UNIVERSIDAD NACIONAL MAYOR

DE
MARCOS
FacultadSAN
de Ingeniera
Industrial
CONTROL DE CALIDAD
UN PROCEDIMIENTO
CUSUM
ADAPTABLE PARA LA SEALIZACIN
DE CAMBIOS EN LOS PROCESOS DE
VARIANZA DE TAMAOS
DESCONOCIDOS

Concepto CUSUM
Se trata de una frmula usada para determinar el
cambio gradual en una serie de cantidades con
respecto al tiempo.
CUSUM se usa en muchas profesiones diferentes,
incluyendo pero no limitndose a aquellas que se
encuentran en el campo de la medicina y el de las
finanzas. Por ejemplo, puede ser usada por un
doctor para monitorear el cambio en los niveles
de glucosa de un diabtico, o puede ser empleada
por un analista financiero para analizar las
tendencias especficas en el mercado

Concepto Grafico CUSUM

El grfico de sumas acumuladas (CUSUM) se presenta
como una alternativa al grafico de Shewhart. Incorpora
directamente toda la informacin representando las sumas
acumuladas de las desviaciones de los valores muestrales
respecto de un valor objetivo. Por ejemplo, supongamos
que se toman muestras de tamao igual o mayor que 1,
siendo Xi la media muestral de la muestra i.
Si suponemos que o es el objetivo para la media del
proceso, el grfico de sumas acumuladas se formar
representando la cantidad Sm=(Xi0) respecto al
nmero de orden (m) de la muestra.

Procedimiento CU SUM adaptable para la sealizacin

de cambios en los procesos de varianza de Tamaos
Desconocidos
Para hacer frente a la cuestin de la supervisin de una
media del proceso con magnitud desconocida, algunos
mtodos han sido propuestos como alternativos al grfico
CUSUM tradicional de ubicacin. Por ejemplo, Basseville y
Nikiforov (1993) propuso la grfico CUSUM ponderado
(WACUSUM), que supone una distribucin de probabilidad
de la desviacin de la media desconocida.
Hawkins y otros autores (2003) sugirieron el mtodo de
cambio de puntos. Sin embargo, ninguno de los
procedimientos anteriores se puede expresar de forma
iterativa ya que Necesitan memoria excesiva para
implementar y requieren extensas simulaciones para
evaluar el rendimiento de longitud de recorrido. Con este
objetivo, una modificacin en el tipo grfico CUSUM de
localizacin llamado grfico CUSUM adaptable (ACUSUM)
que ha sido recientemente discutida

Grafico de dispersin
ACUSUM
Diferentes estimaciones para el proceso de
varianza, desviacin estndar se han propuesto
para el seguimiento de la variabilidad del proceso.
En la prctica, la varianza de la muestraS2 y la
transformacin logartmica de la varianza de la
muestraln(S2)han sido ampliamente discutidos.
Chang y Gan (1995) demostraron que el uso de
S2en el grfico CUSUM disfruta de una mejor
performance en el rendimiento de longitud que en
el grfico basado enln(S2),en la deteccin de
aumentos en la variabilidad del proceso. Para
simplificar, nos centramos nuestras discusiones
sobre el uso de S2 para monitorear los cambios
ascendentes varianza.

Grafico de dispersin
ACUSUM
En
Xtj, j son las observaciones ytson los bus
grupos, donde j =1, 2,..., n. Sin perder la
generalidad, se asume a menudo que las
observaciones Xtj son independientes e
idnticamente distribuidos (IID) despus de una
distribucin normal con mediay varianzas
2.En este trabajo se considera que la tarea de
supervisar las desviaciones en el proceso de
varianza para el control de la varianza . Adems,
suponemos que: (i) la media del proceso se
mantiene sin cambios en la fase II; y (ii) en el
proceso de control de la media 0y la varianza ,
son conocidos o se estima con precisin. Estos
supuestos son consistentes con el marco
ampliamente utilizado en la literatura (ver, por

