Gráfica EWMA (media móvil ponderada exponencialmente)

Una gráfica EWMA (de media móvil ponderada exponencialmente) detecta desplazamientos pequeños y sostenidos de la media del proceso calculando un promedio ponderado de todas las observaciones pasadas y actuales, en el que los datos más recientes tienen el mayor peso y las observaciones más antiguas aportan cada vez menos. Este esquema de ponderación hace que la gráfica sea muy sensible a la deriva gradual del proceso y reaccione menos a picos aleatorios aislados.

Última revisión:

Idea clave

Una gráfica EWMA (de media móvil ponderada exponencialmente) detecta desplazamientos pequeños y sostenidos de la media del proceso calculando un promedio ponderado de todas las observaciones pasadas y actuales.

En esta página
  1. ¿Qué es una gráfica EWMA?
  2. ¿Cuándo usar una gráfica EWMA?
  3. Cómo entender lambda (λ)
  4. Pautas para el uso correcto de la gráfica EWMA
  5. Alternativas: cuándo no usar la gráfica EWMA
  6. Ejemplo de gráfica EWMA
  7. Cómo generar una gráfica EWMA

¿Qué es una gráfica EWMA?

Una gráfica EWMA (de media móvil ponderada exponencialmente) detecta desplazamientos pequeños y sostenidos de la media del proceso calculando un promedio ponderado de todas las observaciones pasadas y actuales, en el que los datos más recientes tienen el mayor peso y las observaciones más antiguas aportan cada vez menos. Este esquema de ponderación hace que la gráfica sea muy sensible a la deriva gradual del proceso y reaccione menos a picos aleatorios aislados.

El parámetro clave es lambda (λ) , la constante de suavizado, que controla cuánto peso se da a la observación más reciente. Un lambda pequeño produce más suavizado y detecta derivas lentas; un lambda mayor da una respuesta más rápida, pero mayor sensibilidad al ruido.

¿Cuándo usar una gráfica EWMA?

  • Úselo cuando necesite detectar desplazamientos pequeños y graduales de la media del proceso , normalmente cambios de 0.5 a 1.5 desviaciones estándar.
  • Úselo cuando las mediciones individuales sean continuas y se recojan en orden cronológico, ya sea como valores individuales o como medias de subgrupos.
  • Úselo cuando quiera una sensibilidad similar a la de CUSUM, pero prefiera una gráfica más sencilla e intuitiva que sea más fácil de explicar a públicos no estadísticos.
  • Úselo en procesos químicos, farmacéuticos y de fabricación de alta precisión donde las derivas lentas de las características de calidad conllevan un riesgo elevado.

Cómo entender lambda (λ)

Lambda controla la rapidez con que la gráfica responde a los cambios del proceso. La elección del lambda adecuado depende del tamaño del desplazamiento que se quiera detectar:

Valor de lambda

Comportamiento

Más adecuado para

λ = 0.05 – 0.10

Suavizado fuerte, reacción lenta

Detectar derivas muy pequeñas y lentas

λ = 0.20 (predeterminado)

Sensibilidad y suavizado equilibrados

La mayoría de las aplicaciones generales

λ = 0.40 – 0.50

Suavizado ligero, respuesta más rápida

Desplazamientos mayores, cuando se necesita una detección más rápida

λ = 1.00

Sin suavizado: se comporta como una gráfica I

Equivale a una gráfica de Shewhart estándar

Pautas para el uso correcto de la gráfica EWMA

  • Use el lambda predeterminado de 0.20 como punto de partida: ofrece un buen equilibrio entre sensibilidad y suavizado para la mayoría de los procesos.
  • Los datos deben recopilarse en estricto orden cronológico : el promedio ponderado carece de sentido si las observaciones están fuera de secuencia.
  • Los datos deben seguir una distribución aproximadamente normal para que los límites de control sean estadísticamente válidos.
  • Defina el ancho de los límites de control (L) : un valor de 3 es el predeterminado estándar y equivale a límites de 3 sigma en una gráfica tradicional.
  • Recopile al menos 20 observaciones de línea base para estimar con precisión la media y la desviación estándar del proceso antes de interpretar las señales.
  • Tras un desplazamiento confirmado del proceso, actualice el valor objetivo del proceso y reinicie la gráfica: seguir usando un valor objetivo desactualizado producirá señales engañosas.

