Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
=
individual. Se compara con:
LCS = 1 - m ,1,
F
m
1 m
|
.
|
\
| +
=
001 , 0 F
24
1 24
1 - 0.025,1,24
=
+
,
para todo componente del vector X . En el Cuadro N 4
se muestran los valores individuales de T
2
j
y su condicin.
Las variables con el estadstico T
2
signif icativo estn f ue-
ra de control individual y no es necesario verif icar su rela-
cin con otras variables. D ebe verif icarse si el subvector
con las restantes k variables produce alguna seal.
Cuadro 4
2. Se descarta x
1
y se verif ica si el subvector emite una
seal o no. Como el subvector (T
2
-
2
1
T ) = 0,09141
0,00 = 0,09141 no es si gni f i cat ivo, se concl uye que x
1
(f lujo de hojuelas) es la variable problemtica. El incre-
mento en el f lujo de endosper mo y por ende, de la pro-
duccin de hojuelas af ecta la variable expansin, ya que
el producto tarda menos tiempo en la cocina.
Con toda est a inf or macin se pl ani f i c una reuni n
con los operadores, analistas de calidad e ingenieros de
produccin. Se analizaron las grf icas obtenidas del pro-
Variable Individual Condicin de Control
Individual
Valores
crticos
x
1
= 0,000
Seal X
1
fuera del lmite de
control
0,001
x
2 = 0,060
Individualmente en control
0,001
x
3 = 0,007
Individualmente en control
0,001
Individual. Descomposicin del T
2
Fuente: elaboracin propia.
2
j
T
2
1
T
2
2
T
2
3
T
2
j
T
Fuente: MAZ ORCA, D epartamento de Control de Calidad (Cuman,
estado Sucre).
0
1
2
3
4
5
6
7
8
9
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
T
2
T2
LCS = 8 ,1 3
M ed i a = 2 ,8 8
LCI = 0 ,2 3
0,0
2,0
4,0
6,0
8,0
10,0
12,0
14,0
24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
T2
LCI = 0,240
LCS= 13,07
AGROALIMENTARIA
Vol. 15, N 28. Enero-Junio 2009
103
ceso de laminacin. stas mostraron que las variables que
inciden sobre el espesor de hojuelas eran la presin de los
rodillos y la humedad en el endosper mo. Surgi, durante
la tor menta de ideas, la necesidad de realizar una revisin
exhaustiva de los equipos de laminacin, ajustar disposi-
tivos hidrulicos y realizar cambios en los rodami entos.
As mismo, para optimizar el acondicionamiento, se deci-
di i ncr ement ar el f l uj o de agua a ni vel de l os pr e
mojadores de endosper mo. Estas actividades f ueron pla-
nif icadas conjuntamente por el departamento de Mante-
ni mi ent o y el de Calidad. Con posteri ori dad al cumpl i-
miento de dicho plan se tomaron muestras de los espeso-
res de las hojuelas y se prepararon harinas a nivel de labo-
ratorio para verif icar las propiedades reolgicas y senso-
riales. Los resultados mostraron que las decisiones toma-
das f ueron las ms acer tadas.
6. CONCLUSIONES
El control estadstico de procesos multivariantes es
par ticular mente impor tante hoy en da, debido a procedi-
mientos de inspeccin automtica que hacen relativamen-
te f cil medir varios parmetros en cada unidad de pro-
ducto manuf acturado. Muchas plantas de procesos y f a-
bri cant es de semi conduct ores, por ej empl o, mant i enen
r utinariamente voluminosas bases de datos de calidad de
cientos de variables. El monitoreo o anlisis de estos da-
tos con procedimientos de CEP univariantes es a menu-
do i nef i ci ent e. Por est a r azn el uso de mt odos
multivariantes se ha incrementado en los aos recientes.
