Eine adaptive exponentiell gewichtete gleitende Durchschnittskontrollkarte quotYakir et al. (1999) und Krieger et al. (2003) betrachtet das lineare Post-Change-Modell. Capizzi und Mascrotto (2003) schlugen ein adaptives EWMA-Verfahren vor. Ein adaptives Shiryayev-Roberts-Verfahren unter Verwendung der adaptiven Schätzer wird in Lorden und Pollak (2005) betrachtet. ZUSAMMENFASSUNG: In dieser Arbeit betrachten wir eine adaptive sequentielle CUSUM-Prozedur in einer exponentiellen Familie, in der die Veränderungspunkte und die Nachveränderungsparameter adaptiv geschätzt werden. Es wird gezeigt, dass das adaptive CUSUM-Verfahren bei der ersten Ordnung effizient ist. Die bedingten Vorspannungen der Schätzung für den Änderungspunkt und den Nachveränderungsparameter werden untersucht. Der Vergleich mit dem klassischen CUSUM-Verfahren erfolgt im Normalfall. Für die Demonstration werden der Nilfluss und die durchschnittlichen globalen Temperaturdatensätze verwendet. Yanhong Wu setzt den exponentiell gewichteten gleitenden Durchschnitt ein und verwendet max (, k1, n (,)) als adaptive Schätzung. Die EWMA als Control Charting Tool wurde ausführlich in der Literatur studiert und ein adaptives EWMA Verfahren ist in Capizzi und Mascrotto (2003) zu sehen. Ein Vorteil der EMMA-Schätzung ist, dass sie die aktuelle mittlere Schätzung für flexiblere post-change-Mittelstrukturen gibt. Volltext-Konferenzpapier Aug 2015 Internationales Journal für Produktionsforschung Yanhong Wu quotWenn ein spezifiziertes k 1 von der Größe k eines realen geänderten Mittels verschieden ist, können die Kontrolldiagramme, die auf den Likelihood-Verhältnismethoden basieren, schlecht ausführen. Im univariaten Fall wurden adaptive Systeme (Sparks 2000 Capizzi und Masarotto 2003 Shu und Jiang 2006 Jiang, Shu und Apley 2008 Shu, Jiang und Wu 2008 Wu et al., 2009) weitgehend verwendet, um dieses Problem zu überwinden. In diesem Abschnitt stellen wir die adaptive Version des MASC-Charts vor. Ähnlich dem univariaten CUSUM-Diagramm kann ein multivariates CUSUM-Diagramm (MCUSUM) entworfen werden, um eine bestimmte Größe der mittleren Verschiebung basierend auf dem Schema eines sequentiellen Wahrscheinlichkeitsverhältnistests für den Nicht-Zentralitätsparameter optimal zu erfassen. Jedoch ist im multivariaten Fall das Wahrscheinlichkeitsverhältnis eines sequentiellen Tests mathematisch nicht behebbar, und die Teststatistik, die auf dem Verhältnis basiert, besitzt keinen geschlossenen Formausdruck, was es für eine reale Anwendung unpraktisch macht. Wir fahren ein ungefähres Log-Likelihood-Verhältnis und schlagen ein multivariates statistisches Prozesskontrolldiagramm auf der Basis eines sequentiellen 2 Tests vor, um eine Änderung des Nicht-Zentralitätsparameters zu detektieren. Die statistischen Eigenschaften der vorgeschlagenen Teststatistik werden untersucht. Die durchschnittliche Durchlauflänge (ARL) der vorgeschlagenen Diagramme wird mit anderen MCUSUM-Diagrammen für die Prozessmittelüberwachung verglichen. Die experimentellen Ergebnisse zeigen, dass die vorgeschlagenen Diagramme überlegene, sowohl Null-Zustand und Steady-State, ARL Leistung über einen weiten Bereich von mittleren Verschiebungen, vor allem, wenn die Dimension der Messungen ist groß. Volltext-Artikel