Alternativas: cuándo no usar la gráfica EWMA

  • Si necesita detectar desplazamientos grandes y repentinos del proceso, use en su lugar la gráfica I-MR o la gráfica XBarra-R : las gráficas de Shewhart detectan más rápido los cambios bruscos.
  • Si el objetivo principal es detectar tendencias graduales, pero se prefiere la simplicidad, use la gráfica de media móvil
  • Si necesita la mayor sensibilidad posible a desplazamientos pequeños con una optimización estadística formal, use la gráfica CUSUM
  • Si los datos son de atributos (recuentos o proporciones), use gráficas de atributos adecuadas, como las gráficas P, NP, P’ de Laney, C o U
  • Si el proceso no tiene un valor objetivo ni una media de línea base establecidos, la gráfica EWMA no puede configurarse correctamente: recopile primero suficientes datos de línea base.

Ejemplo de gráfica EWMA

Un ingeniero de calidad de una empresa de fabricación de plásticos quiere asegurarse de que el proceso de producción por lotes se mantenga uniforme y bajo control. Para monitorearlo, el ingeniero registra la concentración de pigmento de cada uno de los 35 lotes de producción. El gerente sigue estos pasos:

  1. Se reunieron los datos necesarios.
EWMA Chart — figure 1

2. Ahora se analizan los datos en Zometric Statistical Software en https://statsai.zometric.com/.

3. Para encontrar la gráfica EWMA, elija Statistical module> Control Chart> EWMA Chart.

4. Dentro de la herramienta, se introducen los datos junto con otros parámetros de la siguiente manera:

EWMA Chart — figure 2

5. Tras usar la herramienta indicada, se obtiene la siguiente salida:

EWMA Chart — figure 3

Cómo generar una gráfica EWMA

La guía es la siguiente:

  1. Inicie sesión en Zometric Statistical Software en https://statsai.zometric.com/
  2. En la página de inicio, elija Statistical Tool> Control Chart >EWMA Chart .
  3. A continuación, introduzca los datos manualmente o copie todos los datos (Ctrl+C) de una hoja de Excel y péguelos (Ctrl+V) aquí.
  4. Por último, haga clic en calculate en la parte inferior de la página para obtener los resultados deseados.

En el tablero de EWMA Chart, la ventana está dividida en dos partes.

EWMA Chart — figure 4

En la parte izquierda se encuentra el panel de datos (Data Pane). Los datos pueden introducirse manualmente, o bien copiarse por completo (Ctrl+C) desde una hoja de Excel y pegarse (Ctrl+V) aquí.

Load example: Se cargarán los datos de ejemplo.

Load File: Se usa para cargar directamente los datos de Excel.

En la parte derecha hay numerosas opciones, como las siguientes:

Observation Column Seleccione la o las columnas que contienen los datos de medición. Use Ctrl o Command + clic para seleccionar varias columnas. Son los valores individuales o de subgrupos (como dimensiones, pesos o temperaturas) que la gráfica usará para calcular las medias móviles ponderadas exponencialmente y vigilar los desplazamientos graduales del proceso a lo largo del tiempo.

