Академический Документы
Профессиональный Документы
Культура Документы
Volumen 23 (2000) N 2, p
aginas 29 a 44
GRAFICOS
DE CONTROL PARA LA MEDIA
DE UN PROCESO EN POBLACIONES CON
ASIMETRICA
DISTRIBUCION
EMERSON A. CHAPARRO S.
JOSE A. VARGAS N. **
Resumen
En este artculo se presenta un metodo heurstico para la construcci
on
de cartas de control para la media de un proceso cuando la distribuci
on
de la caracterstica de interes no es simetrica. El metodo propuesto ajusta los lmites de acuerdo a la direcci
on de la asimetra observada en los
datos y coincide con el metodo cl
asico de Shewhart bajo condiciones
de simetra. Se hicieron simulaciones para compararlo con los metodos
de Shewhart, Choobineh y Ballard (1987) y Bai y Choi (1995). Se encontr
o que el metodo propuesto es aconsejable cuando la distribuci
on de
la caracterstica de interes es moderadamente asimetrica; en caso contrario el metodo de Bai y Choi ajusta de manera
optima los lmites de
control de la carta X.
29
30
1.
Introducci
on
Gr
aficos de Control para la Media de un Proceso
31
2.
Carta de Control X
32
=
donde x
1
m
Pm
q
Si =
i=1
1
n1
xi ( Media Global), S =
Pn
j=1 (xij
xi )2
1
m
Pm
i=1
Si
para cada i = 1, 2, , m
c4 n
c4
0.798
0.866
0.921
0.940
0.952
0.959
0.965
0.969
0.973
A3
2.66
1.95
1.63
1.43
1.29
1.18
1.10
1.03
0.98
d2
1.128
1.693
2.059
2.326
2.534
2.704
2.847
2.970
3.078
A2
1.88
1.02
0.73
0.58
0.48
0.42
0.37
0.34
0.31
R
d2
LC = x
3 =x
A2 R
LCI = x
d2 n
Gr
aficos de Control para la Media de un Proceso
+3
LCS = x
33
+ A2 R
=x
d2 n
3.
34
=
x
1 X
Xi
m i=1
1 X
Px =
I(xi )
m i=1
donde
I(xi ) =
1, si xi x
0, en otro caso
Gr
aficos de Control para la Media de un Proceso
35
q
R
+W R
2PX = X
U
d02 n
LC = X
q
R
3
W R
LCI = X
2(1 PX ) = X
L
d02 n
donde. PX : Un estimador de P sobre las m muestras. d02 : es una constante
para poblaciones no normales que depende del sesgo y kurtosis de los datos.
y WU y WL son constantes que se encuentran tabuladas para ciertas combinaciones de n y PX .
En este caso se tiene que:
Pm Pn
Px =
i=1
j=1
xij )
(x
mn
36
4.
M
etodo Propuesto
Sean Xi1 , Xi2 , , Xin variables aleatorias originadas para la i-esima muestra (j = 1, 2, , m) de una poblacion con funcion de probabilidad f (.). Con
base en ellas definamos los siguientes estadsticos:
m
=
x
1 XX
Xij
mn i=1 j=1
X(n) = M ax{Xij ; i = 1, 2, , m; j = 1, 2, , n}
X(1) = M in{Xij ; i = 1, 2, , m; j = 1, 2, , n}
R(n) = X(n) X(1)
Es decir, R(n) es el rango de las m n observaciones generadas. Con base
en estas estadsticas, sea K la variable aleatoria definida de la siguiente forma:
K=
X(n) X
R(n)
A2 R
LCI = x
p
2(1 K)
+ A2 R
LCS = x
p
2K)
37
Gr
aficos de Control para la Media de un Proceso
5.
Ejemplo
Para dar una idea del funcionamiento y de la aplicacion del metodo propuesto se utilizaron los datos de Cowden(1957) que tambien fueron aplicados
por Bai y Choi(1995) en la ilustracion de la tecnica presentada por ellos en
su artculo. Estos datos corresponden a 30 muestras aleatorias de cinco medidas cada una, representando las concentraciones de residuos resultantes de un
proceso qumico el cual se encuenra bajo control. Los datos se presentan en el
anexo 5. Con base en ellos se obtuvieron los siguientes valores: Media General:
= 18,45, Maximo General: X(n) = 135, Mnimo General: X(1) = 1, Rango
x
= 40,40. Con base en estos valores se
General: R(n) = 134; Rango Promedio: R
calculo la constante K propuesta para obtener los lmites de control. Aplicando
la formula se obtuvo que K = 0,8698. Teniendo en cuenta que el tama
no de
las muestras es n = 5 y de acuerdo con la Tabla 2, tomamos A2 = 0,58. Con
base en los anteriores valores se calculan los lmites de control para la media
del proceso de acuerdo al metodo propuesto.
p
LCI = 18,45 (40,40) (0,58) 2(1 0,8698) = 6,55574
LC = 18,45
LCS = 18,45 + (40,40) (0,58)
2(0,8698) = 49,198
38
6.
Resultados
Gr
aficos de Control para la Media de un Proceso
39
7.
Conclusiones
40
Referencias
and R Control charts for skewed populations.
[1] Bai, D.S., and Choi I. S. X
Journal of Quality Technology. 27 (1995), 120131, N 2.
[2] Choobineh, F., and Ballard J.L., Control-limits of QC Charts for skewed
distributions using weighted-variance IEEE Transactions on reliability. R36 (1987), 473477, N 4.
[3] Cowden, D.J., Statistical methods in quality control. Prentice Hall, Englewood Cliffs, N.J. (1957).
