Gráficos de control estadístico para variables Poisson y multinomial en el contexto multivariado: una revisión de la literatura

  • Sandra García Bustos ESPOL Polytechnic University, Escuela Superior Politécnica del Litoral, ESPOL, Facultad de Ciencias Naturales y Matemáticas (FCNM), Campus Gustavo Galindo Km. 30.5 Vía Perimetral P.O. Box 09-01-5863, Guayaquil - Ecuador
  • María Pastuizaca Fernández ESPOL Polytechnic University, Escuela Superior Politécnica del Litoral, ESPOL, Facultad de Ciencias Naturales y Matemáticas (FCNM), Campus Gustavo Galindo Km. 30.5 Vía Perimetral P.O. Box 09-01-5863, Guayaquil - Ecuador
  • Nora Monsalve Graterol UCLA Universidad Centro Occidental Lisandro Alvarado, Departamento de Investigación de Operaciones y Estadística, Barquisimeto - Venezuela

Resumen

La necesidad de controlar la variabilidad cuando se tienen variables de calidad discretas Poisson y multinomiales en el contexto multivariante nos condujo a realizar una revisión muy general e introductoria de las propuestas más relevantes que se han hecho para monitorear gráficos de control multivariantes para este tipo de variables. Es mucha la investigación que se ha hecho en el contexto paramétrico y no paramétrico en este campo, que en este artículo tratamos de resaltar. Sin embargo, bajo el enfoque de la teoría difusa son pocos los trabajos dedicados al estudio de este tipo de gráficos. La teoría difusa puede ser una herramienta muy útil para modelar situaciones de control multivariantes donde se tengan variables correlacionadas y de diferentes categorías. Esperamos que este artículo pueda orientar y ser de ayuda a quiénes están buscando información en el campo de los gráficos de control multivariantes para variables  tipo Poissson y multinomial.

Citas

Almond, R. G. (1995). Discussion: Fuzzy logic: Better science? Or Better Engineering? Technometrics, 37(3), 267–270. Descargado de https://www.tandfonline.com/doi/abs/10.1080/00401706.1995.10484329 doi: 10.1080/00401706.1995.10484329

Aparisi, F., García-Bustos, S., y Epprecht, E. K. (2014). Optimum Multiple and Multivariate Poisson Statistical Control Charts. Quality and Reliability Engineering International, 30(2), 221–234. Descargado de https://onlinelibrary.wiley.com/doi/abs/10.1002/qre.1490 doi: 10.1002/qre.1490

Benjamini, Y., y Hochberg, Y. (2000). On the Adaptive Control of the False Discovery Rate in Multiple Testing With Independent Statistics. Journal of educational and Behavioral Statistics, 25(1), 60–83. doi: 10.3102/10769986025001060

Benjamini, Y., y Liu, W. (1999). A step-down multiple hypotheses testing procedure that controls the false discovery rate under independence. Journal of statistical planning and inference, 82(1-2), 163–170. Descargado de http://www.sciencedirect.com/science/article/pii/S0378375899000403 doi: 10.1016/S0378-3758(99)00040-3

Chen, N., Li, Z., y Ou, Y. (2015). Multivariate Exponentially Weighted Moving-Average Chart for Monitoring Poisson Observations. Journal of Quality Technology, 47(3), 252–263. doi: 10.1080/00224065.2015.11918131

Cheng, C.-B. (2005). Fuzzy process control: construction of control charts with fuzzy numbers. Fuzzy Sets and Systems, 154(2), 287–303. Descargado de http://www.sciencedirect.com/science/article/pii/S0165011405001107 doi: 10.1016/j.fss.2005.03.002

Chiu, J.-E., y Kuo, T.-I. (2007). Attribute Control Chart for Multivariate Poisson Distribution. Communications in Statistics-Theory and Methods, 37(1), 146–158. doi: 10.1080/03610920701648771

Coppi, R., Gil, M. A., y Kiers, H. A. L. (2006). The fuzzy approach to statistical analysis. Computational Statistics & Data Analysis, 51(1), 1–14. doi: 10.1016/j.csda.2006.05.012

Epprecht, E. K., Aparisi, F., y García-Bustos, S. (2013). Optimal linear combination of Poisson variables for multivariate statistical process control. Computers & operations research, 40(12), 3021–3032. Descargado de http://www.sciencedirect.com/science/article/pii/S030505481300186X doi: 10.1016/j.cor.2013.07.007

García-Bustos, S., Aparisi, F., y Epprecht, E. K. (2015). Optimal EWMA of linear combination of Poisson variables for multivariate statistical process control. International Journal of Production Research, 53(14), 4141–4159. doi: 10.1080/00207543.2014.975863

García-Bustos, S., Mite, M., y Vera, F. (2016). Control Charts with Variable Dimension for Linear Combination of Poisson Variables. Quality and Reliability Engineering International, 32(5), 1741–1755. Descargado de https://onlinelibrary.wiley.com/doi/abs/10.1002/qre.1910 doi: 10.1002/qre.1910

Ho, L. L., y Costa, A. F. B. (2009). Control charts for individual observations of a bivariate Poisson process. The International Journal of Advanced Manufacturing Technology, 43(7-8), 744–755. doi: 10.1007/s00170-008-1746-4

Holgate, P. (1964). Estimation for the bivariate Poisson distribution. Biometrika, 51(1-2), 241–287. doi: 10.1093/biomet/51.1-2.241  

Karlis, D., y Meligkotsidou, L. (2005). Multivariate Poisson regression with covariance structure. Statistics and Computing, 15(4), 255–265.

