Control estadístico de calidad vitamina c
Alba Tasco Danilo Andrés
Ruiz Torres Leidy Viviana
Programa Ingeniería Industrial
Universidad del Atlántico
Barranquilla, Colombia
lvivianaruiz@mail.uniatlantico.edu.co
Álvarez Muñoz Tobías Andrés
Programa Ingeniería Industrial
Universidad del Atlántico
Barranquilla, Atlántico
taalvarez@mail.uniatlantico.edu.co
Resumen: En el presente artículo se analizará la información
recolectada de los componentes para la fabricación de la vitamina
C con el fin de determinar si cumple con los estándares de calidad.
Para ello se realizó un análisis estadístico descriptivo e inferencial y
se hizo uso de las cartas de control multivariante para recoger
argumentos que nos permitieron comparar y extraer conclusiones.
Palabras claves; calidad; cartas de control multivariante;
vitamina C;
Abstract: In this article, the information collected from the
components for the manufacture of vitamin C will be analyzed in
order to determine if it meets quality standards. For this, a
descriptive and inferential statistical analysis was carried out and
multivariate control letters were used to collect arguments that
allowed us to compare and draw conclusions.
Keywords; quality; multivariate control charts; vitamin C;
I. INTRODUCCIÓN
Uno de los cofactores redox más importantes en los sistemas
de plantas y animales es el ácido ascórbico o vitamina C.
Aunque la mayoría de los animales producen suficiente ácido
ascórbico, para algunos animales, el ácido ascórbico es una
verdadera vitamina debido a su incapacidad para llevar a cabo
la síntesis. Por ejemplo, en humanos, la deficiencia de ácido
ascórbico puede resultar en la enfermedad nutricional
escorbuto, que causa una variedad de síntomas patológicos,
debido a defectos en los pasos y procesos enzimáticos
específicos del ácido ascórbico. En la mayoría de las plantas y
animales, el ácido ascórbico se deriva como un producto de la
oxidación directa de glucosa, galactosa y manosa (en plantas),
por ejemplo, glucosa o galactosa. Ácido UDP-Di-glucurónido
ácido glucurónico / glucuronolactona gulono-1, 4-lactona
ácido ascórbico. En los animales, una enzima clave en este
Programa Ingeniería Industrial
Universidad del Atlántico
Barranquilla, Atlántico
daalba@mail.uniatlantico.edu.co
Cepeda Martínez José David
Programa Ingeniería Industrial
Universidad del Atlántico
Barranquilla, Atlántico
jdcepeda@mail.uniatlantico.edu.co
proceso es la L-gulonolactona oxidasa (GLO, EC 1.1.3.8), que
cataliza el paso terminal en la síntesis de ácido ascórbico, es
decir, la gulono-1, 4-lactona se oxida a ácido ascórbico. La L-
gulonolactona oxidasa reside en el riñón de la mayoría de las
aves y reptiles, y durante el curso de la evolución se transfirió
al hígado de los mamíferos. Por razones que no están claras, la
capacidad de expresar suficiente actividad de L-gulonolactona
oxidasa desapareció del conejillo de indias, algunos
murciélagos frugívoros y la mayoría de los primates, incluidos
los humanos. En consecuencia, estos animales necesitan una
fuente dietética de ácido ascórbico. También existe la
posibilidad de que existan vías alternativas menores en plantas
y mamíferos para la síntesis de ácido ascórbico. [1]
II. MARCO TEÓRICO
La estadística es un enfoque que nos permite organizar,
presentar y analizar sistemáticamente los datos. Hay dos usos
básicos de las estadísticas: comparar o describir datos y hacer
inferencias sobre la población con base en los datos. Cuando
las estadísticas se usan para describir o resumir, lo llamamos
estadísticas descriptivas, Cuando usamos estadísticas para
hacer inferencia sobre una población, estamos usando un
enfoque conocido como estadística inferencial, porque nos
permite inferir hechos sobre una población que aún no se
conoce. [2]
A. Estadística descriptiva
La Estadística descriptiva, como parte de la Estadística
matemática, trata de la descripción numérica de conjuntos,
siendo particularmente útil cuando estos son de muchos
elementos, valorando matemáticamente y analizando el
colectivo representado por el conjunto sin pretender obtener
conclusiones más generales, lo que es objeto de la Estadística
inductiva o Inferencia estadística. [3]
B. Distribución normal
La distribución normal es una de las distribuciones de
probabilidad continua más importantes, y se usa ampliamente
en estadística y otros campos de las ciencias. La distribución
normal describe una familia de distribuciones de probabilidad
continua, que tienen la misma forma general y difieren en su
ubicación (es decir, la media o el promedio) y los parámetros
de escala (es decir, la desviación estándar). El gráfico de su
función de densidad de probabilidad es una curva simétrica y
en forma de campana. El desarrollo de las teorías generales de
las distribuciones normales comenzó con el trabajo por De
Moivre (1733,1738) en sus estudios de aproximaciones a
ciertas distribuciones binomiales para un entero positivo grande
n> 0. La distribución normal juega un papel vital en muchos
problemas aplicados. de ingeniería en este caso, la distribución
normal se utilizará para elementos de control en las dos
características de un refresco, y se ha estudiado ampliamente,
tanto desde el punto de vista teórico como de aplicación [4]
Se dice que una variable aleatoria continua X tiene una
distribución normal, con una media µ y varianza α 2 es decir,
X → N (μ, σ2), si es pdf fX (x) y cdf FX(x) = P (X ≤ x) son,
respectivamente, dados por
; -∞ < x < ∞ (1)
= ; -∞ < x < ∞ , -∞ < µ < ∞, >0
