El documento describe diferentes métodos estadísticos para monitorear procesos, incluyendo gráficos de control de Shewhart y gráficos Cusum. Los gráficos Cusum son más sensibles a pequeños cambios en un proceso que los gráficos de Shewhart tradicionales. El documento explica cómo construir gráficos Cusum mediante el cálculo de desviaciones acumuladas para detectar cambios en la media de un proceso.
Original Description:
Original Title
Gráficos CUSUM- Monitorización Para Un Aseguramiento Continuo de La Calidad.2004
El documento describe diferentes métodos estadísticos para monitorear procesos, incluyendo gráficos de control de Shewhart y gráficos Cusum. Los gráficos Cusum son más sensibles a pequeños cambios en un proceso que los gráficos de Shewhart tradicionales. El documento explica cómo construir gráficos Cusum mediante el cálculo de desviaciones acumuladas para detectar cambios en la media de un proceso.
El documento describe diferentes métodos estadísticos para monitorear procesos, incluyendo gráficos de control de Shewhart y gráficos Cusum. Los gráficos Cusum son más sensibles a pequeños cambios en un proceso que los gráficos de Shewhart tradicionales. El documento explica cómo construir gráficos Cusum mediante el cálculo de desviaciones acumuladas para detectar cambios en la media de un proceso.
ti nua el Asegurami ento de l a Cal i dad ha l l evado a l as empresas a adoptar mtodos estadsti cos para l a moni tori zaci n de sus procesos. El grfi co de control de Shewhart es l a tcni ca ms uti l i zada. Este grfi co uti - l i za l a i nformaci n recogi da en cada i nstan- te a travs de una pequea muestra o val or i ndi vi dual , para deci di r si el proceso est baj o control comprobando si l a medi a de esa muestra est dentro de l os l mi tes de con- trol . Estos grfi cos son senci l l os de cons- trui r y de rpi da i nterpretaci n pero son po- co efi caces cuando el proceso sufre pequeas vari aci ones. Por esta razn, se han desarrol l ado otro ti po de grfi cos de control que en cada i nstante uti l i zan no s- l o l os val ores obteni dos en ese momento si no toda l a i nformaci n anteri or, de mane- ra que son mucho ms sensi bl es a cual - qui er pequeo cambi o que se produzca. Estos grfi cos son: Grfi cos de Medi as Mvi l es, Grfi cos de Medi as Mvi l es Geo- mtri cas y Grfi cos Cusum. La pri mera descri pci n detal l ada de l os procedi mi entos Cusum aparece en 1954 en el artcul o Conti nuos Inspecti on Schemes, debi do a Page. En l os l ti mos aos, han teni do un gran desarrol l o tanto en l a base teri ca de estos procedi mi entos como en su uti l i zaci n en di sti ntos campos. La i dea fundamental de estos grfi cos es cal cul ar para cada observaci n, , su des- vi aci n de l a medi a obj eti vo , e i r acu- mul ando estas desvi aci ones desde el pri nci pi o hasta el i nstante actual , Observemos que si el proceso est baj o control l a medi a es y l as di ferenci as sern pequeos val ores posi ti - vos y negati vos al rededor de cero de forma que su suma ser un val or prxi mo a cero. Cuando el proceso sal e fuera de control porque, por ej empl o, ha habi do un aumen- to en l a medi a, l os val ores observados sern, prcti camente, todos mayores que , l as di ferenci as sern posi ti vas y al acumul arl as veremos un cl aro aumento en l a pendi ente. La fi gura muestra un grfi co Cusum para control ar l a medi a de un proce- so. Ha habi do un aumento en l a medi a del proceso a parti r de l a observaci n 15. Este cambi o se detecta en el grfi co porque obser- vamos un cl aro aumento en l a pendi ente de l a grfi ca a parti r de di cha observaci n. [26] cal i dad >> febrero 2004 ARTCULO Monitorizacin para un aseguramiento continuo de la Calidad sta es l a pri mera forma de apl i caci n de l os grfi cos de sumas acumul adas: l a V- mscara que se obti ene si tuando una ms- cara en forma de V en l a l ti ma observa- ci n obteni da. Esta expresi n grfi ca ti ene al gunos i nconveni