Professional Documents
Culture Documents
2.1 Introducción
la caracterización de las
La efectividad
Estrategias de
variaciones de los datos del control de procesos
mediciones data-driven
proceso
estándar pueden ser
capaces de remover
la mayoría de las
variaciones por
causas especiales,
causas especiales
estadística
Eje X
remoción de
variables
auto-escalamiento
El procedimiento de
pre-tratamiento
consiste
remoción de
datos fuera de
rango
Valores fuera de rango son valores aislados medidos que son erróneos. Dichos
valores pueden influenciar significativamente la estimación de los parámetros
estadísticos y otros parámetros relacionados a una medida dada. Remover los valores
fuera de rango del conjunto de entrenamiento puede mejorar significativamente la
estimación de los parámetros y debe ser un paso esencial en el pre-tratamiento de
datos. Obviamente los valores fuera de rango pueden ser removidos mediante el
trazado e inspeccionando visualmente los datos de valores fuera de rango. Métodos
más rigurosos basados en umbrales estadísticos pueden ser empleados para remover
valores fuera de rango, y un método para hacerlo usando la estadística T2 es discutido
más adelante. Por simple presentación, es asumido que los datos han sido pre-
tratados, a menos que se indique lo contrario.
Fig 2.1 Ilustración de la gráfica de control de Shewhart. Los puntos negros son observaciones.
Dados ciertos valores umbrales, la hipótesis teórica estadística puede ser aplicada para
predecir falsas alarmas y ratas de detecciones pérdidas basado en la estadística de
datos en los conjuntos de entrenamiento. Considérese el caso donde puede haber una
potencial única falla i (el caso más general de múltiple clases de falla será tratado más
adelante). Dejemos que w represente el evento de una operación en-control y w i
represente el evento de una falla específica, i. Consideremos una única observación x
con la hipótesis nula (asigna x como w ) y la hipótesis alternativa (asigna x como w i), la
rata de falsa alarma es igual a el error tipo I, y la rata de detección pérdida para la falla i
es igual al error tipo II. Esto es ilustrado gráficamente en la figura 2.2.
Fig 2.2