(2)
donde er f (.) denota la función de error, y μ y σ son
parámetros de ubicación y escala, respectivamente.[5]
C. Prueba de hipótesis
Una hipótesis estadística es una afirmación con respecto a
alguna característica desconocida de una población de interés.
La esencia de probar una hipótesis estadística es el decidir si la
afirmación se encuentra apoyada por la evidencia
experimental que se obtiene a través de una manera aleatoria.
En forma general, la afirmación involucra ya sea a algún
parámetro o a alguna forma funcional no conocida de la
distribución de interés a partir de la cual se obtiene una
muestra aleatoria. La decisión acerca de si los datos muéstrales
apoyan estadísticamente la afirmación se toma con base en la
probabilidad y si esta es mínima, entonces será rechazada.[6]
D. T- student
La distribución o distribución del alumno define una familia
de distribuciones de probabilidad continua. Tiene una amplia
gama de aplicaciones en probabilidad, estadística y otras
campos de las ciencias. Fue desarrollado por primera vez por
Willieam S. Gosset (1908) en su trabajo sobre "el probable
error de una media", publicado por él bajo el nom de plume de
Student. [7]
El gráfico de la función de densidad de probabilidad de la
distribución t de Student es una curva simétrica y en forma de
campana, que difiere para diferentes tamaños de muestra. La
distribución t de Student tiene media = 0 y la desviación
estándar es mayor 1 para grados de libertad mayor que 2 y no
existe para 1 y 2 grados de libertad. Como el tamaño de
muestra n → n, la distribución t de Student se aproxima a la
distribución normal estándar. Si comparamos la tabla z y la
tabla t, podemos ver que los puntos porcentuales para la
distribución normal y la distribución de Student -t para
grandes grados de libertad son aproximadamente iguales.
Se dice que una variable aleatoria continua X con el parámetro
de ubicación μ, el parámetro de escala π> 0 y los grados de
libertad v> 0 tienen la forma general de la distribución t de
Student si su pdf gx (x) viene dado por,
(3)
donde B (.,.) denota la función beta.
La distribución general de t de Student tiene las siguientes
propiedades (para más detalles, ver Moix (2001)):
(i) E (X) = μ para v> 1 y E (X) no existe para v = 1;
(ii) var (X) = = vπ2
v − 2 para v> 2 y var (X) no existe para v ≤2;
(iii) En general, todos los momentos de orden r <v son finitos;
(iv) Cuando v = 1, la distribución general de t de Student se
reduce a la distribución de Cauchy; (iv) Cuando v → ∈, la
distribución general de t de Student converge a la normal
distribución; (v) Para μ = 0 y π = 1, la distribución general de
Student se reduce a la distribución t estándar de Student;
(vi) La función de densidad de probabilidad de la variable
aleatoria estandarizada del Estudiante exhibe colas más
gruesas que la función de densidad de probabilidad de la
variable aleatoria normalizada estandarizada..[8]
E. Histograma
Histograma Representación gráfica de la distribución de un
conjunto de datos o de una variable, donde los datos se
clasifican por su magnitud en cierto número de clases. Permite
visualizar la tendencia central, la dispersión y la forma de la
distribución.
El Histograma es la representación gráfica, en forma de barras,
de la distribución de un conjunto de datos o una variable,
donde los datos se clasifican por su magnitud en cierto número
de grupos o clases, y cada clase es representada por una barra,
cuya longitud es proporcional a la frecuencia de los valores
representados. Por lo general, el eje horizontal está formado
por una escala numérica para mostrar la magnitud de los datos;
mientras que en el eje vertical se representan las frecuencias.
Se utiliza para las distribuciones de datos agrupados, y en él se
deben colocar los intervalos que definen las clases sobre el eje
horizontal, construyendo sobre cada uno de ellos un rectángulo
cuya superficie sea igual a la frecuencia absoluta
correspondiente. [ 9]
F. Diagrama de dispersión
Un diagrama de dispersión es un tipo de diagrama que utiliza
las variables con sus verdaderos valores (sin agrupar) y tener al
mismo tiempo una representación abreviada de los datos.
permiten estudiar la relación entre sí y en qué medida se
encuentran vinculadas dos magnitudes. Es de gran utilidad,
para conocer qué factores están relacionados entre sí, y cómo
es afectado uno respecto al otro. [10]
G. Diagrama de bloques
Es una representación común para calcular la confiabilidad de
sistemas. Esta representación se complementa con técnicas
estadísticas para evaluar los parámetros de la mejor función
densidad de probabilidad que represente el tiempo entre fallas.
En forma resumida el método de DB consiste en obtener el
valor de confiabilidad de cada elemento del sistema y
posteriormente se encuentra la confiabilidad correspondiente a
cada subsistema, al reducir el sistema a un arreglo equivalente
conforme a los sistemas en serie y paralelo que lo constituyen.
[11]
H. Carta de control EWMA
El monitoreo de procesos multivariante más conocido es el
gráfico T 2 de Hotelling para monitorear el vector medio de un
proceso. El gráfico T 2 de Hotelling es un gráfico de control
de tipo Shewhart multivariante que solo tiene en cuenta la
información actual del proceso, por lo que es relativamente
insensible a los cambios pequeños y moderados en el vector
medio del proceso. Para proporcionar una mayor sensibilidad
a los cambios pequeños y moderados, Lowry introducen la
