Harold Manuel Madrid-Alvarez, J. Carlos García-Díaz, Víctor G. Tercero-Gómez

Memorias de la Vigésima Tercera Conferencia Iberoamericana en Sistemas, Cibernética e Informática: CISCI 2024, pp. 205-212 (2024); https://doi.org/10.54808/CISCI2024.01.205

Harold Manuel Madrid-Alvarez
Facultad de Ingeniería, Universidad Simón Bolívar, Barranquilla, Colombia

J. Carlos García-Díaz
Departamento de Estadística e Investigación Operativa Aplicadas y Calidad Universitat, Politècnica de València, Valencia, España

Víctor G. Tercero-Gómez
Escuela de Ingenierías y Ciencias, Tecnológico de Monterrey, Monterrey, México

Cite this paper as:
Madrid-Alvarez, H. M., García-Díaz, J. C., Tercero-Gómez, V. G. (2024). Monitoreo del Proceso de Pesaje Multicabezal con Carta de Control CUSUM con Aprendizaje Cauteloso. En N. Callaos, Jesús de la Fuente Arias, J. Horne, B. Sánchez, A. Tremante (Eds.), Memorias de la Vigésima Tercera Conferencia Iberoamericana en Sistemas, Cibernética e Informática: CISCI 2024, pp. 205-212. International Institute of Informatics and Cybernetics. https://doi.org/10.54808/CISCI2024.01.205

Los gráficos de control, en particular el cumulative sum (CUSUM), son herramientas esenciales para monitorear procesos de producción y detectar cambios en la calidad del producto. El gráfico CUSUM es altamente eficaz en la detección de pequeños cambios en la media de un proceso debido a su propiedad de optimalidad.
En este artículo, se utiliza un gráfico CUSUM adaptado para la distribución Gamma, comúnmente empleada en tiempos de espera y vidas útiles de productos pero para el caso particular se utilizará para monitorear el proceso de pesaje multicabezal. Sin embargo, la implementación de este gráfico presenta desafíos debido a la estimación de parámetros de la distribución Gamma, lo cual es crucial para el rendimiento del gráfico. La incertidumbre en esta estimación afecta el rendimiento de los gráficos, como se ha investigado en estudios recientes. Para abordar esta incertidumbre, se propone una metodología de aprendizaje cauteloso que actualiza las estimaciones de parámetros conforme se recopilan más datos, minimizando el riesgo de contaminación por observaciones fuera de control [1–3]. Este enfoque mantiene la sensibilidad del gráfico CUSUM para detectar desplazamientos en la media del proceso y minimiza las falsas alarmas.
El objetivo de este trabajo es extender la metodología propuesta, examinando los impactos de los retrasos en la actualización de las estimaciones mientras se monitorean procesos que siguen una distribución Gamma. Utilizamos un diseño optimizado de gráfico CUSUM, inspirado en estudios previos sobre el monitoreo de procesos gamma, para garantizar un rendimiento robusto en control [4].