de control estandarizadas
8 Carta de control para la cantidad de no conformes np
9 Carta de control para el número de no conformidades c
10 Carta de control para el número de no conformidades por unidasd u
Carta de control estandarizada para el número de no conformidades
11 Carta de control para el Número de Deméritos D Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
1 Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart,
Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
2 Cartas de Control Shewhart para Observaciones Individuales MR
3 Cartas de control EWMA, Exponentially Weighted Moving Average
Caso de Estudio: Tiempo de empaque
Caso de Estudio: Ejercicios de LLenado
4 Cartas de control Cusum Sumas Acumuladas
Caso de Estudio: Datos para observaciones individuales
Caso de Estudio: Ejercicios Peso molecular
Carta de Control Cusum S con transformación de Castagliola Herrera R. (2009)
Ejercicio Práctico de Transformación de Castagliola propuesta Herrera (2009)
5 Cartas de Control No paramétricas
6 control chart for fraction nonconforming, Control chart for number nonconforming, control
charts for nonconformities or defects, control chart for number of nonconformities per unit.
Control chart geometric, control chart demerit
Distribución Binomial
Distribución Poisson
Distribución Geométrica
7 Carta de control para la fracción disconforme p
Cartas de control estandarizadas
8 Carta de control para la cantidad de no conformes np
9 Carta de control para el número de no conformidades c
10 Carta de control para el número de no conformidades por unidasd u
Carta de control estandarizada para el número de no conformidades
11 Carta de control para el Número de Deméritos D Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
1 Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart,
Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
2 Cartas de Control Shewhart para Observaciones Individuales MR
3 Cartas de control EWMA, Exponentially Weighted Moving Average
Caso de Estudio: Tiempo de empaque
Caso de Estudio: Ejercicios de LLenado
4 Cartas de control Cusum Sumas Acumuladas
Caso de Estudio: Datos para observaciones individuales
Caso de Estudio: Ejercicios Peso molecular
Carta de Control Cusum S con transformación de Castagliola Herrera R. (2009)
Ejercicio Práctico de Transformación de Castagliola propuesta Herrera (2009)
5 Cartas de Control No paramétricas
6 control chart for fraction nonconforming, Control chart for number nonconforming, control
charts for nonconformities or defects, control chart for number of nonconformities per unit.
Control chart geometric, control chart demerit
Distribución Binomial
Distribución Poisson
Distribución Geométrica
7 Carta de control para la fracción disconforme p
Cartas de control estandarizadas
8 Carta de control para la cantidad de no conformes np
9 Carta de control para el número de no conformidades c
10 Carta de control para el número de no conformidades por unidasd u
Carta de control estandarizada para el número de no conformidades
11 Carta de control para el Número de Deméritos D Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Canavos G. (1998) indica que entre las estadísticas más importantes, en ingeniería ocurre, es la media
de un conjunto de variables aleatorias o características de calidad independientes e identicamente
distribuidas. Una muesta aleatoria representada como X1 , X2 , ..., Xn consiste de n variables aleatorias
IIDD tales que E(X) = µ y Var(X) = σ 2 , para toda i = 1, 2, ..., n. La estadística de la medida de
localización es definida como media es,
X1 + X2 + ... + Xn
X̄ =
n
entonces el valor esperado y la varianza de X̄ son,
n
X 1
E(X̄) = µ = n(µ/n) = µ
i=1
n
n
1 2
σ = n(σ 2 /n2 ) = σ 2 /n
X
Var(X̄) =
i=1
n2
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Canavos G. (1998)presenta un problema de un proceso que cuenta con una máquina de llenado
para vaciar 500 gramos de un producto alimenticio en cajas de cartón. La cantidad de alimento en
cada caja es una variable aleatoria normalmente distribuida con media 500 gramos y desviacion
estandar igual 20 gramos. La verificación de este peso promedio, un ingeniero toma una muestra de
25 unidades en forma sistemática, pesando el contenido de éstas. La decisión de detener el proceso,
se presenta cuando el promedio muestral este por encima de 510 gramos o menor a 490 gramos.
¿Cuál es la medida de probabilidad de detener el proceso?
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Una muesta aleatoria representada como X1 , X2 , ..., Xn consiste de n variables aleatorias indepen-
dientes exponencialmente distribuidas tales que los valores esperados,
n
X 1
E(X̄) = θ = n(θ/n) = θ
i=1
n
n
1 2
θ = n(θ2 /n2 ) = θ2 /n
X
Var(X̄) = 2
i=1
n
X̄ − θ
Z= θ
√
n
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
En general una muestra X1 , X2 , ..., Xn de variables aleatorias IID con una distribución de pro-
babilidad no especificada y con media µ y una varianza σ 2 finita. El promedio muestral X̄ =
X1 + X2 + ... + Xn /n tiene una distribución con media µ y varianza σ 2 /n que tiende
√ a una dis-
tribución normal conforme n tiende a infinito, la variable aleatoria (X̄ − µ)/(σ/ n) tiene como
límite una distribución normal estándar; esta última afirmación es denonimada Teorema del límite
central. Esto indica que la variable aleatoria
X̄ − µ
Z= σ
√
n
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Montgomery(2001) muestra el cálculo de los estadísiticos de control de las cartas de control R, X̄,
S 2 , S, conocidas como las cartas tradicionales de Shewhart.
i=1
v
u n
(Xi − X̄)2 /n − 1
uX
S=t
i=1
(D)
p̂ =
n
c
û =
n
donde n es el tamaño del subgrupo seleccionados en el proceso a intervalos fijos (equidistantes) o
no equidistantes.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Estos riesgos son relacionados cuando se prueba una hipótesis sobre algún parámetro de la po-
blación. En el caso del error de tipo I ocurre cuando por razones puramente aleatorias, debidas al
proceso de selección de la muestra, se rechaza una hipótesis nula que es correcta. El error de tipo
II ocurre cuando la muestra no ofrece evidencias para rechazar la hipótesis nula, a pesar de que
esta en la realidad debería ser rechazada. En el diseño de una carta de control se debe establecer
un compromiso que tenga en cuenta estos dos tipos de riesgos. Cuando un punto cae por fuera de
los límites de control debido solamente a causas aleatorias se dice que se ha presentado una falsa
alarma. Es deseable diseñar cartas que produzcan ratas bajas de falsas alarmas debido a los costos
econ¶omicos que estos casos puedan tener para una Industria.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Es una gráfica propuesta por el ing. W. A. Sewhart de los laboratorios de la Bell Telephone en los
años veinte. está constituida por una línea central (determinada por una medida de localización o
una medida de variabilidad promedio) y una o más líneas a ciertas desviaciones de la línea central,
llamadas comúnmente limites de control; que representan el estado de un proceso.
Este tipo de método estadístico permite diferenciar las diversas causas de variabilidad en un proceso:
las aleatorias o fortuitas (comunes) y las asignables o especiales.
1 Variabilidad Aleatoria: Causadas por eventos naturales del proceso.
2 Variabilidad Asignable: Es causada por factores ajenos a las condiciones naturales de un
proceso.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
La variación ocurre en todos los procesos, ya sean fenómenos naturales o invenciones humanas.
Existen dos clases de variación: (a) la variación aleatoria (que es natural en el proceso) (b) la
variación no aleatoria o asignable (resultado de una causa atribuible específica). La primera es
predecible (proceso con estabilidad estadística o bajo control), sin embargo la segunda implica una
estimación sesgada de los parámetros, estandp en fase I o en la fase II, la ocurrencia de un estado
fuera de control.
Una carta de control muestra la variación de un proceso (la variabilidad aleatoria y no aleatoria) y
es utilizada para monitorizar un estadístico a través del tiempo, con el propósito de mantenerlo en
estabilidad estadística o bajo control.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cómo interpretar las cartas de control: (a) inicialmente las cartas de control permiten identificar
variaciones no aleatorias, indicada normalmente con un punto del gráfico fuera de los límites del
control o estando dentro de los límites, presenta un comportamiento no natural dentro, denominado
señal de alarma. Los casos o situaciones que pueden indicar un estado no aleatorio o fuera
de control, señal de alarma, estando dentro de los límites de control establecidos son: Cambios
repentinos de la medida de localización, tendencias del estadístico, oscilaciones alternadas muy
amplias, mezclas de productos o metodologías no estandarizadas
Cuando se presenta un hecho no aleatorio, fuera de control, los responsables del proceso deben
encontrar una causa atribuible, respondiendo a la pregunta ¿qué ha cambiado en el proceso para
producir este hecho?
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
El paso a seguir es, realizar las correcciones pertinentes para que este hecho no se presente.Eliminar
la señal de alarma, en la fase I, una vez encontrado la causa atribuible. Por otra parte en el
monitreo en línea, fase II, una señal de alarma, implica un estado fuera de control, es pertinebte
las correcciones inmediatas, establecer metodología de mejoramiento más estrictas.
Estas variabilidades generalmente son causadas por:
Maquinas
Materiales
Mano de obra
Método
Medio Ambiente
Metrología
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
El paso a seguir es, realizar las correcciones pertinentes para que este hecho no se presente.Eliminar
la señal de alarma, en la fase I, una vez encontrado la causa atribuible. Por otra parte en el
monitreo en línea, fase II, una señal de alarma, implica un estado fuera de control, es pertinebte
las correcciones inmediatas, establecer metodología de mejoramiento más estrictas.
Estas variabilidades generalmente son causadas por:
Maquinas
Materiales
Mano de obra
Método
Medio Ambiente
Metrología
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
El paso a seguir es, realizar las correcciones pertinentes para que este hecho no se presente.Eliminar
la señal de alarma, en la fase I, una vez encontrado la causa atribuible. Por otra parte en el
monitreo en línea, fase II, una señal de alarma, implica un estado fuera de control, es pertinebte
las correcciones inmediatas, establecer metodología de mejoramiento más estrictas.
Estas variabilidades generalmente son causadas por:
Maquinas
Materiales
Mano de obra
Método
Medio Ambiente
Metrología
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
El paso a seguir es, realizar las correcciones pertinentes para que este hecho no se presente.Eliminar
la señal de alarma, en la fase I, una vez encontrado la causa atribuible. Por otra parte en el
monitreo en línea, fase II, una señal de alarma, implica un estado fuera de control, es pertinebte
las correcciones inmediatas, establecer metodología de mejoramiento más estrictas.
Estas variabilidades generalmente son causadas por:
Maquinas
Materiales
Mano de obra
Método
Medio Ambiente
Metrología
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
El paso a seguir es, realizar las correcciones pertinentes para que este hecho no se presente.Eliminar
la señal de alarma, en la fase I, una vez encontrado la causa atribuible. Por otra parte en el
monitreo en línea, fase II, una señal de alarma, implica un estado fuera de control, es pertinebte
las correcciones inmediatas, establecer metodología de mejoramiento más estrictas.
Estas variabilidades generalmente son causadas por:
Maquinas
Materiales
Mano de obra
Método
Medio Ambiente
Metrología
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
UCL = T + LσT
LC = T
LCL = T̄ − LσT
donde T es el estadístico, el limite de Control Superior USL, límite Central de Control LC y límite
Inferior de Control LCL. La característica de los límites de control superior e inferior se encuentra
a una distancia de 3σ que representan como medida de probabilidad el 0.9973, es decir 99.73 %
de que un subgrupo, estadístico de control, este dentro de los límites de control. Esta condición de
los límites de control son medidas de la siguiente forma:
Un límite de control es un intervalo de confianza con una probabilidad de 0.9973 de esta forma,
los límites de control se definen:
h σ σ i
P X̄ − L √ < µ < X̄ + L √ = 1 − α
n n
Un subgrupo es formado por una muestra racional de observaciones, cuyas condiciones dentro del
subgrupo debe tener la menor variabilidad posible y entre subgrupos la mayor. Un proceso que se
encuentra en estabilizado (fase I) o en control (fase II) es aquel que posea variabilidades aleatorias
o naturales dentro de los límites establecidos.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
1 Calcular los límites estándar del proceso basado en los parámetros obtenidos en la fase I,
una vez obtenido los parámetros del proceso en la fase I
2 Control en línea de la nueva informacción seleccionada del proceso; tomando como referente
estos límites estandarizados.
Los objetivos que se obtiene en estas fases:
Mejoramiento continuo del proceso
Identificación de parámetros del proceso y ajuste posterior del proceso
Evaluar medidas de probabilidad
Capacidad del proceso para cumplir con las especificaciones de diseño
En la carta de control presenta el seguimiento a través del tiempo de una medida de localización
o una medida de variabilidad; tanto en el campo univariado como en el multivariado. Un proceso
se considera estadísticamente estable (bajo control), en la medida de localización como la de la
variabilidad, cuando los puntos (subgrupos) representados por algunos de los estadisticos se ubican
entre los límites de control o no presenta aleatoriedad en su comportamiento.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
1 Calcular los límites estándar del proceso basado en los parámetros obtenidos en la fase I,
una vez obtenido los parámetros del proceso en la fase I
2 Control en línea de la nueva informacción seleccionada del proceso; tomando como referente
estos límites estandarizados.
Los objetivos que se obtiene en estas fases:
Mejoramiento continuo del proceso
Identificación de parámetros del proceso y ajuste posterior del proceso
Evaluar medidas de probabilidad
Capacidad del proceso para cumplir con las especificaciones de diseño
En la carta de control presenta el seguimiento a través del tiempo de una medida de localización
o una medida de variabilidad; tanto en el campo univariado como en el multivariado. Un proceso
se considera estadísticamente estable (bajo control), en la medida de localización como la de la
variabilidad, cuando los puntos (subgrupos) representados por algunos de los estadisticos se ubican
entre los límites de control o no presenta aleatoriedad en su comportamiento.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
1 Calcular los límites estándar del proceso basado en los parámetros obtenidos en la fase I,
una vez obtenido los parámetros del proceso en la fase I
2 Control en línea de la nueva informacción seleccionada del proceso; tomando como referente
estos límites estandarizados.