media móvil ponderada exponencialmente multivariada
(MEWMA). El gráfico MEWMA tiene en cuenta la
información actual y pasada del proceso. Por lo tanto, el
gráfico MEWMA es más potente para detectar pequeños
cambios que el gráfico T 2 de Hotelling.
El vector MEWMA propuesto por Lowry se define como:
Cuando y Xt es un vector de
características de calidad observadas en la t-ésima muestra. Se
supone que Xt es un vector aleatorio normal multivariado
independiente con p componentes. Para un tamaño de muestra
n> 1, se supone que Xt es un vector de medias muestrales.
Las estadísticas del gráfico trazadas en el gráfico son:
donde ΣZt es la matriz de covarianza de
Zt. En este estudio, la matriz de covarianza asintótica
se utiliza donde ΣX es la matriz de
covarianza de Xt y se supone que ΣX es una matriz de
identidad. Se da una señal cuando T 2 t> H donde H> 0 es el
límite de control. El límite de control se elige para
proporcionar un valor específico de la medida de desempeño
del control. El rendimiento del gráfico MEWMA depende del
vector medio fuera del objetivo ~ µ y la matriz de covarianza
ΣX solo a través del valor del parámetro de no centralidad.
Se asume sin pérdida de generalidad que el
vector medio del proceso en el objetivo ~ µ0 es un vector de
ceros. En este estudio, solo la situación en la que uno o más
cambios en los componentes de ~ µ se considera un cambio, y
el gráfico de control es invariante a la dirección del cambio.
[12]
Los datos estadísticos graficados T2i, se definen como
cuando es la inversa de la matriz
de varianza-covarianza de Zi. La matriz de covarianza de Zi se
expresa por Una medida del
desplazamiento del vector (o distancia entre dos vectores)
utilizada en el análisis multivariado es la distancia de
Mahalanobis. En nuestro caso, la distancia entre el vector
medio original y el nuevo vector medio es
El
rendimiento de ARL del gráfico MEWMA depende solo del
parámetro de no centralidad λ= nd2, donde n es el tamaño de
la muestra.
Para el diseño del gráfico de control MEWMA, se puede
utilizar la matriz de covarianza asintótica, dada por
de manera similar a lo que
sucedió en los sistemas univariados para observaciones
individuales. Para un tamaño de muestra distinto de 1, se usa
la ecuación .
El gráfico muestra una señal fuera de control
cuando donde h es el límite de control seleccionado
para obtener un valor dado de ARL para procesos en control
(ARL0).
La comparación de los ARL (obtenidos mediante simulación)
presentados en el trabajo de Rigdon muestra que MEWMA,
utilizando la matriz de covarianza exacta es algo superior a
MCUSUM, especialmente cuando el vector de valor medio
presenta grandes cambios.
I. Química de la vitamina C
La designación química del ácido ascórbico es 2-oxo-
Ltheo-hexono-4-lactone-2, 3-enediol. El ácido ascórbico es un
anillo casi plano de cinco miembros con dos centros quirales
que se resuelve en los cuatro estereoisómeros. La forma 16 1,16 0,59 30,24 74,74 1,43 0,96 0,02 1,58
17 1,17 0,59 34,55 76,66 1,47 0,96 0,01 1,63
oxidada del ácido ascórbico, el ácido dehidroascórbico, retiene
18 1,22 0,60 34,88 85,97 1,53 0,97 0,02 4,37
la actividad de la vitamina C y puede existir como un hemicetal
19 1,20 0,59 36,18 75,50 1,32 0,97 0,01 1,52
hidratado. El ácido dehidro-L-ascórbico cristalino puede existir
20 1,16 0,61 33,76 80,79 1,44 0,97 0,02 0,93+
como un dímero. La propiedad química más importante del 21 1,22 0,59 29,09 68,71 1,44 0,98 0,02 2,68
ácido ascórbico es la oxidación reversible del ácido ascórbico a 22 1,16 0,59 33,91 74,23 1,47 0,97 0,02 3,34
ácido semidehidro L-ascórbico y a ácido dehidroascórbico. 23 1,23 0,59 34,86 81,24 1,51 0,97 0,01 0,93+
24 1,19 0,60 33,70 73,00 1,47 0,97 0,02 2,02
Además de facilitar las reacciones de reducción-oxidación,
25 1,03 0,67 35,11 70,83 1,51 0,93 0,01 2,79
el ácido ascórbico tiene la capacidad de formar radicales libres
26 1,17 0,60 30,97 73,41 1,49 0,98 0,02 2,82
intermedios relativamente estables. El ácido ascórbico puede
27 1,21 0,60 32,70 77,42 1,45 0,97 0,01 4,06
actuar como eliminador de radicales libres en reacciones que
28 1,20 0,60 31,18 70,23 1,39 0,97 0,01 2,59
involucran especies reactivas oxidantes (ROS). En este sentido, 29 1,28 0,59 31,45 81,70 1,42 0,98 0,02 1,37
las constantes de velocidad para la generación de radicales 30 1,32 0,60 37,41 73,04 1,43 0,97 0,02 2,17
ascorbato varían considerablemente, pero a menudo dictan la 31 1,15 0,61 30,51 67,45 1,44 0,97 0,02 1,13
formación rápida de radicales, por ejemplo, 32 1,25 0,59 35,11 65,62 1,52 0,97 0,02 3,48
33 1,18 0,59 32,17 71,36 1,47 0,97 0,01 2,43
Una vez formados, los radicales de ascorbato (Asc) se
34 1,24 0,60 27,77 72,41 1,42 0,97 0,02 0,80+
desintegran relativamente lentamente por un proceso de
35 1,17 0,60 36,05 76,77 1,43 0,96 0,01 1,78
desproporción. La capacidad de formar intermedios de 36 1,20 0,59 31,71 80,89 1,50 0,96 0,01 2,10
radicales libres puede retrasar o prevenir significativamente las
oxidaciones iniciadas por radicales libres. El ácido ascórbico
TABLA II. ESPECIFICACIONES DE LOS COMPONENTES EN LA
elimina fácilmente las especies reactivas de oxígeno y FABRICACIÓN DE LA VITAMINA C.
nitrógeno, como los radicales superóxido, hidroperoxilo,
peroxinitrito y nitróxido. Asc [H-.] dona un átomo de
hidrógeno (H. o H+ e-) a un radical oxidante para producir el Características USL LC LSL
radical libre de ascorbato de tricarbonilo estabilizado por Alcohol 2,4- 1,40 1,2 1,0
resonancia. Asc [H*] tiene un pKa de -0,86; por tanto, no está diclorobencílico
mg