Grafico de dispersin
ACUSUM
Cuando la media del proceso0 es un estimador
insesgado para el proceso de varianza es:
Denotarcomo la magnitud de la varianza fuera de
control y definiry. Entonces la estadstica CUSUM
basada en la suposicin de conoceren general se
puede expresar como (ver Apndice A).
Dnde:

Grafico de dispersin
ACUSUM
Es
el incremento de la estadstica CUSUM en el tiempo t y:

Se refiere a menudo como el valor de referencia. Ignorando

el multiplicador constante n(1-1/)/2para la ecuacin (2),
La cara superior e inferior para los grficos de dispersin
CUSUM se puede obtener de : (ver Apndice A).

y:

Respectivamente. El grfico CUSUM superior / inferior de

dispersin indica cundosupera el umbral hc.

Grafico de dispersin
ACUSUM
Similar
a la estimacin de un nivel a la media de un proceso, cuando el proceso

de la varianza es desconocido, MacGregor y Harris (1993) propuso la utilizacin

de un promedio mvil ponderado exponencialmente (EWMA) esquema para
estimar cuando se disponga de nuevos datos. El esquema EWMA basado en Zt
es:

Dondees una constante de alisamiento de manera queEl valor inicial de Qt es a

menudo el objetivo. Q0 = 1. Cuando = 1, la estimacin EWMA se reduce a .

Los procesos industriales pueden tolerar pequeos cambios en las variables de

proceso. Por lo tanto, a menudo existe un tamao de desplazamiento mnimo
que es de importancia para la deteccin temprana, como es sealado por
Sparks (2000). Al igual que en la definicin de Sparks (2000), denotamos porla
magnitud mnima de la varianza para la deteccin temprana, donde. Para
mejorar la eficiencia en la deteccin de los cambios ms grandes que la
varianza , la estadstica EWMA en la ecuacin (7) es revisado como:

Grafico de dispersin
ACUSUM
De
manera similar, para mejorar la eficiencia en la deteccin de un
cambio hacia abajo en menor varianza que, la estadstica EWMA se
pueden revisar como:

Donderepresenta la magnitud mxima descendente de la varianza

especfica para la deteccin temprana.
El primer grfico modificado de dispersin CUSUM puede obtenerse
simplemente mediante la sustitucin de en el valor de referencia
de la CUSUM por el valor objetivo de deteccin, or . De este modo,
los valores de referencia de la cara superior e inferior CUSUM se
actualizan de acuerdo con:

y:

Grafico de dispersin
ACUSUM
Los
procedimientos CUSUM resultantes superior e inferior estn
dadas por:

y:

Respectivamente. Una seal de salida de control se activa cuando

o supera el umbral ha.
Una segunda modificacin es reemplazaren el incremento, It ,del
grfico CUSUM para or . Excepto un multiplicador constante de
n/2, al correspondiente superior e inferior de las estadsticas
CUSUM entonces se puede escribir como:

y:

Grafico de dispersin
ACUSUM
Respectivamente. El grfico activar una seal de
fuera de control cuando or .
Por simplicidad, los procedimientos CUSUM
modificados en las ecuaciones (8) y (9) con un
valor de referencia sern llamados cambios
adaptativos de grficos de dispersin CUSUM
(ACUSUM). En las ecuaciones (10) y (11), los
trminos y puede ser visto como funciones de
ponderacin determinados sobre las desviaciones,
y, respectivamente. Por esta razn, se indican los
procedimientos de creacin de grficos en las
ecuaciones (10) y (11) como grficos adaptativos
ponderados de dispersin (CUSUM WACUSUM).

