Gráficos de control multivariado de procesos: desempeño en fase II en presencia de valores faltantes

DSpace/Manakin Repository

Show simple item record

dc.creator Quaglino, Marta Beatriz
dc.creator Pagura, José Alberto
dc.creator Fernández, Julia Inés
dc.date.accessioned 2021-05-29T19:16:14Z
dc.date.available 2021-05-29T19:16:14Z
dc.date.issued 2021-04-26
dc.identifier.issn 2718-6636 es
dc.identifier.uri http://hdl.handle.net/2133/20812
dc.description.abstract La aplicación de los gráficos T2 de Hotelling y Squared Prediction Error (SPE) construidos a partir de un subconjunto de las Componentes Principales (CP) para llevar a cabo el control estadístico multivariado de procesos es de alta efectividad cuando se considera un conjunto de objetivos definidos con indicadores continuos. Sin embargo, su uso se ve limitado por un problema frecuente en estas situaciones de control multivariado: la ocurrencia de observaciones que presentan datos faltantes. Para resolver este inconveniente, se ha propuesto el uso de métodos de imputación de scores de las Componentes Principales cuando hay observaciones faltantes en los datos originales, denominados Known Data Regression (KDR) y Trimmed Score Regression (TSR). Los métodos KDR y TSR presentan Error Cuadrático Medio bajo, pero no habían sido realizados estudios acerca de su posible impacto sobre las propiedades de los gráficos de control T2 y SPE en Fase II, es decir, en la etapa específica de control de los procesos. Para evaluar la performance de los gráficos se realizaron estudios de simulación en distintos escenarios que consideran diferentes situaciones de aplicación. Se estimaron las curvas de Average Run Length (ARL) al utilizar los métodos de imputación para valores faltantes y se las compararon con las curvas de ARL correspondientes al conjunto de los datos completos. Se analizaron las propiedades distribucionales de las estadísticas T2 y SPE en situaciones de control estadístico. También se evaluaron las discrepancias entre las estructuras de covariancia estimadas de los scores y de los residuos en comparación con aquellas correspondientes a los datos completos. Los resultados indican que hay situaciones en las cuales, al utilizar KDR y TSR para imputar scores frente a observaciones faltantes, el desempeño de los gráficos de control es deficiente en comparación con lo esperado bajo datos completos. En consecuencia, cuando se usan estos métodos de estimación de scores, dichos gráficos deben ser interpretados con precaución para lograr la eficiencia deseada en el control. es
dc.description.abstract Hotelling’s T2 control chart and the Squared Prediction Error (SPE) chart of selected Principal Components (PCs) are highly effective when monitoring several quantitative quality variables. However, their application is often limited by a frequent issue: the occurrence of observations with missing data. In order to solve this problem, Known Data Regression (KDR) and Trimmed Score Regression (TSR) methods for the estimation of the scores’ PCs have been proposed, and they present low Mean Squared Error. However, it had not been assessed how the use of KDR and TSR affect the performance of T2 and SPE control charts in Phase II, when the process’ state of statistical control is monitored. In order to do so, simulation studies in different scenarios that contemplate diverse situations were performed. Average Run Lengths (ARLs) of the charts were estimated when KDR and TSR are used for the imputation of observations with missing data, and compared to ARL curves corresponding to complete data. Distributional properties of the charts were analyzed in situations where the process is under control. The alterations in covariance structures of estimated scores and residuals were compared to the same structures with complete data. Results indicate that the performance of these control charts when KDR and TSR are used for the imputation of scores of observations with missing values is defective in comparison to the performance of the charts using complete data. Therefore, when these methods of score estimation are used, caution is recommended in the interpretation of the charts in order to ensure the desired effectiveness. es
dc.format application/pdf
dc.language.iso spa es
dc.rights openAccess es
dc.rights.uri http://creativecommons.org/licenses/by-nc-sa/2.5/ar/ *
dc.subject Control Multivariado de Procesos es
dc.subject Datos Faltantes es
dc.subject Análisis de Componentes Principales es
dc.subject Multivariate Process Control es
dc.subject Missing Data es
dc.subject Principal Components Analysis es
dc.title Gráficos de control multivariado de procesos: desempeño en fase II en presencia de valores faltantes es
dc.type conferenceObject
dc.type documento de conferencia
dc.type publishedVersion
dc.rights.holder Facultad de Ciencias Económicas y Estadística. Universidad Nacional de Rosario es
dc.relation.publisherversion https://www.fcecon.unr.edu.ar/web-nueva/investigacion/actas-de-las-jornadas-anuales es
dc.rights.text Atribución – No Comercial – Compartir Igual (by-nc-sa) es
dc.citation.title Vigesimoquinas Jornadas "Investigaciones en la Facultad" de Ciencias Económicas y Estadística de la Universidad Nacional de Rosario es
dc.contributor.organizer Secretaría de Ciencia y Tecnología. Facultad de Ciencias Económicas y Estadística. Universidad Nacional de Rosario es
dc.description.fil Fil: Quaglino, Marta Beatriz- Facultad Ciencias Económicas y Estadística - Universidad Nacional de Rosario -Argentina es
dc.description.fil Fil: Pagura, José Alberto - Facultad Ciencias Económicas y Estadística - Universidad Nacional de Rosario -Argentina es
dc.description.fil Fil: Fernández, Julia Inés - Facultad Ciencias Económicas y Estadística - Universidad Nacional de Rosario -Argentina es
dc.type.collection comunicaciones
dc.type.version publishedVersion es


Files in this item

The following license files are associated with this item:

This item appears in the following Collection(s)

Show simple item record

openAccess Except where otherwise noted, this item's license is described as openAccess

My Account


Search DSpace


Browse