Carta de control no paramétrica utilizando aprendizaje cauteloso

Ponente(s): Gerardo Pérez Arriaga, Álvaro Eduardo Cordero Franco Víctor Gustavo Tercero Gómez

El control estadístico de procesos (SPC) consiste en un conjunto de herramientas estadísticas que utilizamos para la detección oportuna de cambios en procesos con aplicaciones en la industria, la economía, medio ambiente, entre otros. Para esto, se utilizan estadísticos de las muestras a monitorear que son evaluados contra la distribución en-control del proceso. Aunque en el SPC la mayoría de los estadísticos se basan en el supuesto de normalidad, este supuesto con frecuencia no se cumple, por lo que se recomienda el uso de estadísticos libres de distribución. Por otro lado, la estimación de la distribución en-control resta eficacia al monitoreo, incrementando el número de falsas alarmas y altera la probabilidad de detección de verdaderos cambios en el proceso. En esta investigación, propondremos el uso de los Sequential Normal Scores (Conover et. al 2017), así como la transformación por rangos secuenciales, estadísticos no paramétricos que convergen a la distribución normal, con un método de re-estimación de la distribución en-control llamado Aprendizaje Cauteloso (Capizzi & Masarotto 2019), para detectar cambios en la localización, sin importar la distribución en-control. Los resultados muestran que nuestra herramienta es libre de distribución, manteniendo un desempeño en-control garantizado y con buena capacidad de detección de cambios verdaderos.