[4] Duncan, Acheson, Quality control and industrial statistics. Richard D. Irwin, Inc. Chicago, (1952).
[5] Vargas, J. A., Control estadstico de procesos: Cartas de control. XIII Coloquio Distrital de Matematicas y Estadstica., Santa Fe de Bogota, D.C.
(1999).
[6] Walpole R. E., Myers R. H., Probabilidad y Estadstica. Mc Graw Hill, 4
edicion, (1996).
[7] Wetherill G.B., Brown D.W., Statistical process control. Theory and practice. Chapman and Hall, (1991).
41
Gr
aficos de Control para la Media de un Proceso
A.
M
et.WV (Choob. y Ball.)
M
et.WV (Bai y Choi)
M
et.Propuesto
LCI
LCS
PrCb
LCI
LCS
PrCb
LCI
LCS
PrCb
LCI
LCS
PrCb
-1.343
1.340
0.997
-1.343
1.340
0.997
-1.343
1.340
0.997
-1.343
1.340
0.997
-1.225
1.225
0.997
-1.221
1.226
0.997
-1.225
1.225
0.997
-1.223
1.224
0.997
-1.137
1.129
0.997
-1.136
1.126
0.997
-1.137
1.128
0.997
-1.135
1.128
0.997
-1.060
1.062
0.997
-1.060
1.059
0.997
-1.060
1.062
0.997
-1.061
1.059
0.997
B.
Parametro de forma = 1
42
M
etodo Shewhart
M
etodoWV (Choob. y Ball.)
LCI
LCS
PrCb
LCI
LCS
PrCb
0.25
-38.3870
86.7342
0.9412
-14.5555
103.2234
0.9507
0.5
-1.8054
5.8038
0.9490
-1.2013
6.3101
0.9589
-0.2015
2.2025
0.9854
-0.1287
2.2675
0.9877
0.2716
1.5004
0.9968
0.2836
1.5104
0.9972
0.6874
1.1680
0.9967
0.6851
1.1649
0.9968
LCI
LCS
PrCb
LCI
LCS
PrCb
0.25
-4.1951
107.8160
0.9538
11.5741
111.6913
0.2710
0.5
-0.6504
6.6785
0.9655
0.6177
7.1936
0.7691
-0.0308
2.3511
0.9911
0.2746
2.5356
0.9821
0.2995
1.5268
0.9974
0.3652
1.5806
0.9968
0.6808
1.1610
0.9971
0.6722
1.1512
0.9970
M
etodo WV (Bai y Choi)
M
etodo Propuesto
43
Gr
aficos de Control para la Media de un Proceso
C.
M
etodoWV (Choob. y Ball.)
LCI
LCS
PrCb
LCI
LCS
PrCb
-0.4777
3.7838
0.9659
-0.2310
3.9968
0.9745
-0.3363
3.6324
0.9709
-0.1158
3.8239
0.9769
-0.2166
3.5037
0.9690
-0.0246
3.6709
0.9751
-0.1436
3.4348
0.9701
0.0396
3.5940
0.9754
M
etodo WV (Bai y Choi)
M
etodo Propuesto
LCI
LCS
PrCb
LCI
LCS
PrCb
-0.0180
4.1584
0.9784
0.6449
4.4866
0.9333
0.0907
3.9809
0.9796
0.7444
4.2996
0.9168
0.1827
3.8299
0.9789
0.8078
4.1336
0.9110
0.2438
3.7509
0.9807
0.8581
4.0549
0.9013
44
D.
M
etodoWV (Choob. y Ball.)
LCI
LCS
PrCb
LCI
LCS
PrCb
0.25
-0.2294
0.7312
0.9575
-0.1710
0.7818
0.9664
0.5
-0.2762
1.2757
0.9722
-0.2097
1.3347
0.9790
-0.2020
2.2015
0.9856
-0.1301
2.2658
0.9889
M
etodo WV (Bai y Choi)
M
etodo Propuesto
LCI
LCS
PrCb
LCI
LCS
PrCb
0.25
-0.0930
0.8364
0.9733
0.0588
0.9019
0.8176
0.5
-0.1185
1.4059
0.9848
0.1154
1.5265
0.9397
-0.0309
2.3504
0.9919
0.2745
2.5347
0.9808
45
Gr
aficos de Control para la Media de un Proceso
E.
E1
E2
E3
E4
E5
Promedio
M
nimo
M
aximo
Rango
29
21
65
24.4
65
63
10
30
68
11
24.4
68
65
35
13
17
14
16.6
35
31
51
25
10
19
51
47
11
10
11
10
12
54
16
14
20.8
54
46
34
38
32
23.4
38
34
47
110
11
45
43.2
110
107
36
27
10
16.4
36
33
10
22
24
78
17
29.8
78
70
11
13
13
25
13.6
25
17
12
18
11
19
10.8
19
17
13
16
10
8.4
16
11
14
12
10
24
12
12
24
22
15
56
15
17
15
21
56
54
16
37
13.2
37
32
17
12
37
20
16
37
33
18
28
93
21
30.4
93
89
19
20
11
8.6
20
16
20
62
16.4
62
59
21
15
15
10
10
15
11
22
36
31
135
10
30
48.4
10
135
125
23
24
8.4
24
21
24
26
14
22
20
17
26
23
25
16
7.2
16
14
26
14
12
8.2
14
11
27
18
32
11
13.8
32
30
28
11
11
18
33
19
18.4
11
33
22
29
41
14
13
17
41
33
30
49
72
16
29.8
72
66