Forschung zur adaptiven CUSUM-Kontrollkarte der Körperqualitätskontrolle auf der Grundlage der Varianzüberwachung Zeigen Sie abstrakt Ausblenden abstrakt ABSTRAKT: In einem Produktionsprozess, wenn die Statistische Prozesskontrolle (SPC) mit einer Qualitätsmerkmal (zB einer Dimension), die eine Variable ist, handelt, ist es in der Regel Notwendig, um sowohl den Mittelwert der Qualitätsmerkmalen als auch deren Variabilität zu überwachen. Das CUSUM-Schema, das aus wenigen kooperativen CUSUM-Charts besteht, ist schneller als die traditionellen Shewhart-Amp-Charts für diesen Zweck. Allerdings sind die Entwürfe und Analysen eines solchen Multi-Chart-CUSUM-Schemas mathematisch unlösbar und der Betrieb ist sehr aufwendig. Basierend auf der gewichteten Verlustfunktion schlägt dieser Artikel ein CUSUM-Diagramm vor (das WLC-Diagramm genannt wird), das sowohl die mittlere Verschiebung als auch die Varianzverschiebung durch Inspektion einer einzigen statistischen WL (Weighted Loss Function) erkennt. Die nützlichste Eigenschaft des WLC-Diagramms ist seine Einfachheit für Implementierung und Design im Vergleich zum CUSUM-Schema mit wenigen CUSUM-Charts. Dies ist vor allem auf die Verwendung eines einzigen statistischen WL zurückzuführen. Darüber hinaus wird auf der Grundlage der Ergebnisse eines Fakultätsexperiments festgestellt, dass das WLC-Diagramm im Durchschnitt effektiver ist als die Amp-Diagramme und das Multi-Chart-CUSUM-Schema um etwa 30 bzw. 14. Ein Schritt-für-Schritt-Verfahren wird auch vorgestellt, um Praktiker bei der Gestaltung der WLC-Tabelle zu erleichtern. Artikel Jul 2005 Zhang Wu Yu Tian Show abstrakt Ausblenden abstrakt ABSTRAKT: Es gibt zwei EWMA-Typ Dispersion Charts für die Überwachung der Dispersion erhöht in der Literatur. Man setzt die EWMA-Statistik auf Null zurück, wenn sie unter Null liegt. Die andere trennt negative normierte Beobachtungen auf Null in der EWMA-Statistik. Dieses Papier schlägt zwei einseitige EWMA-Diagramme vor, um die Dispersion zu erhöhen und zu verringern, und ein zweiseitiges EWMA-Diagramm zur Überwachung der Dispersion erhöht oder verringert sich gleichzeitig. Simulationsstudien zeigen, dass die vorgeschlagene oberflächige EWMA-Tabelle besser als die beiden vorhandenen Gegenstücke für die Erkennung von Zunahmen der Dispersion ausführt und dass die vorgeschlagene untergeordnete EWMA-Tabelle die beiden untergeordneten EWMA-Charts, die sich ähnlich wie ihre beiden bestehenden, Einseitige EWMA-Diagramme zur Erkennung von Dispersionsverminderungen. Darüber hinaus bietet das vorgeschlagene zweiseitige EWMA-Diagramm eine wesentlich bessere Empfindlichkeit als die beiden zweiseitigen EWMA-Charts, die aus den beiden vorhandenen, oberseitigen EWMA-Charts verallgemeinert wurden, um die Gesamtveränderung der Dispersion zu erkennen. Artikel Oct 2010 Longcheen Huwang Chun-Jung Huang Yi-Hua Tina Wang Show Abstrakt Ausblenden abstrakt ABSTRAKT: In der Praxis, wenn die Größenordnung einer zukünftigen Mittelverschiebung unbekannt ist, ist es immer erwünscht, ein Kontrolldiagramm zu entwerfen, um ziemlich gut über eine Strecke zu spielen Von Verschiebungen anstatt zur Optimierung der Leistung bei der Erkennung einer bestimmten Ebene der Verschiebungen. Die von Sparks (2000) vorgeschlagene adaptive CUSUM (ACUSUM) - Diagramm kann im Vergleich zum konventionellen