protonado. Además, el electrón desapareado de Asc [-] reside Amilmetacresol 0,62 0.6 0,58
en el sistema π que incluye el resto tricarbonilo del ascorbato. Ácido 45
mg
33,5 20,5
Es un radical débilmente oxidante y reductor. Debido a su ascórbico
carácter p, Asc [-] no reacciona con el oxígeno para formar Ascorbato 76 75 73
radicales peroxilo capaces de dañar oxidaciones. Es sódico
Sacarosa 1,60 1,438 1,28
relativamente poco reactivo con un potencial de reducción de
Glucosa 0,98 0,97 0,95
un electrón de sólo -282 MV y, como tal, se considera un
Amarillo 0,036 0,0162 0,004
antioxidante terminal de molécula pequeña. [13]
anaranjado S
(E110)
III. METODOLOGÍA Durabilidad
(asumiendo una 1,5 años
distribución
En el monitoreo de las variables o características de calidad en Rayleight)
la fabricación de la vitamina C, se presentaron los siguientes
resultados: Tabla 1.
A. Primera parte
TABLE I. REGISTRO DE LOS COMPONENTES EN LA FABRICACIÓN DE
VITAMINA C
Para empezar con el análisis de control multivariado, es
necesario primero que todo verificar si los datos que se están
estudiando siguen un comportamiento igual o similar al
Ascorbato sódico

