En 7 día(s), 11 hora(s) y 51 minuto(s): El Repositorio Institucional UNAL informa a la comunidad universitaria que, con motivo del periodo de vacaciones colectivas, el servicio de publicación estará suspendido: Periodo de cierre: Del 20 de diciembre al 18 de enero de 2026. Sobre los depósitos: Durante este tiempo, los usuarios podrán continuar realizando el depósito respectivo de sus trabajos en la plataforma. Reanudación: Una vez reiniciadas las actividades administrativas, los documentos serán revisados y publicados en orden de llegada.

Carta de control multivariada sin distribución para datos funcionales y vectoriales híbridos

Cargando...
Miniatura

Document language:

Español

Título de la revista

ISSN de la revista

Título del volumen

Documentos PDF

Resumen

Esta tesis propone una metodología de monitoreo en Fase II para procesos funcionales multivariados híbridos, que combinan una parte funcional y una parte vectorial multivariada. La Metodología emplea una carta de control que tiene en cuenta la correlación entre funciones y vectores, y se fundamenta en el análisis de componentes principales, híbridos y componentes sensibles. Mediante simulaciones, se evidencia la efectividad de la metodología para detectar cambios de distintas magnitudes en diferentes escenarios, tales como distribuciones, tamaños de muestra y configuraciones de media fuera de control. Además, se muestra que la metodología es más eficiente que el seguimiento por separado de las partes funcional y vectorial. Finalmente, se ilustra la aplicación de la metodología a casos reales de producción de maíz y ray-grass italiano, demostrando su utilidad para el control de calidad en la producción agrícola. (Texto tomado de la fuente).

Abstract

This thesis proposes a Phase II monitoring methodology for hybrid multivariate functional processes that combine a functional component and a multivariate vector component. The methodology employs a control chart that takes into account the correlation between functions and vectors, and it is grounded in the analysis of hybrid principal components and sensitive components. Through simulations, the effectiveness of the methodology in detecting changes of various magnitudes in different scenarios, such as distributions, sample sizes, and out-of-control mean configurations, is demonstrated. Furthermore, it is shown that the methodology is more efficient than separately monitoring the functional and vectorial components. Finally, the application of the methodology to real cases of corn and Italian ryegrass production is illustrated, demonstrating its utility for quality control in agricultural production.

Descripción

ilustraciones, diagramas

Palabras clave

Citación