Titre du document Dokumenttitel Ein multivariates adaptives exponentiell gewichtetes gleitendes Durchschnittskontrollschema Auteur (s) Autor (en) Mitglied (en) du ou des auteurs Autor / en Zugehörigkeit (en) (1) Department of Statistics, Cairo University, Cairo, EGYPTE Rsum Abstract Eine multivariate Erweiterung des adaptiven exponentiell gewichteten gleitenden Durchschnittes (AEWMA) wird vorgeschlagen. Das neue multivariate Schema kann kleine und große Verschiebungen im Prozessmittelvektor effektiv detektieren. Das vorgeschlagene Schema kann als eine reibungslose Kombination eines multivariaten exponentiell gewichteten gleitenden Durchschnitts - (MEWMA) Diagramms und eines Shewhart-2-Diagramms betrachtet werden. Die optimale Gestaltung des vorgeschlagenen Diagramms ergibt sich aus einer vorgegebenen mittleren durchschnittlichen Durchlauflänge und zwei Verschiebungsgrößen, die jeweils eine kleine und große Verschiebung aufweisen, die jeweils in Bezug auf den Nicht-Zentralitätsparameter gemessen wird. Der Signalwiderstand des neu vorgeschlagenen multivariaten Diagramms ist ebenfalls gegeben. Vergleiche zwischen dem neuen Diagramm, dem MEWMA-Diagramm und dem kombinierten Shewhart-MEWMA-Diagramm (S-MEWMA) in Form von Standard - und Worst-Case-Durchschnittslauflängenprofilen werden vorgestellt. Zusätzlich werden die drei Diagramme mit ihren Worst-Case-Signalwiderstandswerten verglichen. Die vorgeschlagene Tabelle gibt etwas bessere Worst-Case-ARL-und Signal-Widerstandswerte als die konkurrierenden Charts. Es gibt auch bessere Standard-ARL-Performance vor allem für mittlere und große Schichten. Die Wirksamkeit unserer vorgeschlagenen Tabelle wird anhand eines Beispiels mit simuliertem Datensatz illustriert. Revue Zeitschrift Titel Quelle Source 2010, vol. 39, no 3-5, pp. 606-625 20 Seite (n) (Artikel) (1 S.) Sprache Sprache Editeur Verleger Taylor amp Francis, Philadelphia, PA, ETATS-UNIS (1976) (Revue) Mots-cls anglais Englisch KeywordsDie exponentiell gewichtete gleitende Durchschnitt (EWMA) ist eine Statistik für die Überwachung des Prozesses, dass die Daten in einer Weise, dass weniger und weniger Gewicht auf Daten, da sie weiter entfernt werden in der Zeit. Vergleich von Shewhart-Kontrolldiagramm und EWMA-Kontrolltafel-Techniken Für die Shewhart-Diagrammsteuerungstechnik hängt die Entscheidung über den Zustand der Kontrolle des Prozesses zu irgendeinem Zeitpunkt (t) ausschließlich von der letzten Messung aus dem Verfahren ab, Der Grad der Richtigkeit der Schätzungen der Kontrollgrenzen aus historischen Daten. Für die EWMA-Steuerungstechnik hängt die Entscheidung von der EWMA-Statistik ab, die ein exponentiell gewichteter Durchschnitt aller vorherigen Daten ist, einschließlich der letzten Messung. Durch die Wahl des Gewichtungsfaktors (Lambda) kann die EWMA-Steuerprozedur empfindlich auf eine kleine oder allmähliche Drift in dem Prozess eingestellt werden, während die Shewhart-Steuerprozedur nur dann reagieren kann, wenn der letzte Datenpunkt außerhalb einer Kontrollgrenze liegt. Definition von EWMA Die berechnete Statistik ist: mbox t lambda Yt (1-lambda) mbox ,,, mbox ,,, t 1,, 2,, ldots ,, n. Wobei (mbox 0) der Mittelwert der historischen Daten (Ziel) (Yt) ist die Beobachtung zur Zeit (t) (n) die Anzahl der zu überwachenden Beobachtungen einschließlich (mbox 0) (0 Interpretation der EWMA - Dots sind die Rohdaten, die gezackte Linie ist die EWMA-Statistik im Laufe der Zeit. Das Diagramm zeigt uns, dass der Prozess in der Steuerung ist, weil alle (mbox t) zwischen den Kontroll-Grenzen liegen. Allerdings scheint es einen Trend nach oben für die letzten 5 (MEWMA) Kontrolltabelle Eine multivariate Erweiterung des adaptiven exponentiell gewichteten gleitenden Durchschnittes (AEWMA) wird vorgeschlagen. Das neue multivariate Schema kann kleine und große Verschiebungen im Prozessmittelvektor effektiv detektieren Kann als eine reibungslose Kombination eines multivariaten exponentiell gewichteten gleitenden Durchschnittes (MEWMA) und eines Shewhart-Diagramms betrachtet werden. Die optimale Gestaltung des vorgeschlagenen Diagramms ergibt sich aus einer vorgegebenen mittleren durchschnittlichen Lauflänge und zwei Schaltgrößen a Kleine und große Verschiebung, jeweils gemessen in Bezug auf den Nicht-Zentralitätsparameter. Der Signalwiderstand des neu vorgeschlagenen multivariaten Diagramms ist ebenfalls gegeben. Vergleiche zwischen dem neuen Diagramm, dem MEWMA-Diagramm und dem kombinierten Shewhart-MEWMA-Diagramm (S-MEWMA) in Form von Standard - und Worst-Case-Durchschnittslauflängenprofilen