Metodología para la estimación de índices de capacidad en procesos para datos no normales

Autores/as

  • Erick A. Chacón Montalvan Egresado de Ingeniería Estadística (FIECS-UNI), Tesista del IRD (Institut de Recherche pour le Développement)
  • Vilma S. Romero Romero Egresada de Ingeniería Estadística (FIECS-UNI),Tesista del IRD (Institut de Recherche pour leDéveloppement)
  • Luisa E. Quispe Ortiz Egresada de Ingeniería Estadística (FIECS-UNI), Analista Junior en BCP (Banco de Crédito del Perú)
  • José W. Camero Jiménez Catedrático de Ingeniería Estadística (FIECS-UNI), Consultor en Control Estadístico de Procesos.

DOI:

https://doi.org/10.21754/tecnia.v24i1.32

Palabras clave:

Ajuste de distribuciones de frecuencia, Índice de capacidad del proceso, normalidad, Transformación de datos, Simulación

Resumen

La globalización ha ido intensificando la competencia en muchos mercados. Con el fin de mantener su competitividad, las empresas buscan satisfacer las necesidades de los clientes mediante el cumplimiento de los requerimientos del mercado. En este contexto, los Índices de Capacidad de Proceso (ICP) juegan un rol trascendental en el análisis de capacidad de los procesos. Para el caso de datos no normales existen dos enfoques generales basados en transformaciones (Transformación de Box –Cox y de Johnson) y percentiles (Sistemas de distribuciones de Pearson y de Burr). Sin embargo, estudios anteriores sobre la comparación de tales métodos muestran distintas conclusiones y por ello nace la necesidad de aclarar las diferencias que existen entre estos métodos para poder implementar una correcta estimación de estos índices. En este trabajo, se realiza un estudio de simulación con el objetivo de comparar los métodos mencionados y proponer una metodología adecuada para la estimación del ICP en datos no normales. Además, se concluye que el mejor método a emplear depende del tipo de distribución, el nivel de asimetría de la misma y el valor del ICP.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

[1] Juran,J. M., "Quality Control Handbook2",3rd ed. New York:, 1974,pp. 1600.

[2] Kane,V. E.,“Process Capability Indices”,Journal ofQuality Technology, vol. 2097, no.7, pp. 41–52, 1986.

[3] Chan,L. K.,Cheng,S. W.,Spiring,F. A.,“A new measure of process capability: Cpm”,Journal of Quality Technology, vol. 20, no. 3,pp. 162–175, 1988.

[4] Pearn,W. L.,Kotz,S.,Johnson,N., L.,“Distributional and inferential propertiesprocess capability indices”,Journal of QualityTechnology, vol. 24, no. 4, pp. 216–233,1992.5.

[5] Kotz,S.,Johnson,N. L.,"Process CapabilityIndices", 1st ed. Chapman and Hall/CRC,1993, p. 224.

[6] Box,G. E. P.,Cox,D. R.,“An Analysis ofTransformations",Journal of Royal StatisticalSociety, vol. B, no. 26, pp. 211–252, 1964.

[7] Chou,Y. M.,Polansky,A. M.,Mason,R.L.,“Transforming non-normal data tonormality in statistical process control”,Journal of Quality Technology, vol. 30, 1998.

[8] Clements,J. A.,“Process capabilitycalculations for non-normal distributions”,Quality Progress, no. 22, pp. 95–100, 1989.

[9] LiuP. H.,Chen,F.-L.,“Process capabilityanalysis of non-normal process data using theBurr XIIdistribution”,The InternationalJournal of Advanced ManufacturingTechnology, vol. 27, no. 9–10, pp. 975–984,Aug. 2005.

[10] Ahmad,S.,Abdollahian,M.,“Processcapability estimation for non-normal qualitycharactersitics using Clement, Burr and Box--Cox methods”,ANZIAM, vol. 49, pp. 642–665, 2008.

[11] Hosseinifard,S. Z.,Abbasi,B.,Ahmad,S.,Abdollahian,M.,“A transformationtechnique to estimate the process capabilityindex for non-normal processes”,TheInternational Journal of AdvancedManufacturingTechnology, vol. 40, no. 5–6,pp. 512–517, Feb. 2008.

[12] Czarski,A.,“Estimation of process capabilityindices in case of distribution unlike thenormal one”,Archives of Materials Science,vol. 34, no. 1, pp. 39–42, 2008.

[13] Chen,J.,Ding,C.,“A new processcapabilityindex for non-normal distributions”,International Journal of Quality, vol. 18, no.7, pp. 762–770, 2001.

[14] Pearson,K.,“Contributions to theMathematical Theory of Evolution. II. SkewVariation in Homogeneous Material”,PhilosophicalTransactions of the RoyalSociety A: Mathematical, Physical andEngineering Sciences, vol. 186, pp. 343–414,Jan. 1895.

[15] Elderton,W.,“Systems of frequencycurves”,Chemistry &1969.

[16] Burr,I.,“Cumulative frequency functions”,Annals of Mathematical Statistics, vol. 13, no.2, pp. 215–232, 1942.

[17] Fermín,J.,Valdiviezo,M.,“Estimación deíndices de capacidad de procesos usando ladistribución generalizada de pareto”,pp. 93–106, 2010.

[18] Takahasi,K.,“Note on the MultivariateBurr’s Distribution”,Annalsof the Institute ofStatistical Mathematics, vol. 17, no. 1, pp.257–260, 1965.

[19] Kleiber,C.,“A Guide to the DagumDistributions”,December, 2007.

Descargas

Publicado

2014-06-01

Cómo citar

[1]
E. A. Chacón Montalvan, V. S. Romero Romero, L. E. Quispe Ortiz, y J. W. Camero Jiménez, «Metodología para la estimación de índices de capacidad en procesos para datos no normales », TEC, vol. 24, n.º 1, p. 43, jun. 2014.

Número

Vol. 24 Núm. 1 (2014)

Sección

Artículos

Licencia

Derechos de autor 2014 TECNIA

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.

Los artículos publicados por TECNIA pueden ser compartidos a través de la licencia pública internacional Creative Commons: CC BY 4.0. Permisos lejos de este alcance pueden ser consultados a través del correo tecnia@uni.edu.pe