Self-Starting Multivariate Exponential Weighted Moving Average Control Charting. Hawkins, Douglas M Maboudou-Tchao, Edgard M ASA ASQ Minnesotan yliopisto, USA Keski-Floridan yliopisto, USA. Technometrics Vol 49 No 2 QICID 21099 Kesäkuu 2007 s. 199-209 Listat 10 00 Jäsen 5 00. RAJOITETTUA AIKAA, TÄMÄN SISÄLTÖ ON ILMAISEKSI Sinun täytyy olla kirjautunut uuteen osoitteeseen ASQ Register here. Article Abstract. Tämä abstrakti perustuu kirjoittajiin. Abstrakti Suunnitteluohjauskarttojen käyttäminen edellyttää in-control prosessiparametreja, joiden oletetaan olevan tiedossa tarkasti, mutta useimmissa teollisissa sovelluksissa parametrit ovat tuntemattomia ja arvioidaan erityisessä vaiheen I kalibroinnissa. Tämä lisää satunnaisen elementti suorituskyvyn suorituskykyyn ja voi haitata kartan suorituskykyä Nykyiset yksivaiheiset itsensä aloittamismenetelmät voivat aloittaa prosessin ohjauksen heti käynnistämisen jälkeen ilman alustavaa suurta vaihetta I-näyte. Tämä tutkimus kehittää monimuuttujan vastaavuuden muuttamalla prosessin lukemat vektorien virtaus tarkan tunnetun parametrirajoituksen jälkeen Tätä vektorivirtaa voidaan käyttää moniulotteisen kontrollikaavion muodostamiseksi Monimuuttujan eksponentiaalisesti painotettu liikkuvan keskiarvokartta, joka on rakennettu havainnollistamaan menetelmää, on samat kontrolliominaisuudet kuin prosessin keskiarvon ja kovarianssin ollessa kyseessä matriisi tunnettiin täsmällisesti. Holkesky hajoaminen, rekursiivinen res idual, regressioasetus, monivariate control charts, hajoaminen, regressioanalyysi, eksponentiaalisesti painotetut liukuvan keskiarvon valvontakartat EWMA, Run distribution. self-Starting Multivariate Exponentially painotettu Moving Average Control Charting. Citations Citations 30. References References 12.Vaikka enemmän tutkimusta tarvitaan tältä osin, koska indikaattorien differentiaalipainotus voisi vaikuttaa SS-CUSUM-HCR: n hallintatehtäviin. Jos useampia indikaattoreita on saatavilla, voidaan Sullivan ja Jones 2002 Hawkins ja Maboudou-Tchao 2007 käyttää monivaiheista itsesäätelyn valvontakarttaa sen sijaan, että ne yhdistettäisiin indikaattorit erikseen esim. kuten RW-indikaattorimme mukaan SS-CUSUM-järjestelmään perustuva johtamismalli on verrattain yksinkertainen, käytännöllinen todellisissa tilanteissa ja kalastajat ja muut sidosryhmät helposti ymmärtävät Scandol 2003 Kelly ja Codling 2006. Näytä abstrakti Piilota abstrakti TIIVISTELMÄ Osoitamme itsestään alkavan sadonhallintasäännön kumulatiivinen summa SS-CUSUM-valvontataulukko, joka pystyy ylläpitämään kalakantaa lähtötilanteessa q-tasolla SS-CUSUM on indikaattorivalvontatyökalu, jota yleisesti käytetään laadunvalvontasuunnittelussa ja joka ei vaadi pitkää aikasarjaa tai ennalta määritettyä referenssipistettä ajankohtaisten suuntausten havaitseminen SS-CUSUM: n referenssipisteet kalibroidaan jatkuvasti päivitettävien käynnissä olevien välineiden muodossa, kun uusia havaintoja tulee saataville SS-CUSUM voidaan aloittaa kahtena havaintoina aikasarjassa ja voi voidaan soveltaa jo kauan ennen monia muita menetelmiä, pian sen jälkeen, kun alustavat tiedot ovat saatavissa. Laaja valikoima varastovektoreita