Examinando por Materia "Control estadístico de procesos"

Mostrando 1 - 2 de 2
  • Miniatura
    PublicaciónAcceso abierto
    Comparación del desempeño de índices de capacidad multivariados a través de la simulación de procesos
    (Universidad del Valle, 2012) Benavides Caicedo, Yoldi Y.; Jaramillo Padredín, Nataly; Mosquera Restrepo, Jaime
    En el presente trabajo se evaluará el desempeño de índices multivariados en procesos simulados con cambios en su distribución y parámetros (centramiento, variabilidad y correlación), los niveles de correlación son Nula, Débil, Media y Fuerte. Los índices evaluados son el Método ECPK propuesto por Braun (2001), el Índice MCPM propuesto por Taam, Subbarah y Liddy (1993), los Índices MCP y MCPC propuesto por Wang y Du (2000), el Vector de Capacidad de Procesos Multivariados (VCPM) propuesto por Shahriari, Hubele and Lawrence (1995) y el Nuevo Vector de Capacidad de Procesos Multivariados (NVCPM) propuesto por Shariahri y Abdollahzadeh (2009). Esta investigación se enfocará en realizar un Análisis de la Capacidad de Procesos Multivariantes utilizando los índices de Capacidad de Procesos Multivariados, los cuales ayudarán a indicar cuándo un proceso tiene la habilidad de cumplir con las características y especificaciones que se han establecido previamente, esto con el fin de comparar el comportamiento de dichos índices y finalmente, definir cuál es el mejor índice para cada escenario planteado. La metodología estadística utilizada se basa en la simulación de procesos multivariados, que tienen diferentes características con respecto al centramiento, variabilidad y niveles de correlación. A estos se les realiza un Análisis de Capacidad Multivariado con los Índices de Capacidad propuestos, los cuales cuantificarán la habilidad que tienen dichos procesos para cumplir las especificaciones determinadas por los clientes o el mercado. Previamente, los procesos generados se identifican como procesos capaces o no capaces por medio de una regla fundamental de Calidad (Seis Sigma) que determina que sólo hasta 0, 027 % de los datos de un proceso estarán por fuera de los límites de especificación que se han generado para 2 y 3 variables. Por último, se realiza una comparación del desempeño de cada uno de los índices y se determinará el mejor para cada uno de los procesos simulados por medio de un indicador llamado Porcentaje de Diagnóstico de Capacidad ( %DC), que ayudará a juzgar si los índices son lo suficientemente buenos como para ser utilizados con cierta seguridad por parte de los Coordinadores de Calidad en las industrias
  • Miniatura
    PublicaciónAcceso abierto
    Implementación de una herramienta para clasificar patrones de comportamiento en cartas de control univariadas.
    (2019-07-07) García Marín, José Fernando; González Velasco, Julián
    El control de la calidad de los productos, es una parte fundamental en las organizaciones que pretenden sobrevivir en mercados competentes, y globalizados, como los que se viven hoy en día. El control estadístico de procesos, es una herramienta para asegurar la calidad de los productos. Por lo tanto, diagnosticar el estado de control de la producción, mediante gráficos de control, es un proceso que requiere la mayor atención posible. Este diagnóstico tradicionalmente es realizado de forma manual por personal no calificado y con poca experiencia en este tipo de herramientas. Esto implica problemas como carencia de objetividad y precisión en la identificación de variaciones no naturales. En esta investigación se analizan algunas de las diferentes herramientas inteligentes, direccionadas al reconocimiento de patrones de inestabilidad en gráficos de control, y se examinan algunos modelos relacionados con el tema. Se hace una selección de la herramienta que se cree es la más apropiada para la clasificación de patrones, tomando en cuenta criterios implícitos expuestos por autores de las diferentes investigaciones referenciadas en este estudio. Al considerar ciertos criterios para la selección de la herramienta de clasificación, se elige a las redes neuronales artificiales como el método de reconocimiento de patrones apropiado, además se hace una breve descripción acerca de su funcionamiento y características. En seguida, se desarrolla el modelo basado en redes neuronales artificiales, utilizando algunos parámetros considerados por distintos autores para su desarrollo, y se hace un análisis de las variables implicadas. Finalmente, se evalúa el modelo mediante un caso de estudio con datos reales para la verificación del estado de control de un proceso. Esta información es proporcionada por una empresa del sector azucarero en el Valle del Cauca.