Multivariate Exponentiell Gewichtete Gleitende Durchschnitt Kontroll Chart

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 Period. Fuzzy multivariate exponentiell gewichtete gleitende durchschnittliche Kontrollkarte Zitieren Sie diesen Artikel als: Alipour, H. Noorossana, R. Int J Adv Manuf Technol (2010) 48: 1001. doi: 10.1007s00170-009-2365-4 Traditionelle multivariate Kontrollkarten wie Da die Datenfelder von Andlings 2 und T 2 für die Überwachung von Vektoren mit variablen Qualitätsmerkmalen ausgelegt sind. In bestimmten Situationen werden die Daten jedoch sprachlich ausgedrückt und unter diesen Umständen sind Variable oder Attribute multivariate Kontrollkarten nicht für die Zwecke der Überwachung geeignet. Fuzzy multivariate Kontrollkarten wie Fuzzy Hotellings T 2 könnten als effiziente Werkzeuge betrachtet werden, um die Probleme der sprachlichen Beobachtungen zu überwinden. Der Zweck dieses Papiers ist es, ein Fuzzy multivariate exponentiell gewichtete gleitende Durchschnitt (F-MEWMA) Steuerkarte zu entwickeln. In dieser Arbeit werden multivariate statistische Qualitätskontrolle und Fuzzy-Set-Theorie kombiniert, um die vorgeschlagene Methode zu entwickeln. Fuzzy-Sets und Fuzzy-Logik sind leistungsstarke mathematische Werkzeuge für die Modellierung unsicherer Systeme in Industrie, Natur und Menschlichkeit. Durch ein numerisches Beispiel wurde die Leistung des vorgeschlagenen Kontrolldiagramms mit dem Fuzzy-Hotellings-T2-Kontrollschema verglichen. Die Ergebnisse zeigen eine gleichmäßig überlegene Leistung des F-MEWMA-Kontrollschemas über das Hotelles T 2-Kontrollschema. Multivariate Kontrollkarten Fuzzy-Set-Theorie Fuzzy-Multivariate-Kontroll-Diagramm Repräsentativer Wert Hotellings T 2 Multivariate exponentiell gewichtete gleitende Durchschnitt Referenzen Linna KW, Woodall WH (2001) Die Performance von multivariaten Kontrollkarten im Vorhandensein von Messfehlern. J Qual Technol 33: 349355 Google Scholar Mason RL, Champ CW, Tracy ND, Wierda SJ, Young JC (1997) Bewertung multivariater Prozesskontrolle. J Qual Technol 29: 140143 Google Scholar Mason RL, Chou Y-M, Young JC (2001) Anwenden von Hotellings T 2-Statistik auf Batch-Prozesse. J Qual Technol 33: 466479 Google Scholar Montgomery DC (2001) Einführung in die statistische Qualitätskontrolle Wiley, New York Google Scholar Taleb H, Liman M, Hirota K (2006) Multivariate Fuzzy Multinomial Control Chart. QTQM 3 (4): 437453 Google Scholar Copyright Information Springer-Verlag London Limited 2009 Autoren und Zugehörigkeiten Hossein Alipour 1 E-Mail Autor Rassoul Noorossana 2 1. Wissenschaft und Forschung Zweig Islamische Azad Universität Teheran Iran 2. Fachbereich Ingenieurwesen Iran Universität für Wissenschaft und Technologie Teheran Iran Über diesen ArtikelDesign eines multivariaten exponentiell gewichteten gleitenden Durchschnittskontrolldiagramms mit variablen Stichprobenintervallen Zitieren Sie diesen Artikel als: Lee, MH Khoo, M. B.C. Comput Stat (2014) 29: 189. doi: 10.1007s00180-013-0443-4 Diese Studie entwickelt ein Verfahren für die statistische Auslegung der variablen Stichprobenintervalle (VSI) multivariaten exponentiell gewichteten gleitenden Durchschnitt (MEWMA) Diagramm. Das VSI-MEWMA-Diagramm wird mit dem entsprechenden festen Abtastintervall (FSI) MEWMA-Diagramm verglichen, und zwar in Bezug auf die stationäre mittlere Zeit, um für unterschiedliche Größen der Verschiebungen im Prozessmittelvektor zu signalisieren. Es wird gezeigt, dass das VSI MEWMA-Diagramm besser als das entsprechende Standard-FSI-MEWMA-Diagramm zum Erfassen eines breiten Bereichs von Verschiebungen im Prozessmittelvektor führt. Durchschnittliche Zeit zum Signal Multivariate EWMA-Diagramm Statistisches Design Variable Abtastintervalle Referenzen Aparisi F, Haro