(asumiendo una
Ácido ascórbico
diclorobencílico
Amilmetacresol

comportamiento de la distribución normal. Una vez realizada la

anaranjado S
Alcohol 2,4-

Durabilidad

distribución
Rayleight)
Sacarosa

Glucosa
Amarillo
Muestra

prueba de normalidad, procedemos a verificar los intervalos de

(E110)

confianza de las especificaciones de los componentes de la

vitamina C.

1 1,22 0,60 30,94 83,79 1,50 0,97 0,03 1,80

2 1,22 0,60 31,82 74,30 1,52 0,98 0,01 1,14
B. Segunda parte
3 1,28 0,60 33,41 70,45 1,56 0,97 0,02 2,97 Se suministraron unas mediciones correspondientes a las
4 1,17 0,59 34,99 74,80 1,38 0,97 0,02 1,09 características de calidad de la vitamina C, las variables son:
5 1,19 0,61 31,14 69,17 1,36 0,96 0,02 3,17 Alcohol 2,4-diclorobencílico, Amilmetacresol, Ácido
6 1,18 0,61 29,67 69,70 1,49 0,98 0,01 4,02 ascórbico, Ascorbato sódico, Sacarosa, Glucosa, Amarillo
7 1,17 0,60 35,15 74,54 1,39 0,97 0,01 2,14 anaranjado S (E110). Con base a estos datos se realizará un
8 1,13 0,59 37,50 69,31 1,55 0,96 0,02 1,16 análisis multivariado con las cartas de Varianza Generalizada y
9 1,23 0,61 30,78 84,21 1,64 0,97 0,02 1,10
10
, así como evaluar el estado de control del proceso, como
1,16 0,61 35,01 71,99 1,50 0,97 0,01 2,58
11
también estimar el desempeño del proceso (capacidad)
1,20 0,60 34,49 75,66 1,42 0,97 0,02 0,87+
12
haciendo uso de herramientas como Excel y Statgraphics.
1,19 0,61 34,95 78,56 1,55 0,96 0,02 1,52
13 1,25 0,60 32,22 79,68 1,42 0,96 0,01 3,69
14 1,14 0,61 29,34 84,58 1,37 0,96 0,01 2,76
15 1,27 0,59 33,30 84,78 1,44 0,98 0,01 2,45
Siguiendo las indicaciones que dice que el tamaño de los T-CUADRADO
subgrupos debe ser de 4 observaciones, se tomaron y agruparon
las observaciones en subgrupos de un tamaño igual a cuatro.
El vector de medias es,
C. Tercera parte
Una vez verificada y lograda la estabilización estadística en la
prueba de normalidad, procedemos a hallar el vector de medias 1,1975000
y la matriz de varianza covarianza de los datos y el control en 0,6005556
línea, si existe alguna causa asignable se debe volver a realizar
los procedimientos anteriores y hallar la matriz de covarianza y 33,0005556
su vector de medias.
75,4858333
D. Cuarta parte 1,4622222
Posteriormente se determinan los índices de capacidad 0,9680556
multivariante aplicando la propuesta de Wang (1998) y Herrera
(2019). En la propuesta de Wang se analizan los componentes 0,0158333
principales de las variables estudiadas y la propuesta de
Herrera evalúa el índice de capacidad multivariado agregando
el criterio de la fiabilidad del proceso llamado “Espacio- La matriz de varianza covarianza de T² de Hotelling es,
Tiempo”, que indica la medida de probabilidad de la
longevidad de un producto dado un tiempo específico.