Los objetivos que se obtiene en estas fases:
Mejoramiento continuo del proceso
Identificación de parámetros del proceso y ajuste posterior del proceso
Evaluar medidas de probabilidad
Capacidad del proceso para cumplir con las especificaciones de diseño
En la carta de control presenta el seguimiento a través del tiempo de una medida de localización
o una medida de variabilidad; tanto en el campo univariado como en el multivariado. Un proceso
se considera estadísticamente estable (bajo control), en la medida de localización como la de la
variabilidad, cuando los puntos (subgrupos) representados por algunos de los estadisticos se ubican
entre los límites de control o no presenta aleatoriedad en su comportamiento.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
1 Calcular los límites estándar del proceso basado en los parámetros obtenidos en la fase I,
una vez obtenido los parámetros del proceso en la fase I
2 Control en línea de la nueva informacción seleccionada del proceso; tomando como referente
estos límites estandarizados.
Los objetivos que se obtiene en estas fases:
Mejoramiento continuo del proceso
Identificación de parámetros del proceso y ajuste posterior del proceso
Evaluar medidas de probabilidad
Capacidad del proceso para cumplir con las especificaciones de diseño
En la carta de control presenta el seguimiento a través del tiempo de una medida de localización
o una medida de variabilidad; tanto en el campo univariado como en el multivariado. Un proceso
se considera estadísticamente estable (bajo control), en la medida de localización como la de la
variabilidad, cuando los puntos (subgrupos) representados por algunos de los estadisticos se ubican
entre los límites de control o no presenta aleatoriedad en su comportamiento.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Existen diversos comportamientos que nos indican un estado fuera de control o comportamiento
no aleatorio, entre estos encontramos:
Mezcla, es la sospecha de que en el proceso existen dos o más poblaciones de un mismo factor,
cuyo comportamiento es totalmente diferente uno de otro.
Materia prima
Operario
Equipo
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Existen diversos comportamientos que nos indican un estado fuera de control o comportamiento
no aleatorio, entre estos encontramos:
Mezcla, es la sospecha de que en el proceso existen dos o más poblaciones de un mismo factor,
cuyo comportamiento es totalmente diferente uno de otro.
Materia prima
Operario
Equipo
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Existen diversos comportamientos que nos indican un estado fuera de control o comportamiento
no aleatorio, entre estos encontramos:
Mezcla, es la sospecha de que en el proceso existen dos o más poblaciones de un mismo factor,
cuyo comportamiento es totalmente diferente uno de otro.
Materia prima
Operario
Equipo
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
El cambio de nivel, es un cambio repentino de las condiciones del proceso. En la carta de control
de la medida de variabilidad, un cambio de nivel descendente, implica un mejoramiento significativo
de la dispersión del proceso.
Materia prima.
Operarios con diferentes procedimientos.
Ajuste en el centramiento.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
El cambio de nivel, es un cambio repentino de las condiciones del proceso. En la carta de control
de la medida de variabilidad, un cambio de nivel descendente, implica un mejoramiento significativo
de la dispersión del proceso.
Materia prima.
Operarios con diferentes procedimientos.
Ajuste en el centramiento.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
El cambio de nivel, es un cambio repentino de las condiciones del proceso. En la carta de control
de la medida de variabilidad, un cambio de nivel descendente, implica un mejoramiento significativo
de la dispersión del proceso.
Materia prima.
Operarios con diferentes procedimientos.
Ajuste en el centramiento.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
El cambio de nivel indica una modificación repentina del proceso, es decir evidencia errores en la
planeación de mejoramiento.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
En el ciclo se observa una periocidad en el comportamiento del proceso, esto se debe algunas
veces a la rotación de ciertos factores del proceso. Es el caso de operadores en diferentes horario
de trabajo, se espera que la jornada nocturna genere menos producción que las previstas en las
jornadas diurnas:
Equipo
Operario
Materia prima
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
En el ciclo se observa una periocidad en el comportamiento del proceso, esto se debe algunas
veces a la rotación de ciertos factores del proceso. Es el caso de operadores en diferentes horario
de trabajo, se espera que la jornada nocturna genere menos producción que las previstas en las
jornadas diurnas:
Equipo
Operario
Materia prima
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
En el ciclo se observa una periocidad en el comportamiento del proceso, esto se debe algunas
veces a la rotación de ciertos factores del proceso. Es el caso de operadores en diferentes horario
de trabajo, se espera que la jornada nocturna genere menos producción que las previstas en las
jornadas diurnas:
Equipo
Operario
Materia prima
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Ruiz A. y Rojas F (2006) muestra una tabla que incluyen algunas reglas utilizadas frecuentemente
para analizarlas las cartas de control de la medias y establecer si el proceso se encuentra estable o
fuera de control.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
p p
Var(R) h V (R) i d3
UCL = R̄ + 3b
σR = R̄ + 3 R̄ = R̄ 1 + 3 = 1+3 R̄
E(R) E(R) d2
CL = R̄
p p
Var(R) h V (R) i d3
LCL = R̄ − 3b
σR = R̄ − 3 R̄ = R̄ 1 − 3 = 1−3 R̄
E(R) E(R) d2
simplificando
UCL = D4 R̄
CL = R̄
LCL = D3 R̄
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
En cuanto a los límites de control para la medida de localización en este caso el promedio muestral
X̄, asumiendo que los subgrupos seleccionados provienen de una muestra, conformada por variables
aleatorias independientes e identicamente distribuidas, donde E(Xi ) = µ y Var(Xi ) = σ 2 para
toda i = 1, 2, 3, ..., n.
R̄ 1
p
Var(R)
UCL = X̄¯ + 3b
σ = X̄¯ + 3 R̄ = X̄¯ + 3 √
E(R) d2 n
CL = X̄¯
R̄ 1
p
Var(R)
LCL = X̄¯ − 3b
σX = X̄¯ − 3 R̄ = X̄¯ − 3 √
E(R) d2 n
simplificando
UCL = X̄¯ + A2 R̄
CL = X̄¯
LCL = X̄¯ − A2 R̄
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
Montgomery(2001) presenta las ecuaciones para cada una de estas constantes, en función de c4 ,
modelo de la Distribución Gama,
3
A= √
n
3
A1 = √
c2 n
3
A2 = √
d2 n
3
A3 = √
c4 n
D1 = d2 − 3d3
D2 = d2 + 3d3
d3
D3 = 1 − 3
d2
d3
D4 = 1 + 3
d2
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
donde
2 τ ( n2 )
r
c4 =
n − 1 τ ( n−1
2
)
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
Los datos son obtenidos del porcentaje de un componente esencial en las condiciones físico-
químicas de un medicamento comercial. el tamaño del subgrupo n es tres (3) observaciobes, con
una cantidad de subgrupos m de nueve (9). Construya una carta de control X̄ y R.
la información es la siguiente
Subgrupo x1 x2 x3 x̄ R
1 60 52 55 55.66 8.0
2 50 67 58 58.33 17.0
3 56 60 55 57.00 5.0
4 58 64 58 60.00 6.0
5 57 65 52 58.00 13.0
6 51 58 49 52.66 9.0
7 61 69 52 60.66 17.0
8 65 55 50 56.66 15.0
9 52 60 57 56.33 8.0
el promedio de promedio X̄¯ y el rango promedio R̄, es determinado en primera medida, con el
próposito de obtener los límites históricos.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
En el ejercicio anterior se obtuvo los límites de control inicial o históricos, (se recomienda obtener
la información durante mínimo de cuatro a seis meses) para posteriormente identificar los límites
estándar del proceso, estos valores naturales se obtienen una vez identificado los puntos por fuera
de los límites de control o si existen algún estado no aleatorio del proceso, tales como tendencias,
cambio de nivel, ciclo en el proceso.
P9
i=1 Ri 98
R̄ = = = 10.8889
9 9
el rango promedio que es una medida de probabilidad, posee un valor de 10.8889, permite poste-
riormente estimar el valor de la varianza muestral σ 2
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
los límites de control histórico, en fase I, están definida por las siguientes ecuaciones:
en este caso se observa cierta estabilización estadística de la medida de variabilidad, en este caso
el rango.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
El promedio del estadístico de control para la medida de localización, en este caso de estudio, es
de, P9
i=1 X̄i 515.3337
X̄¯ = = = 57.2593
9 9
Por tanto, los límites de control en la fase I para esta medida, están definida de la siguiente
manera,
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
La carta de control muestra, al igual que la carta de control del rango, una estabilización
estadística en la medida de variabilidad.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
La existencia de puntos fuera de fuera de los límites o señalaes de alarma, en esta fase inicial,
implica como primer paso, recalcular el promedio y el rango promedio de los estadísticos de
control, una vez eliminado el subgrupo en estas condiciones, de la siguiente forma,
Pm
X̄i − X¯d
X¯0 = i=1
m − md
Pm
¯
i=1 R̄i − Rd
R¯0 =
m − md
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
Los parámetros de la característica de calidad, son estimados mediante a partir de los estadísticos
evaluados en la fase I, donde las observaciones del subgrupo o muestra seleccionada son consi-
deradas idenpendientes e identicamente distribuidas, en este caso la distribución asumida es la
normal.
E(R̄) R¯0
σ̂ = =
d2 d2
µ̂ = E(X̄¯ ) = X¯ 0
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
R̄ 10.88
σ̂ = = = 6.43171
d2 1.693
µ̂ = X¯0 = 57.2593
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
Los límites de control en la fase II, son denominados límites estándar, no pueden ser modificados
en esta fase, salvo existan cambios significativos en el proeso, en este caso es un nuevo proceso,
lo cual induce a comenzar en la fase I. En el caso del rango los límites de control estándar son
presentados de la siguiente forma,
simplificando
UCL = D2 σ
CL = d2 σ
LCL = D1 σ
Los valores D2 y D1 son constantes que dependen del tamaño de la muestra n del subgrupo, el
valor de la desvición estándar es estimado mediante σ = R̄/d2 .
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
Los límites estándar para la medida de variabilidad, en este caso el rango R, para el caso de
estudio evaluado presenta los siguientes resultados,
donde los valores D2 = 4.0358 y D1 = 0.0, son obtenidos de la tabla de constantes, sujeto al
tamaño del subgrupo n.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
UCL = µ + Aσ
CL = µ
LCL = µ − Aσ
La formulación de los límites de control estándar para la medida de localozación, en este caso el
promedio X̄, en el caso de estudio es,
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
En esta tabla, el interes es contrastar los estadísticos de control, con respecto a los límites de
control estándar evaluados en la fase II.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
Como se recordará los límites de control estándar para la medida de variabilidad, el rango en este
caso, son UCL = 28.02, CL = 10.88 y LCL = 0.0
En cuanto a la carta de control de la medida de variabilidad, los límites de control estándar para el
promedio arrojó los siguientes resultados: UCL = 68.39, Cl = 57.2593 y LCL = 46.12.
library(qcc)
datos<-read.table("clipboard")
attach(datos)
windows()
qcc(data=datos[1:10,1:3], type="xbar", main="Carta de Control de promedio")
qcc(data=datos[1:10,1:3], type="R", main="Carta de Control del rango")
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
La carta S, permite realizar el seguimiento a la desviación estandar del proceso. Es una carta en
donde el criterio de normalidad no se cumple, pero es conveniente recordar la aplicación de dos
estadísticos para evaluar la desviación:
sP
n
i=1 (xi − x̄)2
s=
n
para procesos normales, la esperanza matemática de la varianza muestral es:
n−1 2
E(s2 ) = σ
n
es un estimador sesgado de la varianza poblacional σ 2 . En este caso es seleccionada como
varianza muestral el estimador insesgado definido como:
sP
n 2
∗ i=1 (xi − x̄)
s =
n−1
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
El error cuadrático medio ECM de la s2 es inferior a la varianza s∗2 . Los valores eperados y la
varianza de ambos estadísticos son los siguientes,
2(n − 1) 4
Var(s2 ) = σ
n2
2
Var(s∗2 ) = σ4
n−1
el valor esperado
2 τ (n/2)
r
E(s) = σ = c2 σ
n τ [(n − 1)/2]
2
r
τ (n/2)
E(s∗ ) = σ = c4 σ
n − 1 τ [(n − 1)/2]
1
r
σs = σ 1 − c22 −
n
q
σs ∗ = σ 1 − c42
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
En la cartas S los límites de control obtenidos en la fase I, históricos o naturales para la medida de
variabilidad, está dado, asumiendo insesgamiento en la desviación muestral, por:
3
q
UCL = E(S) + 3σs∗ = S¯∗ + 1 − c42
c4
CL = S¯∗
3
q
LCL = E(S) − 3σs∗ = S¯∗ − 1 − c42
c4
simplificando
UCL = B4 S¯∗
CL = S¯∗
LCL = B3 S¯∗
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
Los límites de control histórico o naturales para la medida de localización,X̄, son determinados
mediante las siguientes formulaciones,
3S¯∗
UCL = X̄¯ + √
c4 n
LC = X̄¯
3S¯∗
LCL = X̄¯ − √
c4 n
simplificando
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
E(S¯∗ ) S¯∗
σ̂ = = 0
c4 c4
µ̂ = E(X̄) = X¯0
donde c4 es una constante que depende del tamaño del subgrupo n. Es de anotar, que las
estimaciones de los parámetros tanto de las cartas de rango y desviación estándar son valores
similares, pero no iguales.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
En la fase II la formulación aplicada para evaluar los límites estándae para la desviación estándar
y la media del proceso, se determinan mediante,
q q
UCL = c4 σ + 3σS = c4 σ + 3σ 1 − c42 = σ c4 + 1 − c42
CL = c4 σ
q q
LCL = c4 σ − 3σS = c4 σ − 3σ 1 − c42 = σ c4 − 1 − c42
UCL = B6 σ
CL = c4 σ
LCL = B5 σ
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
3
UCL = µ + √ σ = µ + Aσ
n
CL = µ
3
LCL = µ − √ σ = µ − Aσ
n
donde A es una constante que depende del tamaño del subgrupo n. Estos límites de control, son
los mismos definidos en la carta de control de la media, cuando la medida de variabilidad
aplicada es el rango.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
sea Ei el evento que la i-esima media muestral X̄i o exceda a LCS o es menor que LCI entonces,
los promedios X̄i y X̄j son considerados independientes para todo i 6= j, entonces Ei y Ej son
eventos independientes, por lo que la secuencia de los eventos Eis sigue un proceso de Bernoulli.