CL (2001) Hotellings () Kontrollkarte mit variablen Abtastintervallen. Int J Prod Res 39: 31273140 Google Scholar Aparisi F, de Luna MA (2009) Das Design und die Leistung des multivariaten Synthetik - () Kontrolldiagramms. Commun Stat Theory Methoden 38: 173192 Bodden KM, Ridgon SE (1999) Ein Programm zur Annäherung der In-Control-ARL für das MEWMA-Diagramm. J Qual Technol 31: 120123 Google Scholar Bessegato L, Quinino R, Ho LL, Duczmal L (2011) Variable Intervall-Sampling in ökonomischen Designs für die Online-Prozesskontrolle von Attributen mit Fehlklassifizierungsfehlern. J Oper Res Soc 62: 13651375 CrossRef Google Scholar Castagliola P, Celano G, Fichera S (2006) Auswertung der statistischen Leistung eines variablen Stichprobenintervalls R EWMA-Kontrollkarte. Qual Technol Quant Manag 3: 307323 MathSciNet Google Scholar Chen YK (2007) Ökonomisches Design von variablen Stichprobenintervall () Kontrollkarten - ein hybrider Markov-Kettenansatz mit genetischen Algorithmen. Exp Syst Appl: 333689 CrossRef Google Scholar Chou CY, Chen CH, Chen CH (2006) Ökonomisches Design von variablen Stichprobenintervallen () Kontrollkarten mit genetischen Algorithmen. Exp Syst Appl. 30: 233242 CrossRef Google Scholar Epprecht EK, Simoes BFT, Mendes FCT (2010) Ein variables Sampling-Intervall EWMA-Diagramm für Attribute. Int J Adv Manuf Technol 49: 281292 CrossRef Google Scholar Faraz A, Chalaki K, Moghadam MB (2011) Auf die Eigenschaften des Hotellings () Kontrolldiagramms mit variablen Stichprobenintervallen. Qual Quant 45: 579586 CrossRef Google Scholar Gb R, Ramalhoto MF, Pievatolo A (2006) Variable Stichprobenintervalle in Shewhart-Charts basierend auf stochastischer Ausfallzeitmodellierung. Qual Technol Quant Manag 3: 361381 MathSciNet Google Scholar Kim K, Reynolds MR Jr (2005) Multivariate Überwachung mit einem MEWMA-Kontrollplan mit ungleichen Stichprobengrößen. J Qual Technol 37: 267281 Google Scholar Lee MH (2009) Multivariate EWMA-Karten mit variablen Stichprobenintervallen. Econ Qual Control 24: 231241 CrossRef MATH MathSciNet Google Scholar Lee MH (2010a) Multivariate EWMA-Kontrollkarte mit adaptiven Stichprobengrößen. Commun Stat Simul Comput 39: 15481561 CrossRef MATH Google Scholar Lee MH (2010b) Variables Stichprobenintervall Hotellings () Diagramm mit Stichproben zu festen Zeiten. J Chin Inst Ind Eng 27: 394406 Google Scholar Lee MH, Khoo MBC (2006) Optimales statistisches Design eines multivariaten EWMA-Charts basierend auf ARL und MRL. Commun Stat Simul Comput 35: 831847 CrossRef MATH MathSciNet Google Scholar Li Z, Luo Y, Wang Z (2010) Cusum von Q-Diagramm mit variablen Stichprobenintervallen zur Überwachung des Prozessmittels. Int JV 48: 48614876 CrossRef MATH Google Scholar Li Z, Wang Z (2010) Ein exponentiell gewichtetes gleitendes Mittelschema mit variablen Stichprobenintervallen zur Überwachung von linearen Profilen. Comput Ind eng 59: 630637 CrossRef Google Scholar Lin YC, Chou CY (2011) Robustheit der EWMA und der kombinierten (bar-text) Kontrollkarten mit variablen Stichprobenintervallen auf Nichtnormalität. J Appl Stat 38: 553570 CrossRef MathSciNet Google Scholar Liu JY, Xie M, Goh TN, Liu QH, Yang ZH (2006) Kumulative Zählung der konformen Tabelle mit variablen Stichprobenintervallen. Intj Econ 101: 286297 CrossRef Google Scholar Lowry CA, Woodall WH, Champ CW, Rigdon SE (1992) Ein multivariater exponentiell gewichteter gleitender Durchschnittskontrolldiagramm. Technometrics 34: 4653 CrossRef MATH Google Scholar Lucas JM, Saccucci MS (1990) Exponentiell gewichtete gleitende durchschnittliche Kontrollsysteme: Eigenschaften und Erweiterungen. Technometrics 32: 112 CrossRef MathSciNet Google Scholar Luo H, Wu Z (2002) Optimale np-Kontrollkarten mit variablen Stichprobengrößen oder variablen