En este trabajo se presentaron los pasos tomados por
una empresa de alimentos para implementar el CEPM en
uno de sus procesos -proceso de laminacin- como ele-
mento de un programa de mejoramiento de calidad glo-
bal, llevado a cabo por el departamento de aseguramiento
de calidad. Se muestra que el uso de CEPM en plantas
i ndustriales es una herrami enta de t iempo real f act ible,
con el potencial de ser replicado en otras plantas indus-
triales a f in de monitorear reas problemticas.
Especf icamente, la herramienta estadstica emplea-
da f ue el grf ico de control multivariante T
2
, que demos-
tr ser ef ectivo para detectar la existencia de cambios en
el proceso de laminacin del endosper mo de granos de
maz para la f abricacin de harina pre cocida, capaces de
generar problemas en el producto.
El anl isis de la descomposicin del estadsti co T
2
f acilit el diagnstico de los cambios en el proceso que
dieron origen al problema, dotando al investigador de un
conjunto de indicadores capaces de mostrar las relacio-
nes entre las variables def inidas por datos histricos que
se han quebrantado en la seal encontrada.
Respecto a los grf icos de control multivariante, la
interpretacin de puntos f uera de control ha sido uno de
los problemas ms dif ciles de superar, a pesar de que un
amplio nmero de investigadores han dedicado importan-
tes esf uerzos en proponer mtodos para la descomposi-
cin e interpretacin. La revisin bibliogrf ica durante los
ltimos aos en el pas indica la existencia de muy pocos
trabajos sobre el tema (Fer mn, 1999; Alvin y Rojas, 2000;
Garca, 2003; Garca et al ., 2004; D az, 2006), utilizando
el CEPM en plantas industriales. Es por ello que este tra-
bajo se incorpora como una contribucin adicional a esta
rea especializada del estudio de la calidad global.
REFERENCIAS BIBLIOGRFICAS
____________________________________________________
ALT, F. 1985. Multivar iate
Qual it y Control. En: K otz, S. y
Jonson N. John Wil ey & Sons
(Eds.), E ncycl opedi a of St at i st i cal
Sci ences (6 edicin), N ew Yor k:
Wiley, pp. 110-122.
ALT, F.; SMI TH , N. 1988.
Multivariate Process Control.
En: P. R. K rishnai ah y C. R. Rao
(Eds.), H andbook of St at i st i cal ,
Vol. 7, Amster dam: N or t h-
H olland, pp. 333-351.
ALVI N, N.; ROJAS, D. 2000.
A pl i caci n de t cni cas de cont r ol
est adst i co de cal i dad mul t i var i ant e al
pr oceso de l ami naci n de endosper mo
par a mej or ar l a el abor aci n del a
har i na pr ecoci da en una empr esa de
al i ment os. Anzotegui : Uni versi-
dad de Orient e. Tr abajo de
gr ado (indi to).
APARI SI , F; CH AMP, C.;
GARC A-D AZ , C. 2004. A
perf or mance Anal ysis of H ot el
li ngs c
2
Control Char t wi th
Supplementar y Runs Rul es.
En: Qual i t y E ngi neer i ng, Vol. 16,
N 3: 359-368.
BOZ Z ELLO, M. L. 1989. A
compar at i ve Run l engt h A nal ysi s of
t he H ot el l i ng T
2
Cont r ol Char t and
M ul t i pl e Shewhar t Char t s and Run
Rul es. Chicago: D epartment of
mathematics and Statist ics,
Universit y of Southern I lli nois
at Edwardsvi ll e (unpubli shed
M.Sc. Thesis).
CH EN, W. 2005. M ul t i var i at e
St at i st i cal Pr ocess Cont r ol i n
I ndust r i al Pl ant s. La H aya:
D epartment of Engineeri ng
and Policy Analysis. Facult y of
Technology, Policy and
Management, D elf t University
of Technology (Master degree
thesis).
CH UA, M, K .;
MON TGOMERY, D. C. 1992.