Grafico de dispersin
ACUSUM

Grafico de dispersin
ACUSUM
En
contraste con los grficos ACUSUM, los grficos
WACUSUM pueden dinmicamente asignar pesos a las
desviaciones, ,sobre la base de la estimacin de la varianza
actual. No es difcil ver que tanto el pesoy el valor de
referenciacomo
aumentaren
aumentos.
Un
peso
relativamente grande en causar un incremento ms
grande en la acumulacin de la estadstica WACUSUM que
en el ACUSUM.

Intuitivamente, esto podra acelerar la deteccin de los

cambios en la variabilidad al alza. La Tabla 1 compara el
estado inicial promedio de longitud de ejecucin (ARL) entre
el rendimiento superior y grficos ACUSUM y WACUSUM.
Como era de esperar, dado los mismos valores dey, el
grfico WACUSUM utiliza la funcin de peso que lleva a
cabo de manera uniforme mejor que la tabla ACUSUM.

Anlisis de rendimiento
Hemos demostrado el rendimiento superior de la
tabla WACUSUM sobre el grfico ACUSUM. Por
esta razn, en esta seccin se compara el
rendimiento de la tabla WACUSUM con grficos de
dispersin otros, excluyendo el grfico ACUSUM.
En aras de la simplicidad, nos limitaremos nuestra
discusin basada en el tamao de la muestra de n
= 5. Los casos con diferentes tamaos de muestra
puede ser analizada de manera similar, lo que
sera cualitativamente las mismas conclusiones.

Comparaciones con grficos

CUSUM
A partir del anlisis anterior, el objetivo de introducir el parmetro en
el grfico WACUSUM es mejorar la eficiencia en la deteccin de
desviaciones ms grandes que. El grfico CUSUM diseado en base a
tiene como objetivo la optimizacin de su rendimiento de deteccin en
este cambio de varianza preespecificado. Es interesante comparar
ambos procedimientos cuando.
La Tabla 2 resume los resultados. El grfico CUSUM superior sobre la
base dees considerado como un ejemplo ilustrativo aqu. Los
parmetros de la tabla de WACUSUM superior se eligen comoy
Para mantener el mismo estado inicial en el control de ARL. Cuando
los lmites de control para la WACUSUM y el CUSUM se determinan
comoy, respectivamente. Los lmites de control utilizaron los mismos
para obtener el estado estacionario y los resultados ARL en el peor de
los casos. Para los valores del estado inicial y el peor de los casos del
ARL se utiliz un modelo de cadena de Markov, cuyos detalles se dan
en el Apndice B. Las simulaciones se utilizaron para obtener los
resultados ARL en estado estacionario.

Comparaciones con grficos

CUSUM
El
estado inicial ARL se refiere a la computada ARL
suponiendo un proceso de cambio que se produce en
el valor inicial de un grfico de control. Diferentes
valores ARL resultan cuando comienza la tabla con
diferentes valores iniciales.
El efecto de un inicio en un grfico de control es bien
conocido la respuesta inicial rpida (FIR) caracterstica
(Lucas y Bculo (1982). El peor de los casos de la ARL
es el ms grande del estado inicial ARL, teniendo en
cuenta todos los valores iniciales posibles. En este
trabajo, el valor inicial para el grfico CUSUM superior
se establece eny el grfico superior WACUSUM se
inicializa cony. Tenga en cuenta que el peor de la ARL
para el grfico CUSUM es:

Comparaciones con grficos

CUSUM

Similar a su estado inicial, con ARL. Sin embargo, el peor caso de

la ARL para el grfico WACUSUM corresponde a que la ARL est
condicionado eny, que es diferente de su estado inicial-ARL
sobre la base dey.

