Diseño Económico-Estadístico de Cartas con Parámetros Variables Totalmente Adaptativas en Presencia de Datos Autocorrelacionados

Rita Peñabaena Niebles, Óscar Oviedo Trespalacios, Katherine Ramírez, Melissa Morón

Resumen

Como consecuencia de la automatización industrial, la recolección de datos en los procesos productivos puede realizarse de una forma más fácil y rápida, lo cual permite contar con mayor cantidad de información para realizar el análisis. Debido a que los procesos productivos están dirigidos en parte por elementos dinámicos, al reunir los datos a una tasa mayor, las observaciones serán auto- correlacionadas. La omisión de este supuesto hace que las herramientas tradicionales para la monitorización de procesos registren un incremento de las falsas alarmas y de los costos de calidad. Para dar solución a esta problemática, se propone el diseño económico- estadístico de una carta de control con parámetros variables o “totalmente adaptativas”. Los resultados encontrados demuestran la efectividad de esta propuesta para el monitoreo estadístico en procesos de producción. Los enfoques de cartas de control totalmente adaptativas han sido pocos evaluados en escenarios donde los datos presentan altos niveles de autocorrelación y se proponen como una herramienta importante para el control de procesos.

Palabras clave

Análisis Estadístico; Auto-correlación; Control Adaptativo; Diseño Económico; Modelos Autorregresivos

Texto completo:

PDF

Referencias

Apley, D. W., & Cheol Lee, H. (2003). Design of exponentially weighted moving average control charts for autocorrelated processes with model uncertainty. Technometrics, 45(3), 187-198.

Apley, D. W., & Tsung, F. (2002). The autoregressive T2 chart for monitoring univariate autocorrelated processes. Journal of Quality Technology, 34(1), 80-96.

Atienza, O. O., Tang, L., & Ang, B. (2002). A CUSUM scheme for autocorrelated observations. Journal of Quality Technology, 34(2), 187- 199.

Banerjee, P. K., & Rahim, M. (1988). Economic Design of–Control Charts Under Weibull Shock Models. Technometrics, 30(4), 407-414.

Brence, J. R., & Mastrangelo, C. M. (2006). Parameter Selection for a Robust Tracking Signal. Quality and Reliability Engineering International, 22(4), 493-502.

Celano, G., Costa, A., & Fichera, S. (2006). Statistical design of variable sample size and sampling interval bar Xcontrol charts with run rulescontrol charts with run rules. The International Journal of Advanced Manufacturing Technology, 28(9-10), 966-977.

Costa, A. F. (1997). X charts with variable sample size and sampling intervals. Journal of Quality Technology, 29(2), 197-204.

Costa, A. F. (1999). X charts with variable parameters. Journal of Quality Technology, 31, 408-416.

Costa, A. F., & Rahim, M. (2001). Economic design of X charts with variable parameters: the Markov chain approach. Journal of Applied Statistics, 28(7), 875-885.

Costa, A. F. B., & Machado, M. A. G. (2011). Variable parameter and double sampling charts in the presence of correlation: The Markov chain approach. International Journal of Production Economics, 130(2), 224- 229.

Chen, Y.-K., Hsieh, K.-L., & Chang, C.-C. (2007). Economic design of the VSSI control charts for correlated data. International journal of production economics, 107(2), 528-539.

Chen, Y. K., & Chiou, K. C. (2005). Optimal Design of VSI―X Control Charts for Monitoring Correlated Samples. Quality and Reliability Engineering International, 21(8), 757-768.

Chou, C.-Y., Chen, C.-H., & Liu, H.-R. (2006). Economic design of EWMA charts with variable sampling intervals. Quality and Quantity, 40(6), 879- 896.

De Magalhães, M. S., B Costa, A. F., & Moura Neto, F. D. (2006). Adaptive control charts: A Markovian approach for processes subject to independent disturbances. International journal of production economics, 99(1), 236- 246.

De Magalhães, M. S., Costa, A. F., & Epprecht, E. K. (2002). Constrained optimization model for the design of an adaptive X chart. International Journal of Production Research, 40(13), 3199-3218.

