Control estadístico de la calidad
Calidad y productividad
Control Charts for Joint Monitoring of the Lognormal Mean and Standard Deviation
Gráficos de control para el seguimiento conjunto de la media logarítmica normal y la desviación estándar
Los gráficos de control hacen parte de los procesos estadísticos de control SPC para el monitoreo y detección de los procesos que están fuera de control. Si bien hay una gran diversidad de investigaciones relacionadas con el desarrollo de gráficos de control de procesos, la mayoría de los gráficos están diseñados para monitorear la media del proceso o la variabilidad del proceso, pero generalmente es deseable monitorear simultáneamente la media y la variabilidad del proceso porque ambos pueden cambiar al mismo tiempo. Este estudio analiza tres gráficos combinando media y varianza para monitorear conjuntamente la media y la desviación estándar de un proceso logarítmico normal. La aplicabilidad de los gráficos propuestos es demostrada en un caso de estudio en la industria automotriz.
Este estudio fue desarrollado por Wei-Heng Huang (Feng Chia University, Taichung, Taiwan) para Symmetry (Vol. 13, núm. 4, p. 549, 2021) una revista sobre fenómenos simétricos y asimétricos. Esta es una publicación de MDPI, una plataforma de revistas científicas de acceso abierto operada por MDPI Verein (Basilea, Suiza). Correo de contacto: [email protected]
Multivariate Control Chart Based on Kernel PCA for Monitoring Mixed Variable and Attribute Quality Characteristics
Gráfico de control multivariante basado en análisis de componentes principales Kernel para monitorear características de calidad de atributos y variables mixtas
La disponibilidad de un gráfico de control para la visualización y reconocimiento de patrones asimétricos y/o simétricos de los procesos de monitoreo con múltiples características de calidad resulta indispensable en la era de la Industria 4.0. Este trabajo se propone un enfoque para el monitoreo de una mezcla de características de calidad a través del método de análisis de componentes principales de Kernel (KPCA). De acuerdo con los resultados, el gráfico propuesto supera el rendimiento del gráfico mixto convencional basado en la mezcla de PCA, al tener una menor recurrencia de falsa alarma y con una detección más precisa de los procesos fuera de control.
Este estudio fue desarrollado por Muhammad Ahsan, Muhammad Mashuri, Wibawati , Hidayatul Khusna (Institut Teknologi Sepuluh Nopember, Jawa Timur, Indonesia) y Muhammad Hisyam Lee (Universiti Teknologi Malaysia, Johor Bahru, Malaysia) para Symmetry (Vol. 12, núm.11, p. 1838, 2020) una revista sobre fenómenos simétricos y asimétricos. Esta es una publicación de MDPI, una plataforma de revistas científicas de acceso abierto operada por MDPI Verein (Basilea, Suiza). Correo de contacto: [email protected]
- Video:Control estadístico de calidad: parte 2
- Fuente: Patricia Caro
