Der exponentiell gewichtete Moving Average (EWMA) ist eine Statistik zur Überwachung des Prozesses, der die Daten in einer Weise mittelt, die den Daten weniger und weniger Gewicht verleiht, da sie zeitlich weiter entfernt werden. Vergleich der Shewhart-Kontrollkarte und der EWMA-Kontrolltafeltechniken Für die Shewhart-Chartsteuerungstechnik hängt die Entscheidung über den Stand der Kontrolle des Prozesses zu jeder Zeit (t) allein von der aktuellsten Messung aus dem Prozess ab und natürlich, 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 bisherigen Daten einschließlich der letzten Messung ist. Durch die Wahl des Gewichtungsfaktors (Lambda) kann das EWMA-Steuerungsverfahren auf eine kleine oder allmähliche Drift im Prozess empfindlich gemacht werden, während das Shewhart-Steuerungsverfahren nur dann reagieren kann, wenn der letzte Datenpunkt außerhalb einer Kontrollgrenze liegt. Definition von EWMA Die Statistik, die berechnet wird, ist: mbox t lambda Yt (1-lambda) mbox ,,, mbox ,,, t 1,, 2, ldots ,, n. Wo (mbox 0) ist der Mittelwert der historischen Daten (Ziel) (Yt) ist die Beobachtung zum Zeitpunkt (t) (n) ist die Anzahl der zu überwachenden Beobachtungen einschließlich (mbox 0) (0 Interpretation der EWMA-Kontrollkarte Die rot Punkte sind die Rohdaten, die die gezackte Linie ist die EWMA-Statistik im Laufe der Zeit. Die Grafik sagt uns, dass der Prozess in der Steuerung ist, weil alle (mbox t) zwischen den Kontrollgrenzen liegen, aber es scheint ein Trend nach oben für die letzten 5 zu sein Perioden. Die Performance des Adaptiven exponentiell gewichteten Moving Average Control Chart mit geschätzten Parametern Publikationsverlauf Ausgabe online: 20 Mai 2013 Version des Rekordes online: 17 April 2012 Manuskript akzeptiert: 20 Februar 2012 Manuskript: 31 Januar 2012 Related content Artikel im Zusammenhang mit der Einer, den du siehst Bitte aktivieren Sie Javascript, um den dazugehörigen Inhalt dieses Artikels zu betrachten. Zitieren von Literatur Zuerst zitiert 12 1 Huifen Chen David Goldsman Bruce W. Schmeiser Kwok-Leung Tsui Symmetrische Töne: Empfindlichkeit gegenüber Nichtnormalität und Kontrolle - Geschwindigkeit, Kommunikation in Statistik - Simulation und Berechnung. 2017. 46. 1, 358 CrossRef 2 R. Zheng. S. Chakraborti. Ein phasengleiches, nicht parametrisches adaptives exponentiell gewichtetes gleitendes Mittelkontrolldiagramm, Quality Engineering. 2016. 28. 4, 476 CrossRef 3 R. Noorossana. S. Fathizadan M. R. Nayebpour EWMA Control Chart Performance mit geschätzten Parametern unter Nichtnormalität, Qualität und Zuverlässigkeitstechnik International. 2016. 32. 5, 1637 Wiley Online-Bibliothek 4 Deborah K. Shepherd. Charles W. Champ. Steven E. Rigdon. Eigenschaften des Markov-abhängigen Attributkontrollschemas mit geschätzten Parametern, Qualität und Zuverlässigkeitstechnik International. 2016. 32. 2, 485 Wiley Online-Bibliothek 5 Aya A. Aly. Mahmoud A. Mahmoud Ramadan Hamed Die Performance des multivariaten Adaptive Exponentiell gewichteten Moving Average Control Chart mit geschätzten Parametern, Qualität und Zuverlässigkeitstechnik 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 beweglichen Mittelkontrollschemas, wenn Parameter geschätzt werden, Qualität und Zuverlässigkeitstechnik International. 2015. 31. 8, 1611 Wiley Online-Bibliothek 7 Stelios Psarakis. Adaptive Control Charts: Aktuelle Entwicklungen und Erweiterungen, Qualität und Zuverlässigkeitstechnik International. 2015. 31. 7, 1265 Wiley Online-Bibliothek 8 Athanasios C. Rakitzis. Auf der Performance der modifizierten Läufe regelt man die Charts mit den geschätzten Parametern, die Kommunikation in der 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 Moving Average Chart mit geschätzten Kontrollgrenzen, Qualität und Zuverlässigkeitstechnik International. 2015. 31. 2, 239 Wiley Online-Bibliothek 11 Stelios Psarakis. Angeliki K. Vyniou Philippe Castagliola Einige neuere Entwicklungen über die Auswirkungen der Parameterschätzung auf Kontrolldiagramme, Qualität und Zuverlässigkeitstechnik International. 2014. 30. 8, 1113 Wiley Online-Bibliothek 12 Zhonghua Li. Changliang Zou Zhen Gong Zhaojun Wang. Die Berechnung der durchschnittlichen Lauflänge und der durchschnittlichen Zeit zum Signal: ein Überblick, Journal of Statistical Computation and Simulation. 2014. 84. 