  • Subgroup Size Column Seleccione la columna que identifica a qué subgrupo pertenece cada observación cuando los tamaños de subgrupo varían entre períodos. Debe indicarse este campo o Subgroup, pero no ambos. Úselo cuando el número de mediciones por subgrupo no sea constante en todo el conjunto de datos.
  • Subgroup Introduzca un número fijo si todos los subgrupos contienen el mismo número de observaciones. Si se establece en 1, la gráfica monitorea directamente las mediciones individuales. Si es mayor que 1, primero se calculan las medias de los subgrupos y después se aplica el EWMA a esos promedios de subgrupo.
  • Weight of EWMA (Lambda λ) El ajuste más importante de la gráfica EWMA. Lambda controla cuánto peso se da a la observación más reciente frente a las más antiguas al calcular cada valor representado. Debe estar entre 0 y 1:
  • Small lambda (0.05–0.10) : asigna más peso a los datos históricos y produce un suavizado fuerte. Es lo más adecuado para detectar derivas muy pequeñas y lentas, pero reacciona más despacio a los cambios repentinos.
  • Default lambda (0.20) : el punto de partida recomendado para la mayoría de los procesos, que equilibra la sensibilidad a desplazamientos pequeños con una velocidad de respuesta razonable.
  • Large lambda (0.40–1.00) : asigna más peso a los datos recientes, por lo que reacciona más rápido a los cambios pero suaviza menos. Con lambda = 1, la gráfica se comporta exactamente como una gráfica I estándar, sin suavizado.
  • Mean Opcional. Si conoce o ha establecido históricamente una media objetivo del proceso, introdúzcala aquí. Cuando se indica, la gráfica usa este valor para situar la línea central y calcular directamente los límites de control, en lugar de estimar la media a partir del conjunto de datos actual, lo que produce límites más estables que reflejan una línea base del proceso validada.
  • Standard Deviation Opcional. Si conoce o ha validado históricamente la desviación estándar, introdúzcala aquí. Cuando se indica, este valor se usa directamente para escalar los límites de control del EWMA en lugar de estimar la dispersión a partir de los datos; es útil cuando ya existe una línea base del proceso fiable y se desea un cálculo de límites coherente y estable.
  • SD Estimation Method for Subgroup Size = 1 Controla cómo se estima la desviación estándar cuando los datos son mediciones individuales. Hay dos opciones disponibles:
  • Average Moving Range : estima la desviación estándar promediando los rangos móviles entre observaciones consecutivas. Es el valor predeterminado estándar y funciona de forma fiable en la mayoría de los procesos de mediciones individuales.
  • Median Moving Range : usa en su lugar la mediana de los rangos móviles, lo que hace la estimación más robusta frente a la influencia de valores atípicos o picos de datos inusuales.
  • SD Estimation Method for Subgroup Size > 1 Controla cómo se estima la desviación estándar cuando los datos se recopilan en subgrupos de dos o más. Hay tres opciones disponibles:
  • Pooled Stdev : combina las desviaciones estándar de todos los subgrupos en una única estimación combinada (pooled), que ofrece una medida global estable y precisa de la variación dentro de los subgrupos.
  • Rbar : estima la desviación estándar a partir del promedio de los rangos de los subgrupos. Es sencillo y fiable para tamaños de subgrupo de 2 a 8.
  • Sbar : estima la desviación estándar a partir del promedio de las desviaciones estándar de los subgrupos. Es más preciso que Rbar para tamaños de subgrupo mayores que 8.
  • Check Rule 1 — 1 point > K standard deviations from centre line Activa la regla principal de detección de fuera de control. Cuando está activada, cualquier valor EWMA representado que quede más allá de K desviaciones estándar de la línea central se señala como una señal. El valor predeterminado de K es 3, que corresponde a los límites de control estándar de ±3 sigma. Los valores menores de K hacen la regla más sensible y detectan desviaciones más pequeñas; los valores mayores reducen las falsas alarmas, pero exigen un desplazamiento mayor antes de señalar.
  • Length Moving Range Define cuántas observaciones consecutivas se usan para calcular cada valor del rango móvil al estimar la desviación estándar. El valor predeterminado es 2, lo que significa que cada rango móvil es la diferencia absoluta entre dos mediciones consecutivas. Aumentar este valor produce una estimación más suave de la desviación estándar, pero reduce la sensibilidad a los cambios de variación a corto plazo.
  • Use Unbiasing Constant Cuando está marcada, aplica un factor de corrección estadístico que elimina el pequeño sesgo matemático que aparece de forma natural al estimar la desviación estándar a partir de datos muestrales. Esto mejora la exactitud del cálculo de los límites de control y se recomienda mantenerla activada para obtener resultados más precisos y fiables.

Preguntas frecuentes

¿Qué es una gráfica EWMA?

Una gráfica EWMA (de media móvil ponderada exponencialmente) detecta desplazamientos pequeños y sostenidos de la media del proceso al representar un promedio ponderado de todas las observaciones pasadas y actuales. Los puntos más recientes tienen el mayor peso, por lo que la gráfica es sensible a la deriva gradual del proceso y reacciona menos a picos aleatorios aislados.

¿Qué valor de lambda se debe usar en una gráfica EWMA?

Lambda (λ), definido entre 0 y 1, controla cuánto peso recibe la observación más reciente. El valor predeterminado de 0.20 equilibra sensibilidad y suavizado para la mayoría de los procesos. Los valores de 0.05 a 0.10 suavizan mucho para detectar derivas muy pequeñas y lentas, de 0.40 a 0.50 responden más rápido a desplazamientos mayores, y con 1.00 la gráfica se comporta como una gráfica I.

¿Cuándo conviene usar una gráfica EWMA en lugar de una gráfica I-MR o XBarra-R?

Use una gráfica EWMA para detectar desplazamientos pequeños y graduales de la media del proceso, normalmente de 0.5 a 1.5 desviaciones estándar. Para desplazamientos grandes y repentinos, las gráficas I-MR o XBarra-R detectan más rápido los cambios bruscos. Si necesita la mayor sensibilidad posible a desplazamientos pequeños con una optimización estadística formal, use una gráfica CUSUM.

¿Cuáles son los requisitos para usar una gráfica EWMA?

Los datos deben ser continuos, recopilarse en estricto orden cronológico y seguir una distribución aproximadamente normal para que los límites de control sean válidos. Recopile al menos 20 observaciones de línea base para estimar la media y la desviación estándar del proceso antes de interpretar las señales. Un ancho de los límites de control (L) de 3 es el valor predeterminado estándar, equivalente a límites de 3 sigma.