Publicación:
Estudio del efecto de la selección de los números triangulares sobre el desempeño de los índices de capacidad de procesos fuzzy

Vista sencilla de ítem
dc.contributor.advisorCogollo Flórez, Myladis Rociospa
dc.contributor.advisorCogollo Flórez, Juan Miguelspa
dc.contributor.authorMejía López, Einer David
dc.date.accessioned2022-10-04T15:54:11Z
dc.date.available2023-10-05
dc.date.available2022-10-04T15:54:11Z
dc.date.issued2022-10-05
dc.description.abstractLa evaluación del grado de cumplimiento de las especificaciones de los procesos de producción, es una labor continua y de interés para distintas industrias para determinar si el proceso es valido en la producción de un articulo bajo ciertos requisitos de calidad prefijados. Para ello, una de las herramientas empleadas son los índices de capacidad de procesos, los cuales permiten evaluar la capacidad de un proceso. Se utilizan varias estadísticas como Cp, Cpk, Cpm y Cpmk para estimar la capacidad de un proceso que en la mayoría de los casos se supone que se tiene una muestra grande con población Normal. Cuando los límites de especificación o los estadísticos no son números concretos, la mejor elección es emplear un enfoque difuso para calcular dichos índices. Se realiza una revisión de la literatura sobre los índices de capacidad de procesos difusos y se encuentra que hasta la fecha, no se han explorado técnicas diferentes a los intervalos de confianza para elegir los números triangulares que intervienen en la construcción de los mismos. En esta investigación se calcula formalmente el Cpm, bajo enfoques distintos de construcción de los números triangulares USL, LSL y T, asumiendo a su vez la imprecisión de la media y dispersión del proceso. Este estudio se realiza vía simulación considerando las distribuciones Log − normal y Gamma debido a la variedad de formas asimétricas sesgadas positivamente y dos conjuntos de datos recolectados durante 27 semanas en la Universidad de Valparaíso-Chile para estudiar el efecto de estas selecciones en el desempeño de dicho índice. Los resultados hallados al examinar las diferentes formas de construcción de los números triangulares usando datos reales, demuestran que este es un enfoque útil y confiable para aplicar en las diferentes industrias.spa
dc.description.degreelevelPregradospa
dc.description.degreenameEstadístico(a)spa
dc.description.modalityTrabajos de Investigación y/o Extensiónspa
dc.description.tableofcontentsResumen XIspa
dc.description.tableofcontentsAgradecimientos XVspa
dc.description.tableofcontentsIntroducción 1spa
dc.description.tableofcontents1. Fundamentación 5spa
dc.description.tableofcontents1.1. Índices de capacidad de procesos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5spa
dc.description.tableofcontents1.2. Teoría Fuzzy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7spa
dc.description.tableofcontents1.2.1. Conjuntos Fuzzy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7spa
dc.description.tableofcontents1.2.2. α−Cortes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8spa
dc.description.tableofcontents1.2.3. Números Fuzzy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9spa
dc.description.tableofcontents1.3. Índices de procesos de capacidad fuzzy . . . . . . . . . . . . . . . . . . . . . . . . . . 9spa
dc.description.tableofcontents1.4. Enfoque de estimación de Buckley . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11spa
dc.description.tableofcontents1.4.1. Algoritmo EDICP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12spa
dc.description.tableofcontents1.5. Estimación fuzzy del índice Cpm: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12spa
dc.description.tableofcontents2. Estado del arte 15spa
dc.description.tableofcontents3. Análisis del diferencial asociado al número triangular en el Cpm fuzzy 17spa
dc.description.tableofcontents4. Estudio de simulación y resultados 23spa
dc.description.tableofcontents4.1. Resultados para una distribución Gamma(α, β) . . . . . . . . . . . . . . . . . . . . . 24spa
dc.description.tableofcontents4.2. Resultados para una distribución Lognormal(α, β) . . . . . . . . . . . . . . . . . . . 31spa
dc.description.tableofcontents4.3. Análisis de la Capacidad en el Cpm fuzzy de los datos simulados . . . . . . . . . . . 39spa
dc.description.tableofcontents5. Aplicación 41spa
dc.description.tableofcontents5.1. Estudio de caso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41spa
