Der exponentiell gewichtete gleitende Durchschnitt (EWMA) ist eine Statistik für die Überwachung des Prozesses, die die Daten in einer Weise, die 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 Periods. Titre du document Dokumenttitel A Multivariate Adaptive Exponentiell gewichtete gleitende Durchschnittskontrolle Auteur (s) Autor (en) du ou des auteurs Autor / en Zugehörigkeit (en) (1) Department of Statistics, Cairo University, Kairo, ÄGYPTE Rsum Zusammenfassung Eine multivariate Erweiterung des adaptiven exponentiell gewichteten gleitenden Durchschnittes (AEWMA) - Kontrolldiagramm wird vorgeschlagen. Das neue multivariate Schema kann kleine und große Verschiebungen im Prozess-Mittelvektor effektiv erkennen. Das vorgeschlagene Schema kann als eine reibungslose Kombination angesehen werden Von einem multivariaten exponentiell gewichteten gleitenden Durchschnitt (MEWMA) Diagramm und einem Shewhart 2-Diagramm. 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 Leistung des adaptiven exponentiell gewichteten Moving Average Control Chart mit geschätzten Parametern Publikationsverlauf Ausgabe online: 20 Mai 2013 Version vom Rekord: 17 April 2012 Manuskript Akzeptiert: 20 Februar 2012 Manuskript Empfangen: 31 Januar 2012 In Verbindung stehende Artikel Artikel zum Thema Sie sehen an Bitte aktivieren Sie Javascript, um den entsprechenden Inhalt dieses Artikels anzusehen. Zitierte Literatur Zitiert. 12 1 Huifen Chen. David Goldsman. Bruce W. Schmeiser. Kwok-Leung Tsui. Symmetrische - Karten: Empfindlichkeit gegenüber Nichtnormalität und Kontrollgrenzschätzung, Kommunikation in der Statistik - Simulation und Berechnung. 2017. 46. 1, 358 CrossRef 2 R. Zheng. S. Chakraborti. Eine nicht-parametrische Phase II-adaptive exponentiell gewichtete gleitende Durchschnittskontrollkarte, Quality Engineering. 2016. 28. 4, 476 CrossRef 3 R. Noorossana. S. Fathizadan. M. R. Nayebpour. EWMA Control Chart Leistung mit geschätzten Parametern unter Nicht-Normalität, Qualität und Zuverlässigkeit Engineering International. 2016. 32. 5, 1637 Wiley Online-Bibliothek 4 Deborah K. Shepherd. Charles W. Champ. Steven E. Rigdon. Eigenschaften der Markov-abhängigen Attributkontrollkarte mit geschätzten Parametern, Qualität und Reliability Engineering International. 2016. 32. 2, 485 Wiley Online Library 5 Aya A. Aly. Mahmoud A. Mahmoud. Ramadan Hamed. Die Performance des multivariaten adaptiven exponentiell gewichteten Moving Average Control Chart mit geschätzten Parametern, Qualität und Reliability Engineering International. 2016. 32. 3, 957 Wiley Online-Bibliothek 6 Aya A. Aly. Nesma A. Saleh. Mahmoud A. Mahmoud. William H. Woodall. Eine Neubewertung des adaptiven exponentiell gewichteten gleitenden Durchschnittskontrollschemas, wenn Parameter geschätzt werden, Qualität und Reliability Engineering International. 2015. 31. 8, 1611 Wiley Online-Bibliothek 7 Stelios Psarakis. Adaptive Control Charts: Aktuelle Entwicklungen und Erweiterungen, Quality and Reliability Engineering International. 2015. 31. 7, 1265 Wiley Online-Bibliothek 8 Athanasios C. Rakitzis. Auf der Performance von modifizierten Läufen Regeln Diagramme mit geschätzten Parametern, Kommunikation in Statistik - Simulation und Berechnung. 2015. 1 CrossRef 9 S. L. Lim. Michael B. C. Khoo. W. L. Teoh. M. Xie. Optimale Designs der variablen Probengröße und Sampling-Intervall ltmml: math altimgquotsi0075.gifquot overflowquotscrollquot xmlns: xocsquotelsevierxmlxocsdtdquot xmlns: xsquotw3.org2001XMLSchemaquot xmlns: xsiquotw3.org2001XMLSchema-instancequot xmlnsquotelsevierxmljadtdquot xmlns: jaquotelsevierxmljadtdquot xmlns: mmlquotw3.org1998MathMathMLquot xmlns: tbquotelsevierxmlcommontabledtdquot xmlns: sbquotelsevierxmlcommonstruct-bibdtdquot Xmlns : cequotelsevierxmlcommondtdquot xmlns: xlinkquotw3.org1999xlinkquot xmlns: calsquotelsevierxmlcommoncalsdtdquot xmlns: saquotelsevierxmlcommonstruct-affdtdquotgtltmml: mover accentquottruequotgtltmml: migtXltmml: migtltmml: mogtmacrltmml: mogtltmml: movergtltmml: mathgt Diagramm, wenn Prozessparameter werden geschätzt, international Journal of Production Economics. 2015. 166. 20 CrossRef 10 Aamir Saghir. Zhengyan Lin. Das Negative Binomial Exponentiell gewichtete gleitende Durchschnittsdiagramm mit geschätzten Kontrollgrenzen, Qualität und Reliability Engineering International. 2015. 31. 2, 239 Wiley Online-Bibliothek 11 Stelios Psarakis. Angeliki K. Vyniou. Philippe Castagliola. Einige neue Entwicklungen über die Auswirkungen der Parameterschätzung auf Kontrollkarten, Qualität und Reliability Engineering International. 2014. 30. 8, 1113 Wiley Online Library 12 Zhonghua Li. Changliang Zou. Zhen Gong. Zhaojun Wang. Die Berechnung der durchschnittlichen Lauflänge und der durchschnittlichen Zeit bis zum Signal: eine Übersicht, Journal of Statistical Computation and Simulation. 2014. 84. 8, 1779 CrossRef
No comments:
Post a Comment