A média móvel móvel ponderada exponencial (EWMA) é uma estatística para monitorar o processo que mede os dados de uma forma que dê cada vez menos peso aos dados à medida que eles são removidos no tempo. Comparação do gráfico de controle de Shewhart e das técnicas de controle de EWMA Para a técnica de controle de gráfico de Shewhart, a decisão sobre o estado de controle do processo a qualquer momento, (t) depende apenas da medida mais recente do processo e, claro, O grau de veracidade das estimativas dos limites de controle de dados históricos. Para a técnica de controle EWMA, a decisão depende da estatística EWMA, que é uma média ponderada exponencialmente de todos os dados anteriores, incluindo a medida mais recente. Através da escolha do fator de ponderação, (lambda), o procedimento de controle EWMA pode ser sensível a uma deriva pequena ou gradual no processo, enquanto o procedimento de controle Shewhart só pode reagir quando o último ponto de dados está fora de um limite de controle. Definição de EWMA A estatística que é calculada é: mbox t lambda Yt (1-lambda) mbox ,,, mbox ,,, t 1,, 2,, ldots ,, n. Onde (mbox 0) é a média dos dados históricos (alvo) (Yt) é a observação no tempo (t) (n) é o número de observações a serem monitoradas incluindo (mbox 0) (0 Interpretação do gráfico de controle EWMA O vermelho Os pontos são os dados brutos, a linha irregular é a estatística EWMA ao longo do tempo. O gráfico nos diz que o processo está no controle porque todos (mbox t) se situam entre os limites de controle. No entanto, parece haver uma tendência para cima nos últimos 5 O gráfico de controle de MSEWMA consiste em uma tabela de controle de média móvel ponderada exponencialmente (MEWMA) multivariada e (...) O gráfico de controle de MSEWMA é composto por uma tabela de controle de média móvel ponderada exponencialmente (MEWMA) multivariada e Um quadro de controle de comprimento de execução em conformidade. O comprimento de execução médio do quadro de controle do MSEWMA é obtido usando uma abordagem de cadeia de Markov. A partir das comparações numéricas, é mostrado que o gráfico de controle do MSEWMA é mais eficiente do que O gráfico de controle de T 2 sintético multivariante eo gráfico de controle MEWMA para detectar mudanças no vetor médio do processo. Você quer ler o resto deste artigo. Quando o valor CRL plotado no gráfico é menor ou igual a L (CRL L), indica que a fração não conforme aumentou e um sinal fora de controle é disparado. Desenvolvimentos recentes em gráficos de controle sintético podem ser encontrados em Khilare e Shirke 7 Pawar e Shirke 17 Wu et al. 18 Khoo et al. 9,10 Zhang et al. 21 Haridy et al. 5 Khilare e Shirke 8 Khoo et al. 11 Lee 13 Calzada e Scariano 22. Pegue uma amostra de tamanho n em cada ponto de amostragem e calcule a quilha estatística chartx27s Mostrar descrição Ocultar descrição DESCRIÇÃO: Materiais Suplementares para quotEconomico-estatístico Design de Pesquisa Sintética Max Chartquot File Nov 2017 Computadores amp Industrial Engineering Lee MH Mostrar resumo Ocultar resumo RESUMO: Este artigo realiza análises de sensibilidade do gráfico T2 sintético usando o projeto fatorial fracionário, que integra os efeitos de interação. Estamos interessados nos efeitos dos parâmetros de entrada no custo ótimo, nos parâmetros do chartx27s e nos comprimentos de corrida médios. Também analisamos os parâmetros de entrada responsáveis pelo aumento do custo e a melhoria no desempenho estatístico sob restrições estatísticas e investigamos como os parâmetros de entrada influenciam o efeito vinculativo das restrições estatísticas. As análises de sensibilidade do gráfico T2 sintético são comparadas com a do gráfico T2 da Hotellingx27s, e os parâmetros responsáveis pela vantagem de custo do gráfico T2 sintético são identificados. Artigo Ago 2017 Wai Chung Yeong Michael Boon Chong Khoo Mohammad Shamsuzzaman Philippe Castagliola Mostrar resumo Esconder abstract RESUMO: A qualidade de um produto, com base no número de itens não conformes, pode ser controlada usando o gráfico np. Este artigo propõe um gráfico np sintético de dupla amostragem (DS) que compreende dois sub-gráficos, ou seja, o DS np e sub-gráficos de comprimento de execução conforme (CRL). Para o caso de estado zero, o gráfico DS np sintético ultrapassa a sua contrapartida padrão, ou seja, o np sintético e o gráfico DS np básico e outros tipos de tipos np, como o padrão np, síntese combinada e np (Syn-np), amostra variável Tamanho (VSS) np, média móvel ponderada exponencial (EWMA) np e soma cumulativa (CUSUM) gráficos np, para detectar aumentos na fração de itens não conformes p, para a maioria dos tamanhos de mudança. O gráfico DS np sintético também funciona razoavelmente bem no caso de estado estacionário em comparação com outros gráficos mencionados acima. Assim, entre os gráficos concorrentes, o gráfico sintético DS np se destaca como um dos melhores gráficos. Artigo de setembro de 2017 Zhi Lin Chong Michael B. C. Khoo Philippe CastagliolaRobiedade para a não-normalidade da tabela de controle de EWMA multivariada Investigamos os efeitos da não-normalidade sobre o desempenho estatístico da tabela de controle da média móvel ponderada exponencialmente multivariada (MEWMA) e seu caso especial, o chi-squared de Hotellings Gráfico, quando aplicado a observações individuais para monitorar o vetor médio de uma variável de processo multivariada. Mostramos que o gráfico do qui-quadrado é altamente sensível à não-normalidade. Argumentamos que o desempenho é mais sensível às saídas da normalidade multivariada com observações individuais (subgrupos do tamanho um). Mostramos isso com observações individuais e, por conseguinte, por extensão, com subgrupos de