E. Quinta parte
También es pertinente identificar y evaluar los índices de
capacidad de otros autores como Shahriari (1995), Chen
(2003) y Cumea (2013), para establecer comparaciones entre
cada indicador y determinar más estrictamente si se cumplen
con las características de calidad.
F. Sexta parte
Por último, se hizo una simulación del proceso tomando como
base los parámetros e indicadores antes mencionados,
obtenidos en la fase I y en la fase II, después realizamos Los valores de T cuadrado globales son presentados en la
corrimientos de la medida de localización y variabilidad de siguiente tabla:
forma aleatoria con el fin de detectar rápidamente señales de
alarma bajo ciertas circunstancias que se puedan presentar en
la realidad.

IV. RESULTADOS

1. Cartas de control Multivariado MEWMA. Evalué si

el proceso se encuentra en control. Estime
los parámetros del proceso, el vector de medias y
la matriz de varianza covarianza .
2. Determine los indicadores de capacidad de
Shahariari-Cumea-Wang, con la estimación de los
parámetros.
3. Evalúe el desempeño de estos indicadores de
capacidad multivariante con la información sometida
a control.
4. Realice una simulación del proceso aplicando los
indicadores anteriores, realice incrementos de la
medida de variabilidad y de localización. ¿En este
proceso cuál de los indicadores seleccionados son
más sensibles a la medida de localización o de
variabilidad?
 T-CUADRADO SIN OBSERVACIÓN

El vector de medias es, VARIANZA GENERALIZADA

1,2022857 1,19750000 0,600555556 33,0005556

0,5985714
Matriz de varianza covarianza
32,9402857
0,002517593 -0,000359259 -0,011771296
75,6188571 -0,000359259 0,000188889 -0,000481481
1,4608571 -0,011771296 -0,000481481 6,297001852
0,9691429
0,0160000 El determinante de la matriz de varianza covarianza y las
constantes b1 y b2 para la construcción de la carta de control
para la medida de variabilidad sujetas al tamaño del subgrupo
La matriz de varianza covarianza de T² de Hotelling sin igual a cuatro son,
observación es,
|S| 2,15094E-06
b1 0,222222222
b2 0,444444444

Los límites de control a partir de la matriz de varianza

covarianza estimada se presentan en la tabla inferior:

UCL 0,000021509439
Cl 0,000002150944
LCL 0,000000000000

Los valores de T cuadrado eliminando la observación fuera del

límite de control son presentados en la siguiente tabla:
HERRERA – FASE 1

Producto 0,4813345

A 1,4813345

Proporción Índice de Capacidad

de unidades Multivariante de Chen 0,0224416
conformes and Pearn

Parámetro Factor de
Rayleight
λ 0,30682729
Aceleración
20

Tiempo 1,5
λₒ 0,00076707

Fiabilidad 0,99913742
 Valor de Z 3,13387232

SHARIARI Y CUMEA – FASE 1

Índice de
capacidad
Multivariado
0,62987936 Shahriari Index Capability
Herrera

Este valor de 0,6298 implica un desempeño inadecuado del

proceso, es importante el poder reevaluar las especificaciones
y la fiabilidad del proceso para mejorar el rendimiento y
capacidad del proceso.

HERRERA - FASE 2

Producto 0,58062735

A 1,58062735

П (USL-LSL) 9,40800
Proporción Índice de Capacidad П (LSP-LIP) 152,27561
de unidades Multivariante de Chen 0,0476437 CpM 0,49855820
conformes and Pearn
El resultado obtenido para el índice de capacidad multivariado
de Shahriari de 0,49855820, muestra un producto con poca
Parámetro Factor de capacidad de cumplir con las especificaciones de diseño.
Rayleight
λ 0,243895
Aceleración
20

Tiempo 1,5 p 4
λₒ 0,00060974 n 35
4,387096774
5,140131314
Fiabilidad 0,99931428 22,55025351
PV 0,00005011
Valor de Z 3,20059553

Índice de
capacidad Cumea Index Capability
0,66801761
Multivariado
Herrera

Para la fase II el rendimiento del proceso es similar y sigue sin

cumplir con las especificaciones ya que no alcanza el objetivo
como en el caso univariado, sin embargo, se logra percibir una
leve mejoría en el control en línea. Sería adecuado recomendar
a la empresa continuar aplicando mejoras sustanciales en
diversos aspectos tales como, la fiabilidad, la durabilidad, la
aceptación del cliente, entre otros.
 Cumea Index Capability

MCpm 0,017563597

El índice de capacidad multivariado propuesto por Cumea

arroja un valor de 0,017, el cual corrobora una vez más que la
vitamina C no cumple con las especificaciones de diseño.