I nvest igat ion and
characterization of a control
scheme f or multivariate quality
cont rol. En: Qual i t y and
Rel i abi l i t y E ngi neer i ng
I nt er nat i onal , 8: 37-44.
COMI SI N VEN EZ OLAN A
D E N ORMAS I N D USTRI A-
LES, COVEN I N. 1996. N or ma
venezol ana COV E N I N 2135-96.
H ar i na demaz pr ecoci da. Caracas:
COVEN I N.
PI GN ATI ELL O, J. J.;
RUN GER, G. C. 1990.
Compar isons of mul ti var iate
CUSUM chart s. En: Jour nal of
Qual i t y T echnol ogy, 22: 173-186.
CROSI ER R., B. 1988.
Mul ti var iate general izati ons of
cumulative sum qualit y-cont rol
schemes. En: T echnomet r i cs, 30:
291-303.
D EMI N G, W, E. 1989. Cal i dad,
Pr oduct i vi dad y Compet i t i vi dad l a
sal i da de l a cr i si s. Madri d:
Ediciones D az de Sant os, S. A.
Fer mn, Jos Simn; Valdiviezo, Mar t ha; Orlandoni, Giampaolo y Bar ret o, Simn
Cont rol est adst ico de procesos mult ivariant es en la indust ria aliment aria: implement acin a t ravs del est adst ico T
2
-H ot elling (91-105)
104
D I AZ , F. 2006. ndi cedecapaci dad
de pr ocesos bi var i ant es: A pl i caci n a
l a i ndust r i a de al i ment os. Tesi s de
maestra en Matemtica.
Cuman: Univer sidad de
Oriente, N cleo de Sucre.
D OGAN AK SOY, N.; FALTI N,
F. W.; TUCK ER, W. T. 1991.
I denti f i cat ion of out -of -
control multivariate characteristic
in a mul ti var iable
manuf acturing, envi ronment .
En: Communi cat i ons i n St at i st i cs-
T heor y and M et hods, 20:
2.775-2.790.
FERMI N, J. S. 1999. A pl i caci ones
de gr fi cas de cont r ol mul t i var i ant e
par a obser vaci ones i ndi vi dual es en el
pr oceso de el abor aci n de har i na.
Ponencia en la 49 Convencin
Anual de la ASOVAC, Universi-
dad Bicentenaria de Aragua,
estado Ar agua.
FUCH S, C.; BEN JAM N, Y.
1994. Multivariate prof ile charts
f or statistical process control.
En: T echnomet r i cs, 36: 182-195.
FUCH S, C.; K EN N ET, R. S.
1998. M ul t i var i at e Qual i t y
Cont r ol . N ew York: Marcel
D ekker I nc.
GARC A, M. 2003. Compar aci n
de G r fi cas de Cont r ol
M ul t i var i ant es par a Obser vaci ones
I ndi vi dual es: A pl i caci n en l a
I ndust r i a de A l i ment os. Cuman:
Universidad de Oriente, N cleo
de Sucre (trabajo de grado
i ndi t o).
GARC A, T.; VSQUEZ , M.;
GARC A, J. 2004. Ef ect os
sobre l a calidad del papel
higinico cuando se producen
outl ier s mul ti var iantes no
detectables por los grf icos de
cont rol uni var iant e. En: Revi st a
de I ngeni er a, Vol . 11, N 2
(agosto): 67-77.
H AYTER, A. J.; TSUI , K . L.
1994. I denti f icati on and
quant if ication in multivariate
qual ity control probl ems. En:
Jour nal of Qual i t y Technol ogy, 26:
197-208.
H EALY, J. D. 1987. A not e on
multivariate CUSUM
pr ocedures. En: T echnomet r i cs.
29: 409-412.
H OTELLI N G, H . 1947.
Multivariate quality control-
I l lustr at ed by the ai r t esting of
si mple bombsight s. En:
Ei senhar t , C.; H astay, M. y
Wall is, W. A. (Eds.), Techni ques
of St at i st i cal A nal ysi s, N ew
York: McGraw H ill, pp. 111-184.
