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 Die Effekte der Phase-I-Schätzung auf die EWMA-Kontrollkarte wurden von Jones 4 und Jones et al. 5 diskutiert, die ein Entwurfsverfahren für die EWMA-Kontrollkarte auf der Grundlage der geschätzten Phase lieferten In der Praxis basiert die EWMA-Regelkarte für die Prozessüberwachung auf Parametern, die aus einem retrospektiven Datensatz, der repräsentiert, abgeschätzt werden Die untersuchte Prozesscharakteristik. Dieser Datensatz kann kontaminierte Beobachtungen enthalten, die wiederum die Schätzungen und damit die Leistung der Kontrollkarte beeinflussen können. Wir untersuchen das Problem der Schätzung des Standortes, wenn der Datensatz kontaminierte Beobachtungen enthalten kann oder nicht. Wir vergleichen sechs Punkte Schätzer in der SPC-Literatur vorgeschlagen. Die Qualität der Schätzer wird anhand der Schätzgenauigkeit bewertet. Darüber hinaus untersuchen wir die Auswirkungen der Schätzer auf die Performance der EWMA-Kontrollkarte anhand der verschiedenen Standortschätzer. Volltext Artikel Jan 2016 Inez M Zwetsloot Marit Schoonhoven Ronald J M M Führt Quot. Chen 1997 Jones. Champ. Und Rigdon 2001) haben ähnliche Ergebnisse für Diagramme gezeigt, die auf geschätzten Parametern basieren. Ihre Arbeit betrachtete nur Diagramme, die auf festen Schätzungen konditioniert wurden. Nicht Diagramme basierend auf Schätzungen, die sukzessive aktualisiert werden. Die Standardabweichung der ersten beiden Beobachtungen hat einen beträchtlichen Einfluss auf die Diagrammleistung, obwohl die Schätzung der Standardabweichung mit jeder neuen Beobachtung aktualisiert wird. Zitat Zusammenfassung Zusammenfassung Zusammenfassung ABSTRAKT: Die empfohlene Größe des Phase-I-Datensatzes, der verwendet wurde, um die in-Kontrollparameter zu schätzen, wurde in der Prozessüberwachungsliteratur mehrmals diskutiert. Das Sammeln von Grundliniendaten kann jedoch in einigen Anwendungen schwierig oder langsam sein. Solche Probleme haben die Entwicklung von Selbst-Start-Control-Charts, die Charts frühzeitig, in der Nähe der Beginn der Datenerhebung. In unserem Artikel verwenden wir den Mittelwert der durchschnittlichen durchschnittlichen Lauflänge (AARL) und die Standardabweichung der mittleren durchschnittlichen Lauflänge (SDARL), um die in der Kontrolle liegende Lauflängenperformance von Selbststartdiagrammen, die konditioniert sind, zu bewerten Die vorläufigen Daten. Dieser Ansatz berücksichtigt die Variabilität der Praktiker-zu-Praktiker in der durchschnittlichen durchschnittlichen Lauflänge (ARL) der Selbststartdiagramme, die bisher nicht berücksichtigt wurde. Wir fanden, dass es eine signifikante Variationsbreite der ARL-Werte in der Kontrolle, die von den Praktikern aufgrund der Probenahmevariation der anfänglichen Schätzer der In-Kontrollparameter erhalten wurden, gab. Das Ausmaß der Variation war im Vergleich zu dem, das aus der Verwendung von Standard-Phase-I-Abtastungen und Schätzungen resultiert, überraschend gering. Artikel August 2015 Matthew J. Keefe William H. Woodall L. Allison Jones-Farmer quotRoberts 33 führte eine EWMA-Kontrollkarte zur Erfassung kleiner Verschiebungen der Prozessparameter ein. Robinson und Ho 34, Hunter 18, Crowder 12, 13, Lucas und Saccucci 24, MacGregor und Harris 25, Gan 16, Jones et al. 19 und Montgomery 28 lieferten Leistungsauswertungen dieser Diagramme unter Verwendung verschiedener Leistungsstrategien. Hamilton und Crowder 17, Chen et al. 10, und Costa und Rahim 11 weiter verbessert seine Konstruktion durch die Kombination von zwei EWMA-Charts und durch gleichzeitige Überwachung. Abstrakt Zusammenfassung ABSTRAKT: Exponentiell gewichtete gleitende Durchschnitt (EWMA) und kumulative Summen (CUSUM) Diagramme werden verwendet, um kleinere Verschiebungen der Prozessparameter zu erkennen. Die üblichen EWMA - und CUSUM-Diagramme hängen von der Normalitätsannahme für eine bessere Detektionsfähigkeit ab. Diese Studie schlägt eine effiziente EWMA-Kontrollkarte basierend auf dem Geist der Tukey-Kontrollkarte vor, die speziell für schräge Verteilungen entwickelt wurde. Die Leistung der vorgeschlagenen und der konkurrierenden Diagramme wird unter Verwendung unterschiedlicher Längeneigenschaften wie der durchschnittlichen Lauflänge (ARL), der Standardabweichung der Lauflänge (SDRL) und der mittleren Lauflänge (MDRL) gemessen. Wir haben beobachtet, dass das vorgeschlagene Diagramm sehr effizient ist, um Prozessverschiebungen kleinerer Grße, insbesondere für schräge Verteilungen, zu erkennen. Aus praktischen Erwägungen wird die vorgeschlagene Tabelle in Luft - und Raumfahrt-Herstellungsdaten zum industriellen Produktionsindex implementiert. Volltext-Artikel Juni 2015Die Performance 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 erhalten: 31 Januar 2012 In Verbindung stehende Inhalte Artikel Die Sie sehen möchten 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