Documente Academic
Documente Profesional
Documente Cultură
INTEGRANTES:
INTRODUCCIN
El uso de los grficos de control multivariable para monitorear procesos industriales es
cada vez ms popular.
Entre los grficos de control multivariable ms populares esta uno basado en el
estadstico T2.
Sin embargo la tcnica tiene varios inconvenientes prcticos. Un gran inconveniente es
que cuando el estadstico T2 indica que un proceso est fuera de control, este no
provee informacin.
El procedimiento consiste en la descomposicin del estadstico T2 en partes
independientes, cada uno de los cuales es similar a una variable aleatoria T2
individual.
DESCOMPOSICIN
Veamos:
DESCOMPOSICIN
DESCOMPOSICIN
Otro
enfoque para resolver el problema de la interpretacin de seales es
descomponer el estadstico T2 en componentes independientes, cada uno de
los cuales refleja la contribucin de una variable individual.
Para simplificar, asumimos que queremos agrupar las primeras p-1 variables
juntas y aislar la p-sima variable as que:
Donde:
Es un vector de dimensin p-1, excluyendo la p-sima variable.
DESCOMPOSICIN
DESCOMPOSICIN
El estadstico es el p-simo componente del vector ajustado por las estimaciones de la media y
desviacin estndar de la distribucin condicional de .
Donde:
es la media muestral de las n observaciones sobre la p-sima variable
es un vector de dimensin p-1
Adems:
DESCOMPOSICIN
El primer trmino , es un estadstico T2 de Hotelling, digamos, las primeras p2 variables, y el segundo trmino, es el cuadrado de la variable (p-1) variable
ajustada por la estimacin de la media y la desviacin estndar de la
distribucin condicional.
DESCOMPOSICIN
Continuando
la iteracin y la particin de esta manera, produce la descomposicin general
siguiente de Hotellings T2 para p variables:
El valor final de T2, , es el estadstico T2 de Hotelling para la primera variable. Reduce al cuadro
del estadstico univariable t para la variable inicial:
Supongamos
Solucin:
es un vector
de dimensin
p-1
Y :
Y:
estadstico T2. Por ejemplo, podemos empezar la particin seleccionando cualquiera de las p
variables. Podramos elegir cualquiera de los p-1 variables que sobran que condicionan en la
primera caracterstica seleccionada. Luego podramos escoger cualquiera de los p-2 variables
que sobran que condicionan en las dos primeras caractersticas seleccionadas. Continuando
de esta manera dara las diferentes secuencias de los trminos que componen el estadstico
general.
Interpretacin de seales
La razn principal para dividir el estadstico T2 es obtener informacin sobre las variables
que contribuyen significativamente a una seal fuera de control.
La pregunta que surge es cmo utilizar la informacin proporcionada en los distintos
trminos de la descomposicin. Ser til reconocer que los trminos p dentro de una
descomposicin particular, son independientes uno del otro aunque los trminos en todo
el p! descomposiciones no son todos independientes. Adems, cada uno de los trminos
se distribuye (bajo la hiptesis nula es apropiado) como una constante por una
distribucin F con 1 y n - 1 grados de libertad.
As, se puede comparar cada trmino en (4) a un valor F presentado, multiplicado por
una constante, para determinar si es significativo. Este proceso proporciona un
mecanismo para decidir cundo un trmino est sealando un problema.
EJEMPLOS
El proceso est bajo control para las primeras 15 observaciones, por lo que
podemos utilizar estas observaciones como datos histricos para calcular
X = (10,10)'
La
Solucin:
PARA
La ecuacin (5) puede ser utilizada para determinar
DATOS
DEL PROBLEMA:
X = (10,10)'
OBSERVACION
DEL PUNTO A:
Y :
PARA
OBSERVACION
DEL PUNTO A:
Y :
La
Solucin:
PARA
OBSERVACION
DEL PUNTO A:
Y :
PARA
OBSERVACION
DEL PUNTO A:
Y :
Utilizando como lmite superior de control (2x 16x 14) / (15 x 13) x F (2,13,
0.95) = 8,743 ( Ver tabla 2).
Punto B:
Valores condicionales, :
Valores incondicionales
Punto C:
Valores
condicionales, :
Valores incondicionales
Punto D:
Valores condicionales, :
Valores incondicionales
EJEMPLO 2
El procedimiento de descomposicin T2 descrito
anteriormente tambin puede ser una herramienta de
diagnstico til en ausencia de una seal. Doganaksoy,
Faltin, y Tucker (1991) describen una situacin donde
la contra-correlacin es un problema.
Los
trminos significativos son . Los dos primeros trminos incondicionales
significativos indican que Xl y X2 tienen valores fuera de sus rangos
aceptables. Los dos trminos condicionales significativos implican que la
relacin de cada variable con X3 es un problema.
Observaciones Finales
La descomposicin de
control multivariable
informacin, ya que
significativamente a la
Para los datos de Hawkins (1991), las cinco variables resultaran en 120
descomposiciones distintas del valor T2 para una observacin dada. En vez de
examinar los valores condicionales para todo el conjunto de p!
descomposiciones, sera ms prctico para idear un esquema a la salida slo
para los valores significativos. Un ejemplo de esta salida reducida se da en la
Tabla 4 para un problema de cinco variables.
Es importante tener en cuenta que una vez que se ha detectado una seal, la
multiplicidad de pruebas de significacin no es un problema. Cada
componente en la descomposicin se puede comparar con un valor crtico
como una medida de "amplitud" de la contribucin a la seal en lugar de para
la significancia estadstica.