Ein Adaptive Exponentiell Gewichtete Gleitende Durchschnittliche Kontroll Diagramm Für Überwachungs Prozess Abweichungen

Eine adaptive exponentiell gewichtete gleitende Durchschnittskontrollkarte quotYakir et al. (1999) und Krieger et al. (2003) betrachtet 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. ZUSAMMENFASSUNG: In dieser Arbeit betrachten wir eine adaptive sequentielle CUSUM-Prozedur in einer exponentiellen Familie, in der die Veränderungspunkte und die Nachveränderungsparameter adaptiv geschätzt werden. Es wird gezeigt, dass das adaptive CUSUM-Verfahren bei der ersten Ordnung effizient ist. Die bedingten Vorspannungen der Schätzung für den Änderungspunkt und den Nachveränderungsparameter werden untersucht. Der Vergleich mit dem klassischen CUSUM-Verfahren erfolgt im Normalfall. Für die Demonstration werden der Nilfluss und die durchschnittlichen globalen Temperaturdatensätze verwendet. Yanhong Wu setzt den exponentiell gewichteten gleitenden Durchschnitt ein und verwendet max (, k1, n (,)) als adaptive Schätzung. Die EWMA als Control Charting Tool wurde ausführlich in der Literatur 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 gibt. Volltext-Konferenzpapier Aug 2015 Internationales Journal für Produktionsforschung Yanhong Wu quotWenn ein spezifiziertes k 1 von der Größe k eines realen geänderten Mittels verschieden ist, können die Kontrolldiagramme, die auf den Likelihood-Verhältnismethoden basieren, schlecht ausführen. 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) weitgehend verwendet, um dieses Problem zu überwinden. In diesem Abschnitt stellen wir die adaptive Version des MASC-Charts vor. Ähnlich dem univariaten CUSUM-Diagramm kann ein multivariates CUSUM-Diagramm (MCUSUM) entworfen werden, um eine bestimmte Größe der mittleren Verschiebung basierend auf dem Schema eines sequentiellen Likelihood-Verhältnis-Tests für den Nicht-Zentralitätsparameter optimal zu erfassen. Jedoch ist im multivariaten Fall das Wahrscheinlichkeitsverhältnis eines sequentiellen Tests mathematisch nicht behebbar, und die Teststatistik, die auf dem Verhältnis basiert, besitzt keinen geschlossenen Formausdruck, was es für eine reale Anwendung unpraktisch macht. Wir fahren ein ungefähres Log-Likelihood-Verhältnis und schlagen ein multivariates statistisches Prozesskontrolldiagramm auf der Basis eines sequentiellen 2 Tests vor, um eine Änderung des Nicht-Zentralitätsparameters zu detektieren. Die statistischen Eigenschaften der vorgeschlagenen Teststatistik werden untersucht. Die durchschnittliche Durchlauflänge (ARL) der vorgeschlagenen Diagramme wird mit anderen MCUSUM-Diagrammen für die Prozessmittelüberwachung verglichen. Die experimentellen Ergebnisse zeigen, dass die vorgeschlagenen Diagramme überlegene, sowohl Null-Zustand und Steady-State, ARL Leistung über einen weiten Bereich von mittleren Verschiebungen, vor allem, wenn die Dimension der Messungen ist groß. Volltext-Artikel Sep 2014Adaptive EWMA-Verfahren zur Überwachung von Prozessen, die von linearen Drifts betroffen sind Yan Su a, Lianjie Shu b. . , Kwok-Leung Tsui c. Institut für Technologie, Atlanta, GA 30332, Vereinigte Staaten erhielt 22. November 2010, überarbeitet 11. April 2011, Akzeptiert 14. April 2011, Online verfügbar 20 April 2011Die herkömmlichen Methoden der statistischen Prozesskontrolle (SPC) haben sich vor allem auf die Erkennung von Schrittänderungen in den Prozessmitteln konzentriert. Es gibt jedoch oft Einstellungen zum Überwachen linearer Drifts in Prozessmitteln, z. B. Die allmähliche Veränderung durch Werkzeugverschleiß oder ähnliche Ursachen. Die von Yashchin (1995) vorgeschlagenen adaptiven exponentiell gewichteten gleitenden Durchschnitt (AEWMA) - Verfahren haben sehr viel Aufmerksamkeit hauptsächlich für die Schätzung und Überwachung der Schrittmittelverschiebungen erhalten. Dieses Papier analysiert die Leistung von AEWMA-Schemata bei der Signalisierung von linearen Drifts. Zur Berechnung der durchschnittlichen Lauflänge (ARL) von AEWMA-Plänen unter linearen Drifts im Mittel wird ein numerisches Verfahren auf Basis des Integralgleichungsansatzes vorgestellt. Die Vergleichsergebnisse begünstigen das AEWMA-Diagramm unter linearen Drifts. Einige Richtlinien für das Entwerfen von AEWMA-Diagrammen zur Erfassung linearer Drifts werden vorgestellt. Durchschnittliche Lauflänge Integralgleichung Linearer Trend Statistische Prozesssteuerung Exponentiell gewichteter gleitender Durchschnitt Copyright copy 2011 Elsevier B. V. Erscheint bei Elsevier B. V. Alle Rechte vorbehalten. Cookies werden von dieser Website verwendet. Weitere Informationen finden Sie auf der Cookieseite. Copyright 2016 Elsevier B. V. oder seine Lizenzgeber oder Mitwirkenden. ScienceDirect ist ein eingetragenes Warenzeichen von Elsevier B. V.