You are on page 1of 26

UNIVERSIDAD

NACIONAL MAYOR DE
SANdeMARCOS
Facultad
Ingeniera
Industrial

Grficos de variacin
Grficos de variacin para
para Procesos
Procesos Multivariantes
Multivariantes
Autores: William A. Levinson, CONTROL DE CALIDAD
Donald S. Holmes, y A. Erhan

Ing. Cevallos Ampuero, Juan Manuel

Integrantes
Guardia Villanueva, Gian Marcos
11170124
Marcos Cspedes, Nathalie
Crystel
11170235
Manco Mndez, Elvis Neiser
11170028
Segovia Olazbal, Cristian

Introduccin
En

los

procesos

multivalentes se analizan un
conjunto

de

mas

de

una

variable, a diferencia que en las


cartas de Shewhart.
Cada observacin es entonces
un

vector

de

observaciones

individuales.
En general se agruparan k
conjuntos
observaciones.

de

Ejemplo

Observacin
j
para un proceso de
p variables:

Introduccin
de
Hotelling es usado habitualmente como

el grfico de control para el anlisis de


control de procesos multivariante. Este
grfico responde a los cambios, tanto en los
valores medios y la matriz de covarianzas.
El artculo analizado propone el estadstico
G, como un grfico que se centra en los
cambios de la matriz de covarianzas.

Objetivos
Reconocer si los cambios en la

grafica de T2 de Hotelling se
deben a cambios en la matriz de
covarianzas.
Utilizar los cartas de control T2
de Hotelling y G de manera
anloga a las cartas y S de
procesos de una sola variable.

2 mtodos diferentes
para calcular Matriz de
covarianza

(Mtodo de conjunto de datos totales)

(Mtodo de diferencias sucesiva de medias


al cuadrado)

T de
Hotelling
2

Es
el procedimiento de monitoreo y control
del proceso con variables multiples ms
conocido.

Donde es el vector de las medias de


subgrupos, y S son el vector media y
covarianza para todo el conjunto de datos.
Por su formulacin podemos darnos cuenta

Estadstico G
Compara la estimacin de dos
matrices de covarianzas, para
corroborar si provienen del
mismo conjunto de datos.
Se distribuye como ji cuadrado
con p(p+1) grados de libertad.
*p es el numero de caractersticas
observadas.

Hallando el
Estadstico G

Hallar el promedio ponderado de las matrices de covarianzas por


los grados de libertad

Hallar los valores M y m con las siguientes formulas


M

Finalmente

Carta de
Para control
el trazado de losG
valores del

estadstico G en formato de un
grfico de control se propone los
siguientes pasos:
1. Calcular las matrices de covarianza de cada
subgrupos utilizando la ecuacin (1)

Donde n2 es el tamao del subgrupo y es el vector


medio del subgrupo

2. Calcular el valor medio de las


matrices de covarianza del paso 1,
que se va a utilizar como S1 en las
ecuaciones (3) y (4). Esto es, S1,
calculado
por
la
ecuacin
(7),
posterior, ser el estndar contra el
cual se compararan los valores de
subgrupos individuales S2.

3. Contine con el clculo de las ecuaciones (3) - (6)

para cada subgrupo para generar el conjunto de los


valores de Gk, que han de ser trazados en formato
grfico de control. Observe que S1 tiene gl1=k(n2-1)
grados de libertad desde que cada subgrupo S 2 tiene
gl2=n2-1 grados de libertad.

Donde:
S1 es la matriz de covarianza promedio.
S2 es la matriz de covarianza para cada grupo de
observaciones
gl1 son los grados de libertad para S1

4.
Establecer los lmites de control
del grfico G a travs de la
distribucin ji-cuadrado con p(p+1)/2
grados de libertad.

Y es el riesgo de falsa alarma


deseada (prueba 2 colas). La lnea
central es la mediana* o cuantil 0,50
con p de ji cuadrado p(p + l) / 2

Simulaciones
UtilizandoMatLab

Simulaciones
La simulacin consisti en 40
subgrupos
de
seis
observaciones
para
el
porcentaje en peso de las
partculas para 5 tamaos de
tamiz.
El anlisis distribucin de
tamao de partcula (PSD) de
un material granular es
importante en productos
industriales tales como la
fabricacin
de
toners
impresoraycosmticos.

LmitesdecontrolparaT2deHotellingconMinitab
p=5gradosdelibertad=0.027

LmitesdecontrolparaelestadsticoGcon
Minitabp(p+1)/2=15gradosdelibertad=0.027

Simulaciones
Comenzaremos
ingresando el valor
delvectordemedias
X y la matriz de
covarianzas
S
desde un nuevo
script.

Simulaciones
Conelvectorde
mediasylamatrizde
covarianzas
generaremosla
Simulacindedatos
(funcinSimulacin),
tomando6
observacionespor
grupoy40grupos
(240datos)

.
.
.

Simulacin1
Enestasimulacinsehanconservadolos
valorestantodelamatrizdelamatrizde
mediascomodelamatrizdecovarianzas,
porelloesdeesperarquelosdosgrficos
decontrol(TdeHotellingyG)estnbajo
control.

Simulacin1
T2 de Hotelling

Carta de control
G

Simulacin2
Simulalosefectosenelcambiodelvector

de medias, para ello el valor 21.231 se


cambiapor20.231,elcambiosehaceen
el script como se muestra y luego
graficamos igual que en la anterior
simulacin.

Simulacin2
T2 de Hotelling

Carta de control
G

Simulacin3
Simula

los efectos en el cambio de la


matrizdecovarianzascomosemuestra,*
significa dato cambiado, se procedera de
igualmodoacorrerelscriptparamostrar
lasgraficas.

Simulacin3
T2 de Hotelling

Carta de control
G

Conclusiones
Enesteartculosehapresentado,ungrficodecontrol(grficoG)
que puede detectar cambios en la matriz de covarianza de un
procesomultifactorial.
Un dato fuera de la seal de control desde la tabla T2 puede ser
biendebidoauncambioenelvectordemediaoauncambioenla
matrizdecovarianza.
UncambiodecovarianzaqueproduceunaalarmaenelgrficoG
puedeproducirunasealenambosgrficos.
As, si el grfico T2 est fuera de control, se debe comprobar la
tablaG.SielgrficoGestfueradecontrol,entonces,lasealT 2
tiende a variar en la matriz de covarianza ms que en el vector
medio. Si, por otro lado, el grfico G est en control, entonces, la
sealT2tiendeavariarprobablementeenelvectormedio.

You might also like