Un gráfico de control EWMA (gráfico de media móvil ponderada exponencialmente) traza un promedio ponderado de todas las mediciones hasta la fecha, dando mayor peso a las lecturas recientes, de modo que pequeños desplazamientos sostenidos de 0.5 a 1.5 sigma en la media del proceso señalan mucho antes de que cualquier punto aislado supere un límite. Introducido por S. W. Roberts en 1959, cierra el mayor punto ciego del clásico gráfico de Shewhart: derivaciones lentas por desgaste de la herramienta, obstrucción de la boquilla, incremento de temperatura o una calibración que se desliza. Cada punto trazado lleva la memoria de todo lo anterior, acumulando pruebas débiles que ninguna medición aislada podría aportar.
Un gráfico de individuos de Shewhart juzga cada medición aisladamente contra límites a tres desviaciones estándar de la línea central, lo que detecta bien fallos grandes y bruscos pero es casi ciego a fallos pequeños y persistentes. Si la media deriva una sigma, un gráfico de Shewhart tarda en señalizar en promedio alrededor de 44 muestras; para un desplazamiento de 0.5 sigma, más de 150. Un gráfico EWMA bien ajustado marca los mismos desplazamientos en aproximadamente 10 y 30 muestras respectivamente.
Reglas complementarias de corrida como las reglas de Nelson estrechan la brecha, pero cada regla añadida aumenta la tasa de falsas alarmas. El gráfico EWMA, parte de la caja de herramientas más amplia del control estadístico de procesos, ataca el problema directamente: en lugar de preguntar si un punto es inusual, pregunta si lo es la historia ponderada reciente.
Cada valor trazado combina la lectura más reciente con el valor EWMA trazado anterior: nuevo EWMA = lambda por la nueva medición, más (1 - lambda) por el EWMA anterior. La constante de suavizado lambda (entre 0 y 1) establece qué tan rápido se desvanece la información antigua: con lambda = 0.2 la lectura más nueva tiene el 20 por ciento del peso, la anterior el 16 por ciento, y así sucesivamente. El gráfico comienza en el objetivo del proceso, con límites de control a L desviaciones estándar de la estadística EWMA a cada lado; esa desviación estándar equivale a la sigma del proceso multiplicada por la raíz cuadrada de lambda dividido por (2 - lambda). Los límites exactos son algo más estrechos en las primeras muestras mientras la varianza de la estadística se acumula.
Lambda es la perilla de sensibilidad: lambda = 1 reproduce exactamente un gráfico de Shewhart, mientras que valores más pequeños alargan la memoria y aumentan la sensibilidad a desplazamientos menores.
Combine lambda con L según tablas publicadas de longitud media de corrida (ARL) para que la tasa de falsas alarmas en control coincida con la de un gráfico de Shewhart a 3 sigma: L = 2.62 para lambda 0.05, L = 2.81 para lambda 0.10, L = 2.96 para lambda 0.20.
Una línea de embotellado tiene como objetivo 250.0 ml con sigma 2.0 ml, graficando botellas individuales. Con lambda = 0.2 y L = 3, la desviación estándar del EWMA es 2.0 multiplicado por la raíz cuadrada de (0.2 / 1.8), o 0.667 ml, por lo que los límites son 248.0 y 252.0. Después de un error en el cambio de formato la media verdadera se desplaza a 252.0 ml, un sobrellenado de una sigma. Comenzando el EWMA en 250.00:
Cada lectura cruda estuvo entre 251.5 y 253.4, muy dentro de los límites de Shewhart de 244 a 256, por lo que un gráfico de individuos habría permanecido en silencio durante docenas más de botellas mientras la línea regalaba producto en cada llenado.
Un gráfico EWMA solo es tan bueno como los datos que lo alimentan, y esa capa de datos es lo que Fabrico proporciona: monitorización de OEE y producción en tiempo real, incluida visión por ordenador en máquinas sin PLC, para que los ingenieros trabajen con datos de máquina en vivo y fiables en lugar de transcripciones de fin de turno. Cuando un gráfico señaliza, el CMMS listo para el campo de Fabrico convierte la alarma en acción: una orden de trabajo con historial del activo adjunto, cronogramas preventivos ajustados, repuestos verificados, todo con una pista de auditoría. Construido en la UE con residencia de datos en la UE, Fabrico es la base de datos en tiempo real debajo de cualquier herramienta SPC que su equipo de calidad utilice encima.
Empiece con lambda = 0.2 y L cercano a 3. Si su modo de fallo costoso es una deriva muy lenta cerca de 0.5 sigma, reduzca lambda a 0.05 o 0.10 y ajuste L a partir de una tabla de ARL para mantener la tasa de falsas alarmas aceptable.
Sí, ese es su uso más común. Estime la sigma a partir del rango móvil promedio de una línea base estable. Con lambda pequeño la estadística EWMA es cercana a normal incluso cuando las lecturas individuales están sesgadas, lo que la hace más robusta que un gráfico de individuos.
Una media móvil simple pondera igualmente los últimos n puntos y elimina bruscamente el más antiguo, provocando saltos cuando un valor extremo abandona la ventana. EWMA hace que los pesos decaigan suavemente y nunca elimina totalmente la información antigua, proporcionando una detección más estable con la misma tasa de falsas alarmas.
¿Listo para alimentar sus gráficos de control con datos de producción en vivo y convertir cada señal en una orden de trabajo asignada? Reserve una demo de Fabrico.
Iniciar sesión
Blog