SHARIARI Y CUMEA – FASE 2

Shahriari Index Capability

MCpm 0,050208292

De igual forma que en la fase I para este índice de capacidad

encontrado, el proceso está por debajo de las especificaciones
mínimas de calidad.

GRÁFICOS

T-STUDENT CON OBSERVACIONES

П (USL-LSL) 9,40800
П (LSP-LIP) 232,07215
CpM 0,448712915

Cabe resaltar que, según el valor de índice de capacidad

hallado para las cuatro variables de la vitamina C, se evidencia
que el proceso no es capaz de cumplir con las especificaciones
de diseño en fase II.

p 4 Podemos notar que la gráfica T-Cuadrado para los datos,

n 20 presenta un punto fuera del límite de control superior lo cual
no garantiza la estabilidad estadística del proceso; por ello, es
4,750000000 necesario realizar la descomposición del T-Cuadrado para
6,468698444 determinar la variable que causa este estado fuera de control
30,726317610 en ese punto en específico.
PV 0,00000097 Se recalculan los estadísticos de la descomposición del T-
Cuadrado para determinar que variable está aportando más al
estado fuera de control.
 T-STUDENT SIN OBSERVACIONES
MEWMA FASE 2

Como podemos observar, es notorio que después de haber

eliminado el subgrupo que presentaba la señan de alarma, el
proceso pasó a un estado bajo control, ya que en el se halla un
comportamiento de aleatoriedad en cada uno de los
componentes de la vitamina C. En la gráfica presentada no se aprecian datos con un valor que
supere el límite central ni superior de control, tampoco se
CARTA DE VARIANZA GENERALIZADA presentan situaciones anómalas, que hagan necesario
recalcular el límite superior de control y estimar el vector de
medias y la matriz de varianzas covarianzas, el proceso
Para iniciar el análisis de control multivariado. Se inicio con la presenta estabilidad estadística.
carta de varianza generalizada donde se obtuvieron los
siguientes resultados:
Con la finalidad de centrar cada subgrupo, se realizó una tabla A continuación, la contribución relativa a la señal T-
que resumiera los estadísticos de los subgrupos que contienen Cuadrada:
cuatro observaciones cada uno, teniendo en cuenta dentro de
las condiciones que se deben tomar solo las 3 primeras Alcohol
variables, la información se presenta a continuación: Observació T- 2,4- Amilmetacr Ácido
n Cuadrada dicloroben esol ascórbico
cílico
1 207,712 19,7663 204,339 5,52135
2 161,067 10,1298 149,875 5,92534
3 134,596 0,340903 105,69 7,65583
4 362,297 18,1979 336,832 18,3461
5 184,498 5,40581 162,821 5,46595
6 112,928 0,0190448 91,2446 6,94299
7 41,396 0,241622 26,1974 1,26116
8 61,8043 3,13012 38,2978 1,71665
9 27,58 4,1206 11,5333 0,173278
10 64,6017 4,5116 31,2672 0,681513
11 73,8021 7,70866 31,7766 1,63969
12 32,8066 5,90294 6,71516 0,57554
14 100,845 41,1245 13,7054 4,60558
15 113,769 30,5624 25,8027 2,46917
16 163,308 14,4642 28,5799 2,76165
17 114,685 10,113 58,2595 4,7305
En la gráfica presentada para la medida de variabilidad se 18 61,5803 8,08041 2,13666 0,0002
puede observar un comportamiento de no aleatoriedad, ya que 19 117,593 14,4676 19,8953 3,3495
casi todos los datos se encuentran por encima del límite de 20 72,5018 2,77779 11,3432 1,39055
control superior, es decir, el proceso presenta un estado fuera
de control.
 Amarillo D. A pesar de que las cartas tipo Shewhart multivariadas
Ascorbato
Sacarosa Glucosa anaranjado S son tradicionalmente poco sensibles a cambios
sódico
(E110) pequeños o moderados en la media de los datos, se
1,09866 12,7761 33,2915 0,114656 evidencio que el uso de una medida de tendencia
5,06883 29,6858 30,1381 0,0502559 central robusta en la carta de varianza efectiva |S|, se
4,19017 32,0782 51,3229 2,83341
obtiene una carta más sensible a los cambios de los
7,19338 63,434 89,4167 1,53616
