Gráficos de control para procesos binomiales con exceso de ceros

Autores
Joekes, Silvia; Smrekar, Marcelo; Righetti, Andrea F.
Año de publicación
2015
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Fil: Joekes, Silvia. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Estadística y Demografía; Argentina.
Fil: Smrekar, Marcelo. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Ingeniería y Mantenimiento Industrial; Argentina.
Fil: Righetti, Andrea F. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Estadística y Demografía; Argentina.
Cuando se analizan datos de procesos en los que se observan muchas muestras conformes, es decir, muchas muestras sin defectos, la utilización del modelo ZIB (Zero Inflated binomial) puede ser una muy buena alternativa. Esto es especialmente cierto para el caso en que los datos muestran una frecuencia más elevada de ceros que la que se debería esperar si la muestra hubiera sido generada mediante una distribución binomial. Tradicionalmente estos procesos fueron monitoreados empleando la distribución binomial pero, bajo estas circunstancias, la distribución binomial tiende a subestimar la variabilidad del proceso. En esta situación, los gráficos de control tienen límites muy estrictos que determinan excesivas señales de falsa alarma, altos costos de inspección y frecuentes paradas del proceso. Cuando no se tiene en cuenta el exceso de ceros, se genera un modelo mal especificado y, en consecuencia, el gráfico de control resultante no cumple con la función para la cual ha sido construido En este trabajo se propone la utilización del modelo lineal generalizado para establecer la bondad de ajuste entre los datos observados y la distribución asumida para la construcción del gráfico. Se muestra además la aplicación del gráfico ZIB a un proceso con datos de una planta de autopartes, con análisis y discusión de los resultados.
Fil: Joekes, Silvia. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Estadística y Demografía; Argentina.
Fil: Smrekar, Marcelo. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Ingeniería y Mantenimiento Industrial; Argentina.
Fil: Righetti, Andrea F. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Estadística y Demografía; Argentina.
Estadística y Probabilidad
Materia
Procesos de alta calidad
Modelo Binomial con exceso de ceros
Gráficos de control ZIB
Modelo lineal generalizado
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Repositorio
Repositorio Digital Universitario (UNC)
Institución
Universidad Nacional de Córdoba
OAI Identificador
oai:rdu.unc.edu.ar:11086/24143

id RDUUNC_8a0149941048672a03def5ca75fc1b40
oai_identifier_str oai:rdu.unc.edu.ar:11086/24143
network_acronym_str RDUUNC
repository_id_str 2572
network_name_str Repositorio Digital Universitario (UNC)
spelling Gráficos de control para procesos binomiales con exceso de cerosJoekes, SilviaSmrekar, MarceloRighetti, Andrea F.Procesos de alta calidadModelo Binomial con exceso de cerosGráficos de control ZIBModelo lineal generalizadoFil: Joekes, Silvia. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Estadística y Demografía; Argentina.Fil: Smrekar, Marcelo. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Ingeniería y Mantenimiento Industrial; Argentina.Fil: Righetti, Andrea F. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Estadística y Demografía; Argentina.Cuando se analizan datos de procesos en los que se observan muchas muestras conformes, es decir, muchas muestras sin defectos, la utilización del modelo ZIB (Zero Inflated binomial) puede ser una muy buena alternativa. Esto es especialmente cierto para el caso en que los datos muestran una frecuencia más elevada de ceros que la que se debería esperar si la muestra hubiera sido generada mediante una distribución binomial. Tradicionalmente estos procesos fueron monitoreados empleando la distribución binomial pero, bajo estas circunstancias, la distribución binomial tiende a subestimar la variabilidad del proceso. En esta situación, los gráficos de control tienen límites muy estrictos que determinan excesivas señales de falsa alarma, altos costos de inspección y frecuentes paradas del proceso. Cuando no se tiene en cuenta el exceso de ceros, se genera un modelo mal especificado y, en consecuencia, el gráfico de control resultante no cumple con la función para la cual ha sido construido En este trabajo se propone la utilización del modelo lineal generalizado para establecer la bondad de ajuste entre los datos observados y la distribución asumida para la construcción del gráfico. Se muestra además la aplicación del gráfico ZIB a un proceso con datos de una planta de autopartes, con análisis y discusión de los resultados.Fil: Joekes, Silvia. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Estadística y Demografía; Argentina.Fil: Smrekar, Marcelo. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Ingeniería y Mantenimiento Industrial; Argentina.Fil: Righetti, Andrea F. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Estadística y Demografía; Argentina.Estadística y Probabilidad2015-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf2451-8131http://hdl.handle.net/11086/24143spainfo:eu-repo/semantics/openAccessreponame:Repositorio Digital Universitario (UNC)instname:Universidad Nacional de Córdobainstacron:UNC2025-09-18T10:07:25Zoai:rdu.unc.edu.ar:11086/24143Institucionalhttps://rdu.unc.edu.ar/Universidad públicaNo correspondehttp://rdu.unc.edu.ar/oai/snrdoca.unc@gmail.comArgentinaNo correspondeNo correspondeNo correspondeopendoar:25722025-09-18 10:07:25.461Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdobafalse
dc.title.none.fl_str_mv Gráficos de control para procesos binomiales con exceso de ceros
title Gráficos de control para procesos binomiales con exceso de ceros
spellingShingle Gráficos de control para procesos binomiales con exceso de ceros
Joekes, Silvia
Procesos de alta calidad
Modelo Binomial con exceso de ceros
Gráficos de control ZIB
Modelo lineal generalizado
title_short Gráficos de control para procesos binomiales con exceso de ceros
title_full Gráficos de control para procesos binomiales con exceso de ceros
title_fullStr Gráficos de control para procesos binomiales con exceso de ceros
title_full_unstemmed Gráficos de control para procesos binomiales con exceso de ceros
title_sort Gráficos de control para procesos binomiales con exceso de ceros
dc.creator.none.fl_str_mv Joekes, Silvia
Smrekar, Marcelo
Righetti, Andrea F.
author Joekes, Silvia
author_facet Joekes, Silvia
Smrekar, Marcelo
Righetti, Andrea F.
author_role author
author2 Smrekar, Marcelo
Righetti, Andrea F.
author2_role author
author
dc.subject.none.fl_str_mv Procesos de alta calidad
Modelo Binomial con exceso de ceros
Gráficos de control ZIB
Modelo lineal generalizado
topic Procesos de alta calidad
Modelo Binomial con exceso de ceros
Gráficos de control ZIB
Modelo lineal generalizado
dc.description.none.fl_txt_mv Fil: Joekes, Silvia. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Estadística y Demografía; Argentina.
Fil: Smrekar, Marcelo. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Ingeniería y Mantenimiento Industrial; Argentina.
Fil: Righetti, Andrea F. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Estadística y Demografía; Argentina.
Cuando se analizan datos de procesos en los que se observan muchas muestras conformes, es decir, muchas muestras sin defectos, la utilización del modelo ZIB (Zero Inflated binomial) puede ser una muy buena alternativa. Esto es especialmente cierto para el caso en que los datos muestran una frecuencia más elevada de ceros que la que se debería esperar si la muestra hubiera sido generada mediante una distribución binomial. Tradicionalmente estos procesos fueron monitoreados empleando la distribución binomial pero, bajo estas circunstancias, la distribución binomial tiende a subestimar la variabilidad del proceso. En esta situación, los gráficos de control tienen límites muy estrictos que determinan excesivas señales de falsa alarma, altos costos de inspección y frecuentes paradas del proceso. Cuando no se tiene en cuenta el exceso de ceros, se genera un modelo mal especificado y, en consecuencia, el gráfico de control resultante no cumple con la función para la cual ha sido construido En este trabajo se propone la utilización del modelo lineal generalizado para establecer la bondad de ajuste entre los datos observados y la distribución asumida para la construcción del gráfico. Se muestra además la aplicación del gráfico ZIB a un proceso con datos de una planta de autopartes, con análisis y discusión de los resultados.
Fil: Joekes, Silvia. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Estadística y Demografía; Argentina.
Fil: Smrekar, Marcelo. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Laboratorio de Ingeniería y Mantenimiento Industrial; Argentina.
Fil: Righetti, Andrea F. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Estadística y Demografía; Argentina.
Estadística y Probabilidad
description Fil: Joekes, Silvia. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Instituto de Estadística y Demografía; Argentina.
publishDate 2015
dc.date.none.fl_str_mv 2015-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv 2451-8131
http://hdl.handle.net/11086/24143
identifier_str_mv 2451-8131
url http://hdl.handle.net/11086/24143
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Digital Universitario (UNC)
instname:Universidad Nacional de Córdoba
instacron:UNC
reponame_str Repositorio Digital Universitario (UNC)
collection Repositorio Digital Universitario (UNC)
instname_str Universidad Nacional de Córdoba
instacron_str UNC
institution UNC
repository.name.fl_str_mv Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdoba
repository.mail.fl_str_mv oca.unc@gmail.com
_version_ 1843608962779316224
score 13.000565