Sep 2014Adaptive EWMA-Verfahren für die Überwachung von Prozessen abhängig von linearen Drifts Yan Su a Lianjie Shu b ,. Kwok-Leung Tsui c. Institut für Technologie, Atlanta, GA 30332, USA Erhalten am 22. November 2010. Überarbeitete Fassung der Fakultät für Wirtschaftswissenschaften an der University of Macau 11. April 2011. Akzeptiert am 14. April 2011. Verfügbar online 20. April 2011. Die herkömmlichen Methoden der statistischen Prozesskontrolle (SPC) haben sich vor allem auf die Erkennung von Schrittänderungen in den Prozessmitteln konzentriert. Es gibt jedoch oft Einstellungen zum Überwachen linearer Drifts in Prozessmitteln, z. B. Die allmähliche Veränderung durch Werkzeugverschleiß oder ähnliche Ursachen. Die von Yashchin (1995) vorgeschlagenen adaptiven exponentiell gewichteten gleitenden Durchschnitt (AEWMA) - Verfahren haben sehr viel Aufmerksamkeit hauptsächlich für die Schätzung und Überwachung der Schrittmittelverschiebungen erhalten. Dieses Papier analysiert die Leistung von AEWMA-Schemata bei der Signalisierung von linearen Drifts. Zur Berechnung der durchschnittlichen Lauflänge (ARL) von AEWMA-Plänen unter linearen Drifts im Mittel wird ein numerisches Verfahren auf Basis des Integralgleichungsansatzes vorgestellt. Die Vergleichsergebnisse begünstigen das AEWMA-Diagramm unter linearen Drifts. Einige Richtlinien für das Entwerfen von AEWMA-Diagrammen zur Erfassung linearer Drifts werden vorgestellt. Durchschnittliche Lauflänge Integrale Gleichung Linearer Trend Statistische Prozesssteuerung Exponentiell gewichteter gleitender DurchschnittAnpassungsfähiges, exponentiell gewichtetes gleitendes Durchschnittskontrolldiagramm für die Überwachung von Prozessabweichungen Das exponentiell gewichtete gleitende Mittel (EWMA) - Regelschema ist effizient bei der Erfassung kleiner Änderungen von Prozessparametern, jedoch weniger effizient bei Änderungen Sind aufgrund des sogenannten Trägheitsproblems relativ groß. Um die Trägheit zu vermindern, wurde ein adaptives EWMA-Diagramm (AEWMA) vorgeschlagen, um die Standorte zu überwachen, um die traditionellen EWMA-Diagramme zu verbessern. Die Grundidee des AEWMA-Schemas besteht darin, die bisherigen Beobachtungen nach einer geeigneten Funktion des aktuellen Vorhersagefehlers dynamisch zu gewichten. Dieser Artikel erweitert die Idee des AEWMA-Diagramms zur Überwachung der Prozessstandorte auf den Fall der Überwachung der Prozessdispersion. Ein Markov-Kettenmodell wird erstellt, um das vorgeschlagene Diagramm zu analysieren und zu entwerfen. Es zeigt sich, dass die AEWMA-Dispersionstabelle besser als die EWMA - und andere Dispersionsdiagramme im Hinblick auf ihre Fähigkeit, relativ gut bei kleinen und großen Änderungen in der Prozessdispersion durchzuführen, durchführt. Möchten Sie den Rest dieses Artikels lesen. Eyvazian et al. (2008) wurde ein exponentiell gewichtetes Moving-Probe-Varianz-Diagramm vorgeschlagen, um die Prozessvarianz zu überwachen, wenn die Stichprobengröße Eins beträgt. Shu (2008) erweitert das adaptive EWMA-Diagramm für den Prozessort zur Überwachung der Prozessdispersion. Razmy und Peiris (2013) entwarfen das EWMA-Diagramm zur Überwachung standardisierter Prozessabweichungen. Zusammenfassung Das abstrakte S-2-EWMA-Regelschema zur