Una de las suposiciones para el comportamiento del proceso requiere que cada medición sea independiente y no tenga relación entre mediciones sucesivas. No todos los procesos generan mediciones independientes. "En muchas aplicaciones industriales, los datos se obtienen periódicamente, y para muchas de estas secuencias de valores habrá alguna relación entre valores sucesivos", Temas avanzados en control estadístico de procesos, Donald J. Wheeler.
Cuando hay autocorrelación en los datos del proceso, los límites de control en los gráficos de comportamiento del proceso estándar son demasiado estrechos y son propensos a falsas alarmas. Este complemento calculará el coeficiente de autocorrelación lag1, leerá los límites de control de un gráfico de control IMR, calculará nuevos límites de control que se amplían en 1/sqrt(1-r^2) y actualizará el gráfico con los nuevos límites. Donald Wheeler propone este método en el Capítulo 12, Temas avanzados en control estadístico de procesos. Este es uno de varios métodos para crear gráficos de comportamiento de procesos para datos de procesos autocorrelacionados. Puede que no siempre sea lo mejor.Depende del usuario determinar si este u otro método es apropiado para usar con sus datos. Otros métodos incluyen
*Gráfico de residuos EWMA - parte del informe EWMA de JMP
*Gráficas IMR de residuales de un modelo de serie temporal del proceso -involucra el uso de la plataforma de Serie Temporal de JMP.
Gracias al equipo educativo de JMP por la inspiración. Este script replica el procedimiento utilizado en su curso gratuito de SPC en línea:
https://community.jmp.com/t5/Learning-Center/JMP-Statistical-Process-Control-Course
Recomiendo tomar el curso para comprender los gráficos de control para datos autocorrelacionados y SPC en general. Las explicaciones son sucintas, fáciles de seguir y tienen ejercicios para practicar.
Procedimiento de complemento:
1. Abra la tabla de datos con datos de proceso autocorrelacionados o elija de una tabla que ya esté abierta.
2. Seleccione la columna que contiene los datos del proceso.
Interpretación:
Dejé abierta la columna _Lag1 y el informe Fit Y by X para obtener el coeficiente de correlación lag1 con fines de diagnóstico. Recomiendo usar el informe para comprender el grado de autocorrelación en los datos. También es instructivo generar un gráfico IMR estándar para fines de comparación. El complemento no genera un gráfico IMR estándar.