werden vorgestellt. Zusätzlich werden die drei Diagramme mit ihren Worst-Case-Signalwiderstandswerten verglichen. Die vorgeschlagene Tabelle gibt etwas bessere Worst-Case-ARL-und Signal-Widerstandswerte als die konkurrierenden Charts. Es gibt auch bessere Standard-ARL-Performance vor allem für mittlere und große Schichten. Die Wirksamkeit unserer vorgeschlagenen Tabelle wird anhand eines Beispiels mit simuliertem Datensatz illustriert. Möchten Sie den Rest dieses Kapitels lesen. Diese Prozedur wird im Folgenden als fester Wechselpunkt (FCP) bezeichnet. Eine andere mögliche Vergleichsmethode ist die naiv-zitierte multivariate EWMA-Methode, die Z j als einen langen multivariaten Vektor behandelt (vgl. Lowry et al., 1992), der als MEW-Diagramm bezeichnet wird. Für alle FCP-, SSN - und MEW-Charts folgten wir der Empfehlung von Zou, Tsung und Wang (2008), die Bandbreite h zu wählen, um h E 1.5n 15 n i1 (xix) 2 n zu sein. 12. Zusammenfassung Abstract Abstrakt Zusammenfassung ABSTRACT : In vielen Anwendungen ist die Qualität eines Prozesses am besten durch eine funktionale Beziehung zwischen einer Antwortgröße und einer oder mehreren erklärenden Variablen gekennzeichnet. Die Profilüberwachung dient der Überprüfung der Stabilität dieser Beziehung über die Zeit. Kontrolldiagramme, die auf einer nichtparametrischen Regression basieren, sind besonders nützlich, wenn die in-Kontrolle (IC) oder die außer Kontrolle befindliche (OC) Beziehung zu kompliziert ist, um parametrisch spezifiziert zu werden. Dieses Papier schlägt ein neuartiges nichtparametrisches Kontrolldiagramm unter Verwendung einer sequentiellen Wechselpunktformulierung mit verallgemeinerten Wahrscheinlichkeitsverhältnistests vor. Seine Steuergrenzen werden durch ein Bootstrap-Verfahren bestimmt. Dieses Diagramm kann ohne Kenntnis der Fehlerverteilungen implementiert werden, solange einige IC-Profile vorher verfügbar sind. Darüber hinaus bietet das vorgeschlagene Regelungsdiagramm, das von bestimmten guten Eigenschaften des dynamischen Wechselpunktansatzes und der vorgeschlagenen Diagramm-Statistik profitiert, nicht nur einen ausgeglichenen Schutz gegen Verschiebungen unterschiedlicher Größen, sondern passt sich auch an die Glätte der Differenz zwischen IC und OC an Regression-Funktionen. Folglich hat es eine nahezu optimale Leistung für verschiedene OC-Bedingungen. Volltext-Artikel Jan 2010 Changliang Zou Peihua Qiu Douglas Hawkins quotDie MEWMA-Vektor vorgeschlagen von Lowry et al. 3 ist definiert als: ZEIT Auszug Zusammenfassung verstecken ABSTRAKT: Die standardmäßige multivariate Kontrollkarte verwendet in der Regel eine feste Stichprobengröße im festen Stichprobenintervall (FSI), um einen Prozess zu überwachen. In dieser Studie wird ein multivariat exponentiell gewichteter gleitender Durchschnitt (MEWMA) mit variablen Stichprobenintervallen (VSI) untersucht. Das MEWMA-Diagramm mit VSI variiert das Abtastintervall aus dem Prozess in Abhängigkeit von den Daten des Prozesses. Das Leistungsmaß des VSI-MEWMA-Diagramms wird durch einen Markov-Ketten-Ansatz erhalten und wird mit dem entsprechenden Standard-FSI-MEWMA-Diagramm in Bezug auf die durchschnittliche Zeit bis zum Signal für eine unterschiedliche Größe der Verschiebungen im Prozessmittel verglichen. Es wird gezeigt, dass das VSI MEWMA-Diagramm effizienter ist als das entsprechende Standard-FSI-MEWMA-Diagramm bei der Erfassung von Verschiebungen im Prozessmittel. Zudem wurde die multivariate Version des CUSUM-Charts von Woodall und Ncube (1985) und Croisier (1988) vorgeschlagen. Eine multivariate Erweiterung des exponentiell gewichteten gleitenden Durchschnittes (MEWMA) findet sich bei Lowry et al. (1992). Zusammenfassung Abstract In diesem Artikel wird eine Methodik vorgestellt, die dazu beiträgt, die Hauptmittelverschiebungen, die als Hauptalarme bezeichnet werden, in einem nicht normalen multivariaten Prozess unter Verwendung der verfügbaren In-Control-Daten vorherzusagen. Die Analyse basiert auf der Transformation der beobachteten korrelierten Variablen zu unabhängigen Faktoren durch unabhängige Komponentenanalyse. Diese unabhängigen Komponenten ermöglichen es, Verschiebungen zu simulieren, die die Kovarianzstruktur erhalten. Die grafischen Darstellungen dieser simulierten Verschiebungen sind hilfreich bei der Verbesserung der Gestaltung und Steuerung des Prozesses. Es werden zwei reale Herstellungsverfahren präsentiert, die den Vorteil der vorgeschlagenen Methodik zeigen. Artikel Nov 2008 Isabel Gonzlez Ismael Snchez
No comments:
Post a Comment