kumulativen Summen - (CUSUM-) Kontrolldiagramm, das auf einer vorgegebenen Mittelverschiebung basiert, eine breitere Palette von mittleren Verschiebungen erkennen. Dieses Papier entwickelt ein zweidimensionales Markov-Kettenmodell, um die Leistung von ACUSUM-Diagrammen zu analysieren. Darüber hinaus wird ein allgemeineres Betriebsmodell für das aktuelle ACUSUM-Diagramm vorgeschlagen, um dessen Implementierung zu vereinfachen. Artikel Apr 2006 LJ Shu W. JiangAn adaptives exponentiell gewichtetes gleitendes Mittelkontrolldiagramm zur Überwachung von Prozessabweichungen Das exponentiell gewichtete gleitende Mittelwert (EWMA) Kontrolldiagramm ist effizient bei der Erkennung kleiner Änderungen der Prozessparameter, aber weniger effizient, wenn die Änderungen relativ groß sind Was als Trägheitsproblem bekannt ist Um die Trägheit zu vermindern, wurde ein adaptives EWMA (AEWMA) Diagramm vorgeschlagen, um Prozessstandorte zu überwachen, um die traditionellen EWMA-Charts 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 von Prozessstandorten auf den Fall der Überwachung der Prozessdispersion. Ein Markov-Kettenmodell wird eingerichtet, um das vorgeschlagene Diagramm zu analysieren und zu entwerfen. Es wird gezeigt, dass das AEWMA-Dispersionsdiagramm besser als das EWMA und andere Dispersionsdiagramme in Bezug auf seine Fähigkeit, relativ gut sowohl bei kleinen als auch bei großen Änderungen in der Prozessdispersion durchzuführen ist, Möchten Sie den Rest dieses Artikels lesen? Ayvazian et al. (2008) schlug ein exponentiell gewichtetes Bewegtprobe-Varianzdiagramm vor, um die Prozessabweichung zu überwachen, wenn die Stichprobengröße eins ist. Shu (2008) erweitert das adaptive EWMA-Diagramm für den Prozessort, um die Prozessdispersion zu überwachen. Razmy und Peiris (2013) entwarfen das EWMA-Diagramm zur Überwachung der standardisierten Prozessabweichung. Abstrakt Ausblenden abstrakt ABSTRAKT: Das bestehende optimale Design des festen Stichprobenintervalls S-2-EWMA-Kontrolldiagramm zur Überwachung der Stichprobenvarianz eines Prozesses basiert auf dem Kriterium der durchschnittlichen Lauflänge (ARL). Da sich die Form der Lauflängenverteilung mit der Größe der Verschiebung in der Varianz ändert, gibt die mittlere Lauflänge (MRL) eine aussagekräftigere Erläuterung der Inkontroll - und Out-of-Control-Leistungen eines Kontrolldiagramms. Dieses Papier schlägt das optimale Design des S-2-EWMA-Diagramms vor, das auf dem MRL basiert. Die Markov-Kettentechnik wird eingesetzt, um die Rückstandshöchstgehalte zu berechnen. Die Leistungen des S-2-EWMA-Diagramms, des doppelten Sampling (DS) 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 die Erkennung kleiner und moderater Varianzverschiebungen bietet, während nahezu die gleiche Empfindlichkeit wie die DS S-2 und S-Diagramme zu großen Varianzverschiebungen beibehalten wird, insbesondere wenn die Stichprobengröße zunimmt. Artikel Jul 2015 quotEyvazian et al. (2008) schlug ein exponentiell gewichtetes Bewegtprobe-Varianzdiagramm vor, um die Prozessabweichung zu überwachen, wenn die Stichprobengröße eins ist. Shu (2008) erweitert das adaptive EWMA-Diagramm für den Prozessort, um die Prozessdispersion zu überwachen. Razmy und Peiris (2013) entwarfen das EWMA-Diagramm zur Überwachung der standardisierten Prozessabweichung. Abstrakt Ausblenden abstrakt