En el caso de los límites de control para la medida de localización de la carta X̄, S, donde la
esperanza matemática es,
E(Si ) = c4 σ
Var(Si ) = E(Si ) − [E(Si )]2 = σ 2 (1 − c42 )
donde X̄¯ es una variable aleatoria normal y considerando a S̄ aproximadamente normal, para
ˆ es una combinación lineal de X̄¯ y S̄, es también
valores grandes de n,e independientes; además LCL
aproximadamente normal. Es decir la evaluación de los valores esperados de la media y la desviación
estándar para este límite de control, son
σ
ˆ = µ + 3√
E(LCS)
n
s
9(1 − c42 )
ˆ = √σ
Sd(LCS) 1+
mn c42
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
En este contexto, sea Fi un evento de señal de alarma para la media X̄i , es decir que el estadístico
de control exceda LCS
ˆ o menor que LCL,
ˆ entonces para un proceso bajo la distribución normal con
parámetros µ y σ 2 , la medida de probabilidad de Ci es,
ˆ + P(X̄i < LCL)
P(Ci ) = P(X̄i > LCS) ˆ
ˆ = µ − µ − √3 σ = √3 σ
E(X̄i − LCS)
n n
2 2 1 9(1 − c42 )
σ σ
ˆ =
Var(X̄i − LCS) + 1+
n n m c42
ˆ > 0) = 1 − φ r
3
P(X̄i − LCS
9(1−c42 )
h i
1
1+ m
1+ c42
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
la medida de probabilidad de una señal de alarma en una carta Shewhart para el promedio con
tamaño de subrupo n = 4 y m = 20 es de 0.0024, limitada para estimaciones de los límites de
control LCS
ˆ y LCL
ˆ
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
La información recabada en el proceso, a largo de cuatro meses de monitoreo continuo, los datos
son presentados a continuación,
Subgrupo x1 x2 x3 x4 x S
1 51.10 60.70 46.43 64.59 55,7108 8,38867
2 47.83 47.43 66.93 63.57 56,4462 10,2688
3 60.48 56.41 52.18 68.60 59,4228 6,99779
4 53.64 62.79 58.75 54.30 57,3759 4,26716
5 57.79 60.89 57.67 56.83 58,3029 1,78300
6 62.25 53.51 59.08 50.85 56,4277 5,18139
7 49.50 50.16 62.34 58.02 55,0094 6,23457
8 64.51 56.53 56.29 63.61 60,2416 4,43251
9 50.43 65.32 52.27 55.59 55,9000 6,63299
10 60.72 50.42 56.86 68.34 59,0995 7,49286
Es claro, en cada uno de los subgrupos están presentes cuatro observaciones, n = 4. La información
recaudada, en el tiempo, es de diez subgrupos, cantidad de subgrupos, m = 10, otros autores lo
representan como g = 10.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
El cálculo de los límites de control de la media en la fase I, con constante A3 = 1.628 para un
tamaño de subrupo n = 4, son evaludos en las siguientes ecuaciones,
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
Este diagrama muestra una estabilidad estadística en esta medida de localización, por tanto, el paso
final es estimar los parámetros del proceso, existe estabilidad estadística en ambas medidas.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
en este caso los valores de la constante para un tamaño del subgrupo n = 4, es c4 = 0.921. Por
tanto el siguiente paso es evaluar los límites estándar del proceso, con el propósito de realizar:
(1)control, (2) mejoramiento continuo, (3) evaluar medidas de probabilidad para ciertos valores del
proceso, (4) determinar la capacidad de cumplir con las especificaciones de diseño.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
Basado en la información anterior: los límites estándar del promedio X̄ y la desviación estándar S;
realice control con la información que se presenta en la siguiente tabla.
Número del subgrupo x1 x2 x3 x4 x S
1 53.10 62.50 56.33 64.59 59.13 5,334
2 57.83 57.73 65.13 62.77 60.865 3.6908
3 62.58 57.11 55.88 62.40 59.4925 3.498
4 51.54 63.59 52.45 52.50 55.02 5.7303
5 52.49 63.69 55.87 54.23 57.32 5.028
Es importante resaltar, en esta fase, solo es presentado los estadísticos en los límites estándar
evaluados.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
Los cálculos de los límites estándar para la desviación estándar S, en el ejercicio de referencia
son evaluados con base en la estimación de la desviación estánar obtenida en el paso anterior
σ = 6.696,
En cuanto a los límites estándar de la media µ = 57.389 los cálculos son los siguientes, seleccio-
nando la constante A = 1.50, para un tamaño de subrupo n = 4:
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
como la distribución S no es simétrica, puede construirse una carta con límites de probabilidad en
lugar de los límites a tres sigmas, asumiendo una distribución chi-cuadrado con n − 1 grados de
libertad, apartir del intervalo,
(n − 1)S 2
P χ2(α/2,n−1) ≤ ≤ χ 2
(1−α/2,n−1) = 1 − α
σ2
donde χ2(α/2,n−1) y χ2(1−α/2,n−1) denotan los percentiles α/2 y 1 − α/2, respectivamente con
n − 1 grados de libertad.
s s
χ2(α/2,n−1) χ2(1−α/2,n−1)
P σ ≤S≤σ =1−α
n−1 n−1
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
La carta de control para la medida de variabilidad es más robusta, que la carta de control de la
desviación estándar. En lugar de usar la carta R o la carta S para monitorear la variabilidad de una
característica de calidad, se puecle usar la varianza muestral de cada subgrupo y presentarla en
una carta S 2 . Asumiendo una característica de calidad X con distribución normal con media µ y
varianza σ 2 , es conocido, que el estadístico (n − 1)S 2 /σ 2 posee una distribución chi-cuadrado con
n − 1 grados de libertad, apartir del intervalo de confianza es definido los límites de control,
(n − 1)S 2
P χ2(α/2,n−1) ≤ ≤ χ 2
=1−α
σ2 (1−α/2,n−1)
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
S̄ 2 χ21− α S̄ 2 χ2α
2 2 2
P ≤S ≤ =1−α
n−1 n−1
es decir, utilizando las estimaciones anteriores de S 2 se obtiene los límites de control, como medida
de probabilidad
S̄ 2 χ21− α
2
UCL =
n−1
LC = S̄ 2
S̄ 2 χ2α
2
LCL =
n−1
donde los valores de los percentiles para χ21− α , χ2α pertenecen a la distribución chi-cuadrado
2 2
con n − 1 grados de libertad.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
σ 2 χ21− α
2
UCL =
n−1
LC = c42 σ 2
σ 2 χ2α
2
LCL =
n−1
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
Los límites de control en la medida de localización, en fase I, posee las siguientes ecuaciones,
s
S̄ 2
UCL = X̄ + 3
n
LC = X̄
s
S̄ 2
LCL = X̄ − 3
n
2
Pm
la suma de los estadísticos de control para
P la medida de variabilidad es i=1 Si = 102.911, esta
suma para la meduda de localización es m i=1 X̄i = 1014.479.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
las cartas de control, muestra un comportamiento aleatorio en ambas medidas, es decir, existe una
estabilidad estadística en el proceso
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
La estimación de la desviación estándar del promedio del proceso, es realizada con corrección no
sesgada, Pm
j=1 nj Sj 30.160
S̄ = Pm = = 3.016
n
j=1 j 10
el valor obtenido realizando la corrección
S̄ 3.016
σ̂ = = = 3.273
c4 0.9213
µ̂ = X̄¯ = 101.479
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
para la media
s
σ2 3.2732
r
UCL = µ + 3 = 101.479 + 3 = 106.38
n 4
LC = µ = 101.479
s
σ2 3.2732
r
LCL = µ − 3 = 101.479 − 3 = 96.569
n 4
estos estadísticos de control deben ser presentados en los límites de control estándar de la medida
de localización y de variabilidad.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Normal distribution tables, Finding the Z score, Central limit theorem, control charts Shewhart, Ewma, Cusum univariate, Cusum univariate Herrera
Cartas de Control por Variables- Propuesta Shewhart
CARTAS DE CONTROL EN R
library(qcc)
datos<-read.table("clipboard")
attach(datos)
windows()
### CARTA DE CONTROL SHEWHART X S
qcc(data=datos[1:10,1:3], type="xbar", main="Carta de Control de promedio")
qcc(data=datos[1:10,1:3], type="S", main="Carta de Control de la desviación")
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de Control Shewhart para Observaciones Individuales MR
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de Control Shewhart para Observaciones Individuales MR
Es una carta, donde es seleccionado por subgrupo una observación de la característica de calidad
de interés; se elabora un diagrama de promedio para monitorear cada una de las observaciones, en
el caso del monitoreo de la variabilidad se selecciona el rango móvil (MR). Es importante señalar
que esta carta es sensible a la suposición de normalidad.
Pm
Xi i=1
X̄ =
m
El rango móvil y su promedio son determinados por las siguientes expresiones:
MR = |Xi − X1−i |
m
X
¯ =
MR |Xi − X1−i |/m − 1
i=2
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de Control Shewhart para Observaciones Individuales MR
Los límites historicos para el rango móvil MR se presenta en las siguientes ecuaciones, tomando
como tamaño del subgrupo n = 2:.
(2) ¯
UCL = D4 MR
¯
CL = MR
(2) ¯
LCL = D3 MR
Los límites de control, Vargas (2009), para la medida de localización en este caso la media X̄ están
definidos como:
(2) ¯
UCL = X̄ + A2 MR
CL = X̄
(2) ¯
LCL = X̄ − A2 MR
Los límites estándar para el promedio X̄ y rango móvil MR, una vez estimados los parámetros del
proceso, tomando subgrupos de tamaño n = 2:.
UCL = µ + A(2) σ
CL = µ
LCL = µ − A(2) σ
Montgomery (1987) propone una modificación de los anteriores formulaciones utilizando las si-
guientes proposiciones.
¯
MR
UCl = µ + 3
d2
CLµ
¯
MR
LCl = µ − 3
d2
Los límites de control para la medida de variabilidad donde el rango móvil, su promedio esta
definido como:
(2)
UCL = D2 σ
(2)
CL = d2 σ
(2)
LCL = D1 σ
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de Control Shewhart para Observaciones Individuales MR
En una empresa arrocera, el objetivo es realice un monitoreo al peso de las bolsas de arroz de
55 libras, aplicando carta de control de observaciones individuales, solo es tomado una bolsa de
arroz en un intervalo de tiempo dado, es asumido un control efectivo de esta característica en este
producto alimenticio.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de Control Shewhart para Observaciones Individuales MR
la cantidad de subgrupo es m = 10
P9
i=1 MRi 83.6
¯ =
MR = = 9.277
m−1 9
P10
i=1 Xi 558.22
X̄ = = = 55.825
m 10
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de Control Shewhart para Observaciones Individuales MR
Los límites históricos en el cálculo del rango móvil MR son estimados de la siguiente forma,
(2) ¯
UCL = D4 MR = 3.367(9.277) = 34.04
¯ = 9.277
CL = MR
(2) ¯
LCL = D3 MR = 0.0(9.277) = 0.0
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de Control Shewhart para Observaciones Individuales MR
Las cartas de control de observaciones individuales rango móvil y del promedio, evidencia un
comportamiento aleatorio de la variable peso.
Figura: cartas de control para X̄ y MR para los pesos de las bolsas de arroz
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de Control Shewhart para Observaciones Individuales MR
Los parámetros estimados en el caso de estudio, peso de las bolsas de arroz, presentan los siguientes
resultados,
¯
MR 9.277
σ̂ = = = 8.22
(2)
d2 1.128
µ̂ = X̄ = 55.825
el peso promedio es de 55.825 libras con una desviación estándar de 8.22. Este peso, en las próximas
herramientas de control, es contrastado con los límtes de específicaciones, valores obtenidos en la
etapa de diseño del producto.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de Control Shewhart para Observaciones Individuales MR
Supóngase, una nueva información en línea o cotrol en línea, valores presentados en la tabla. Evalúe
el comportamiento actual del proceso,
Número del subgrupo x
1 53.0
2 55.0
3 51.0
4 60.0
5 65.0
6 58.0
7 75.0
estos estadísticos de control son presentados en los valores obtenidos de los límites estándar para
detectar, si es el caso, señales de alarma en el proceso.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de Control Shewhart para Observaciones Individuales MR
Figura: cartas de control para X̄ y MR para los pesos de las bolsas de arroz
Evalúe la medida de probabilidad de cumplir con las especificaciones de este poceso, el proceso de
llenado está diseñado para las siguientes especificaciones: USL = 60 y LSL = 50. La información
suministrada indica µ = 55.825 y σ = 8.22. Esta medida de probabilidad es evaluada mediante la
distribución normal estándar de la siguiente forma,
esta medida de probabilidad, indica un proceso con el 45.47 % de cumplimiento de las especifica-
ciones, lo que implica sin lugar a dudas un ajuste considerable de las condiciones actuales en la
fabricación de este productro.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de Control Shewhart para Observaciones Individuales MR
especificacion<-pnorm(60,mean=55.825,sd=8.22)-pnorm(50,mean=55.825,sd=8.22)
especificacion
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de Control Shewhart para Observaciones Individuales MR
library(qcr)
x <- c(33.75, 33.05, 34, 33.81, 33.46, 34.02, 33.68, 33.27, 33.49, 33.20, + 33.62, 33.00, 33.54, 33.12, 33.84)
sample <- 1:length(x)
datos<- data.frame(x,sample)
datos.qcd <- qcd(datos)
res.qcs <- qcs.one(datos.qcd)
class(res.qcs)
###[1] "qcs.one" "qcs"
summary(res.qcs)
plot(res.qcs, title = "Control Chart Xbar.one for pistonrings")
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control EWMA, Exponentially Weighted Moving Average
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control EWMA, Exponentially Weighted Moving Average
Roberts(1954) propone esta carta de control denominada Exponentially Weighted Moving Average
para obtener una estadística conocida como EWMA para monitorear los estadístico de control de
un proceso. En la formulación, es presentada el valor del estadístico EWMA, que puede tomar el
valor de una variable aleatoria T = X, el caso de bservaciones individuales, o T = X̄ cuando de
un estadístico. Esta carta de control es aplicada en procesos en donde la medida de variabilidad es
pequeña, es de suma importancia en los procesos tecnológicamente avanzados.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control EWMA, Exponentially Weighted Moving Average
El estadístico de control para la carta EWMA posee la siguiente notación, similar los modelos
econométricos, en este caso el valor inicial EWMAt−1 es estimado con el parámetro obtendio en la
fase I.