I SH I K AWA, K . 1985. Qu es el
cont r ol de cal i dad? L a modal i dad
j aponesa. Caracas: Editorial
N orma.
JACK SON, J. E. 1991. A n user
gui de t o pr i nci pal component s. N ew
York: John Wi ley.
K OURTI , T.;
MACGREGOR, J. F. 1996.
Mult ivari ate SPC methods f or
Process and Product
Monit ori ng. En: Jour nal of
Qual i t y Technol ogy, 28: 409-428.
LOWRY, C. A.;
WOODALL, W. H .; CH AMP,
C. W.; RI D GON, S. E. 1992. A
mult ivari at e EWMA contr ol
char t. En: T echnomet r i cs, 34: 46-
53.
MASON, R. L .; TRACY, N. D.;
YOUN G, J. C. 1995.
D ecomposit ion of T
2
f or
multivariate control chart
interpretati on. Jour nal of
Qual i t y Technol ogy, 27: 99-108.
MASON, R. L.; YOUN G, J. C.
2001. I mplementi ng
Multivariate Statistical Process
Cont rol using H otel li ngs T
2
St at ist ics. En: Qual i t y Pr ogr ess, 1
(April ): 71-73.
MASON, R. L .; TRACY, N. D.;
YOUN G, J. C. 1997. A practical
approach f or interpreting
multivariate T
2
control chart
si gnal s. En: Jour nal of Qual i t y
Technol ogy, 29: 396-406.
MASON, R. L .; TRACY, N. D.;
YOUN G, J. C. 1996.
Monitori ng a mul ti var iate st ep
pr ocess. En: Jour nal of Qual i t y
T echnol ogy, 28: 39-50.
MASON, R. L.; YOUN G, J. C.
1999. I mpr ovi ng t he sensi ti vi ty
of the T
2
statisti c i n mul ti var iate
pr ocess cont rol. En: Jour nal of
Qual i t y T echnol ogy, 31: 155-165.
MASON, R. L.; CH OU, Y.;
SULLI VAN, J. H .;
STOUMBOS, Z . G.;
YOUN G, J. C. 2003. Systematic
Patt erns i n T
2
charts. En:
Jour nal of Qual i t y Technol ogy,
Vol. 35, N 1: 47-58.
MARAVEL AK I S, P. E.;
BERSI MI S, S.;
PAN ARETOS, J.; PSARAK I S,
S. 2002. On i dent if ying t he out
of control vari abl e in a
mult ivariate control chart. En:
Communi cat i ons i n St at i st i cs-
T heor y and met hods, 31:
2.391-2.408.
MON TGOMERY D. C. 1991.
Cont r ol E st adst i co de l a cal i dad.
Mxico: Grupo editorial
I beroamrica.
MURPH Y, B. J. 1987. Selecting
out-of .-contr ol variabl es wit h T
2
multivariate quality procedures.
En: T he St at i st i ci an, 36: 571-583.
RUN GER, G. C.; ALT, F. B.;
MON TGOMERY, D. C. 1996.
Contri butor s to a Mul ti var iate
SPC Char t Signal. En:
Communi cat i ons i n St at i st i cs-
T heor y and M et hods, 25:
2.203-2.213.
SEPULVEDA, A.; N ACH LAS,
J. A. 1997. A simulati on
approach to mult ivariate quality
cont rol. En: Comput er s and
I ndust r i al E ngi neer i ng, 33: 113-
116.
SH EWH ART, W. Y. 1931.
E conomi c Cont r ol of Qual i t y of
M anufact ur ed Pr oduct . N ew Yor k:
D. Van N ostr and Company I nc.
TI MM, N. H . 1996.
Multivariate quality control
using f inite i ntersection tests.
En: Jour nal of Qual i t y
T echnol ogy, 28: 233-243.
TRACY, N.D.; YOUN G, J. C.
MASON, R. L. 1992.
