Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Gráficos CUSUM
El término cusum procede del inglés cumulative-sum, que significa suma acumulada. Los
gráficos CUSUM se basan en la representación de la acumulación de las desviaciones de
cada observación respecto a un valor de referencia. La principal cualidad de este tipo de
gráficos es que detectan pequeñas desviaciones del estado de control más rápidamente. Los
puntos graficados son las sumas acumuladas de las desviaciones de los valores de la
muestra con respecto al objetivo. Estos puntos deben fluctuar de forma aleatoria alrededor
de cero. Si se desarrolla una tendencia ascendente o descendente, dicha tendencia debe ser
considerada como evidencia de que la media del proceso ha cambiado.
CUSUM tabular
La gráfica de CUSUM de arriba detecta cambios rápidos ascendentes en el nivel del
proceso y la gráfica de CUSUM de abajo detecta cambios rápidos descendentes. Esta
gráfica utiliza límites de control (LCS y LCI) para determinar si ocurrió una situación fuera
de control.
Ejemplo para CUSUM tabular:
La tabla 1.2 muestra los valores del tiempo de espera en la atención a clientes que llamaban
a una línea comercial (línea 902). Es el tiempo, en segundos, desde que se realiza la
conexión telefónica (desde que contestan a la llamada) hasta que se es atendido por el
personal técnico (incluyendo el tiempo de espera con la típica música de fondo). Se ha
estimado con información histórica que, cuando el proceso está bajo control. Los 15
primeros datos de la tabla corresponden a una situación en la que el proceso está bajo
control: todos los operadores trabajaban en condiciones normales de trabajo y la demanda
estaba en los niveles habituales. A partir de 16 (inclusive) cambia el turno de trabajo,
incorporándose varios operadores con poca experiencia, por esta razón se sospecha que el
tiempo de espera puede aumentar.
Universidad Politécnica de Tlaxcala
Figura 1.1 Gráfico Xbar/R para todos los datos de tiempo de espera.
Figura 1.2 Gráfico individual para los datos del tiempo de espera con alertas activadas con
Xi-25
Universidad Politécnica de Tlaxcala
La observación de estos límites de control se concluiría que se está bajo control antes y
después del cambio de turno (ocurrido en el dato 16). el gráfico de observaciones
individuales muestra una sucesión muy numerosa de puntos que están por encima de la
línea central, lo cual sería también indicio de estar fuera de control. A continuación, cómo
un gráfico basado en la acumulación de desviaciones ayudaría a detectar de forma más
clara que la media ha cambiado con el cambio de turno. Para ello se anotan las desviaciones
de cada valor respecto del valor medio nominal µ = 25 (columna 4 de la tabla 1.1). A
continuación, se suman estas desviaciones en la columna 5, donde cada valor Ci es la suma
de todas las desviaciones hasta esa observación, de esta forma:
C 1=( X 1−25 ) ,
C +¿=acumulación
i
dedesviaciones positivas significativas ¿
+¿=max ¿ ¿
Ci
−¿=max ¿¿
Ci
Tabla 1.2 Datos del ejemplo de tiempo de espera para el gráfico CUSUM
Figura 1.3 Gráfico CUSUM para tiempo de espera con valor nominal µ = 25, h = 5 y k = 0,
5 de los datos de tiempos de espera
Gráficos EWMA
Los gráficos EWMA o de medias móviles ponderadas exponencialmente (EWMA=
exponentially weighted moving-average) se realizan usualmente sobre observaciones
individuales. En este gráfico también se acumula en cada periodo los valores de
observaciones pasadas. La variable que se representa en cada periodo es un promedio de la
observación contemporánea y las observaciones anteriores, donde se da más peso a las
observaciones más recientes. En general, a este tipo de promedios donde en cada instante se
incorpora nueva información y se le va restando peso a las informaciones históricas se le
denomina media móvil (en inglés moving average), son una buena alternativa a los gráficos
de control tipo Shewhart cuando se está interesado en detectar cambios pequeños y
persistentes en el proceso. El gráfico EWMA se construye graficando el número de la
muestra i (o el tiempo) contra zi . No es difícil mostrar que la estadística EWMA (zi) es un
promedio ponderado de todas las estadísticas xi previas, pues zi puede ser expresado como:
zi= λxi+ λ (1−λ ) xi−1+· ··+ λ (1−λ ) i−1 x 1+ ( 1−λ ) i z 0
i −1
¿ λ∑ ¿¿
J =0
Si λ = 0.2, el peso asignado a la estadística actual es 0.2 y los pesos dados a las estadísticas
precedentes son 0.16,0.128,0.1024 y sucesivamente.
Figura 2.1 Pesos del gráfico EWMA para las estadísticas de control.