EWMAt = (1 − λ)EWMAt−1 + λXi
Vargas (2009) generaliza el esquema del estadístio EWMA mediante,
Zt = (1 − λ)Zt−1 + λXt
en este caso usualmente el valor de partida Z0 es el valor objetivo. Xt puede ser el valor observado
individualmente del proceso en el tiemo t. λ es un constante de sensibilidad que toma valores
desde cero hasta uno, 0 ≤ λ ≤ 1.
Generalmente algunos autores recomiendan valores que se encuentran entre 0.1 a un valor de 0.3.
Existen otras formas de evaluar λ, mediante un proceso iteractivo
P de mínimos cuadrados, es decir
definido et = X − Zt , para diferentes valores de λ es calculado tt=1 ei2 , seleccionando el valor de
λ que produzca el menor valor de esta suma de cuadrado.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control EWMA, Exponentially Weighted Moving Average
donde los pesos de las observaciones pasadas, disminuyen exponencialmente, en una serie de tipo
geométrico.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control EWMA, Exponentially Weighted Moving Average
En una muestra con variables Xi , IID con varianzas común σ 2 , se tiene que para el estadistico de
control EWMA,
las cartas Shewhart y EWMA construidas simultáneamente, puede usarse la igualdad entre las
desviaciones σ̂Z = σ̂
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control EWMA, Exponentially Weighted Moving Average
Los límites de control en la carta EWMA, son definidos en el intervalo de confianza, con un nivel
de signiicancia α,
P(T − LσZ < θ < T + LσZ ) = 1 − α
donde T es el valor o estadístico de control, θ la estimación del parámetro. Los límites de control
asimptóticos para este estadístico es,
1
λ 2
UCL = T + L σ
2−λ
CL = T
1
λ 2
LCL = T − L σ
2−λ
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control EWMA, Exponentially Weighted Moving Average
Los límites de control reales del esquema de control EWMA tiene la forma,
1
λ{1 − (1 − λ)2t } 2
UCL = T + L σ
2−λ
CL = T
1
λ{1 − (1 − λ)2t } 2
LCL = T − L σ
2−λ
esta formulación evidencia un esquema gráfico, en donde inicialmente los límites de control son va-
riables, comportamiento exponencial, a medida que aumenta el valor de t estos límites se aproximan
a una constante.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control EWMA, Exponentially Weighted Moving Average
donde el valor de λ están sujeto a la sensibilidad de la carta de control, es decir las propiedades
que se desean de un valor de ARL previamente establecido antes de realizar el monitoreo. De tal
manera que L es una constante positiva, que puede tomar por ejemplo el valor de 3.0 para un nivel
de significancia de 0.0027 . Estos límites a pesar de que son fáciles de calcular, son menos visibles
a los cambios en las observaciones iniciales. Para solucionar este inconveniente algunos autores
como Montgomery (2001) y Ryon (2000) sugieren los límites correctos,
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control EWMA, Exponentially Weighted Moving Average
Caso de Estudio: Tiempo de empaque
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control EWMA, Exponentially Weighted Moving Average
Caso de Estudio: Tiempo de empaque
En este caso,es observado una sola observación por subgrupo, lo que indica que esta carta de
control es construida con una EWMA de observaciones individuales.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control EWMA, Exponentially Weighted Moving Average
Caso de Estudio: Tiempo de empaque
Como se indico anteriormente, los parámetros son conocidos por lo que los cálculos de los límites
de control en la fase II, son los siguientes,
1
0.2
2
UCL = 147.082 + 3 × 5.316 = 149.459
2 − 0.2
CL = 147.082
1
0.2
2
LCL = 147.082 − 3 × 5.316 = 144.704
2 − 0.2
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control EWMA, Exponentially Weighted Moving Average
Caso de Estudio: Tiempo de empaque
El cálculo de los estadísticos de control para cada uno de los subgrupos se presentan a continuación.
Se observa que el valor de inicio para el estadístico de control EWMAt−1 es el promedio µ.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control EWMA, Exponentially Weighted Moving Average
Caso de Estudio: Tiempo de empaque
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control EWMA, Exponentially Weighted Moving Average
Caso de Estudio: Tiempo de empaque
En la carta de control, como se muestra en la siguiente figura, los estadístico de control monitorea-
dos poseen un comportamiento que se puede asumir como aleatorio. Lo que induce a afirmar que
el proceso se encuentra bajo control estadístico.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control EWMA, Exponentially Weighted Moving Average
Caso de Estudio: Tiempo de empaque
Sea un proceso bajo control en t = 0, donde λ = 0.5, tiene valor objetivo de 50, es decir se
asume Z0 = 50 y una varianza σ 2 = 4.0. La tabla muestra los valores EWMA para los primeros
cinco datos, Vargas (2009).
Subgrupo Xi Zt
1 52.00 51.00
2 47.00 49.00
3 53.00 51.00
4 49.30 50.15
5 50.10 50.13
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control EWMA, Exponentially Weighted Moving Average
Caso de Estudio: Tiempo de empaque
1/2
0.5
UCL = 50.00 + 3 (2.0) = 53.46
2 − 0.5
Cl = 50.00
1/2
0.5
UCL = 50.00 − 3 (2.0) = 46.53
2 − 0.5
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control EWMA, Exponentially Weighted Moving Average
Caso de Estudio: Tiempo de empaque
library(qcc)
datos<-read.table("clipboard")
attach(datos)
windows()
ewma(data=datos[1:10,1:3], type="R", main="Carta de Control Ewma")
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control EWMA, Exponentially Weighted Moving Average
Caso de Estudio: Tiempo de empaque
library(readxl)
datos<-read_excel("Sodacomercial.xlsx", sheet = 1, skip =0)
library(qcc)
#cartas de control Shewhart
qcc(data=datos[1:10,1:3], type="xbar", main="Carta de Control de promedio")
qcc(data=datos[1:10,1:3], type="R", main="Carta de Control del rango")
qcc(data=datos[1:10,1:3], type="S", main="Carta de Control de la desviación")
#cartas de control Ewma y Cusum
ewma(data=datos[1:10,1:3], type="R", main="Carta de Control Ewma")
cusum(data=datos[1:10,1:3], type="R", main="Carta de Control Cusum")
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control EWMA, Exponentially Weighted Moving Average
Caso de Estudio: Tiempo de empaque
Crowder & Hamilton(1992) pronen los siguinetes estadísticos EWMA para las medidas de
variabilidad aplicando log(St2 ) donde el estadístico St2 es la varianza del i-ésimo subgrupo, los
límites de control están definidos como,
1/2
λ
UCL = c + L d
2−λ
LC = c
1/2
λ
LCL =c − L d
2−λ
1 1 2
c = ln(σ 2 ) − − +
n−1 3(n − 1)2 15(n − 1)4
2 2 4 16
d= + + −
n−1 (n − 1)2 3(n − 1)3 15(n − 1)5
Zt = λlog(St2 ) + (1 − λ)Zt−1
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control EWMA, Exponentially Weighted Moving Average
Caso de Estudio: Tiempo de empaque
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control EWMA, Exponentially Weighted Moving Average
Caso de Estudio: Tiempo de empaque
1 1 2
c = ln(7.84) − − + = 1.484
3−1 3(3 − 1)2 15(3 − 1)4
2 2 4 16
d= + + − = 1.633
3−1 (3 − 1)2 3(3 − 1)3 15(3 − 1)5
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control EWMA, Exponentially Weighted Moving Average
Caso de Estudio: Tiempo de empaque
5 UCL
LC
LCL
4
3
Varianza
2
1
0
1 2 3 4 5
Subgrupo
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control EWMA, Exponentially Weighted Moving Average
Caso de Estudio: Tiempo de empaque
En el caso univariado los límites de control, Acosta, Mejía Pignatelo (20002, presentan el siguiente
esquema
" 1/2 #
λ
UCL = σ02 1 + L
2−λ
LC = c
( " 1/2 #)
λ
LCL = máx 0, σ02 1 + L
2−λ
para todo t > 2, 0 < λ ≤ 1, y S12 = (X1 − µ)2 . Los valores de L para un ARL bajo control son
calculados usando cadenas de Markov.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control EWMA, Exponentially Weighted Moving Average
Caso de Estudio: Ejercicios de LLenado
En un proceso de llenado de aditivo para motor. es seleccionada una unidad, cada hora, obteniendo
el peso o volumen, respectivo. Puesto que el proceso de llenado es automátizado, posee una
variabilidad mínima y estable. Por otro lado, una larga experiencia, del responsable de calidad,
indica que la desviación del proceso σ = 0.05 oz. La tabla muestra las mediciones en 10 horas de
operación.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control EWMA, Exponentially Weighted Moving Average
Caso de Estudio: Ejercicios de LLenado
1 suponiendo que el objetivo del proceso es 8.02 0z., establecer una EWMA para el proceso
con λ = 0.2 y L = 3.
2 Estime el intervalo de tolerancia, determine la capacidad de esta característica de calidad y el
desempeño con los datos en línea.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control EWMA, Exponentially Weighted Moving Average
Caso de Estudio: Ejercicios de LLenado
El estadístico de control para cada una de las valores obtenidos en cada uno de los subgrupos son
presentados a continuación, el valor de arranque es z0 = µ0 = 8.02.
Observaciones x 0.2(xi ) + (1 − 0.2)zi−1 zi
1 8.00 0.2(8.00) + (1 − 0.2)8.020 8.0160
2 8.01 0.2(8.01) + (1 − 0.2)8.016 8.0148
3 8.02 0.2(8.02) + (1 − 0.2)8.014 8.0158
4 8.01 0.2(8.01) + (1 − 0.2)8.015 8.0146
5 8.00 0.2(8.00) + (1 − 0.2)8.014 8.0117
6 8.01 0.2(8.00) + (1 − 0.2)8.011 8.0113
7 8.06 0.2(8.06) + (1 − 0.2)8.011 8.0211
8 8.07 0.2(8.07) + (1 − 0.2)8.021 8.0308
9 8.01 0.2(8.01) + (1 − 0.2)8.030 8.0267
10 8.04 0.2(8.04) + (1 − 0.2)8.0260 8.0290
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control EWMA, Exponentially Weighted Moving Average
Caso de Estudio: Ejercicios de LLenado
en el segundo período t = 2.
s
0.2
UCl =8.02 + 3 [1 − (1 − 0.2)2(2) ] (0.05) = 8.058
(2 − 0.2)
CL =8.02
s
0.2
LCL =8.02 − 3 [1 − (1 − 0.2)2(2) ] (0.05) = 7.961
(2 − 0.2)
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control EWMA, Exponentially Weighted Moving Average
Caso de Estudio: Ejercicios de LLenado
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control EWMA, Exponentially Weighted Moving Average
Caso de Estudio: Ejercicios de LLenado
EWMA Chart
for pesoslata
UCL
8.06
8.04
Group Summary Statistics
8.02
8.00
7.98
LCL
1 2 3 4 5 6 7 8 9 10
Group
Number of groups = 10 Smoothing parameter = 0.2
Center = 8.02 Control limits at 3*sigma
StdDev = 0.05 No. of points beyond limits = 0
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control EWMA, Exponentially Weighted Moving Average
Caso de Estudio: Ejercicios de LLenado
Aplicando la carta Shewhart para observaciones individuales, los estadísticos de control para el
rango, son presentados en la siguiente tabla.