dc.description.tableofcontents5.2. Conjunto de datos para el estudio de caso . . . . . . . . . . . . . . . . . . . . . . . . 43spa
dc.description.tableofcontents5.2.1. Conjunto de datos I . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43spa
dc.description.tableofcontents5.2.2. Conjunto de datos II . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43spa
dc.description.tableofcontents5.2.3. Estadísticas descriptivas de los conjuntos de datos y pruebas de bondad de ajuste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44spa
dc.description.tableofcontents5.2.4. Capacidad del proceso Cpm . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50spa
dc.description.tableofcontents6. Conclusiones y recomendaciones 57spa
dc.description.tableofcontents6.1. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57spa
dc.description.tableofcontents6.2. Recomendaciones y futuras investigaciones . . . . . . . . . . . . . . . . . . . . . . . . 58spa
dc.description.tableofcontentsA. Código de simulación en R 63spa
dc.format.mimetypeapplication/pdfspa
dc.identifier.urihttps://repositorio.unicordoba.edu.co/handle/ucordoba/6685
dc.language.isospaspa
dc.publisher.facultyFacultad de Ciencias Básicasspa
dc.publisher.placeMontería, Córdoba, Colombiaspa
dc.publisher.programEstadísticaspa
dc.rightsCopyright Universidad de Córdoba, 2022spa
dc.rights.accessrightsinfo:eu-repo/semantics/embargoedAccessspa
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)spa
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/spa
dc.subject.keywordsFuzzy seteng
dc.subject.keywordsProcess capability indiceseng
dc.subject.keywordsFuzzy estimationeng
dc.subject.keywordsConfidence intervals.eng
dc.subject.proposalConjunto difusospa
dc.subject.proposalÍndices de capacidad de procesosspa
dc.subject.proposalEstimación difusaspa
dc.subject.proposalIntervalos de confianzaspa
dc.titleEstudio del efecto de la selección de los números triangulares sobre el desempeño de los índices de capacidad de procesos fuzzyspa
dc.typeTrabajo de grado - Pregradospa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1fspa
dc.type.contentTextspa
dc.type.driverinfo:eu-repo/semantics/bachelorThesisspa
dc.type.redcolhttps://purl.org/redcol/resource_type/TP
dc.type.versioninfo:eu-repo/semantics/submittedVersionspa
dcterms.referencesA. Parchami, B. Sadeghpour-Gildeh, M. N., and Mashinchi, M. A new generation of process capability indices based on fuzzy measurements. Journal of Applied Statistics 41, 5 (2014), 1122–1136.spa
dcterms.referencesArnold, B. F. An approach to fuzzy hypothesis testing. Metrika 44 (1996), 119–126.spa
dcterms.referencesArnold, B. F. Testing fuzzy hypothesis with crisp data. Fuzzy Sets and Systems 94, 2 (1998), 323–333.spa
dcterms.referencesBellman, R. E., and Zadeh, L. A. Decision-making in the fuzzy environment. Management Science 17B (1970), 141–164.spa
dcterms.referencesBoyles, R. A. Process capability with asymmetric tolerance. Communication in Statistics: Simulation and Computation 23, 3 (1994), 615–643.spa
dcterms.referencesBuckley, J. Fuzzy statistics: Hypothesis testing, soft computing. To appear 172 (2004), 1–40.spa
dcterms.referencesBuckley, J. Fuzzy statistics: Hypothesis testing. Soft Computing 9 (2005), 512–518.spa
dcterms.referencesBuckley, J., and Eslami, E. Uncertain probability ii: the continuous case. 193–199.spa
dcterms.referencesBuckley, J. J. Uncertain probability iii: the continuous case. 200–206.spa
dcterms.referencesCasals, M. R., and Gil, P. A note on the operativeness of neymann–pearson tests with fuzzy information. Fuzzy Sets and Systems 30 (1989), 215–220.spa
dcterms.referencesCasals, M. R., and Gil, P. Bayesian sequential test for fuzzy parametric hypotheses from fuzzy information. Information Sciences 80 (1994), 283–298.spa
dcterms.referencesChao, M. T., and Lin, D. K. Another look at the process capability index. Quality and Reliability Engineering International 22, 2 (2006), 153–163.spa
dcterms.referencesChien, W. W., and Liao, M. Y. Estimating and testing process yield with imprecise data. Expert Systems with Applications 36 (2009), 11006–11012.spa
dcterms.referencesClements, J. Process capability calculations for non-normal distributions. Qual. Prog. 22 (1989), 95–100.spa
dcterms.referencesGutiérrez, H., and la Vara, R. D. Statistical Quality Control and six sigma,3 ed. JMc- GrawHill, México, 2013.spa