ABSTRAKT: Das bestehende optimale Design des festen Stichprobenintervalls S2-EWMA-Kontrolldiagramm zur Überwachung der Stichprobenvarianz eines Prozesses basiert auf dem Kriterium der durchschnittlichen Lauflänge (ARL). Da sich die Form der Lauflängenverteilung mit der Größe der Verschiebung in der Varianz ändert, gibt die mittlere Lauflänge (MRL) eine aussagekräftigere Erläuterung der Inkontroll - und Out-of-Control-Leistungen eines Kontrolldiagramms. Dieses Papier schlägt das optimale Design des S2-EWMA-Diagramms vor, das auf dem MRL basiert. Die Markov-Kettentechnik wird eingesetzt, um die Rückstandshöchstgehalte zu berechnen. Die Leistungen des S2-EWMA-Diagramms, der doppelten Sampling (DS) S2-Chart und der S-Chart werden ausgewertet und verglichen. Die MRL-Ergebnisse zeigten, dass das S2-EWMA-Diagramm eine bessere Leistung für die Erkennung kleiner und moderater Varianzverschiebungen bietet, während beinahe die gleiche Empfindlichkeit wie die DS S2- und S-Diagramme gegenüber großen Varianzverschiebungen beibehalten wird, insbesondere wenn die Stichprobengröße zunimmt. Volltext Artikel Jul 2015 quotDie weit verbreiteten Anwendungen der Attribut-Charts sind auf viele Faktoren zurückzuführen, wie die Einfachheit der Handhabung Attribut Qualität Eigenschaften, die Leichtigkeit der Kommunikation zwischen Menschen auf verschiedenen Ebenen und die Prävalenz von Zähldaten in vielen Nicht-Fertigung Sektoren. In den letzten Jahren wurden viele neue Kontrollkarten und andere statistische Prozesskontroll - (SPC-) Techniken mit zunehmender Geschwindigkeit vorgeschlagen123. In den meisten Multiattribute-Prozessen ist es erforderlich, gleichzeitig mehrere Attributqualitätseigenschaften zu kontrollieren, da die Qualität eines Produkts von allen abhängt. Abstrakt Ausblenden abstrakt ABSTRAKT: In den letzten Jahrzehnten wurden in der Praxis vielfache Kontrolltafeln weithin empfohlen. Sie übertreffen die gleichzeitigen Uniattribut-Diagramme zur Überwachung von Multiattribute-Prozessen in vielen Anwendungen. Jolayemi Ein statistisches Modell für die Gestaltung von Multiattribute-Kontrollkarten. Indian J Stat. 199961: 351365 entwickelte ein statistisches Modell für die Gestaltung eines Multiattribut np (Mnp) Chart. Basierend auf diesem Modell, wird ein Multiattribute synthetischen (MSyn) Diagramm in diesem Artikel vorgeschlagen. Darüber hinaus sind die Hauptmerkmale des MSyn-Diagramms und des Mnp-Diagramms 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 ein breites Spektrum von Prozessverschiebungen unter verschiedenen Umständen deutlich übertrifft. Volltext Artikel Sep 2014Evaluation der Lauflängenverteilung für ein kombiniertes Shewhart-EWMA-Kontrollschema Zitieren Sie diesen Artikel als: Capizzi, G. Masarotto, G. Stat Comput (2010) 20: 23. doi: 10.1007s11222-008-9113 -8 Ein einfacher Algorithmus wird eingeführt, um die Lauflängenverteilung eines Überwachungsschemas zu berechnen, das ein Shewhart-Diagramm mit einem exponentiell gewichteten Moving Average-Kontrollschema kombiniert. Der Algorithmus basiert auf der numerischen Approximation der Integralgleichungen und der integralen Rekursionsbeziehungen, die mit der Lauflängenverteilung zusammenhängen. Insbesondere wird eine Clenshaw-Curtis-Produktintegrationsregel für die Handhabung von Diskontinuitäten in der Integrandfunktion aufgrund der