Observación X MR(2)
1 8.0
2 8.01 0.01
3 8.02 0.01
4 8.01 0.01
5 8.0 0.01
6 8.01 0.01
7 8.06 0.05
8 8.07 0.01
9 8.01 0.06
10 8.04 0.03
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control EWMA, Exponentially Weighted Moving Average
Caso de Estudio: Ejercicios de LLenado
Los límites estándar en el cálculo del rango móvil MR son estimados de la siguiente forma,
(2)
UCL = D2 σ = 3.686(0.05) = 0.184
(2)
CL = d2 σ = 1.128(0.05) = 0.056
(2)
LCL = D1 σ = 0.0(0.05) = 0.0
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control EWMA, Exponentially Weighted Moving Average
Caso de Estudio: Ejercicios de LLenado
xbar Chart
for pesoslata
UCL
8.15
8.10
Group summary statistics
8.05
CL
8.00
7.95
7.90
LCL
1 2 3 4 5 6 7 8 9 10
Group
Number of groups = 10
Center = 8.02 LCL = 7.87 Number beyond limits = 0
StdDev = 0.05 UCL = 8.17 Number violating runs = 0
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control Cusum Sumas Acumuladas
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control Cusum Sumas Acumuladas
Las carta de control Cusum presentada por Page, Ewan, Hawkins, Gan, permiten monitorear la
media de un proceso bajo condiciones normales de diferentes maneras. Por lo general se toma
el procedimiento Cusum en donde el seguimiento de la característica de calidad se realiza en
forma bilateral, que consiste en tomar valores de la media µ0 y la desviación estándar σ0 de un
proceso, donde n es el tamaño de la muestra o subgrupo a monitorear. Generalmente se realiza
estandarizaciones de la variable o el estadístico de la siguiente forma,
x̄ − µ
Zt = σ
√0
n
donde x̄ representa la media estimada para cada uno de los subgrupo. Los estadísticos Cusum
para t subgrupo es,
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control Cusum Sumas Acumuladas
cuando se realiza una estandarización de las observaciones o los estadístico de control T , el valor
inicial o de arranque es C0+ y C0− > 0. Este estadístico de control puede ser una observación,
cuando el subrupo posee un solo dato, o un estadístico cuando se determina una característica de
una muestra seleccionada. Los límites de control de esta carta están definidos como ±H σ, cuando
se monitorea con los valores reales; si estos se estándarizan los límites de control claramente debe
ser ±3.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control Cusum Sumas Acumuladas
El esquema del estadístico de control Cusum cuando se realiza la estándarización tiene la forma,
el valor de k = 0.5 es un factor de sensibilidad de la carta Cusum. C0+ , C0− > 0, los valores C +
son usados para detectar incrementos en el estadístico de control, mientras C − permite detectar
disminuciones.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control Cusum Sumas Acumuladas
El estadístico T , para el caso de la carta de variabilidad es: Cusum S según Acosta y Mejía el
estadístico es σSn y la estadística de control de la suma acumulada se define como,
0
h S i
Ct+ = max 0, +
− k + Ct−1
σ0
h S i
Ct− = min 0, −
+ k + Ct−1
σ0
1.064
donde el valor de la constante de sensibilidad se cálcula de la siguiente froma: k = 2
(1 + σ
σ0
a
).
La razón σa /σ0 mide el incremento de la variabilidad que se desea evaluar.
Rn
En el caso de la carta Cusum R es σ0
y la estadística de control de la suma acumulada es,
h R i
Ct+ = max 0, +
− k + Ct−1
σ0
h R i
− −
Ct = min 0, + k + Ct−1
σ0
2.326 σa
donde k = 2
(1 + σ0
).
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control Cusum Sumas Acumuladas
Caso de Estudio: Datos para observaciones individuales
A continuación se presenta los datos de la actividad del tiempo de empaque, tratada en la carta
EWMA, recuerdese que la media es µ = 147.082 y la desviación estándar es σ = 5.316.
Subgrupo Tiempo
1 146.116
2 148.443
3 141.500
4 152.383
5 143.040
6 149.958
7 145.151
8 147.225
9 144.366
10 152.640
x̄ = 147.083
S = 0.37804
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control Cusum Sumas Acumuladas
Caso de Estudio: Datos para observaciones individuales
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control Cusum Sumas Acumuladas
Caso de Estudio: Datos para observaciones individuales
Los valores de estos estadísticos de control Cusum son presentados en el esquema, observese que
el valor inicial o de arranque del estadístico de control es cero.
estos estadísticos de control, se presentan sobre los límites de control CUSUM para H σ, como se
trata de una estandarización es conveniente tomar los valores de−3 y 3 como límites de control.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control Cusum Sumas Acumuladas
Caso de Estudio: Datos para observaciones individuales
Los cálculos de la variable estandarizada y los estadísticos de control para la carta CUSUM son los
siguientes,
Subgrupo Tiempo z C+ C−
1 146.116 -0.181 0 0
2 148.443 0.256 0 0
3 141.500 -1.050 0 -0.55
4 152.383 0.997 0.497 0
5 143.040 -0.760 0 0
6 149.958 0.541 0.041 0
7 145.151 -0.36 0 0
8 147.225 0.026 0 0
9 144.366 -0.510 0 -0.01
10 152.640 1.045 0.545 0
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control Cusum Sumas Acumuladas
Caso de Estudio: Datos para observaciones individuales
La carta Cusum estandarizada que se presenta en la figura, es la carta con los valores el estadístico
de control sin la estandarización. Se puede observar que no existen señales fuera de control, como
también no se observa un comportamiento no aleatorio.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control Cusum Sumas Acumuladas
Caso de Estudio: Datos para observaciones individuales
library(qcc)
datos<-read.table("clipboard")
attach(datos)
windows()
### CARTA DE CONTROL CUSUM
cusum(data=datos[1:9,3:4], type="R", main="Carta de Control Cusum")
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control Cusum Sumas Acumuladas
Caso de Estudio: Ejercicios Peso molecular
Los datos siguientes presentan observaciones individuales del peso molecular tomadas cada hora
en un proceso químico.
Número de observaciones x Número de observaciones x
1 1045 11 1139
2 1055 12 1169
3 1037 13 1151
4 1064 14 1128
5 1095 15 1238
6 1008 16 1125
7 1050 17 1163
8 1087 18 1188
9 1125 19 1146
10 1146 20 1167
El valor objetivo del peso molecular es 1050 y se piensa que la desviación estándar del proceso es
de aproximadamente σ = 25.
1 Establecer una cusum tabular para la media de este proceso. Diseñar la cusum para detectar
con rápidez un corrimiento aproximadamente 1.0σ en la media del proceso.
2 ¿La estimación de σ usada en el inciso anterior de este problema es razonable?
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control Cusum Sumas Acumuladas
Caso de Estudio: Ejercicios Peso molecular
µ1 = µ0 + δσ = µ + 1.0σ
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control Cusum Sumas Acumuladas
Caso de Estudio: Ejercicios Peso molecular
Los estadísticos de control unilateral superior, para el peso molecular son los siguientes, donde el
valor de arranque C0+ = 0.
+
Número de observaciones máx[0, xi − (µ0 + K ) + Ci−1 ] Ci+ contador N +
1 máx[0, 1045 − (1050 + 0.5(25)) + 0] = máx[0, −17.5] 0 0
2 máx[0, 1055 − (1050 + 0.5(25)) + 0] = máx[0, −7.5] 0 0
3 máx[0, 1037 − (1050 + 0.5(25)) + 0] = máx[0, −25.5] 0 0
4 máx[0, 1064 − (1050 + 0.5(25)) + 0] = máx[0, 1.5] 1.5 1
5 máx[0, 1095 − (1050 + 0.5(25)) + 1.5] = máx[0, 34] 34 2
6 máx[0, 1008 − (1050 + 0.5(25)) + 34] = máx[0, −20.5] 0 0
7 máx[0, 1050 − (1050 + 0.5(25)) + 0] = máx[0, −12.5] 0 0
8 máx[0, 1087 − (1050 + 0.5(25)) + 0] = máx[0, 24.5] 24.5 1
9 máx[0, 1125 − (1050 + 0.5(25)) + 24.5] = máx[0, 87] 87 2
10 máx[0, 1146 − (1050 + 0.5(25)) + 87] = máx[0, 170.5] 170.5 3
11 máx[0, 1139 − (1050 + 0.5(25)) + 170.5] = máx[0, 247] 247 4
12 máx[0, 1169 − (1050 + 0.5(25)) + 247] = máx[0, 353.5] 353.5 5
13 máx[0, 1151 − (1050 + 0.5(25)) + 353.5] = máx[0, 442.0] 442 6
14 máx[0, 1128 − (1050 + 0.5(25)) + 442] = máx[0, 507.5] 507.5 7
15 máx[0, 1238 − (1050 + 0.5(25)) + 507.5] = máx[0, 683.0] 683 8
16 máx[0, 1125 − (1050 + 0.5(25)) + 683] = máx[0, 745.5] 745.5 9
17 máx[0, 1163 − (1050 + 0.5(25)) + 745.5] = máx[0, 846] 846 10
18 máx[0, 1188 − (1050 + 0.5(25)) + 846] = máx[0, 971.5] 971.5 11
19 máx[0, 1146 − (1050 + 0.5(25)) + 971.5] = máx[0, 1055] 1055 12
20 máx[0, 1167 − (1050 + 0.5(25)) + 1055] = máx[0, 1159.5] 1159.5 13
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control Cusum Sumas Acumuladas
Caso de Estudio: Ejercicios Peso molecular
cusum Chart
for datos
40
30
Above target
Cumulative Sum
20
10
UDB
Below target
0
LDB
1 2 3 4 5 6 7 8 9 10 12 14 16 18 20
Group
Number of groups = 20 Decision interval (std. err.) = 5
Center = 1050 Shift detection (std. err.) = 1
StdDev = 25 No. of points beyond boundaries = 11
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control Cusum Sumas Acumuladas
Caso de Estudio: Ejercicios Peso molecular
para evaluar el corrimiento de la media, para posterior ajueste del promedio del proceso es aplicado
Ci+
µ̂ = µ0 + K + si Ci+ > H o
N+
C−
= µ0 − K − i− si Ci− > H
N
+
es el caso del subgrupo o período 10, donde C10 = 170.5 la medida del corrimiento de esta
caracteristica es
C+ 170.5
µ0 + K + i+ = 1050 + (0.5)(25) + = 1119.33
N 3
esto indica que el peso molecular promedio, característica de calidad evaluada, se ha corrido de
1050 a 1119.33 por lo que es necesario realizar un ajuste de las variables que incidan en el peso
molecular.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control Cusum Sumas Acumuladas
Caso de Estudio: Ejercicios Peso molecular
Los estadísticos de control para la carta Shewhart para observaciones individuales son
Observaciones x MR(2)
1 1045
2 1055 10
3 1037 18
4 1064 27
5 1095 31
6 1008 87
7 1050 42
8 1087 37
9 1125 38
10 1146 21
11 1139 7
12 1169 30
13 1151 18
14 1128 23
15 1238 110
16 1125 113
17 1163 38
18 1188 25
19 1146 42
20 1167 21
donde los estadísticos de esta muestra es
P20
i=1 Xi 22326
X̄ = = = 1116.3
m 20
sP
20
s
2 1124.5131
i=1 (Xi − X̄)
S= = = 59.1849
m−1 20 − 1
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control Cusum Sumas Acumuladas
Caso de Estudio: Ejercicios Peso molecular
Los límites estándar en el cálculo del rango móvil MR son estimados de la siguiente forma,
(2)
UCL = D2 σ = 3.686(25) = 92.15
(2)
CL = d2 σ = 1.128(25) = 28.20
(2)
LCL = D1 σ = 0.0(25) = 0.0
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control Cusum Sumas Acumuladas
Caso de Estudio: Ejercicios Peso molecular
la figura muestra un estado fuera de contro, observese que la carta muestra un cambio de nivel a
partir del subgrupo 10.
xbar Chart
for datos
1200
Group summary statistics
1150
UCL
1100
1050
CL
1000
LCL
1 2 3 4 5 6 7 8 9 10 12 14 16 18 20
Group
Number of groups = 20
Center = 1050 LCL = 975 Number beyond limits = 10
StdDev = 25 UCL = 1125 Number violating runs = 7
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control Cusum Sumas Acumuladas
Caso de Estudio: Ejercicios Peso molecular
miu<-300
sigma<-1.5
n<-50
delta<-0.00
gamma<-0.00
#########################################################################################
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control Cusum Sumas Acumuladas
Carta de Control Cusum S con transformación de Castagliola Herrera R. (2009)
Inicialmente se toman muestras del proceso evaluando la varianza muestral S 2 para cada subgrupo
seleccionado. Posteriormente se realiza la transformación propuesta Tt = a + b(lnSt2 + c) tal como
se expuso en la propuesta S 2 Ewma de Castagliola. Una vez obtenida la transformación, se calcula
el estadístico Ct+ . Si este sobrepasa el límite de control superior LCS, se considera que el proceso
se encuentra fuera de control debido a una causa no aleatoria o especial que ha generado un
aumentado en la dispersión del proceso.
La transformación
Tt = A(n) + B(n)ln[St2 + C(n)]
tiene una distribuciónn aproximadamente normal estándar por lo que el primer valor de C0 se
define como,
C0 = E(Vt ) = E(Tt )
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control Cusum Sumas Acumuladas
Carta de Control Cusum S con transformación de Castagliola Herrera R. (2009)
entonces el valor de inicio se toma mediante una expansión de primer orden se deduce el valor de
inicio
C0 ≈ a + b ln(σ02 + c)
Se reemplazan los valores a, b y c por A(n) − 2B(n)lnσ02 , B(n) y C(n)σ02 respectivamente, y se
obtiene:
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control Cusum Sumas Acumuladas
Carta de Control Cusum S con transformación de Castagliola Herrera R. (2009)
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control Cusum Sumas Acumuladas
Carta de Control Cusum S con transformación de Castagliola Herrera R. (2009)
Para una variable aleatoria St2 = σ02 S 2 , siendo S 2 la varianza muestral de n variables aleatorias
independientes con distribución N (µ, σ02 ), el estadístico Tt toma la forma,
o equivalentemente,
Tt = a + b ln[St2 + c]
para t ≥ A(n) + B(n) ln[C(n)]. El valor objetivo Z0 para contruir la estadística de control es Z0 =
E(Tt ) = E[a+b ln(S 2 +c)]. Usando la expansión de primer orden, se deduce Z0 ≈ a+b ln(S 2 +c)
y reemplazando los valores de a, b y c por A(n) − 2B(n) ln σ0 , B(n) y C(n)σ02 se obtiene:
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control Cusum Sumas Acumuladas
Carta de Control Cusum S con transformación de Castagliola Herrera R. (2009)
Cuadro: Constantes A(n), B(n), C(n), ETt y σTt para diversos valores de n.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control Cusum Sumas Acumuladas
Ejercicio Práctico de Transformación de Castagliola propuesta Herrera (2009)
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control Cusum Sumas Acumuladas
Ejercicio Práctico de Transformación de Castagliola propuesta Herrera (2009)
Para este tamaño de muestra n = 3, los valores de las contantes de la transformación triparamétrica
son los siguientes: A(n) = −0.6627, B(n) = 1.8136, C(n) = 0.677, aplicando la ecuación la
transformación está dada como Tt = −0.6627 − 2(1.813)ln(0.2) + 1.8136 ln[St2 + 0.677(0.22 )].