Karlis, D., y Ntzoufras, I. (2005). Bivariate Poisson and Diagonal Inflated Bivariate Poisson Regression Models in R. Journal of Statistical Software, 14(10), 1–36. doi: 10.18637/jss.v014.i10

Kumar, A., y Mohapatra, P. (2012). A new Approach to Design of Fuzzy Multi-Attribute Control Charts. En POMS 23rd Annual Conference (Vol. 1, pp.1–5). Chicago, Illinois, U.S.A.

Laungrungrong, B., Borror, C. M., y Montgomery, D. C. (2011). EWMA control charts for multivariate Poisson-distributed data. International Journal of Quality Engineering and Technology, 2(3), 185–211. doi: 10.1504/IJQET.2011.041227

Laviolette, M., Seaman, J. W., Barrett, J. D., y Woodall, W. H. (1995). A Probabilistic and Statistical View of Fuzzy Methods. Technometrics, 37(3), 249–261. Descargado de https://www.tandfonline.com/doi/abs/10.1080/00401706.1995.10484327 doi: 10.1080/00401706.1995.10484327

Li, J., Tsung, F., y Zou, C. (2014). Multivariate binomial/multinomial control chart. IIE Transactions, 46(5), 526–542. doi: 10.1080/0740817X.2013.849830

Li, Y., y Tsung, F. (2012). Multiple Attribute Control Charts with False Discovery Rate Control. Quality and Reliability Engineering International, 28(8), 857–871. Descargado de https://onlinelibrary.wiley.com/doi/abs/10.1002/qre.1276 doi: 10.1002/qre.1276

Lowry, C. A., Woodall, W. H., Champ, C. W., y Rigdon, S. E. (1992). A Multivariate Exponentially Weighted Moving Average Control Chart. Technometrics, 34(1), 46–53. Descargado de https://amstat.tandfonline.com/doi/abs/10.1080/00401706.1992.10485232 doi: 10.1080/00401706.1992.10485232

Lu, X. (1998). Control chart for multivariate attribute processes. International Journal of Production Research, 36(12), 3477–3489. doi: 10.1080/002075498192166

Montgomery, D. C. (2004). Control estadístico de la calidad (3.ed.). México: Limusa-Wiley.

Montgomery, D. C. (2009). Statistical Quality Control: A Modern Introduction (6.ed.). Hoboken, New Jersey: John Whiley & Sons, Inc.

Pastuizaca Fernández, M. N. (2016). Diseño y mejora de gráficos de control multivariantes para atributos. Un enfoque basado en teoría difusa. (Tesis Doctoral, Universitat Politécnica de València). doi: 10.4995/Thesis/10251/65073

Pastuizaca Fernández, M. N., Carrión García, A., y Ruiz-Barzola, O. (2015). Multivariate multinomial T2 control chart using fuzzy approach. International Journal of Production Research, 53(7), 2225–2238. doi: 10.1080/00207543.2014.983617

Qiu, P. (2008). Distribution-free multivariate process control based on log-linear modeling. IIE Transactions, 40(7), 664–677. doi: 10.1080/07408170701744843

Qiu, P., He, Z., y Wang, Z. (2019). Nonparametric monitoring of multiple count data. IISE Transactions, 51(9), 972–984. doi: 10.1080/24725854.2018.1530486

Raza, M. A., y Aslam, M. (2019). Design of control charts for multivariate Poisson distribution using generalized multiple dependent state sampling. Quality Technology & Quantitative Management, 16(6), 629–650. doi: 10.1080/16843703.2018.1497935

Rowlands, H., y Wang, L. R. (2000). An approach of fuzzy logic evaluation and control in SPC. Quality and Reliability Engineering International, 16(2), 91–98. Descargado de https://onlinelibrary.wiley.com/doi/abs/10.1002/%28SICI%291099-1638%28200003/04%2916%3A2%3C91%3A%3AAID-QRE307%3E3.0.CO%3B2-9 doi: 10.1002/(SICI)1099-1638(200003/04)16:2h91::AID-QRE307i3.0.CO;2-9

Saghir, A., y Lin, Z. (2014). Control chart for monitoring multivariate COM-Poisson attributes. Journal of Applied Statistics, 41(1), 200–214. doi: 10.1080/02664763.2013.838666

Smith, J. L. (2009). Remembering Walter A. Shewhart’s Contribution to the Quality World. Quality Magazine. Descargado de https://www.qualitymag.com/articles/85973-remembering-walter-a-shewharts-contribution-to-the-quality-world

Sorooshian, S. (2013). Fuzzy Approach to Statistical Control Charts. Journal of Applied Mathematics, Special Issue. doi: 10.1155/2013/745153

Taleb, H., y Limam, M. (2005). Fuzzy Multinomial Control Charts. En S. Bandini y S. Manzoni (Eds.), Congress of the Italian Association for Artificial Intelligence 2005. AI*IA 2005: Advances in Artificial Intelligence (pp. 553–563). Springer Berlin Heidelberg. doi: 10.1007/11558590_56

Taleb, H., Limam, M., y Hirota, K. (2006). Multivariate Fuzzy Multinomial Control Charts. Quality Technology & Quantitative Management, 3(4), 437–453. doi:10.1080/16843703.2006.11673125

Wang, J.-H., y Raz, T. (1990). On the construction of control charts using linguistic variables. The International Journal of Production Research, 28(3), 477–487. doi: 10.1080/00207549008942731

Zadeh, L. A. (1965). Fuzzy sets. Information and Control, 8(3), 338–353. Descargado de http://www.sciencedirect.com/science/article/pii/S001999586590241X doi: 10.1016/S0019-9958(65)90241-X
Publicado
2020-10-14