dcterms.referencesHsiang, T., and Taguchi, G. Tutorial on quality control and assurance—the taguchi methods. Joint Meetings of the American Statistical Association, Las Vegas, Nevada (1985), 188.spa
dcterms.referencesJ.M. Cogollo, M. C., and Flórez, A. Estimating process capability indices for inaccurate and non-normal data: A systematic literature review. QUALITY MANAGEMENT 161 18 (2017).spa
dcterms.referencesKane, V. Process capability indices. journal of quality technology. Journal of Quality Technology 20 18 (1986), 41–52.spa
dcterms.referencesKaya, I., and Kahraman, C. Fuzzy process capability indices with asymmetric tolerances. Expert Systems with Applications (2011), 14882–14890.spa
dcterms.referencesKaya, I., and Kahraman, C. Process capability analyses based on fuzzy measurements and fuzzy control charts. Expert Syst. Appl. 38 (2011), 3172–3184.spa
dcterms.referencesKotz, S., and Johnson, N. Process Capability Indices. Chapman and Hall, New York, 1993.spa
dcterms.referencesLee, H. cpk index estimation using fuzzy numbers. European Journal of Operational Research 129 (2001), 683–688.spa
dcterms.referencesL.K. Chan, S. C., and Spiring, F. A new measure of process capability: cpm. Journal of Quality Technology 20(3) (1998), 162–175.spa
dcterms.referencesM. A. Gil, N. C., and Gil, P. The minimum inaccuracy estimates in χ2 tests for goodness of fit with fuzzy observations. 95–115.spa
dcterms.referencesM. Abdolshah, R. M. Yusuff, T. S. H. M. Y. B. I., and Sadigh, A. N. Measuring process capability index cpmk with fuzzy data and compare it with other fuzzy process capability indices. Expert Systems with Applications 38, 6 (2011), 6452–6457.spa
dcterms.referencesM. R. Casals, M. A. G., and Gil, P. The fuzzy decision problem: An approach to the problem of testing statistical hypotheses with fuzzy information. 371–382.spa
dcterms.referencesMartínez, J. A. Theoretical and Practical Foundations of Nutrition and Dietetics. 1998.spa
dcterms.referencesM.L. Arteaga, M. Cogollo, J. C., and Flórez, A. Optimal estimation of process capability indices with non-normal data and inaccurate parameters using metaheuristics. QUALITY MANAGEMENT 158 18 (2017).spa
dcterms.referencesMontgomery, D. Introduction to Statistical Quality Control. John Wiley and Sons, New York, 2001.spa
dcterms.referencesParchami, A., and Mashinchi, M. Fuzzy estimation for process capability indices. Information Sciences 177 (2007), 1452–1462.spa
dcterms.referencesPearn, W., and Chen, K. Estimating process capability indices for non-normal pearson populations. Qual. Reliab. Eng. Int. 11 (1995), 386–388.spa
dcterms.referencesPearn, W., and Kotz, S. Encyclopedia and Handbook of Process Capability Indices. Series on Quality, Reliability and Engineering Statistics, vol. 12. 2006.spa
dcterms.referencesT. W. Chen, K. C., and Lin, J. Y. Fuzzy evaluation of process capability for bigger-thebest type products. International Journal of Advanced Manufacturing Technology, 21 (2003), 820–826.spa
dcterms.referencesV. Leiva, C. Marchant, H. S. M. A., and Rojas, F. Capability indices for birnbaum– saunders processes applied to electronic and food industries. Journal of Applied Statistics (2014), 1880–1902.spa
dcterms.referencesViertl, R. Statistical Methods for Non-Precise Data. CRC Press, Boca Raton, FL, 1996.spa
dcterms.referencesViertl, R. Statistical Methods for Fuzzy Data. John Wiley & Sons, New York, 2011.spa
dcterms.referencesWatanabe, N., and Imaizumi, T. A fuzzy statistical test of fuzzy hypotheses. Fuzzy Sets and Systems 53 (1993), 167–178.spa
dcterms.referencesW.L. Pearn, S. K., and Johnson, N. Distribution and inferential properties of capability indices. Journal of Quality Technology 24 (1992), 216–231.spa
dcterms.referencesYongting, C. Fuzzy quality and analysis on fuzzy probability. Fuzzy Sets and Systems 83 (1996), 283–290.spa
dcterms.referencesZadeh, L. Toward a generalized theory of uncertainty (gtu)—an outline. Information Sciences 172 (2005), 1–40.spa
dspace.entity.typePublication
oaire.accessrightshttp://purl.org/coar/access_right/c_f1cfspa
oaire.versionhttp://purl.org/coar/version/c_ab4af688f83e57aaspa
Archivos
Bloque original
Mostrando 1 - 2 de 2
Miniatura
Nombre:
Mejia Lopez, Einer David.pdf
Tamaño:
4.6 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
No hay miniatura disponible
Nombre:
Formato de Autorización.pdf
Tamaño:
256.71 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
14.48 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
Colecciones
B.F.A. Trabajos de Investigación y/o Extensión