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control Cusum Sumas Acumuladas
Ejercicio Práctico de Transformación de Castagliola propuesta Herrera (2009)
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control Cusum Sumas Acumuladas
Ejercicio Práctico de Transformación de Castagliola propuesta Herrera (2009)
Los estadísticos de control para los primeros tres subgrupos, utilizando la transformación de
Castagliola para la varianza, son los siguientes,
T1 = −0.6627 − 2(1.813)ln(0.2) + 1.8136 ln[0.047099 + 0.677(0.22 )] = 0.45809
T2 = −0.6627 − 2(1.813)ln(0.2) + 1.8136 ln[0.044600 + 0.677(0.22 )] = 0.39678
.
.
.
T3 = −0.6627 − 2(1.813)ln(0.2) + 1.8136 ln[0.038220 + 0.677(0.22 )] = 0.22731
los límites de control inferior y superior se encuentran entre −4.13σ y 4.13σ0 , asumiendo una
distribución normal estándar, es decr LCL = −0.826 y UCL = 0.826 respectivamente.
Es el número de puntos graficados en la carta hasta que aparezca una señal de alarma en un
proceso de monitoreo en línea denotado como RL.
La logitud de corridas es una variable aleatoria con un comportamiento geométrico, cuya medida
de probabilidad esta definida de la siguiente forma:
µ1 − µ0
d=
σ0
σ1
λ=
σ0
En la carta de control de la media, la probabilidad que se encuentre dentro de los límites de control
está en función de (d, λ) de la siguiente forma,
para distintos tamaños de muestra, se observa que el diagrama de medias es sensible al desplaza-
miento y poco sensible al cambio de variabilidad.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control Cusum Sumas Acumuladas
Ejercicio Práctico de Transformación de Castagliola propuesta Herrera (2009)
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de control Cusum Sumas Acumuladas
Ejercicio Práctico de Transformación de Castagliola propuesta Herrera (2009)
La longitud de corridas provenientes de una carta de control Shewhart al seguir una distribución
geométrica, implica un sesgo pronuenciado, por lo que el promedio ARL no es una adecuada
medida de longitud. En ocasiones es de interes tomar otras medidas de desempeño, es el caso de
los tiempos promedio hasta la señal de alarma o ATS
ATS = ARLh
también este ARL puede expresarse en el número esperado de unidades indicivuales muestrales
I, siendo un tamaño de muestra n, la relación entre I y ARL es
I = nARL
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de Control No paramétricas
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de Control No paramétricas
Inicialmente Das(2008) propone una carta de control no paramétrica para la varianza basada en el
estadístico de Conover y Iman (1978), posteriormente es modificado con el siguiente procedimiento,
1 seleccionar muestras de tamaño ni .
2 Para cada muestra ni seguida calcular T ; de esta manera k − 1 valores de T serán calculados,
posteriormente es evaluado las esperanzas E(T ) y Var(T )
3 calcular el valor estandarizado de T (Tzi ) para cada una de las muestras ni
4 establecer los límites de control en 3 y −3 con un límite de control central de cero.
Das(2008) afirma que la carta de control no paramétrico propuesta para la varianza, es más sensible
que las cartas de control paramétricas. Los valores de E(T ) y Var(T ) se definen como.
Pi+1
i xi
E(T ) =
ni
Pi+1
i [xi − E(T )]
Var(T ) =
ni − 1
la estandarización es,
x1 − E(T )
Tzi = p
Var(T )
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Cartas de Control No paramétricas
Algunos autores proponen la carta de control de la mediana, como una carta robusta con el
propósito de monitorear variables en donde el supuesto de normalidad es rechazada. Los límites de
control son,
σ̂
UCL = kf √
n
Pm
j=1 nj x̄j
CL = Pm
j=1 nj
σ̂
LCL = −kf √
n
donde k es una constate multiple de la desviación, y f es la razón del error estándar de las medianas
del subgrupo dividida entre el error estándar de las medias del subgrupo. El error estándar se define
de la siguiente forma,
S
SEX̄ = √X̄
n
SM
SEM = √
n
por tanto f esta definido como,
SEM
f =
PhD Herrera Acosta Roberto José
SEControl
X̄
charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
Control charts
control Shewhart,
chart EWMA,
for fraction cusum univariate,
nonconforming, Cusum
Control chartunivariate
for numberHerrera - Control chart
nonconforming, for charts
control attributes
for nonconformities or defects, control chart for number of
nonconformities per unit. Control chart geometric, control chart demerit
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts
control Shewhart,
chart EWMA,
for fraction cusum univariate,
nonconforming, Cusum
Control chartunivariate
for numberHerrera - Control chart
nonconforming, for charts
control attributes
for nonconformities or defects, control chart for number of
nonconformities per unit. Control chart geometric, control chart demerit
Distribución Binomial
La distribución Binomial posee dos categorías, los eventos son considerados independientes en un
proceso de Bernoulli, asumiendo un porcentaje de la categoría de interés p, constante.
n!
b(X, n, p) = px (1 − p)(n−x)
(n − x)!x!
Los parámetros de la variable aleatoria X que posee una distribución Binomial son los siguientes:
E(X) = µ = p y Var(X) = σp2 = n , son en su orden la media y la varianza.
p(1−p)
En un proceso cuyo porcentaje de no conformes es del p = 0.10, es selecciona 200 unidades. ¿Cuál
es la probabilidad de que más de diez de estas unidades, sean no conformes?.
Los parámetros de este ejercicio son: tamaño de la muestra n = 200 y el procentaje de no
conformes de la categoría de interés, p = 0.10. La variable aleatoria X es el número de unidades
no conformes presentes en el proceso. Por lo tanto la medida de probabilidad esta dada resolviendo
las siguientes formulaciones,
10
X n!
P(X > 10) = 1 − px (1 − p)(n−x)
0
(n − x)!x!
= 1 − {P(X = 0) + P(X = 1) + P(X = 2)}
200! 200!
=1− 0.10 (1 − 0.1)(200−0) + .. + 0.110 (1 − 0.1)(200−10)
(200 − 0)!0! (200 − 10)!10!
= 1 − 0.008071 = 0.9919
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts
control Shewhart,
chart EWMA,
for fraction cusum univariate,
nonconforming, Cusum
Control chartunivariate
for numberHerrera - Control chart
nonconforming, for charts
control attributes
for nonconformities or defects, control chart for number of
nonconformities per unit. Control chart geometric, control chart demerit
Distribución Poisson
La distribución Poisson se asume que los eventos son independientes, el valor esperado λ del
evento de interés es constante a través del tiempo, área, longitud.
e−λ λx
p(X, λ) =
x!
Los parámetros de la variable aleatoria X, que posee un comportamiento aproximadamente Poisson,
son los siguientes: E(X) = λ y Var(X) = λ.
El promedio de errores o fallas encontradas en el monitoreo a lo largo de la una línea de un
gasoducto sigue una distribucion de Poisson con un promedio de fallas por kilometro de 5.0. ¿Cuál
es la probabilidad de que en un kilómetro cualesquiera se presenten dos o menos fallas?
El parámetro de esta distribución es λ = 5.0, la variable aleatoria X es el número de fallas por
kilómetro en la línea del gasoducto.
la medida de probabilidad de dos o menos fallas por kilometro lineal en el gasoducto, es de 12.46 %.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts
control Shewhart,
chart EWMA,
for fraction cusum univariate,
nonconforming, Cusum
Control chartunivariate
for numberHerrera - Control chart
nonconforming, for charts
control attributes
for nonconformities or defects, control chart for number of
nonconformities per unit. Control chart geometric, control chart demerit
Distribución Geométrica
Es un proceso de Bernoulli con dos categorías, se asume que los eventos son independientes, el
porcentaje de la categoría de interés p es constante; el interés es evaluar el éxito en una determinada
posición o ubicación X, definida como el número de ensayos hasta obtener el éxito en el proceso
estocástico.
g(X, p) = p(1 − p)(x−1)
Los parámetros de la variable aleatoria X que posee una distribución Geométrica que indica la
ubicación donde ocurrira el éxito X esta dando por E(X) = 1/p y Var(X) = p(1 − p)/p2 .
Un gestor de calidad desea evaluar la medida de probabilidad de que se presente una unidad
no conforme, en una línea de ensamblado. El procedimiento consiste en seleccionar en forma
aleatoria unidades a medida que avance la producción. ¿Cuál es la medida de probabilidad de que
se presente una unidad no conforme en la vigésima unidad seleccionada?, se asume el porcentaje
de no conformes del 5 %.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts
control Shewhart,
chart EWMA,
for fraction cusum univariate,
nonconforming, Cusum
Control chartunivariate
for numberHerrera - Control chart
nonconforming, for charts
control attributes
for nonconformities or defects, control chart for number of
nonconformities per unit. Control chart geometric, control chart demerit
Distribución Geométrica
Cualquier característica de calidad que pueda ser clasificada en forma de conteo: cumple o no
cumple, funciona o no funciona, pasa o no pasa, número de fallas, número de no conformidades
etc., a los efectos de control del proceso, será considerado como un atributo y para su control se
utilizará una carta de Control por Atributos.Los criterios de aplicar las cartas de control por atributos,
deben estar claramente definidos de acuerdo a las condiciones del proceso y el procedimiento para
decidir si esos criterios pueden arrojar resultados consistentes a través del tiempo.
las cartas de control por atributos clásicas son:
Carta de control Descripción Campo de aplicación
p Proporciones de unidades no conformes o Tamaño de muestras variable o constante
fracción de no conformes de la fracción global de no conformes de
un proceso.
np Número o cantidad de no unidades no con- Conteo del número de piezas no conformes
formes en una muestra de tamaño constante
c Número de no conformidades o fallas pre- Conteo del número de fallas o no confor-
sentes en una unidad o muestra constante midades en el proceso.
de unidades
u Numero de no conformidades por unidad Conteo del número de fallas o no confor-
midades con tamaño de muestras variables
de unidades en el proceso.
D Numero de no conformidades por unidad Conteo del número de fallas o no confor-
con un peso asignado, según su gravedad, midades contamaño de muestras variables
a la falla en el proceso.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts
control Shewhart,
chart EWMA,
for fraction cusum univariate,
nonconforming, Cusum
Control chartunivariate
for numberHerrera - Control chart
nonconforming, for charts
control attributes
for nonconformities or defects, control chart for number of
nonconformities per unit. Control chart geometric, control chart demerit
Distribución Geométrica
el modelo general de las cartas de control de Shewhart definido en secciones anteriores es:
UCL = µw + Lσw
LC = µw
LCL = µw − Lσw
donde w es el estadístico de control que mide una característica de calidad. En general, en las
cartas de control por atributos es necesario:
Establecer la frecuencia con la cual los datos serán tomados (horaria, diaria, semanal).
Los intervalos cortos entre toma de muestras, permitirán una rápida retroalimentación al
proceso ante la presencia de problemas.
Los tamaños de muestra grandes permiten evaluaciones más estables del desarrollo del
proceso y son más sensibles a pequeños cambios en el promedio del mismo
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para la fracción disconforme p
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para la fracción disconforme p
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para la fracción disconforme p
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para la fracción disconforme p
El estadístico de control que de cálcula para cada uno de los subrupos es la fracción de unidades
no conformes, definida como el cociente del número de unidades disconformes en la muestra Di y
el tamaño de la muestra ni , de la siguiente forma,
(np)i (D)i Di
pbi = = =
ni ni ni
la fracción promedio de estas fraccciones disconformes esta definida como:
Pm Pm
i=1 (np)i Di
p̄ = P m = Pi=1
m
i=1 ni i=1 ni
En la fase I la formulación de los límites de control superior. central e inferior, en esta carta esta
definida como,
s
p̄(1 − p̄)
UCL = p̄ + 3σp = p̄ + 3
ni
Cl = p̄
s
p̄(1 − p̄)
LCL = p̄ − 3σp = p̄ − 3
ni
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para la fracción disconforme p
La existencia de señales de alarma, fuera de los límites de control, en esta fase, es necesario
recalcular la estimación del parámetro p, de la siguiente forma:
Pm Pm
npi − npe Di − De
p0 = Pi=1 m = Pi=1
m
i=1 ni − ne i=1 ni − ne
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para la fracción disconforme p
Utilizando los datos de la producción de un producto para el aseo, trácese un diagrama p para
la producción. Supóngase que las causas atribuibles han sido encontradas en el caso de todos los
puntos situados fuera de los límites del diagrama de control. El tamaño de muestra utilizado es de
200 unidades por subgrupo.
Día del mes Número de unidades no conformes np Fracción de no conformes p̂
1 6 0.030
2 6 0.030
3 6 0.030
4 5 0.025
5 0 0.000
6 0 0.000
7 6 0.030
8 14 0.070
9 4 0.020
10 0 0.000
11 1 0.005
12 8 0.040
13 2 0.010
14 4 0.020
15 7 0.035
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para la fracción disconforme p
Los estadísticos de control, para los primeros tres subgrupos de la tabla el cálculo es el siguiente,
6
p1 = = 0.03
200
b
6
p2 = = 0.03
200
b
6
p3 = = 0.03
200
b
5
p4 = = 0.025
200
b
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para la fracción disconforme p
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para la fracción disconforme p
observe que el tamaño de muestra puede ser variable, es decir, en cada subgrupo son evaluados
los límites de control. Algunos autores proporcionan una segunda propuesta, en el caso de tamaño
variable, es la obtención de un tamaño de muestra constante, aplicando la siguiente formulación:
Pm
i=1 ni
n̄ =
m
siendo m la cantidad de subgrupos
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para la fracción disconforme p
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para la fracción disconforme p
E(p̄) = p̂ = 0.0196
en general el procedimiento
1 Una vez obtenido los parámetros del proceso p para la carta de fracción de no conformes o
np para la carta de la cantidad de no conformes, se determina los limites estándar de control.