datos.
1,38882 36,1838 49,2008 2,74563
0,921639 21,1845 41,464 2,93811
0,57164 19,6086 9,4489 2,27721
1,99288 20,0594 15,9001 4,87305 REFERENCIAS
1,47156 6,53449 3,24633 1,3156
0,966797 28,965 0,140959 9,1714 [1] R. Rucker and F. Steinberg, "Vitamin C", Encyclopedia of Biological
0,0012112 38,6924 0,31307 10,4898 Chemistry, pp. 367-371, 2004. Available: 10.1016/b0-12-443710-
0,117132 24,2822 0,949431 0,477625 9/00741-9 [Accessed 12 January 2021].
2,80908 0,908976 68,7885 15,0314 [2] L. Moy Ronald , L.Chen and L.Jane Kao “ Studye Guide for statics for
bussines and financial economic” (2013, 3era edicion) pág 6-9.
2,21616 11,8039 69,8989 8,97941 [3] L.R.Martín, S.Lurueña, S.Segovia , Moreno A,“ Chapter 7: Statistics:
1,69816 22,3495 75,1164 59,6235 Descriptive Statistics and Inferential Statistics”.(2009, 2da edicion)
5,98307 4,08096 65,9063 7,63485 pág.3
1,06208 5,03522 16,2278 37,1492 [4] Ahsanullah. M, Kibria. G, Shakil. M, “ Normal and student´st
distributions and their applications” (“2014, 4to volumen) pág.7
0,64803 18,1744 0,762451 80,4857
[5] Ahsanullah. M, Kibria. G, Shakil. M, “ Normal and student´st
0,321287 13,7728 1,91285 51,1403 distributions and their applications” (“2014, 4to volumen) pág.8
[6] I. Lovato, A. Pini, A. Stamm & S. Vantini, "Model-free two-sample test
for network-valued data", Computational Statistics & Data Analysis,
vol. 144, p. 106896, 2020. Disponible: 10.1016/j.csda.2019.106896
V. CONCLUSIONES
[7] Ahsanullah. M, Kibria. G, Shakil. M, “ Normal and student´st
distributions and their applications” (“2014, 4to volumen) pág 12
Este artículo presenta un enfoque del control estadístico de [8] Ahsanullah. M, Kibria. G, Shakil. M, “ Normal and student´st
calidad usando cartas y gráficos de control T2 multivariados Y distributions and their applications” (“2014, 4to volumen) pág 13
MEWMA para monitorear simultáneamente la calidad de la [9] Ahsanullah. M, Kibria. G, Shakil. M, “ Normal and student´st
distributions and their applications” (“2014, 4to volumen) pág 46.
producción de la vitamina c. evaluando también su capacidad
[10] Guiterrez H, De la Vara R. “ Statistical quality control and six sigma ”
con los índices multivariados Shahriari, Cumea, Wang y Chen. (2009 , 2da edición ) pág. 23.
Este ejercicio práctico analizando datos de la producción de la [11] Y. Dodge, The concise encyclopedia of statistics. New York, NY:
Springer, 2008, pp. 242-243.
vitamina c empleando diversas propuestas y criterios para
[12] Aparisi, F., & Carlos Garcı́a-Dıá z, J. (2004). Optimization of univariate
evaluar el estado control de calidad y la capacidad and multivariate exponentially weighted moving-average control charts
multivariada de un proceso, evidencia os siguientes aspectos: using genetic algorithms. Computers & Operations Research, 31(9),
1437–1454. doi:10.1016/s0305-0548(03)00099-6
[13] Lee, M. H. (2009). Multivariate EWMA Charts with Variable Sampling
A. En fase 1 la observación 25 mostro una señal de Intervals. Economic Quality Control, 24(2). doi:10.1515/eqc.2009.231
alarma, y los indicadores mostraron una incapacidad
del proceso para alcanzar el desempeño.

B. Mediante las pruebas realizadas en fase 2, se

demostró que la mayoría de observaciones del control
en línea eran señal de alarma. Esto ocasiona que el
proceso este fuera de control. Los indicadores en fase
2 también mostraron una incapacidad del proceso
para alcanzar el desempeño.

C. Al indagar por medio de una simulación que índices

de capacidad responden con más sensibilidad a los
corrimientos, se pudo observar que la propuesta de
Shahriari era más sensible al modificar el parámetro
de variabilidad, en cambio la propuesta de Wang se
mostró más sensible al variar el parámetro de
localización.