Gráfico de control EWMA basado en el tamaño de la muestra variable con un mecanismo de escala exponencial para el...

Área de la Ciencia:

• Ingeniería industrial
• Control estadístico de la calidad
• Investigación de las operaciones

Sus antecedentes:

• El control estadístico de los procesos (CPS) es crucial para mantener estables los procesos de producción.
• La detección de variaciones en el proceso es clave para prevenir defectos y garantizar la calidad.
• Los diagramas de EWMA existentes tienen limitaciones para adaptarse a las variaciones del proceso.

Objetivo del estudio:

• Desarrollar y evaluar un nuevo cuadro de control EWMA con un tamaño de muestra adaptativo.
• Mejorar la sensibilidad y la eficiencia de la detección de desplazamientos en el RCP.
• Proporcionar una herramienta robusta para el monitoreo de procesos en el mundo real.

Principales métodos:

• Desarrollo de una tabla de control de promedio móvil ponderado exponencialmente (EWMA) con tamaño de muestra adaptativo.
• Evaluación del rendimiento mediante amplias simulaciones de Monte Carlo.
• Comparación con las tablas EWMA de tamaño de muestra fijo (FEWMA) y de tamaño de muestra variable.
• Análisis de un conjunto de datos industriales del mundo real.

Principales resultados:

• El gráfico EWMA de tamaño de muestra adaptativo propuesto demuestra un rendimiento superior en la detección de desplazamientos en comparación con los gráficos FEWMA y EWMA de tamaño de muestra variable.
• El gráfico es particularmente eficaz para identificar cambios de proceso pequeños o moderados.
• Las métricas como la longitud promedio de ejecución (ARL) y la desviación estándar de la longitud de ejecución (SDRL) confirman las capacidades de detección mejoradas.
• El método equilibra la sensibilidad de detección con la eficiencia computacional.

Conclusiones:

• El gráfico de tamaño de muestra adaptativo EWMA ofrece un avance significativo en el control estadístico de procesos.
• Este método proporciona un enfoque más sensible y robusto para el seguimiento de las variaciones del proceso.
• Su aplicabilidad práctica se valida a través del análisis de datos del mundo real, destacando su valor en entornos industriales.