Como los pesos λ(1 − λ) j decaen geométricamente, el procedimiento EWMA es llamado
algunas veces promedio móvil geométrico, aunque el término EWMA es más popular, el
gráfico EWMA tiende a ser un CUSUM, cuya característica es que otorga el mismo peso a
todas las estadísticas anteriores y a la actual.
Universidad Politécnica de Tlaxcala
Figura 2.2 Pesos del gráfico CUSUM para las estadísticas de control.
Si las estadísticas xi son variables aleatorias independientes con varianza σ 2 , entonces a
partir de la ecuación siguiente, se puede calcular la varianza de zi como:
1−( 1−λ ) 2 i 2
¿ λ2 σ
1−(1− λ)2
λ2
¿ 2
[ 1−( 1− λ ) 2i ] σ 2
2 λ−λ
λ
¿ [ 1−(1−λ) 2i ] σ 2
2−λ
Por lo tanto, la línea central y los límites de control para el gráfico EWMA son los
siguientes:
Si el estadístico EWMA se expresa como:
zi= λxi+ ( 1−λ ) zi−1 , i≥ 1
y z0 = µ0 entonces la línea central y los límites de control del gráfico EWMA son:
UCL=µ 0+ Lσ √ λ 2−λ [1−(1−λ)2i]
UCL=µ 0+ Lσ
√ λ
2−λ
LCL=µ 0 – Lσ
λ
2– λ √
Para monitorear una característica de interés de un proceso, se toman muestras del tiempo
de manera independiente entre y que cada muestra está compuesta de N observaciones
Universidad Politécnica de Tlaxcala
obtenidas a su vez de manera independiente y provenientes de una distribución subyacente
con varianza σ 2 . Denotando al promedio de cada muestra por ¯x1, x¯2, . . ., x¯i , . . . se
puede tomar como estadística EWMA para el control estadístico del proceso a
zi= λx i+ ( 1 – λ ) zi−1 ,i ≥ 1
La línea central y los límites de control del gráfico EWMA son los siguientes:
UCL=µ 0+ L
σ
√λ
√ n 2−λ
1−(1−λ)2 i
Gráficos ARIMA
El procedimiento del Gráfico ARIMA (AutoRegressive Integrated Moving Average -
Promedio Móvil Integrado Auto-Regresivo) crea gráficos de control para una sola variable
numérica donde los datos fueron recolectados individualmente o en subgrupos. En contraste
con otros gráficos de control, los gráficos ARIMA no asumen que las observaciones
sucesivas son independientes. En lugar, un modelo estadístico se construye para describir la
correlación serial entre las observaciones a lo largo del tiempo. Entonces las señales de un
fuera-de-control se basan en las desviaciones del proceso de este modelo dinámico de serie
del tiempo.
El procedimiento crea dos gráficos, un gráfico ARIMA y un gráfico R, o gráfico S, o
gráfico MR(2). Los gráficos se pueden construir en cualquier modo de Estudio Inicial (Fase
1), donde los datos actuales determinan los límites de control, o en modo Control del
Estándar (Fase 2), donde los límites provienen de un estándar conocido o de datos a priori.
Modelos ARIMA
La mayoría de los gráficos de control confían en un modelo estadístico simple. Se asume
que los datos varían aleatoriamente alrededor de una media μ fija según: j a j x = μ + (1)
Universidad Politécnica de Tlaxcala
donde aj es la asunción de que las muestras aleatorias provienen de una distribución normal
con media 0 y varianza constante 2 σ a (llamada “ruido blanco”).
El gráfico ARIMA se construye sobre una clase de modelos más complicados definida por:
En este modelo, las mediciones en el periodo j, xj , están relacionadas con las mediciones
con el periodo previo p, un choque aleatorio para el proceso aj del periodo j, y choques
aleatorios en los periodos previos q, después de aplicar una diferencia de orden d si es
necesario. Los choques representan un efecto aleatorio para el cual el proceso está sujeto en
cada periodo, por lo tanto, se asume que provienen de una distribución normal con media 0
y desviación estándar σa.
Los parámetros que definen este modelo son:
θ0 =constante
En esta carta, los datos se dibujan alrededor de una línea central localizada en μ con límites
de control en: μˆ ± kσˆ .
Universidad Politécnica de Tlaxcala
Donde k es un múltiplo (generalmente igual a 3). La media y desviación estándar dependen
sobre el modelo ARIMA seleccionado. Para un modelo AR(2).