gleichzeitigen Verwendung der beiden Kontrollschemata angewendet. Der vorgeschlagene Algorithmus, der in R und Publikum zur Verfügung gestellt wird, vergleicht sich positiv mit dem Markov-Kettenansatz, der ursprünglich verwendet wurde, um die Lauflängeneigenschaften des kombinierten Shewhart-EWMA zu approximieren. Kontrollkarten Exponentiell gewichtet Bewegen Durchschnittliche Integralgleichung Lauflänge Shewhart-Kontrollplan Statistische Prozesskontrolle Diese Forschung wurde teilweise durch italienische MIUR-Cofin 2006-Stipendien finanziert. Referenzen Brook, D. Evans, D. Ein Ansatz zur Wahrscheinlichkeitsverteilung der CUSUM-Lauflänge. Biometrika 59 539549 (1972) MATH CrossRef MathSciNet Google Scholar Capizzi, G. Masarotto, G. Ein adaptives exponentiell gewichtetes Moving Average Control Chart. Technometrics 45 199207 (2003) CrossRef MathSciNet Google Scholar Champ, C. W. Rigdon, S. E. Ein Vergleich der Markov-Kette und integraler Gleichungsansätze zur Bewertung der Lauflängenverteilung von Qualitätskontrollkarten. Kommunikation Stat. Simul Comput. 20 191204 (1991) MATH CrossRef Google Scholar Champ, C. W. Rigdon, S. E. Scharnag, K. A. Verfahren zur Ableitung von Integralgleichungen, die in der Kontrolldiagrammleistungsanalyse nützlich sind Nichtlineare Anal. Theorie Methoden Appl. 47 20892101 (2001) MATH CrossRef Google Scholar Clenshaw, C. W. Curtis, A. R. Eine Methode zur numerischen Integration auf einem automatischen Rechner. Numer. Mathe. 2 197205 (1960) MATH CrossRef MathSciNet Google Scholar Crowder, S. V. Eine einfache Methode zum Studieren von Lauflängenverteilungen von exponentiell gewichteten Moving Average Charts. Technometrie 29. 401407 (1987) MATH CrossRef MathSciNet Google Scholar Kang, S. H. Koltracht, I. Rawitscher, G. Nystrom-Clenshaw-Curtis-Quadratur für Integralgleichungen mit diskontinuierlichen Kerneln. Mathe. Comput. 72 729756 (2002) CrossRef MathSciNet Google Scholar Knoth, S. spc: Statistische Prozesskontrolle (2004). R-Paketversion 0.2 Lucas, J. M. Saccucci, M. S. Exponentiell gewichtete gleitende durchschnittliche Kontrollsysteme: Eigenschaften und Verbesserungen Qualität. Technometrics 32 129 (1990) CrossRef MathSciNet Google Scholar Luceno, A. Puig-Pey, J. Auswertung der Lauflängenwahrscheinlichkeitsverteilung für CUSUM-Charts. Technometrics 42 411416 (2000) CrossRef Google Scholar Luceno, A. Puig-Pey, J. Ein genauer Algorithmus zur Berechnung der Lauflängenwahrscheinlichkeitsverteilung und seiner Windungen für ein CUSUM-Diagramm zur Kontrolle des Normalmittels. Comput. Stat. Datenanal. 38 249261 (2002a) MATH CrossRef MathSciNet Google Scholar Luceno, A. Puig-Pey, J. Berechnung der Lauflängenwahrscheinlichkeitsverteilung für CUSUM-Diagramme. J. Qual. Technol 34 209215 (2002b) Google Scholar Montgomery, D. C. Einführung in die statistische Qualitätskontrolle, 5. Aufl. Wiley, New York (2004) Google Scholar Nelder, J. A. Mead, R. Ein Simplex-Algorithmus zur Funktionsminimierung. Comput. J. 7. 308313 (1965) MATH Google Scholar Piessens, R. Computing-Integral transformiert und löst integrale Gleichungen mit Chebyshev-Polynom-Approximationen. J. Comput. Appl. Mathe. 