Abtastintervallen. Econ Qual Control 17: 3961 CrossRef MATH MathSciNet Google Scholar Mahadik SB (2012) Variables Stichprobenintervall Hotellings () Diagramme mit Spielregeln zum Umschalten zwischen Stichprobenlängen. Qual Reliab Eng Int 28: 131140 CrossRef Google Scholar Ou Y, Wu Z, Yu FJ (2011) Ein SPRT-Kontrollschema mit variablen Abtastintervallen. Int J Adv Manuf Technol 56: 11491158 CrossRef Google Scholar Prabhu SS, Montgomery DC, Runger GC (1994) Eine kombinierte adaptive Stichprobengröße und Stichprobenintervall-Kontrollschema. J Qual Technol 26: 164176 Google Scholar Prabhu SS, Runger GC (1997) Entwerfen einer multivariaten EWMA-Kontrollkarte. J Qual Technol 29: 815 Google Scholar Reynolds MR Jr (1989) Optimale variable Stichprobenintervall-Kontrollkarten. Seq Anal 8: 361379 CrossRef MATH Google Scholar Reynolds MR Jr (1995) Auswertung von Eigenschaften von variablen Stichprobenintervall-Kontrollkarten. Seq Anal 14: 5997 CrossRef MATH Google Scholar Reynolds MR Jr, Amin RW, Arnold JC (1990) CUSUM Charts mit variablen Stichprobenintervallen. Technometrics 32: 371396 CrossRef MATH MathSciNet Google Scholar Reynolds MR Jr, Amin RW, Arnold JC, Nachlas JA (1988) (Bar) Diagramme mit variablen Stichprobenintervallen. Technometrics 30: 181192 MathSciNet Google Scholar Reynolds MR Jr, Cho GY (2011) Multivariate Kontrollkarten zur Überwachung der mittleren Vektor - und Kovarianzmatrix mit variablen Abtastintervallen. Seq Anal 30: 140 CrossRef MATH MathSciNet Google Scholar Reynolds MR Jr, Kim K (2005) Multivariate Überwachung des Prozessmittels Mittelvektor mit sequentieller Abtastung. J Qual Technol 37: 149162 Google Scholar Rigdon SE (1995) Eine doppelte Integralgleichung für die durchschnittliche Lauflänge eines multivariaten exponentiell gewichteten gleitenden Durchschnittskontrollschemas. Stat Probab Lett 24: 365373 CrossRef MATH MathSciNet Google Scholar Runger GC, Montgomery DC (1993) Adaptive Stichprobenerweiterungen für Shewhart Kontrollkarten. IIE Trans 25: 4151 CrossRef Google Scholar Runger GC, Prabhu SS (1996) Ein Markov Kettenmodell für die multivariaten exponentiell gewichteten Bewegungsdurchschnitte Kontrolltabelle. J Am Stat Assoc 91: 17011706 CrossRef MATH MathSciNet Google Scholar Saccucci MS, Amin RW, Lucas JM (1992) Exponentiell gewichtete gleitende Durchschnittskontrollschemata mit variablen Stichprobenintervallen. Gemeinsame stat Simul Comput 21: 627657 CrossRef MathSciNet Google Scholar Shamma SE, Amin RW, Shamma AK (1991) Eine doppelte exponentiell gewichtete gleitende Durchschnittskontrolle mit variablen Stichprobenintervallen. Commun Stat Simul Comput 20: 511528 CrossRef MATH MathSciNet Google Scholar Stoumbos ZG, Mittenthal J, Runger GC (2001) Steady-state-optimale adaptive Kontrollkarten basierend auf variablen Abtastintervallen. Stoch Anal Appl 19: 10251057 CrossRef MATH MathSciNet Google Scholar Yang SF, Chen WY (2011) Überwachung und Diagnose abhängiger Prozessschritte mit VSI-Kontrollkarten. J Stat Plan Inferenz 141: 18081816 CrossRef MATH Google Scholar Yang SF, Ko CY, Yeh JT (2010) Mit VSI Verlust Kontrolle Diagramme, um einen Prozess mit falscher Anpassung zu überwachen. Commun Stat Simul Comput 39: 736749 CrossRef MATH MathSciNet Google Scholar Zhang Y, Castagliola P, Wu Z, Khoo MBC (2012) Das Variable Sampling Intervall (Balken) Diagramm mit geschätzten Parametern. Qual Reliab Eng Int 28: 1934 CrossRef Google Scholar Copyright Information Springer-Verlag Berlin Heidelberg 2013 Autoren und Verbände Ming Ha Lee 1 E-Mail Autor Michael BC Khoo 2 1. Fakultät für Ingenieurwissenschaften, Informatik und Informatik Swinburne University of Technology Sarawak Campus Kuching Malaysia 2. Schule der Mathematikwissenschaften Universiti Sains Malaysia Penang Malaysia Über diesen Artikel