Mul tivari ate Control Charts f or
indivi dual Obser vati ons. En:
Jour nal of Qual i t y T echnol ogy, 24:
88-95.
WASTERH UI S, J.A.;
GURD EN, S. P.;
SMI L D E, A. K . 2000.
Generali zed cont ri but ion plots
in multivariate statistical process
moni tor ing. En: Chemomet r i cs
and I nt el l i gent L abor at or y Syst ems,
51: 95-114.
WESTERN ELECTRI C. 1956.
St at i st i cal Qual i t y Cont r ol
H andbook . I ndiana: Wester n
Electric Corporation,
I ndi anapol i s.
WOODALL, W. H .;
N CUBE, M. N. 1985.
Multivariate CUSUM quality
control Procedures. En:
T echnomet r i cs, 27: 285-292.
AGROALIMENTARIA
Vol. 15, N 28. Enero-Junio 2009
105
Anexo 1
Algoritmo de descomposicin del estadstico T
2
Fuente: Mason et al . (1995).
Fuente: elaboracin propia.
Anexo 2
Clculo de los lmites de control para la Fase I I
Lmite de Control Frmula para el clculo de los Lmites de Control
LCS
( )( )
( )
p - m p, ,
2
1
F
p - m m
1 - m 1 m p
LCS
+
= =
( )( )
( )
21 , 3 ,
2
0,05
- 1
F
3 24 24
1 24 1 24 3
+
= 13,07
LCI
( )( )
( )
p - m p, ,
2
F
p - m m
1 - m 1 m p
LCI
+
= =
( )( )
( ) 21 , 3 ,
2
0,05
F
3 24 24
1 24 1 24 3
+
= 0,2418
1) Calcular el estadstico individual
2
j
T mediante la expresin
( )
2
2
j j 2
j
x x
T
j
s
= ~
1 - m ,1,
F
m
1 m
|
.
|
\
| +
para todo componente del vector X, descartando las variables cuyas observaciones produzcan
un valor significativo del estadstico
2
j
T , debido a que estas observaciones estn fuera de
control individual y no es necesario determinar su relacin con las otras variables observadas.
Con las variables significantes descartadas se genera un conjunto de variables reducidas. Es
necesario verificar si el subvector con las k variables restantes produce una seal. Si ninguna
variable produce una seal, se ha localizado la fuente del problema.
2) (Opcional, pero de mucha utilidad para p muy grande). Examinar la estructura de
correlacin del conjunto reducido de variables. Descartar cualquier variable que tenga una
correlacin muy dbil (menor que 0,3) con todas las otras variables. La contribucin de una
variable ubicada en esta categora se mide por la componente
2
j
T correspondiente.
3) Si el subvector de las k variables no descartadas todava produce una seal, se calculan
todos los trminos
2
i.j
T de acuerdo con la ecuacin
( )
2
1 - j.1,2,...j
2
1 - j.1,2,...j j 2
1 - j.1,2,...j
s
x x
T
= . Hay que
descartar del estudio todos los pares de variables (x
i
,x
j
) que tengan un
2
j i,
T significativo, pues
ello indica que algo errneo existe con las relaciones bivariantes; cuando esto ocurre, se
reduce el conjunto de variables bajo consideracin. Se examinan todas las variables
descartadas debido a la seal producida. Se calcula el estadstico T
2
para el subvector
restante. Si no se presenta seal alguna, entonces se concluye que la fuente del problema se
debe a las relaciones bivariantes y aquellas variables que fueron descartadas del control
individual.
4) Si el subvector de las restantes variables todava produce alguna seal, entonces es
necesario calcular todos los trminos
2
k i.j,
T . Descartar cualquier tripleta (x
i
,x
j
,x
k
) de variables
que muestren resultados significantes y verificar si el subvector restante produce alguna seal.
5) Este procedimiento contina con los trminos de orden superior hasta que no queden
variables en el conjunto reducido.