Comparaciones con grficos

CUSUM

Comparaciones con grficos

CUSUM

La
Tabla 3 compara estos procedimientos con valores de control ARL de
200 y 1000, respectivamente, para las situaciones tanto inciales y de
estado estacionario.
Aunque el grfico CUSUM optimiza el rendimiento de la deteccin en , la
eficiencia en la sealizacin se desplaza al menos que se reduzca a
veces notablemente. Tome el segundo grfico CUSUM basado en , el
consiguiente aumento de porcentaje ARL en relacin con el valor ptimo
(el primer grfico CUSUM) a este cambio es tan grande como 59.6%
((52.24-32.74)/32.74). Cuando , el correspondiente aumento de
porcentaje ARL es an ms importante y puede alcanzar168% ((160.7259.97)/59.97). Por otro lado, en relacin con el segundo grfico CUSUM,
el porcentaje ARL aumenta para el primer grfico CUSUM en 1/0 = 2
en los casos con ARL0 = 200 y 1000 son ARL0 = 38,8% ((2,54-1,83) /
1,83) y 64,3% ((3,63-2,21) / 2,21), respectivamente. Estas
observaciones
ilustran
que
un
grfico
CUSUM
construido
incorrectamente podra ser muy inferior, especialmente cuando el
cambio real en la variabilidad es mucho ms pequeo que el
especificado previamente. Como resultado, el grfico CUSUM destinado
a optimizar el rendimiento de la deteccin en un turno en particular es
menos robusto a cambios en otras partes.

Comparacin con los grficos de

control para otros parmetros
desconocidos

Un
enfoque general que ha sido discutido ampliamente por
los procesos de monitoreo con parmetros desconocidos es
el procedimiento GLRT (Lai (2001)). La idea bsica del
procedimiento GLRTes estimar el parmetro utilizando el
mtodo de mxima verosimilitud y luego analizar la
presencia de un punto de cambio en base a la estadstica de
la razn de verosimilitud maximizada. Como se muestra en
el Apndice A, la prueba de razn de verosimilitud
logartmica asociada con un cambio en la varianza en el
instante +1 (0 t-1) es:

Bajo el supuesto de conocida 0 y , la estimacin de mxima

verosimilitud (MLE) de est dada por:

Comparacin con los grficos de

control para otros parmetros
desconocidos

Remplazando por su MLE en la ecuacin (12), el

estadstico de razn de verosimilitud logartmica
de ensayo se reduce a:

El GLRT est dado por el mximo de |G (t)| todos

los valores posibles de , es decir,

Seala cada vez que Gmax,t supera un umbral hg

definido por el usuario.

Comparacin con los grficos de

control para otros parmetros
desconocidos

La Figura 1 compara el rendimiento ARL en estado inicial entre el grfico y el

procedimiento GLRT. El eje X representa el logaritmo de 1/0, mientras que
el eje Y muestra el logaritmo de ARL. Para proporcionar el mismo valor
controlado de ARL 200, el lmite de control para la GLRT es elegido como hg
= 5,306. Como se muestra en la Figura 1, se espera que el grfico WACUSUM
se comporte mejor que la GLRT para pequeos aumentos/disminuciones en
la
variabilidad
pero
peor
para
incrementos
relativamente
grandes/disminucin de la variabilidad. Sus actuaciones son ms
comparables para detectar aumentos de variabilidad.

Comparacin con los grficos de

control para otros parmetros
desconocidos

De la Figura 2, el mtodo de puntos de cambio basado en 0 conocida mejora la tabla

con las estimaciones de 0, especialmente cuando el cambio se produce en una etapa
temprana ( + 1 = 10). Adems, se puede observar que la curva ARL de la tabla de
puntos de cambio con 0 desconocido en la Figura 2 (a) es mayor que en la Figura 2
(b). Por lo tanto, se necesita un tiempo ms largo en promedio, para el mtodo de
puntos de cambio con 0 desconocido para detectar los cambios que ocurren en una
instancia de tiempo ms temprano que en una instancia de tiempo de retraso. Esto es
consistente con la observacin en Hawkins y Zamba (2005a) que, cuando es
relativamente pequea, solamente unas pocas muestras pueden ser acumuladas antes
del cambio de estimar 0. La precisin de la estimacin de 0 es por tanto muy
limitada. Esto resulta en un impacto sustancial en el rendimiento de deteccin del
mtodo de puntos de cambio basado en 0 desconocido.