121 113124 (2000) MATH CrossRef MathSciNet Google Scholar Piessens, R. de Doncker-Kapenga, E. Uberhuber, C. W. Kahaner, D. K. QUADPACK Ein Subroutine-Paket für die automatische Integration. Springer, Berlin (1983) MATH Google Scholar R Entwicklung Kernteam: R: Eine Sprache und Umwelt für das Statistische Rechnen. R Stiftung für Statistisches Rechnen, Wien, Österreich (2008). URL R-project. org Shu, L. Ein adaptives exponentiell gewichtetes Moving Average Kontrolldiagramm zur Überwachung von Prozessabweichungen. J. Stat. Comput. Simul 30 415428 (2008) Google Scholar Sloan, I. H. Quadraturmethoden für ganzzahlige Gleichungen der zweiten Art über unendliche Intervalle. Mathe. Comput. 36 511523 (1978) MathSciNet Google Scholar Sloan, I. H. Analyse von allgemeinen Quadraturmethoden für ganzzahlige Gleichungen der zweiten Art. Numer. Mathe. 38 263278 (1981) MATH CrossRef MathSciNet Google Scholar Sloan, I. H. Smith, W. E. Produktintegration mit Clenshaw und Curtis und verwandten Punkten. Numer. Mathe. 30 415428 (1978) MATH CrossRef MathSciNet Google Scholar Sloan, I. H. Smith, W. E. Produktintegration mit den Clenshaw - und Curtis-Punkten: Implementierungs - und Fehlerpunkte. Numer. Mathe. 34 387401 (1980) MATH CrossRef MathSciNet Google Scholar Sloan, I. H. Smith, W. E. Eigenschaften der interpolatorischen Produktintegrationsregeln. SIAM J. Numer. Anal. 19 427442 (1982) MATH CrossRef MathSciNet Google Scholar Copyright Information Springer ScienceBusiness Media, LLC 2009 Autoren und Zugehörigkeiten Giovanna Capizzi 1 E-Mail Autor Guido Masarotto 1 1. Institut für Statistische Wissenschaften Universität Padua Padova Italien Über diesen Artikel Ein adaptives exponentiell gewichtetes gleitendes Mittelkontrolldiagramm für Monitoring-Prozessabweichungen Das exponentiell gewichtete gleitende Mittelwert (EWMA) - Kontrolldiagramm ist effizient bei der Erkennung kleiner Änderungen der Prozessparameter, aber weniger effizient, wenn die Änderungen relativ groß sind, aufgrund des sogenannten Trägheitsproblems. Um die Trägheit zu vermindern, wurde ein adaptives EWMA (AEWMA) Diagramm vorgeschlagen, um Prozessstandorte zu überwachen, um die traditionellen EWMA-Charts 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 von Prozessstandorten auf den Fall der Überwachung der Prozessdispersion. Ein Markov-Kettenmodell wird eingerichtet, um das vorgeschlagene Diagramm zu analysieren und zu entwerfen. Es wird gezeigt, dass das AEWMA-Dispersionsdiagramm besser als das EWMA und andere Dispersionsdiagramme in Bezug auf seine Fähigkeit, relativ gut sowohl bei kleinen als auch bei großen Änderungen in der Prozessdispersion durchzuführen ist, Zusätzliche Autoreninformationen Lianjie Shu Artikel Metriken Loggen Sie sich über Ihre Institution ein Anmelden bei Taylor Francis Online Oder kaufen Sie es Artikel Kauf 24 Stunden Zugang für USD 50.00 Kurtaxe wird wie folgt hinzugefügt Leute lesen auch Veröffentlicht online: 1 Jan 2012 Veröffentlicht online: 12 Mär 2012 Kommunikation in Statistik - Theorie und Methoden Veröffentlicht online: 8 Feb 2010 Veröffentlicht online: 14 Aug 2008 Veröffentlicht online: 12 Mär 2012 Journal of Statistical Computation and Simulation Veröffentlicht online: 16 Feb 2016 Zeitschriften nach Thema anzeigen Information für Open Access Hilfe und Info Connect Mit Taylor Francis Eingetragen in England Wales Nr. 3099067 5 Howick Place London SW1P 1WG Diese Website benutzt Cookies, um sicherzustellen, dass Sie die beste Erfahrung auf unserer Website erhalten
No comments:
Post a Comment