2 En el proceso se selecciona nueva información de un período posterior, para someterlo a
control.
3 Se calculan los estadísticos de control para cada subgrupo, sea p̄ o n̄p.
4 Estos estadístico se presentan en los límites estándar de la carta p o np, para realizar un
análisis del comportamiento del proceso (Etapa de control)y tomar los correctivos inmediatos
si existe un Comportamiento en estado Fuera de Control.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para la fracción disconforme p
p = 0.0196
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para la fracción disconforme p
la formulación para la estimación de los límites de control estándar, son presentados en las
siguientes formulas,
s
p(1 − p)
UCL = p + 3σp = p + 3
ni
CL = p
s
p(1 − p)
LCL = p − 3σp = p − 3
ni
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para la fracción disconforme p
La carta muestra un estado fuera de control, existe una señal de alarma, con tendencia creciente,
es decir un aumento de la fracción de no conformes.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para la fracción disconforme p
En este caso de estudio, suponga que se toma una muestra de 200 unidades. Se desea evaluar las
siguientes medidas de probabilidad: (1) no se presente unidades no conformes en esta muestra (2)
se presenten más de seis 6 unidades no conformes. Los parámetros dado para el desarrollo de este
ejercicio son n = 200 y p = 0.019. La variable aleatoria X es el número de unidades no conformes
presentes en el proceso. Por lo tanto la medida de probabilidad esta dada resolviendo las siguientes
formulaciones,
200!
P(X = 0) = 0.0190 (1 − 0.019)(200−0)
(200 − 0)!0!
= 0.0215
6 − 3.8
P(X > 6) = P Z >
1.93
= 1 − P (Z ≤ 1.138)
= 0.1274
Puede también probarse la hipótesis de que la fracción disconforme del porceso en este último
período (control en línea), difiere de la fracción disconforme del procceso calculada con los datos
preliminares utilizando un contraste de hipótesis:
H0 : p1 = p2
H1 : p1 > p2
donde p1 es la fración disconforme del proceso de los datos preliminares y p2 es la fracción del
proceso en el último período. Es estimado p1 con p̂1 = p̄ = 0.0196, y p2 con
Pm
Di 28
p̄ = Pi=1
m =
i=1 ni (7)(200)
= 0.02
p̂1 − p̂2
Z0 = r
p̂(1 − p̂) m 1n + 1
m2 n2
1 1
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para la fracción disconforme p
0.0196 − 0.020
Z0 = q
1 1
= −0.02876
0.01973(1 − 0.01973) 2800 + 1400
con una confiabilidad del 95 %, el percentil Z0.05 = −1.645, por tanto, como Z0 < Z0.05 no es
rechazada la hipótesis nula H0 , es decir el porcentaje de disconforme en los datos en línea es
similar a al porcentaje de disconforme de los datos preliminares.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para la fracción disconforme p
Para detectar un corrimiento del promedio de unidades no conformes Duncan (1985) sugirio que el
tamaño de la muestra debe ser suficientemente grande para detectarlo, estimo una probabilidad de
más del 50 % de detectarla, condicionada al tamaño de la muestra. La propuesta presentada por
Duncan (1985) es la siguiente: s
p(1 − p)
δ=L
n
donde δ es la magnitud del corrimiento en el proceso, entonces el valor de la muestra n es,
2
L
n= p(1 − p)
δ
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para la fracción disconforme p
Cartas de control estandarizadas
Esta carta de cotrol es definida como un tercer enfoque cuando el tamaño del subgrupo es variable,
donde el estadístico de control son unidades estandarizadas, es decir en término de desviaciones
estándar. Los límites de control superior, central e inferior, claramente son:
UCL = 3
LC = 0
LCL = −3
p̂i − p
Zi = q
p(1−p)
ni
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para la fracción disconforme p
Cartas de control estandarizadas
estimando el valor de p
Pm
Di 69
p̄ = Pi=1
m =
n
i=1 i (20)(150)
= 0.023
es decir, p = 0.023
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para la fracción disconforme p
Cartas de control estandarizadas
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para la fracción disconforme p
Cartas de control estandarizadas
Eliminando las señales de alarma, para dos de los subgrupos 9 y 17, la carta muestra el siguiente
comportamiento
muestra una señal de alarma en el primer subrupo, por tanto, es eliminado, asumiendo la
exixtencia de causa asignable
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para la fracción disconforme p
Cartas de control estandarizadas
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para la fracción disconforme p
Cartas de control estandarizadas
donde D es una variable aleatoria (valor entero) binomial, con parámetros n y p. Es claro, basado
en el cálculo del error tipo II, la longitud de corridas ARL de esta carta de control, como cualquier
carta de Shewhart, esta definida para un proceso bajo control como:
1
ARL0 =
α
si el proceso esta fuera de control
1
ARLl =
1−β
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para la fracción disconforme p
Cartas de control estandarizadas
La curva ARL para la carta de fracción disconforme o porcentaje de unidades no conformes es,
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para la fracción disconforme p
Cartas de control estandarizadas
Elaborando la tabla
Fracción disconforme P(D ≤ 10|p) P(D ≤ 0|p) β
0.01 0.999993118 0.133979675 0.866013443
0.02 0.997469401 0.017587947 0.979881454
0.03 0.959872258 0.002261241 0.957611017
0.04 0.819978983 0.000284608 0.819694375
0.05 0.583067182 3.50527E-05 0.583032129
0.06 0.340709137 4.22251E-06 0.340704915
0.07 0.166126692 4.97267E-07 0.166126195
0.08 0.069126516 5.72223E-08 0.069126459
0.09 0.025074231 6.431E-09 0.025074225
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para la cantidad de no conformes np
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para la cantidad de no conformes np
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para la cantidad de no conformes np
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para la cantidad de no conformes np
El estadístico de control es la cantidad de unidades no conformes np,es decir el conteo por subgrupo
de las unidades no conformes presente en la muestra (el tamaño del subgrupo para esta carta es
constante. El promedio de la cantidad de no conformes se determina mediante,
Pm
i=1 np
np
¯ =
m
y la fracción promedio de unidades no conformes que se determina aplicando la ecuación desarro-
llada en la carta p, Pm
np
p̄ = Pi=1
m
i=1 n
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para la cantidad de no conformes np
¯ + 3σnp ¯ +3
p
UCL = np ¯ = np ¯ − p̄)
np(1
CL = np
¯
¯ − 3σnp ¯ −3
p
LCL = np ¯ = np ¯ − p̄)
np(1
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para la cantidad de no conformes np
UCL = 4.6 + 3
p
4.6(1 − 0.023) = 10.9599
CL = 4.6
LCL = 4.6 − 3
p
4.6(1 − 0.023) = −1.75 ≈ 0.00
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para la cantidad de no conformes np
La carta muestra una señal de alarma, en el octavo subgrupo (14 unidades no conformes), los
puntos en la parte inferior, no son evaluados como señales de alarma debido a que implica un
mejoramiento del proceso.
CL = 3.92857
LCL = 3.92 − 3
p
3.92(1 − 0.0196) = −1.96 ≈ 0.00
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para la cantidad de no conformes np
una vez estabilizada estadística de control, los parámetros np, p se estimas mediante:
E(np)
¯ = np
E(p0 ) = p
los parámetros np y p estimados para el caso de estudio, son en este caso np = 3.92 y p = 0.0196.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para la cantidad de no conformes np
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para la cantidad de no conformes np
CL = np
LCL = np − 3σnp = np − 3
p
np(1 − p)
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para la cantidad de no conformes np
Los parámetros definidos anteriormente, en su orden, np = 3.92 y p = 0.0196, implica que los
límites estándar son,
CL = 3.92
LCL = 3.92 − 3
p
3.92(1 − 0.0196) = −1.96 ≈ 0.00
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para el número de no conformidades c
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para el número de no conformidades c
En algunos procesos interesa medir la cantidad de defectos que presentan las unidades de
producto que se están fabricando. Por ejemplo, en la fabricación de unidades se puede tomar
ciertas no conformidades tales como:
Deformidades en la superficie.
Rajaduras en un producto
Cortes inadecuados.
Aspecto de un color
las no coformidades pueden ser de diferentes tipos y se cuenta el total de todos estas fallas en la
unidad inspeccionada o unidades inspeccionadas. Obtenemos como resultado: es el número de no
coformidades presentes en la muestra seleccionada.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para el número de no conformidades c
La carta de control para el número de piezas defectuosas esta basada en la distribución de proba-
bilidad de Poisson. Los objetivos de la gráfica c son:
Reducir el costo relativo al proceso.
Informar a los supervisores de producción y a la administración acerca del nivel de calidad.
Determinar que tipo de defectos no son permisibles en un producto informar de la
probabilidad de ocurrencia de los defectos en una unidad.
La aplicación de la carta de control es útil para controlar el número de defectos presentes en una
unidad predeterminada. En este gráfico, el tamaño de la muestra debe ser fijo. El estadístico de
control es c que es el número de no conformidaes presente en la muestra, para el cálculo de los
límites de control se determina el promedio del número de no conformidades,
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para el número de no conformidades c
Pm
i=1 c
c̄ =
m
el uso de la carta de control c es especialmente conveniente cuando no existe una unidad natural
de producto y se requiere controlar la cantidad de defectos sobre una superficie o a lo largo de una
longitud constante. Si el número de defectos promedio es c̄ , entonces los límites de control para
esta carta, en la fase I, la formulación es de la siguiente forma,
√
UCL = c̄ + 3σc = c̄ + 3 c̄
CL = c̄
√
LCL = c̄ − 3σc = c̄ − 3 c̄
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para el número de no conformidades c
Un proceso produce bandas de hule con lotes de tamaño 2500. Los registros de inspección de los
últimos 17 lotes revelan los datos siguientes:
Número del subgrupo Número de no conformidadeso o falllas c
1 77
2 64
3 75
4 93
5 45
6 61
7 49
8 65
9 45
10 77
11 59
12 54
13 41
14 87
15 40
16 22
17 92
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para el número de no conformidades c
la carta se presenta a continuación, nótese que existen señales fuera de los límites tanto inferior
como superior.¿Cómo analizarla?
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para el número de no conformidades c
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para el número de no conformidades c
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para el número de no conformidades c
E(c0 ) = λ
en la fase II, los límites de control estándar son estimados mediante las siguientes formulaciones,
√
UCL = λ + 3 λ
CL = λ
√
LCL = λ − 3 λ
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para el número de no conformidades c
Esta información consignada en la tabla inferior, es presentada para monitoreo en linea o control,
¿El porceso se encuentra en control estadístico?.¿Cuál es la probabilidad que se presente más de
35 no conformidades?¿Determine el tamaño de muestra seleccionada si la probabilidad que no se
presente una falla es de 0.6 y el porcentaje de no conformes del proceso es de 3 %.
Número del subgrupo Número de no conformidades c
1 26
2 23
3 9
4 15
5 63
6 39
7 58
8 61
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para el número de no conformidades c
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para el número de no conformidades c
P(X = 0) = 0.60
e−n(0.03) n(0.03)0
= 0.60
0!
−n(0.03)
e = 0.60
ln e−n(0.03) = ln 0.60
−n(0.03) ln e = ln(0.6)
ln(0.60)
n=
−0.03
n = 17.02 ≈ 18
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para el número de no conformidades por unidasd u
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para el número de no conformidades por unidasd u
Esta carta de control es similar a la carta del número de no conformidades c, en donde se realiza el
conteo a las fallas presentes en las unidades presentes. Pero se diferencia con respecto a la anterior
carta, en que la muestra seleccionada es variable en los subgrupos selecccionados. El estadístico de
control entonces se debe evaluar basado en la muestra que se seleccione, como también los límites
de control serán de igual manera modificados para cada subrupo.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para el número de no conformidades por unidasd u
El estadístico de control para la carta del número de no conformidades por unidad, se define
entonces de la siguiente forma,
ci
u=
b
ni
para cada subgrupo seleccionado se realiza la razón entre el número de no conformidades o fallas
presentes en cada subgrupo y el tamaño de la muestra seleccionada. El promedio del número de
no conformidades por unidad se define como,
Pm
ci
ū = Pmi=1
n
i=1 i
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para el número de no conformidades por unidasd u
En la fase I, la formulación para la carta de control del número de no conformidades por unidad
se presenta de la siguiente forma,
r
ū
UCL = ū + 3σu = ū + 3
ni
CL = ū
r
ū
LCL = ū − 3σu = ū − 3
ni
estos límites de control dependen del tamaño de muestra que posee el subgrupo. Si en el proceso
de muestreo, este tamaño de subrupo se modifica, los límites de control se construirán para cada
uno de los subgrupos. El promedio del número de no conformidades por unidad esta definido como
la razón de la cantidad de no conformidades presentes en la información y el total de la muestra
seleccionada: Pm
ci
ū = Pni=1
n
i=1 i
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para el número de no conformidades por unidasd u
Carta de control estandarizada para el número de no conformidades
UCL = 3
LC = 0
LCL = −3
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para el número de no conformidades por unidasd u
Carta de control estandarizada para el número de no conformidades
Un ejemplo cotidiano se presenta en las empresas textileras, en donde el corte para el control
de calidad de los diferentes telares esta sujeta a las condiciones del proceso. La siguiente infor-
mación muestra el número de no conformidades encontradas en porciones de telas seleccionadas
aleatoriamente, con medidas diferentes,
Número del subgrupo tamaño del subgrupo Número de no conformidades c u
1 40 2 0.050
2 25 6 0.240
3 20 3 0.150
4 15 1 0.060
5 25 3 0.120
6 10 6 0.600
7 35 5 0.140
8 25 6 0.240
9 20 2 0.100
10 10 4 0.400
11 25 5 0.200
12 35 3 0.085
13 40 1 0.025
14 45 2 0.044
15 45 4 0.088
16 25 2 0.080
17 50 3 0.060
es realizado el cálculo del número promedio de no conformidades por unidad, aplicando la siguiente
formulación,
58
ū = = 0.1183
490
este valor de 0.1183 es el promedio de fallas presentes por unidad de muestra, en este caso la
unidad es el metro.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para el número de no conformidades por unidasd u
Carta de control estandarizada para el número de no conformidades
Los límites de control obtenidos en la fase I, se toma de la información histórica del proceso.
