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
- Institución
- Universidad Nacional de Córdoba
- OAI Identificador
- oai:rdu.unc.edu.ar:11086/24143
Ver los metadatos del registro completo
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 |