qualquer tamanho, o gráfico MEWMA pode ser projetado para ser robusto a não-normalidade e muito eficaz na detecção de turnos de processo de qualquer tamanho ou direção, mesmo para distorções altamente distorcidas e Distribuições multivariadas extremamente pesadas. Palavras-chave: Comprimento médio da corrida, média móvel ponderada exponencialmente, gráficos de controle multivariados, distribuição de gama multivariada, distribuição multi-variável, controle de processo estatístico, duração média de execução parcial. Os gráficos de controle são ferramentas gráficas amplamente utilizadas para monitorar os processos de fabricação para detectar rapidamente. Qualquer alteração em um processo que possa resultar em uma mudança na qualidade do produto. A estatística plotada em um gráfico de controle é baseada em amostras de n 1 observações (subgrupos racionais) que podem ser tomadas em intervalos de amostragem regulares. No entanto, existem inúmeras aplicações práticas usando observações individuais (n 1), como em muitas indústrias químicas e de processos ou quando a taxa de produção é lenta. Veja Montgomery (2001, p. 249) e Ryan (2000, p. 133) para aplicações que utilizam observações individuais. A abordagem padrão para o uso e análise de gráficos de controle foi univariada, sendo os gráficos de controle mais frequentemente investigados aqueles projetados para monitorar a média de uma única variável de processo normalmente distribuída X. No entanto, com a tecnologia de aquisição de dados em rápida evolução, agora é comum monitorar simultaneamente diversas variáveis de processo, geralmente correlacionadas. O uso de gráficos univariados separados não explica a correlação entre as variáveis, de modo que uma tabela de controle multivariada é mais adequada. Duas tabelas de controle multivariada que receberam grande atenção na literatura de controle de processo estatístico (SPC) são o gráfico de chi-quadrado de Shewhart (X 2), originário do trabalho de Hotelling (1947), e a média móvel ponderada exponencialmente multivariada ( MEWMA), proposto por Lowry et al. (1992). Ambas as cartas de controle foram originalmente desenvolvidas para o problema de monitorar o vetor médio, digamos. Variável de processo multivariada contínua (vetor), digamos x. Ao contrário do gráfico X 2, o gráfico MEWMA acumula informações de observações passadas, tornando-o mais sensível na detecção de pequenas mudanças sustentadas em. Os artigos de pesquisa de Alt e Smith (1988), Wierda (1994), Lowry e Montgomery (1995) e Mason et al. (1997) fornecem boas discussões sobre gráficos de controle multivariados e extensas listas de referências. O trabalho recente sobre o design econômico dos gráficos de controle MEWMA é dado por Linderman e Love (2000a, b). Ao monitorar. O design do gráfico de controle geralmente se baseia na normalidade multivariada aproximada (multinormalidade) dos dados do processo. Normalmente, a falta de normalidade não é uma grande preocupação com grandes subgrupos, porque um teorema do limite central garante que o vetor médio da amostra seja aproximadamente multinormal para todas as distribuições multivariadas razoáveis. No entanto, com amostras pequenas, bastante comuns em práticas SPC8212 de uma população não normal, pode estar longe de ser multinormal. Em particular, o problema do desempenho estatístico degradado devido à não-normalidade das observações é mais severo com observações individuais. O problema da não-normalidade univariada foi estudado por Reynolds e Stoumbos (2002), Stoumbos e Reynolds (2000) e Borror, Montgomery e Runger (1999) com a conclusão de que a não-normalidade pode degradar seriamente o desempenho estatístico do Shewhart X E os gráficos, mas os gráficos de média móvel ponderada exponencialmente univariada (EWMA) e cumulativa (CUSUM) podem ser projetados para serem robustos. Nós investigamos o desempenho do gráfico MEWMA e do gráfico de Hotellings X 2 para observações multivariadas de processo não normal. Mostramos que o desempenho no controle (IC) do gráfico X 2 dos indivíduos é superior a uma taxa excessiva de falsos alarmes com muitos tipos de não-normalidade. Isso limita muito a utilidade prática da tabela X 2 devido a interrupções e ajustes excessivos do processo, perda de confiança no procedimento de controle e, em última análise, perda de produtividade. Recomendamos o quadro de controle MEWMA como uma alternativa robusta e eficaz ao gráfico X 2 dos indivíduos. Mostramos que um gráfico MEWMA de indivíduos pode ser projetado para ter o desempenho estatístico de IC muito próximo sob uma ampla gama de distribuições das observações de processo individuais. O mesmo design também oferece excelente desempenho estatístico fora de controle (OOC) em uma ampla gama de turnos de processo. Enquanto o gráfico MEWMA pode ser projetado para ter um excelente desempenho na detecção de mudanças sustentadas em. Se projetado para robustez, pode faltar algum poder de detecção para observações de processo periféricas isoladas. Isso pode ser visto como uma conseqüência natural da concepção de robustez contra distribuições não normais. Uma mistura de duas distribuições é um modelo comum para uma distribuição de cauda pesada, com uma que tem uma maior probabilidade de outliers. Pentildena e Prieto (2001) mostram que a presença de outliers em tal modelo afeta a curtose, e para um pequeno número de curtose outres pode ser interpretada como a medida do peso da cauda. Assim, projetar o gráfico MEWMA para ser insensível aos desvios da normalidade nos momentos mais altos, incluindo a curtose, tem o efeito colateral da diminuição da sensibilidade às distribuições que representam outliers. Julho de 2002 Volume 34 Número 3
No comments:
Post a Comment