Para algunos autores es conveniente poseer un mínimo de seis meses de información para obtener
estimaciones adecuados de los parámetros. Los límites de control para la empresa textil son los
siguientes, nótese que están sujeto al tamaño de la muestra,
s
0.1183
UCL = 0.1183 + 3
ni
CL = 0.1183
s
0.1183
LCL = 0.1183 − 3
ni
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para el número de no conformidades por unidasd u
Carta de control estandarizada para el número de no conformidades
La carta de control muestra varias señales fuera de los límites, observese el límite superior que
indican causas asignables o especiales, que el ingeniero debe corregir para el mejoramiento de las
condiciones iniciales para una política de mejoramiento.
Sin embargo, nótese que existen señales o puntos por fuera del límite inferior, que no necesaria-
mente indique error en la toma de la información. Pueda que se trate de procedimientos novedosos
que causan un nivel de mejora en dicho proceso.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para el número de no conformidades por unidasd u
Carta de control estandarizada para el número de no conformidades
En el recalculo de los límites de control, solo tomaremos en cuenta las señales que se presentan
por encima del límite superior y se asume un mejoramiento del proceso con respecto a señales por
debajo del límite inferior. Pm
ui − (ud )
u¯0 = Pi=1m
i=1 ni − (nd )
el recálculo de estos limites, se elimina dos de los subgrupos, aplicando la siguiente formulación,
Pm
i=1 58 − (6 + 4)
u0 = = 0.1021
490 − (10 + 10)
en este caso el nuevo promedio de no conformidades por unidad es de 0.1021, se deben realizar
los cálculos de los límites históricos con este nuevo promedio, para buscar estabilidad estadística
del proceso.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para el número de no conformidades por unidasd u
Carta de control estandarizada para el número de no conformidades
Los calculos de los límites de control recalculados en para este ejercicio se presenta a continuación,
s
0.1021
UCL = 0.1021 + 3
ni
CL = 0.1021
s
0.1021
LCL = 0.1021 − 3
ni
estos límites están sujeto al tamaño de muestra de cada uno de los subgrupos, lo que indica que
cada uno de estos subgrupos contarán con su propio límite de control.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para el número de no conformidades por unidasd u
Carta de control estandarizada para el número de no conformidades
Observese que la nueva carta de control eliminado los subgrupo o señales que estaban por encima
del límite superior, una vez encontrada las causas, se encuentra en estabilidad estadística.
sin embargo, se debe identificar que la figura muestra una carta de control con límites constantes.
Estos límites se calculan tomando un promedio muestra, pero este tipo de aproximación puede
resultar inconvenientes porque tanto el error tipo I y el error tipo II pueden aumentar en el proceso
decisorio.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para el número de no conformidades por unidasd u
Carta de control estandarizada para el número de no conformidades
Una vez estabilizada la carta de control el parámetro λ por unidad se estima mediante:
E(u¯0 ) = λ = 0.1021
este parámetro permitirá realizar control con la nueva información suministrada del proceso, eva-
luar medidas de probabilidad y realizar estimaciones de las condiciones de capacidad del proceso.El
anterior parámetro permite encontrar los límites de control estándar, utilizando la siguiente formu-
laciones,
s
u 0.1021
r
UCL = u + 3 = 0.1021 + 3
ni ni
CL = u = 0.1021
s
u 0.1021
r
LCL = u − 3 = 0.1021 + 3
ni ni
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para el número de no conformidades por unidasd u
Carta de control estandarizada para el número de no conformidades
La siguiente tabla muestra la nueva información recolectada en el proceso, en este caso la empresa
textil, que permitirá realizar control.
Número del subgrupo Número de no conformidades u Muestra
1 6 40
2 3 35
3 9 50
4 5 35
5 3 65
6 9 50
la fase I permite estimar el valor del parámetro λ por unidad definido anteriormente como,
u = 0.1021
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para el número de no conformidades por unidasd u
Carta de control estandarizada para el número de no conformidades
La carta de control del núemro de no conformidades por unidad para la nueva información o
informacion de control muestra un proceso bajo control observese que los puntos están alrededor
del promedio histórico.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para el Número de Deméritos D
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para el Número de Deméritos D
La carta de control del número de deméritos, es una carta que detalla el tipo de no conformidades
presentes en el proceso, es decir categoriza o valoriza estas fallas de acuerdo con su importancia
en el proceso. Esta valoración esta sujeta en el conocimiento que poseea el personal responsable
del proceso y las necesidades de los clientes.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para el Número de Deméritos D
Es posible generar distintos tipos de defectos, tales como críticos, mayores, menores; esta clasifica-
ción depende mucho de las organizaciones y del grado de impacto en la satisfacción del cliente.
Por lo cual es necesario dar una ponderación a esos diversos tipos de defectos de acuerdo a su
gravedad, un esquema posible es el siguiente:
Defectos Tipo A Crítico (para Montgomerya, muy graves): No conformidad generada por el
cliente, como una queja o reclamo, o aquella que perjudica la satisfacción del cliente. La
unidad o dispositivo es inadecuada para su razón de uso, no es posible corregirse.
Defectos Tipo B Mayores (Montgomery:Graves): Aquella no conformidad que puede afectar a
la satisfacción del cliente pero generada por la organización. La unidad o dispositivo
sufrirá fallas de operación que reducirá su vida util.
Defectos Tipo C Menores (Moderadamente graves): No conformidad que no afecta ni a la
satisfacción del cliente ni al desarrollo normal de los servicios prestados.La unidad
posiblemente fallará en servicio o causará un problema que es menos grave que una
falla de operación
Defectos tipo D (Menores): La unidad no fallará en servicio pero tiene defectos
menores de terminado, apariencia o calidad de trabajo
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para el Número de Deméritos D
di = WA CA + WB CB + WC CC
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para el Número de Deméritos D
donde UA , UB y UC es igual a:
N
1 X
U¯A = CA
N
d=1
N
1 X
U¯B = CB
N
d=1
N
1 X
U¯C = CC
N
d=1
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para el Número de Deméritos D
UCL = Ū + 3c
σU
LC = Ū
LCL = Ū − 3c
σU
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para el Número de Deméritos D
Función de operación característica o Curva operativa CO en la carta de deméritos
Los datos históricos del proceso de fabricación de unidades en una empresa de manufactura, es
presentado en la tabla inferior.
Item. Día Tipo A Tipo B Tipo C
1 Lunes 0 1 1
2 Martes 1 1 0
3 Miercoles 0 1 1
4 Jueves 1 1 0
5 Viernes 1 1 0
6 Sabado 0 1 2
7 Lunes 0 1 2
8 Martes 0 0 1
9 Miercoles 0 0 2
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para el Número de Deméritos D
Función de operación característica o Curva operativa CO en la carta de deméritos
Por ejemplo, se desea analizar los datos mediante la carta de control por Deméritos, con el propósito
de tener un punto de partida para definir metas de no conformidades. Los datos del presente análisis
son descritos en la siguiente tabla.
Tipo de no conformidad Peso del demérito L M M J V S L M M
Tipo A 9 0 1 0 1 1 0 0 0 0
Tipo B 6 1 1 1 1 1 1 1 0 0
Tipo C 3 1 0 1 0 0 1 2 1 2
es observado el peso de cada una de las categorías, y el número de unidades no conformes presentes
cada uno de los días
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para el Número de Deméritos D
Función de operación característica o Curva operativa CO en la carta de deméritos
revaluando la tabla de deméritos, así como la evaluando los estadísticos de control para cada uno
de los períodos, es presentado en la tabla inferior:
Tipo de no conformidad Peso del demérito L M M J V S L M M
Tipo A 9 0 1 0 1 1 0 0 0 0
Tipo B 6 1 1 1 1 1 1 1 0 0
Tipo C 3 Pni 1 0 1 0 0 1 2 1 2
Total demérito por mes D= i=1 di 9 15 9 15 15 9 12 3 6
Tamaño de la muestra por mes ni 1 1 1 1 1 1 1 1 1
C
Deméritos por unidad Ui = D
ni 9 15 9 15 15 9 12 3 6
los deméritos por unidad, son los estadísticos de control, evaluados en los límites de control
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para el Número de Deméritos D
Función de operación característica o Curva operativa CO en la carta de deméritos
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para el Número de Deméritos D
Función de operación característica o Curva operativa CO en la carta de deméritos
Evaluando el demérito promedio del total de períodos Ū , el limite de control central es:
UCL = Ū + 3c
σU = 10.32 + 3 × 9.1 = 38
LCL = Ū − 3c
σU = 10.32 − 3 × 9.1 = −17 ≈ 0
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control para el Número de Deméritos D
Función de operación característica o Curva operativa CO en la carta de deméritos
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control Geométrica
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control Geométrica
Algunas veces,el número de unidades fabricadas es de tal magnitud, Humberto Gutiérrez Pulido,
y Román de la vara Salazar (2009)[7], que resulta imposible en el monitoreo de las unidades no
conformes, realizar un seguimiento mediante las cartas de control por atributos clásica. El número
de unidades no conformes detectada en la inspección con respecto al tamaño del lote, genera valores
de fracciones o porcentajes de no conformes es minúsculo, lo que implicaría cierta dificultad en
realizar un análisis del comportamiento del estadístico de control. La utilidad de este trabajo consiste
en probar la eficacia de la carta de control geométrica, con el propósito de mejorar el análisis de los
resultados obtenidos en procesos de producción discretos con un volumen significativo de unidades;
máxime cuando la calidad de un producto puede ser debido a causas que se puedan tener algún
grado de control. (Hernando Marino Navarrete)[2]
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control Geométrica
1
µ = E [RL] =
p
donde x = 1, 2, . . .
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control Geométrica
Para este apartado, el interés principal para lo que al proceso concierne es no permitir ningún
incremento de p, “que sería la probabilidad de encontrar una unidad no conforme en una serie de
muestras” [8] Duncan, Acheson(1989). Control de Calidad y Estadistica Industrial [8], se construye
solamente con el límite de control inferior.
P [RL ≤ L |p = p0 |] = α
1 − (1 − p0 )L = α
a su vez
ln (1 − α)
L=
ln (1 − p0 )
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control Geométrica
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control Geométrica
Además de esto, la longitud promedio de corrida para esta carta se obtiene con esta fórmula:
1 1
ARL = =
α 1 − (1 − p)L
Esta fórmula indica la cantidad promedio de muestras que tendrían que registrarse en el RL hasta
que la carta muestre una señal de alarma o estado fuera de control. Sabiendo esto se puede
también calcular el número promedio de unidades inspeccionadas representadas por ANS, hasta
que se presente la señal de alarma:
ANS = µ × ARL
1 1
=
p 1 − (1 − p)L
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control Geométrica
Caso de Estudio
Existen situaciones donde la probabilidad de que alguna actividad exitosa (unidad no conforme)
es tan insignificante que puede llegar a valores cercanos a cero. En este caso se escogió una
probabilidad de p = 0.001 y α = 0.05, por consiguiente usando la fórmula para L y µ, es
obtenido un valor promedio µ = 1000 y el valor de L = 51.26. A continuación es presentado
los datos del área de empaque de un producto a granel, organizados en lotes de aproximadamente
30000 unidades, en donde es determinado el conteo de las unidades no conformes en el proceso
de inspección del producto final:
8 11 0 8 2
39 22 3 2 17
100 50 0 0 22
7 26 39 15 18
0 2 11 36 9
0 2 9 47 0
0 0 0 0 0
41 18 28 0 0
2 0 25 24 0
0 17 0 54 27
0 0 35 0 14
32 15 0 43 27
28 0 0 0 39
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Carta de control Geométrica
Caso de Estudio
usando la ecuación para número promedio de unidades inspeccionadas ANS, tomando los valores
de µ = 1000 y ARL = 20, generá el número de revisiones en este proceso con un valor de
ANS = 20.000 (valor aproximado), para detectar en una posible falsa alarma en el proceso de
inpección del área de emapque.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Índice de capacidad en variables discretas
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Índice de capacidad en variables discretas
p−b p
CPp =
0.0027
donde p y p̄ son: el parámetro de proporción y la proporción promedio de los nuevos datos.
Herrera R. presenta la siguiente notación estadística como propuesta para de interpretación de este
indicador,
λ − bc
Cpλ =
0.0027
donde λ y c̄ son: el promedio de no conformidad como parámetro y estadístico de los datos en
línea.
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control chart for attributes
Índice de capacidad en variables discretas
Caso de Estudio: Empresa Textil
La siguiente tabla muestra la nueva información recolectada en la fabricación de telas, en este caso
la empresa textil presento la siguiente información para un monitoreo en línea.
Número del subgrupo Número de no conformidades u Muestra, metros de tela
1 6 40
2 3 35
3 9 50
4 5 35
5 3 65
6 9 50
una vez estabilizada la carta de control el parámetro λ por unidad se estima mediante:
E(u¯0 ) = λ = 0.1021
determinando el número de no conformidades por unidad promedio para los datos en línea:
P6
ci 35
ū = P6i=1 = = 0.1272
i=1 n i 275
Muchas Gracias
Control charts Shewhart, EWMA, cusum univariate, Cusum univariate Herrera - Control ch
PhD Herrera Acosta Roberto José