θ
μ=
( 1−φ1−φ2 )
y
√
1−φ 2 σ
2
σ= ( ¿) ¿
1+φ 2 ( 1−φ2 )2−φ21
Conclusión
Como bien hemos aprendido a lo largo del curso el objetivo del control estadístico de
procesos es hacer predecible un proceso en el tiempo. Es una herramienta que ayuda en la
toma de decisiones y facilita el proceso de producción; cuando se monitorean variables
continuas es importante la detección de los cambios en la variabilidad de las medidas de
localización y variabilidad aplicadas. Por lo general, en el caso univariado se utilizan las
cartas de control CUSUM y EWMA, que se construyen asumiendo normalidad e
independencia en la medida de localización y de variabilidad del proceso para una mejora
constante de una empresa. Sin embargo, estos esquemas llevan a análisis e interpretaciones
erróneas en los ensayos clínicos y químicos, en donde las variables a monitorear son
continuas con medios y varianzas no constantes y guardan relación de proporcionalidad
entre sí.
En biotecnología el uso de esas herramientas conocida como procesos de “bioestadística”
que se debe a la dada necesidad de realizar un tratamiento cuantitativo de los datos
biotecnológicos. Durante la investigación podemos resaltar que el implemento empresarial
de los gráficos especiales y de la Seis sigma es una decisión para mejorar la organización y
factibilidad de los procesos, al mismo tiempo se requiere involucrar e integrar líderes de
negocios, de proyectos, expertos, facilitadores y empleados participantes, quienes se
encargan de la planeación y dirección de la filosofía dentro de la empresa, búsqueda de
Universidad Politécnica de Tlaxcala
problemas u oportunidades de mejora y coordinación de proyectos de solución para
disminuir los desperdicios y aumentar los rendimientos y la satisfacción de los clientes. Por
lo tanto consideramos importante enfatizar que:
Su una metodología es muy eficaz para la mejora de los procesos que basa las
decisiones en criterios estadísticos y su objetivo es la mejora de la cuenta de
resultados.
No emplea ninguna herramienta estadística nueva u original.
Tiene definida una sistemática de gestión de proyectos de mejora muy potente. • Es
totalmente aplicable a la mejora de los servicios.
Ha vuelto a poner de manifiesto que las herramientas estadísticas presentan unas
posibilidades enormes para la mejora de los procesos, de los productos y de los
servicios.
Para aplicar estas herramientas con éxito hay que tener una mezcla de rigor
estadístico, matemático y sentido práctico.
Los esquemas CUSUM y EWMA son muy veloces para detectar pequeños cambios
en los parámetros de interés del proceso.
Referencias Bibliográficas
J.M. Lucas y R.B. Crosier (1982). "Fast Initial Response for CUSUM Quality-
Control Schemes: Give Your CUSUM a Head Start", Technometrics, 24, 199−205.
Métodos y fórmulas para Gráfica CUSUM - Minitab. (2022, 1 enero). (C) Minitab,
LLC. All rights Reserved. 2022. Recuperado 27 de junio de 2022, de
https://support.minitab.com/es-mx/minitab/19/help-and-how-to/quality-and-
process-improvement/control-charts/how-to/time-weighted-charts/cusum-chart/
methods-and-formulas/methods-and-formulas/
Gráficas para ARIMA - Minitab. (2022, 1 enero). (C) Minitab, LLC. All rights
Reserved. 2022. Recuperado 24 de junio de 2022, de
https://support.minitab.com/es-mx/minitab/18/help-and-how-to/modeling-statistics/
time-series/how-to/arima/interpret-the-results/all-statistics-and-graphs/graphs/
Gráficos de control con memoria CAPITULO 6. (s. f.). http://halweb.uc3m.es.
Recuperado 26 de junio de 2022, de
http://halweb.uc3m.es/esp/personal/personas/kaiser/esp/calidad/capitulo6.pdf
Gómez Méndez, I. (2016, 1 septiembre). Gráficos de control tipo EWMA para datos
de inspección en confiabilidad. Centro de Investigación en Matemáticas, A.C.
Recuperado 27 de junio de 2022, de
http://www.statgraphics.net/wp-content/uploads/2011/12/tutoriales/Grafico%20de
%20Control%20Multivariado%20EWMA.pdf
Universidad Politécnica de Tlaxcala
S.T.A.T.G.R.A.P.H.I.C.S. (2006, 14 septiembre). Gráfico ARIMA. StatPoint, Inc.
Recuperado 27 de junio de 2022, de
https://www.statgraphics.net/wp-content/uploads/2011/12/tutoriales/Grafico
%20ARIMA.pdf
Merl, G. O. (2012, 5 octubre). Gestión de la Calidad: Control Estadístico y Seis
Sigma | Telos: Revista de Estudios Interdisciplinarios en Ciencias Sociales. .
Recuperado 27 de junio de 2022, de
http://ojs.urbe.edu/index.php/telos/article/view/2014
Navas, V. J. A. (2019, 24 junio). Carta de control EWMA para el coeficiente de
variación. . Recuperado 25 de junio de 2022, de
https://repositorio.unal.edu.co/handle/unal/8657