entes para trabaj ar con el l a numri camente, por el l o, posteri or- mente se ha desarrol l ado una frmul a numri ca equi val ente a l a V- mscara y cuya representaci n grfi ca es ms senci l l a. Se trata del Interval o de Deci si n o Grfi co Cusum H- K. Veamos, brevemente, cmo se construyen e i nterpretan estos dos ti pos de grfi cos. El grfico de V-mscara Recordemos que el obj eti vo de estos grfi - cos es detectar vari aci ones en l a medi a de ampl i tud donde es l a desvi aci n tpi ca de l a vari abl e en estudi o . Para el l o, defi ni mos: Vari aci n en l a medi a que deseamos detectar medi da en uni dades de desvi aci n tpi ca. Por ej empl o, Si deseamos detectar un aumento o descenso de 3 uni dades y entonces . Probabi l i dad de una fal sa al arma. Valores habituales para son 0,01 0,05. Probabi l i dad de no detectar un cam- bi o en l a medi a de l a magni tud fi j ada. Val o- res habi tual es para son 0,01 0,05. l ti ma observaci n. A parti r de estos val ores di buj aremos l a V- mscara medi ante l as rectas: febrero 2004 << cal i dad [27] Cuyo vrti ce est a una di stanci a del punto de coordenadas , donde La metodol oga a segui r para detectar estas vari aci ones ser l a si gui ente: Tomamos m observaci ones y si tuamos l a mscara en el punto de coordenadas Representamos l os val ores con Si ni ngn punto sal e fuera de l a msca- ra segui remos haci endo un muestreo y nuestro proceso est baj o control Si un punto se sal e por arri ba, en ese i ns- tante se ha produci do un descenso en l a medi a de ampl i tud Si un punto se sal e de l a mscara por debaj o, en ese i nstante ha habi do un aumento en l a medi a de ampl i tud Como vemos grfi camente: CuSum Chart for Variable 1 28 18 8 - 2 - 12 - 22 0 20 40 60 80 Observaci n C u S u m CuSum V-mscara 10 6 2 - 2 - 6 - 10 0 10 20 30 40 50 Observaci n S n
[28] cal i dad >> febrero 2004
En este ej empl o, al si tuar l a V- mscara en l a observaci n m=30, detectamos que ha habi do un aumento en l a medi a a parti r de l a observaci n n=22 que se sal e fuera de l os l mi tes. El Intervalo de Decisin: una alternativa a la V-mscara Uno de l os i nconveni entes de l a V- mscara es que hay que si tuarl a en cada uno de l os puntos para detectar si se ha pro- duci do un cambi o y dnde se ha produci - do. Hay otra expresi n al gebrai ca equi val en- te a l a V- mscara que permi te trabaj ar con l os grfi cos de sumas acumul adas, Cusum, que es ms senci l l a de ver grfi camente por- que l os l mi tes de control son constantes. Adems, ti ene ci ertas ventaj as de cl cul o en l a obtenci n de l as caractersti cas de opera- ci n como el nmero medi o de muestras entre fal sas al armas o el ti empo medi o trans- curri do hasta que detectamos un cambi o desde que ste se produce. Este ti po de representaci n se l l ama el Interval o de Deci - si n (DI) o Cusum . : Val or de referenci a. En l a V- mscara es l a pendi ente de l as rectas, una posi ti - va y otra negati va. En ambos grfi cos, su i nterpretaci n es muy senci l l a puesto que es l a ampl i tud del sesgo en l a medi a que deseamos detectar medi da en uni dades de desvi aci n estndar. : Interval o de Deci si n. Es el val or que determi na l os l mi tes fi j os del grfi co . Se cal cul a a parti r de l a probabi l i dad de error de ti po , , y de l a probabi l i dad de detectar un cam- bi o de l a magni tud deseada, , puesto que La i dea general para pasar de un grfi co a otro es corregi r l as di ferenci as por el val or de referenci a que es l a pendi ente de l as rectas de l a V- mscara y as l a regi n de aceptaci n vendr l i mi tada por dos rectas de pendi ente cero. Sea el val or en el i nstante e l a di ferenci a entre l a t- esi ma observaci n y el val or obj eti vo (represen- tada en el grfi co por l os cuadradi tos). Entonces para detectar aumentos en l a medi a cal cul aremos: se produce una seal si . Anl ogamente, para detectar sesgos negati vos tendremos: se produce una seal si . De