8, 1779 CrossRefTitre du document Dokumententitel A Multivariate Adaptive Exponentiell gewichtete Moving Average Control Chart Auteur (s) Autor (en) Mitgliedschaft (en) du ou des auteurs Autor (en) Zugehörigkeit (en) (1) Department of Statistik, Kairo Universität, Kairo, EGYPTE Rsum Abstract Eine multivariate Erweiterung des adaptiven exponentiell gewichteten gleitenden Durchschnitt (AEWMA) Kontrolldiagramms wird vorgeschlagen. Das neue multivariate Schema kann kleine und große Verschiebungen im Prozessmittelvektor effektiv erkennen. Das vorgeschlagene Schema kann als eine reibungslose Kombination eines multivariaten exponentiell gewichteten gleitenden Durchschnittes (MEWMA) und eines Shewhart 2-Charts angesehen werden. Die optimale Gestaltung des vorgeschlagenen Diagramms erfolgt nach einer vorgegebenen In-Control-Durchschnittslauflänge und zwei Verschiebungsgrößen, wobei eine kleine und große Verschiebung jeweils in Bezug auf den Nicht-Zentralitätsparameter gemessen wird. Der Signalwiderstand des neu vorgeschlagenen multivariaten Charts ist ebenfalls gegeben. Vergleiche zwischen dem neuen Chart, dem MEWMA-Diagramm und dem kombinierten Shewhart-MEWMA (S-MEWMA) - Karten in Bezug auf die Standard - und Worst-Case-Durchschnittslaufprofile werden vorgestellt. Zusätzlich werden die drei Diagramme in Bezug auf ihre Worst-Case-Signalwiderstandswerte verglichen. Das vorgeschlagene Diagramm gibt etwas besser Worst-Case-ARL - und Signalwiderstandswerte als die konkurrierenden Diagramme. Es gibt auch bessere Standard-ARL-Leistung vor allem für moderate und große Schichten. Die Wirksamkeit unserer vorgeschlagenen Tabelle wird durch ein Beispiel mit simulierten Datensatz dargestellt. Revue Journal Titel Quelle Quelle 2010, Bd. 39, Nr. 3-5, S. 606-625 20 Seite (n) (Artikel) (1 S.) Langue Sprache Editeur Herausgeber Taylor amp Francis, Philadelphia, PA, ETATS-UNIS (1976) (Revue) Mots-cls anglais Englisch KeywordsAn Adaptive Exponentiell gewichtete Moving Average Control Chart quotYakir et al. (1999) und Krieger et al. (2003) als 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. Abstrakt Ausblenden abstrakt ABSTRAKT: In dieser Arbeit betrachten wir eine adaptive sequentielle CUSUM-Prozedur in einer exponentiellen Familie, in der die Änderungspunkt - und Nachänderungsparameter adaptiv geschätzt werden. Es wird gezeigt, dass das adaptive CUSUM-Verfahren bei der ersten Ordnung effizient ist. Die bedingten Vorurteile der Schätzung für den Änderungspunkt und den Post-Change-Parameter werden untersucht. Ein Vergleich mit dem klassischen CUSUM-Verfahren im Normalfall erfolgt. Nilfluss und durchschnittliche globale Temperaturdatensätze werden für die Demonstration verwendet. Volltext Artikel Aug 2016 Yanhong Wu quittiert den exponentiell gewichteten gleitenden Durchschnitt und nutzt max (, k1, n (,)) als adaptive Schätzung. Die EWMA als Kontroll-Charting-Tool wurde in der Literatur ausführlich 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 ergibt. Volltext-Konferenz-Papier August 2015 Internationale Zeitschrift für Produktionsforschung Yanhong Wu "Wenn ein bestimmtes k 1 sich von der Größe k eines echten geänderten Mittels unterscheidet, können die Kontrollkarten auf der Grundlage der Wahrscheinlichkeitsverhältnismethoden schlecht funktionieren. 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) weithin verwendet, um dieses Problem zu überwinden. In diesem Abschnitt stellen wir die adaptive Version des MASC-Diagramms vor. Auszugsausschnitt Ausblenden ABSTRAKT: Ähnlich wie bei dem univariaten CUSUM-Diagramm kann ein multivariater CUSUM (MCUSUM) - Diagramm entworfen werden, um eine bestimmte Größe der mittleren Verschiebung optimal auf der Grundlage des Schemas eines sequentiellen Wahrscheinlichkeitsverhältnis-Tests für den Nicht-Zentralitätsparameter zu erfassen. Jedoch ist im multivariaten Fall das Wahrscheinlichkeitsverhältnis eines sequentiellen Tests mathematisch unlösbar und die Teststatistik, die auf dem Verhältnis basiert, hat keinen geschlossenen Formularausdruck, der es für eine reale Anwendung unpraktisch macht. Wir fahren ein ungefähres Log-Likelihood-Verhältnis und schlagen ein multivariates statistisches Prozesskontrolldiagramm vor, das auf einem sequentiellen 2-Test basiert, um eine Änderung des Nicht-Zentralitätsparameters zu erkennen. Die statistischen Eigenschaften der vorgeschlagenen Teststatistik werden untersucht. Die durchschnittliche Lauflänge (ARL) Leistung der vorgeschlagenen Diagramme wird mit anderen MCUSUM-Diagrammen für die Prozessmittelüberwachung verglichen. Die experimentellen Ergebnisse zeigen, dass die vorgeschlagenen Diagramme überlegen sind, sowohl Null-und stationär, ARL Leistung über eine breite Palette von mittleren Verschiebungen, vor allem, wenn die Dimension der Messungen groß ist. Volltext Artikel Sep 2014
No comments:
Post a Comment