Oliver Thunich, consultor, STATCON GmbH
En la producción industrial, los intervalos de tolerancia se utilizan ampliamente para determinar la calidad de un proceso. Sin embargo, los intervalos de tolerancia comúnmente utilizados suponen una distribución normal de los datos, lo que resulta problemático para muchos procesos. A raíz de una solicitud de un cliente, se nos ocurrió la posibilidad de calcular intervalos de tolerancia no paramétricos calculando intervalos de confianza para cuantiles utilizando el enfoque de verosimilitud empírica no paramétrica implementado en JMP. A medida que los tamaños de muestra deseados se vuelven muy pequeños, los intervalos de confianza no paramétricos tradicionales tienden a generar resultados inestables. Por lo tanto, desarrollamos un script JSL que extiende el método de verosimilitud empírica y es capaz de generar intervalos de tolerancia no paramétricos estables para una gran proporción de la población, incluso con muestras pequeñas. Un estudio de simulación evalúa el rendimiento del enfoque en comparación con los métodos existentes que utilizan datos de producción y datos de análisis de supervivencia. Descubrimos que el método propuesto es mucho más estable que los métodos existentes, especialmente cuando los datos difieren en gran medida de una distribución normal. Al utilizar JMP en combinación con el método implementado, podemos garantizar la calidad de los procesos en los que medir la calidad es muy costoso o requiere mucho tiempo.
