Die herkömmlichen statistischen Prozesskontroll - (SPC-) Techniken wurden vor allem auf die Erkennung von Schrittänderungen in den Prozessmitteln fokussiert. Es gibt jedoch häufig 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 vor allem die Schätzung und Überwachung der Schrittmittelverschiebungen sehr beachtet. Dieses Papier analysiert die Leistungsfähigkeit von AEWMA-Schemata bei der Signalisierung von linearen Drifts. Eine numerische Prozedur, die auf dem Integralgleichungsansatz basiert, wird zur Berechnung der durchschnittlichen Lauflänge (ARL) von AEWMA-Diagrammen unter linearen Drifts im Mittel dargestellt. Die Vergleichsergebnisse begünstigen das AEWMA-Diagramm unter linearen Drifts. Einige Richtlinien für die Gestaltung von AEWMA-Diagrammen zur Erkennung linearer Drifts werden vorgestellt. Durchschnittliche Lauflänge Integralgleichung Linearer Trend Statistische Prozesskontrolle Exponentiell gewichteter gleitender Durchschnitt Copyright Kopie 2011 Elsevier B. V. Veröffentlicht von Elsevier B. V. Alle Rechte vorbehalten. Cookies werden von dieser Seite benutzt. Weitere Informationen finden Sie auf der Seite "Cookies". Copyright 2017 Elsevier B. V. oder seine Lizenzgeber oder Mitwirkenden. ScienceDirect ist ein eingetragenes Warenzeichen von Elsevier BVOptimales Design von AEWMA-Kontrollkarte mit neuer Stichprobenstrategie Abstrakt ausblenden Zusammenfassung ausblenden ABSTRAKT: Das exponentiell gewichtete gleitende Durchschnitt (EWMA) Kontrolldiagramm ist effizient bei der Erkennung kleiner Änderungen der Prozessparameter, aber weniger effizient, wenn die Änderungen vorliegen Relativ groß, aufgrund der so genannten Trägheit Problem. 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, Artikel Apr 2008 Lianjie Shu Show abstrakt Ausblenden abstrakt ABSTRAKT: In der statistischen Prozesskontrolle wird ein Zustand der statistischen Kontrolle mit einem Prozess identifiziert, der unabhängige und identisch verteilte Zufallsvariablen erzeugt. Es ist oft schwierig in der Praxis, einen Zustand der statistischen Kontrolle in diesem strengen Sinn zu erreichen Autokorrelationen und andere systematische Zeitreiheneffekte sind oft erheblich. Angesichts dieser Effekte können Standard-Kontroll-Chart-Verfahren ernsthaft irreführend sein. Wir schlagen und veranschaulichen statistische Modellierung und Anpassung von Zeitreihe-Effekten und die Anwendung von Standard-Kontroll-Chart-Verfahren auf die Residuen aus diesen passt. Die angepassten Werte können separat aufgetragen werden, um Schätzungen der systematischen Effekte zu zeigen. Artikel Feb 1988 Layth C Alwan Harry V Roberts Zeige abstrakt Ausblenden abstrakt ABSTRAKT: Wichtige Fragen auf Kontrolldiagramm wurden diskutiert, vor allem auf autokorrelierte Daten. Die Themen, die über positiv autokorrelierte Daten diskutiert wurden, waren: die Verwendung von algorithmischen statistischen Prozesskontrollen eine Zusammenfassung und Kritik der vorgeschlagenen Ansätze und Stichprobengröße und Parameterschätzungsbetrachtungen für autokorrelierte und unabhängige Daten in den retrospektiven Analyse - und Prozessüberwachungsphasen. Artikel Apr 1997 Zeitschrift für Wirtschafts - und Wirtschaftsstatistik Frederick W. Faltin Christina M. Mastrangelo George C. Runger Thomas P. RyanAnpassendes exponentiell gewichtetes gleitendes Mittelkontrolldiagramm zur Überwachung von Prozessabweichungen Das exponentiell gewichtete gleitende Globale (EWMA) Kontrolldiagramm ist effizient beim Erkennen Kleine 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, 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 2014
No comments:
Post a Comment