Desempeño estadístico de cartas de control con parámetros variables para procesos autocorrelacionados

Statistical performance of control charts with variable parameters for autocorrelated processes

Procesos químicos y automatización en la recolección de datos en procesos productivos son reconocidos por producir datos autocorrelacionados. La independencia de las observaciones es uno de los supuestos básicos de las herramientas tradicionales para el monitoreo estadístico de procesos, omitirlo hace que se incremente el número de falsas alarmas y los costos de calidad. Esta investigación considera a través de técnicas de simulación, la utilización de cartas de control con parámetros variables (VP) en presencia de datos autocorrelacionados con el objetivo de determinar el impacto en la velocidad de detección y falsas alarmas de diferentes grados de autocorrelación y su interacción con diferentes condiciones de proceso como la varianza y longitudes del corrimiento de la media, en búsqueda de realizar una selección efectiva de parámetros. La carta VP mostro mejoras en su desempeño en la detección de grandes corrimientos de media en la medida que incrementaba el coeficiente de auto correlación y sostenidamente mejores resultados en una mayor cantidad de condiciones de simulación, en contraste al sistema VSI y x tradicional. Esta investigación demuestra la superioridad de sistemas de calidad vasados en esquemas con parámetros variables comparado con las técnicas tradicionales de control estadístico de procesos.

Chemical process and automation of data collection for industrial processes are known to result in auto-correlated data. The independence of observations is a basic assumption made by traditional tools that are used for the statistical monitoring of processes. If this is not adhered to then the number of false alarms and quality costs are increased. This research considers the use of variable parameters (VP) charts in the presence of autocorrelation. The objective is to determine the impact on the detection velocity and false alarms of different degrees of autocorrelation and their interaction with process conditions—the aim being to effectively select parameters. The VP chart showed improvements in its performance when detecting large average runs as the autocorrelation coefficient increased in contrast with the traditional variable sample interval (VSI) and x quality systems. This research demonstrates the superiority of variable parameters quality monitoring architectures over traditional statistical process monitoring tools.