Überwachung der Probenabweichung eines Prozesses basiert auf dem durchschnittlichen Lauflängen - (ARL-) Kriterium. Da sich die Form der Lauflängenverteilung mit der Größe der Verschiebung in der Varianz ändert, ergibt die mittlere Lauflänge (MRL) eine aussagekräftigere Erläuterung über die in der Steuerung und außer Kontrolle liegenden Leistungen eines Regelschemas. Dieses Papier schlägt die optimale Gestaltung des S-2-EWMA-Diagramms auf der Grundlage des MRL vor. Die Markov-Ketten-Technik wird verwendet, um die MRLs zu berechnen. Die Leistungen des S-2-EWMA-Diagramms, des S-2-Diagramms und des S-Diagramms werden ausgewertet und verglichen. Die MRL-Ergebnisse zeigten, dass das S-2-EWMA-Diagramm eine bessere Leistung für das Erfassen kleiner und moderater Varianzverschiebungen liefert, während nahezu die gleiche Empfindlichkeit wie die DS S-2- und S-Diagramme gegenüber großen Varianzverschiebungen aufrechterhalten wird, insbesondere wenn die Probengröße zunimmt. Artikel Jul 2015 Die weitverbreiteten Anwendungen der Attributdiagramme sind vielen Faktoren zuzuschreiben, wie der Einfachheit der Behandlung von Attributqualitätseigenschaften, der Leichtigkeit der Kommunikation zwischen den Menschen auf verschiedenen Ebenen und der Prävalenz von Zähldaten in vielen Nicht-Herstellungssektoren. In den letzten Jahren wurden viele neue Kontrolltafeln und andere Methoden der statistischen Prozesskontrolle (SPC) mit steigender Geschwindigkeit vorgeschlagen123. In den meisten Multiattributprozessen ist es erforderlich, gleichzeitig mehrere Attributqualitätseigenschaften zu steuern, da die Qualität eines Produktes von allen abhängt. Zusammenfassung Abstract Zusammenfassung ABSTRAKT: In den letzten Jahrzehnten wurden Multiattribute-Kontrollkarten in der Praxis weithin empfohlen. Sie übertreffen die simultanen Uniattribute-Diagramme zur Überwachung von Multiattribute-Prozessen in vielen Anwendungen. Jolayemi Ein statistisches Modell für die Gestaltung von Multiattribute-Kontrollkarten. Indische J Stat. 199961: 351365 entwickelte ein statistisches Modell für die Gestaltung eines Multiattribute np (Mnp) Diagramms. Basierend auf diesem Modell wird ein multiattribute synthetisches (MSyn) Diagramm in diesem Artikel vorgeschlagen. Darüber hinaus sind die wichtigsten Merkmale der MSyn-Diagramm und Mnp-Diagramm integriert, um ein Multiattribute Syn-np (MSyn-np) Diagramm zu erstellen. Die Ergebnisse der Vergleichsstudien zeigen, dass das neue MSyn-np-Diagramm das Mnp-Diagramm und das MSyn-Diagramm um 83 bzw. 27 in Bezug auf die durchschnittliche Anzahl von Defekten über einen weiten Bereich von Prozessverschiebungen unter verschiedenen Umständen deutlich übertrifft. Volltext-Artikel Sep 2014 quotZantek (2008) schlug eine analytische Methode zur Berechnung der Lauflängenverteilung des CUSUM einer Statistik vor. Shu et al. (2008) wurde im konventionellen CUSUM-Schema ein Markovian-Mittelwert-Schätzverfahren eingeführt, um seinen Referenzwert adaptiv zu aktualisieren. MacEachern et al. (2007) lieferte ein robust-likelihood-CUSUM-Diagramm, das Ausreißer vergisst und dennoch große Verschiebungen schnell erkennen kann. November 2009 Journal für Statistische Berechnung und Simulation Michael Boon Chong Khoo Te S. Y.
No comments:
Post a Comment