Las gráficas de control multivariadas son un tipo de gráfica de control de variables que muestra cómo las variables correlacionadas o dependientes influyen en forma conjunta en un proceso o resultado. Por ejemplo, puede utilizar una gráfica de control multivariada para investigar si la temperatura y la presión se encuentran bajo control en la producción de piezas plásticas moldeadas por inyección.
Si los datos incluyen variables correlacionadas, entonces crear gráficas de control separadas para cada variable podría conducir a una interpretación errónea, debido a que las variables en conjunto afectan el proceso. Si usted utiliza gráficas de control univariadas separadas en una situación multivariada, el error de tipo I y la probabilidad de que un punto caiga correctamente dentro de los límites de control no es igual a sus valores esperados. La distorsión de estos valores aumenta con el número de variables de medición.
Sin embargo, las gráficas de control multivariadas son más difíciles de interpretar que las gráficas de control clásicas de Shewhart. Por ejemplo, la escala de las gráficas de control multivariadas no está relacionada con la escala de ninguna de las variables. Además, las señales de fuera de control en gráficas de control multivariadas no revelan cuál variable (o combinación de variables) causó la señal.
Minitab también ofrece una gráfica de combinación, la gráfica de control de varianza generalizada T2. Utilícela para visualizar al mismo tiempo la media del proceso y la variación del proceso.
La gráfica T2 y la de varianza generalizada es la contraparte multivariada de las gráficas Xbarra-R, Xbarra-S y I-MR .
Las gráficas EWMA multivariadas (MEWMA) son más sensibles a pequeños cambios en las medias de las variables que la gráfica T2 y de varianza determinada. Sin embargo, para monitorear la varianza generalizada tiene que crear una tabla separada.