esta forma, si representamos l os pun- tos de coordenadas y me- di ante l a al tura de l as barras, tendremos un grfi co con l mi tes constantes ente equi va- l ente a l a V- mscara. CuSum H-K 7 5 3 1 - 1 - 3 - 5 0 5 10 15 20 25 30 Observaci n S t En el ej empl o, en l a observaci n 29 detectamos que ha habi do un aumento en l a medi a a parti r de l a observaci n n=22 l ti mo val or donde a parti r del cual hay una cl ara tendenci a creci ente en l as sumas acumul adas. Cmo debemos elegir los parmetros que determinan el grfico? El val or de referenci a vi ene determi nado por l a magni tud del sesgo que deseamos detectar. En ocasi ones este val or nos vi ene dado por especi fi caci ones tcni - cas: ni vel de contami naci n que se consi - dera pel i groso, val or de l a presi n en al gn proceso a parti r del cual l a mqui na no fun- ci ona bi en, etc. En otros casos, en donde no est especi fi cado el val or de , ste debe el egi rse de forma que l a detecci n de un sesgo sea l o ms rpi da posi bl e. Val o- res habi tual es para van desde 1/ 4 hasta 3, pero su el ecci n debe veni r determi nada por l as caractersti cas del proceso. En cuanto al Interval o de Deci si n , su val or vi ene determi nado, para un sesgo fi j o a detectar , por l a probabi l i dad de error de ti po I, , o, di cho de otra forma, por l a probabi l i dad de que se produzcan fal sas H=5,00 K=0,50 AIM=0,00 K=- 0,50 H=- 5,00
al armas en el funci onami ento del grfi co
en condi ci ones de control y por , probabi l i dad de detectar un cambi o en l a medi a. Ventajas de los grficos Cusum frente a los Shewhart Fi j amos l a magni tud del cambi o que deseamos detectar como mni mo. Detecta l os cambi os de pequea magni - tud ms rpi do que otros grfi cos. cal i dad de l os servi ci os mdi cos como para l a detecci n rpi da de seal es en procedi - mi entos mdi cos de campos como l a neuro- l oga o l a cardi ol oga. En su apl i caci n como detector rpi do de cambi os es uti l i zado tanto en uni dades de control ssmi co como en departamentos de anl i si s de seri es fi nanci eras. Como herrami enta para el asegurami ento conti nuo de l a cal i dad est si endo muy uti - l i zada en el campo de l a i nformti ca. Pri me- ro en el control de fabri caci n de semi con- ductores o equi pos tcni cos y fi nal mente en el control de producci n de Software. Pero la aplicacin ms curiosa es la utili - zada por los detectives literarios en la Estilo- metria donde esta tcnica, con algunas varia- ciones, se ha comprobado que es un mtodo objetivo y eficaz para la determinacin del autor para textos no catalogados de la literatu- ra clsica o para el control de los plagios. febrero 2004 << cal i dad [29] JUANA M. ALONSO REVENGA / Profesor Titular de la Escuela Universitaria de Estadstica. Universidad Compluten- se de Madrid. Miembro del Equipo de trabajo de Control Estadstico de la Calidad. Bibliografa: (1) Hawki ns, D.M. & Ol wel l , D.H. (1998). Cumu- l ati ve Sum Charts and Charti ng for Qual i ty Improvement. Spri nger. (2) Montgomery D. C. (2001). Introducti on to Stati sti cal Qual i ty Control . John Wi l ey & Sons, Inc. (3) Van Dobben de Bruyn, C.S. (1968). Cumul a- ti ve Sum Test: Theory and Practi ce. Gri ffi ns Sta- ti sti cal Monographs and Courses Fi j amos tanto l a probabi l i dad de que se produzcan fal sas al armas como el ti em- po medi o que tardamos en detectar un cambi o. Detectamos el momento a parti r del cual se produce el cambi o. Podemos esti mar l a magni tud del sesgo produci do. Campos de aplicacin La especi al efi caci a de l os grfi cos Cusum para detectar rpi damente pequeas des- vi aci ones hace que sean especi al mente ti - l es en procesos de al ta especi al i zaci n como l os sani tari os, en donde se apl i ca con xi to tanto para el asegurami ento de l a
El Muestreo de Trabajo Es Una Técnica Que Se Utiliza para Investigar Las Proporciones Del Tiempo Total Dedicada A Las Diversas Actividades Que Componen Una Tarea