##plugins.themes.bootstrap3.article.main##

Joaquín Gonzáles Alex Zambrano

Resumen

Las cartas de control estadístico son gráficos que dentro del control de proceso estadístico permiten monitorear la(s) característica(s) de calidad de un proceso industrial o de servicios y son ampliamente usadas en la actualidad. Para la implementación de las cartas usuales se asume que las observaciones no presentan una estructura de autocorrelación, pero en la práctica esta condición es violada con frecuencia. La presencia de autocorrelación tiene un serio impacto sobre el incremento sustancial en la frecuencia de falsas alarmas en dichas cartas. En los últimos 20 años, varias propuestas  de cartas de control se han presentado teniendo en cuenta la estructura de autocorrelación  en los datos para su construcción. En este artículo se presenta la construcción y comparación en forma ilustrativa  de dos de dichas propuestas, una dada por AR1988 basada sobre los residuales del modelo tipo ARMA que mejor se ajuste a los datos, y la otra dada  por MONT2 basada sobre la estadística EWMA, con el objeto de que sirvan como instrumento de enseñanza y aprendizaje de este tipo de cartas, ya que paquetes  especializados en control estadístico de la calidad no tienen implementadas estas cartas. Tal es el caso del paquete estadístico  R, el cual es usado en este trabajo  para la programación  e implementación de las cartas mencionadas.

##plugins.themes.bootstrap3.article.details##

Palabras Clave

Cartas de control estadístico, autocorrelación, modelos ARMA, estadística EWMA, enseñanza y aprendizaje del control de calidad, paquete estadístico R

Referencias
Adams, B. M. & Tseng, I.-T. (1998), ‘Robustness of Forecast-Based Monitoring Schemes’, Journal of Quality Technology 30, 328–339.

Alwan, L. C. & Roberts, H. V. (1988), ‘Time-Series Modeling for Statistical Process Control’, Journal of Business and Economic Statistics 6(1), 87–95.

Basseville, M. & Nikiforov, I. V. (1993), Detection of Abrupt Changes: Theory and Applications, Prentice-Hall, Engelwoold Cliffs, NJ.

Box, G. E. P. & Jenkins, G. M. (1976), Time Series Analysis, Forecasting, and Control, Holden Day, Oakland, C.A.

Brockwell, P. J. & Davis, R. A. (1996), Introduction to Time Series and Forecas- ting, Springer-Verlag, New York.

Faltin, F. W., Mastrangelo, C. M., Runger, G. C. & Ryan, T. P. (1997), ‘Considerations in the Monitoring of Autocorrelated and Independent Data’, Journal of Quality Technology 29(2), 131–133.

Girshick, M. A. & Rubin, H. (1952), ‘A Bayes Approach to a Quality Control Model’, The Annals of Mathematical Statistics 23, 114–125.

J., G. B. & J., P. P. (2008), ‘Estudio de la carta EWMA en presencia de datos autocorrelacionados’, Entre Ciencia e Ingeniería (3), 11–25.

Jiang, W., Tsui, K.-L. & Woodall, W. H. (2000), ‘A New SPC Monitoring Method: The ARMA Chart’, Technometrics 42(4), 399–410.

Lu, C. W. & Reynolds, Jr., M. R. (1999a), ‘Control Charts for Monitoring the Mean of Autocorrelated the Mean and Variance Processes’, Journal of Quality Technology 31(3), 259–274.

Lu, C. W. & Reynolds, Jr., M. R. (1999b), ‘EWMA Control Charts for Monitoring the Mean of Autocorrelated Processes’, Journal of Quality Technology 31(2), 166–188.

Montgomery, D. C. (2004), Control Estadístico de la Calidad, 3a. edn, Limusa Wiley, M´exico.

Montgomery, D. C. & Mastrangelo, C. M. (1991), ‘Some Statistical Process Control Methods for Autocorrelated Data’, Journal of Quality Technology 23(3), 179–204.

Page, E. S. (1954), ‘Continuous Inspection Schemes’, Biometrika 41, 100–114.

R Development Core Team (2009), R: A Language and Environment for Statistical Computing, R Foundation for Statistical Computing, Vienna, Austria.

Reynolds, M. R., Amin, R. W. & Arnold, J. C. (1990), ‘CUSUM Charts With Variable Sampling Intervals’, Technometrics 32, 371–384.

Roberts, S. W. (1959), ‘Control Chart Tests Based on Geometrics Moving Averages’, Technometrics 1, 239–250.

Schmid, W. (1997), On EWMA Charts for Time Series, Vol. 5, Frontiers in Statistical Quality Control, Physica-Verlag.

Sheu, S.-H. & Lu, S.-L. (2008), ‘Monitoring Autocorrelated Process Mean and Variance using a GWMA Chart based on Residuals’, Asia - Pacific Journal of Operational Research 25(6), 781–792.

Stoumbos, Z. G. & Jones, L. A. (2000), ‘On the Properties and Design of Individuals Control Charts Based on Simplicial Depth’, Nonlinear Studies 7, 147– 178.

Trapletti, A. & Hornik, K. (2009), Tseries: Time Series Analysis and Computational Finance. R package version 0.10-22. *http://CRAN.Rproject.org/package=tseries

Wardell, D. G., Moskowitz, H. & Plante, R. D. (1992), ‘Control Charts in the Presence of Data Correlation’, Management Science 38, 1084–1105.

Zhang, N. F. (1998), ‘A Statistical Control Chart for Stationary Process Data’, Technometrics 40, 24–38.
Cómo citar
Gonzáles, J., & Zambrano, A. (2011). Implementación de cartas de control en el paquete estadístico R para el monitoreo de procesos en media con datos autocorrelacionados. Comunicaciones En Estadística, 4(1), 7-28. https://doi.org/10.15332/s2027-3355.2011.0001.01
Sección
Artículos