Gráfico de control EWMA adaptativo utilizando un enfoque bayesiano bajo esquemas de muestreo por conjuntos clasificados con aplicación al proceso de Hard Bake.

Los gráficos de control de tipo memoria, como la suma acumulativa (CUSUM) y el gráfico de control de promedio móvil ponderado exponencialmente (EWMA), son más deseables para detectar un cambio pequeño o moderado en el proceso de producción de un parámetro de localización. En este artículo, se propone un nuevo gráfico de control EWMA adaptativo bayesiano (AEWMA) que utiliza diseños de muestreo por conjuntos clasificados (RSS) bajo dos funciones de pérdida diferentes, es decir, la función de pérdida de error cuadrático (SELF) y la función de pérdida linex (LLF), y con una distribución a priori informativa para monitorear el cambio de media del proceso normalmente distribuido. Se utiliza el método extenso de simulación de Monte Carlo para verificar el rendimiento del gráfico de control bayesiano-AEWMA sugerido utilizando esquemas RSS. La efectividad del gráfico de control AEWMA propuesto se evalúa a través de la longitud media de carrera (ARL) y la desviación estándar de la longitud de carrera (SDRL). Los resultados indican que el gráfico de control bayesiano propuesto que aplica esquemas RSS es más sensible para detectar cambios de media que el gráfico de control bayesiano AEWAM existente basado en muestreo aleatorio simple (SRS). Finalmente, para demostrar la efectividad del gráfico de control bayesiano-AEWMA propuesto bajo diferentes esquemas RSS, presentamos un ejemplo numérico que involucra el proceso de hard-bake en la fabricación de semiconductores. Nuestros resultados muestran que el gráfico de control bayesiano-AEWMA que utiliza esquemas RSS supera los gráficos de control EWMA y AEWMA que utilizan el enfoque bayesiano bajo muestreo aleatorio simple en la detección de señales fuera de control.