Diseo de grficos
WACUSUM
El diseo de un grfico WACUSUM es un problema de tres
grados de libertad. Se trata de la eleccin de los parmetros
min+ y , y a continuacin, un umbral de decisin
adecuado hw para proporcionar un deseado control de ARL.
Consideramos en primer lugar los efectos de min+ y antes
de proporcionar algunas pautas sobre cmo elegirlos. La
Figura 3 muestra el grfico de contorno de ARLs en estado
inicial fuera de control de la tabla WACUSUM como una
funcin de min+ y , dado ARL0 = 500.

Diseo de grficos
WACUSUM

El efecto de min+ en el grfico WACUSUM es bastante sencillo. Se establece un

lmite por encima del cual se puede esperar razonablemente detectar. Los
valores ms pequeos de min+ son ms sensibles a pequeos cambios en la
variabilidad, mientras que valores ms grandes de min+son ms sensibles a los
cambios de magnitud relativamente grande. Como se puede ver en la figura 3
(a), cuando se detecta un pequeo cambio en la variabilidad ( 1/0 = 1,1), los
ARLs fuera de control de la tabla WACUSUM tienden a disminuir a medida que
min+ disminuye. Por otro lado, cuando se detecta un cambio grande en la
variabilidad (1/0 = 2), los ARLs fuera de control, disminuyen a medida que
aumenta min+, como se muestra en la Figura 3 (b).

Conclusiones
El diseo ptimo de un grfico de dispersin convencional CUSUM
requiere el cambio de tamao de la variabilidad a ser conocido. En
este trabajo se propone el grfico CUSUM adaptable para relajar este
requisito. La idea bsica es redisear adaptativamente el grfico
CUSUM para que sea ptimo para la deteccin de un cambio de
tamao que corresponde a la estimacin de la variabilidad del proceso
actual o un tamao mnimo deseable de detectar. La misma lgica se
aplica a un grfico para la deteccin de una disminucin de la varianza
de proceso, que puede ser ejecutado simultneamente con una tabla
superior para la deteccin de un aumento en la varianza.
La adaptacin presentada grfico CUSUM, WA-CUSUM, no slo es
flexible, pero tambin poderoso del rendimiento estadstico. En
comparacin con el grfico CUSUM, puede proporcionar casi el mejor
rendimiento para una amplia gama de cambios en ambos casos inicial
de estado y de estado estacionario, a pesar de que no puede igualar el
rendimiento del grfico CUSUM ptimo que est diseado para
detectar mejor la real fuera de control de la varianza.

Conclusiones
En general, sin embargo, el grfico WACUSUM es ms robusto en detectar
rpidamente los cambios de los que la varianza real difiere de la varianza de
diseo. Tambin muestran que el grfico WACUSUM realiza competitivamente
con el procedimiento PRVG cuando la varianza en el control no se conoce con
precisin y mejor que los mtodos de punto de cambio cuando se produce un
cambio poco despus de monitorizacin comienza. En comparacin con los
mtodos PRVG y el cambio de punto, el grfico WACUSUM tiene una forma
recursiva simple y puede ser ms fcil de implementar sin intensidad
computacional.

Este documento considera el rendimiento de la tabla WA-CUSUM, suponiendo
que cuando el control de la varianza es conocida. Cuando se desconoce y
debe serestimado, el rendimiento de la tabla WACUSUM se ver afectado.
Esto garantiza que las investigaciones adicionales en el futuro, especialmente
para las carreras cortas. Aunque este documento se considera las solicitudes
de la tabla de WACUSUM para monitoreo variabilidad, que puede ser utilizado
en conjuncin con una tabla de localizacin, tales como la tabla de
localizacin de ACUSUM proporcionar una metodologa SPC ms com-integral
y poderosa para el seguimiento conjunto de media y varianza.