Duncan, A. J. (1956). The economic design of X charts used to maintain current control of a process. Journal of the American Statistical Association, 51(274), 228-242.

Jensen, W. A., Bryce, G. R., & Reynolds, M. R. (2008). Design issues for adaptive control charts. Quality and reliability engineering international, 24(4), 429-445.

Lee, M. (2010). Economic design of cumulative sum control charts for monitoring a process with correlated samples. Communications in Statistics-Simulation and Computation, 39(10), 1909-1922.

Lin, Y.-C. (2009). The variable parameters control charts for monitoring autocorrelated processes. Communications in Statistics-Simulation and Computation, 38(4), 729-749. doi: 10.1080/03610910802645339

Liu, H.-R., Chou, C.-Y., & Chen, C.-H. (2003). The effect of correlation on the economic design of warning limit X-bar charts. The International Journal of Advanced Manufacturing Technology, 22(3-4), 306-312.

Lorenzen, T. J., & Vance, L. C. (1986). The economic design of control charts: a unified approach. Technometrics, 28(1), 3-10.

Noorossana, R., & Vaghefi, S. (2006). Effect of autocorrelation on performance of the MCUSUM control chart. Quality and Reliability Engineering International, 22(2), 191-197.

Peñabaena, R. P., Oviedo-Trespalacios, Ó., Vásquez Cabeza, J. G., & Fernández Cantillo, L. M. (2013). Diseño estadístico de cartas de control para datos autocorrelacionados. Revista Científica Ingeniería y Desarrollo, 31(2), 291-315.

Prabhu, S., Runger, G., & Keats, J. (1993). X chart with adaptive sample sizes. The International Journal Of Production Research, 31(12), 2895- 2909.

Prybutok, V. R., Clayton, H. R., & Harvey, M. M. (1997). Comparison of fixed versus variable samplmg interval shewhart control charts in the presence of positively autocorrelated data. Communications in Statistics - Simulation and Computation, 26(1), 83-106. doi: 10.1080/03610919708813369

Rahim, M., & Banerjee, P. (1993). A generalized model for the economic design of x̄control charts for production systems with increasing failure rate and early replacement. Naval Research Logistics (NRL), 40(6), 787- 809.

Reynolds Jr, M. R., & Arnold, J. C. (1989). Optimal one-sided Shewhart control charts with variable sampling intervals. Sequential Analysis, 8(1), 51-77.

Ross, S. M. (2006). Introduction to probability models: Academic press.

Sheu, S.-H., & Lu, S.-L. (2009). Monitoring the mean of autocorrelated observations with one generally weighted moving average control chart. Journal of Statistical Computation and Simulation, 79(12), 1393-1406.

Winkel, P., & Zhang, N.-F. (2004). Serial correlation of quality control dataon the use of proper control charts. Scandinavian journal of clinical & laboratory investigation, 64(3), 195-204.

Yu, F.-J., Rahim, M., & Chin, H. (2007). Economic design of VSI control charts. International Journal of Production Research, 45(23), 5639-5648.

Abstract Views

623
Metrics Loading ...

Metrics powered by PLOS ALM


 

Citado por (artículos incluidos en Crossref)

This journal is a Crossref Cited-by Linking member. This list shows the references that citing the article automatically, if there are. For more information about the system please visit Crossref site

1. Support vector machine in statistical process monitoring: a methodological and analytical review
Sandra Cuentas, Rita Peñabaena-Niebles, Ethel Garcia
The International Journal of Advanced Manufacturing Technology  vol: 91  num.: 1-4  primera página: 485  año: 2017  
doi: 10.1007/s00170-016-9693-y



Creative Commons License

Esta revista se publica bajo una Licencia Creative Commons Attribution-NonCommercial-CompartirIgual 4.0 International (CC BY-NC-SA 4.0)

Universitat Politècnica de València     https://doi.org/10.4995/riai

e-ISSN: 1697-7920     ISSN: 1697-7912