voidaan seurata, mutta tässä tutkimuksessa osoitamme menetelmän, jossa käytetään yhtä painotettua summaa kahdesta indikaattorista rekrytointimittariin ja suuriin kalaindikaattoreihin simuloidun kalastuksen oletetaan, että ei ole olemassa muita tietoja kuin kaksi vuotta molemmista indikaattoritiedoista ja nykyisistä sadonkorjuusta, kun SS-CUSUM käynnistää signaalit joka generoidaan SS-CUSUM-laukaisimelta sadonkorjaussääntöä SS-CUSUM-HCR, jossa lasketaan indikaattori-aikasarjassa tapahtunut muutos ja sitä käytetään korjaustekijänä sallitun kokonaistulpan TAC: n päivittämiseksi. Tutkimuksemme osoittaa, että SS-CUSUM - HCR pystyy säilyttämään kalakannan alkutilanteessa myös quo-tasolle, vaikka se on liian kalastetun alkutilan, mutta sillä on rajallinen laajuus, jos kalastus on jo epätoivottavassa tilassa, kuten varastojen romahduksessa. Keskustelemme siitä, miten SS-CUSUM-lähestymistapaa voitaisiin mukauttaa liikuttamaan jos käytettävissä on lisätietoa kalastuksen toivottavasta tilasta. Full-text Artikkeli Sep 2015.Deepak George Pazhayamadom Ciarn J Kelly Emer Rogan Edward A Codling. Jotta voidaan havaita keskimääräiset muutokset standardinmukaisissa havainnoissa uusi aihe, olemassa olevat valvontakartat monimuuttujalla SPC-kirjallisuudessa14151617181920212223 Kaikki nämä menetelmät olettavat, että havaintovektorit ovat riippumattomia ja normaalisti ja havainnot n kertaa ovat yhtä suuret. Näytä tiivistelmä Piilota abstrakti TIIVISTELMÄ National Heart, Lung and Blood - instituutin SHARe Framingham Heart - tapahtumassa yksi tärkeimmistä tehtävistä on seurata useita terveysmuuttujia, kuten verenpainetta ja kolesterolitasoa, jotta niiden epäsäännöllinen pitkittäiskuvio voidaan havaita mahdollisimman pian ja joitain lääketieteellisiä hoitoja sovelletaan oikea-aikaisesti välttääkseen joitain tappavia sydän - ja verisuonitauteja, esim. aivohalvaus Tämäntyyppisten sovellusten tehokasta käsittelyä varten ehdotamme uutta tilastomenetelmää, jota kutsutaan monimuuttujalla dynaamisella seulontajärjestelmällä MDySS tässä asiakirjassa MDySS-menetelmä yhdistää monimuuttujien pituussuuntaisten tiedon analysointi ja monimuuttujatilastoprosessien hallinta, ja se tekee päätöksiä kohteen pituussuuntaisesta mallista vertaamalla sitä muihin osiin poikkileikkauksellisesti ja seuraamalla sitä peräkkäin. Numeeriset tutkimukset osoittavat, että MDySS toimii hyvin käytännössä Copyright 2015 John Wiley Sons, Ltd Copyright 2015 John Wiley Sons, Ltd. F ull-text Artikkeli Mar 2015.Peihua Qiu Dongdong Xiang. of parametriarviot voivat olla varsin suuria valvonnan alkuvaiheissa, kun paljon tietoa ei ole saatavilla Sullivan ja Jones 2002 pani merkille parametrien arvioiden aikaisen kontaminaation ongelman ja ehdotti, että itselähtöisiä menetelmiä täydennetään perusteellisella retrospektiivisellä analyysilla, kun kerätty tieto on kerätty. Hawkins ja Maboudou-Tchao 2007 sekä Maboudou-Tchao ja Hawkins 2011 käsittelivät epäpuhtauksien parametrien estimaatteja, mikä viittaa siihen, , on sovellettava itsensä aloittamismenetelmiä, jotka alkavat viimeisimmällä prosessin havainnoinnilla ja toimivat taaksepäin alkuperäisiin havaintoihin Self-st. Näytä abstrakti Piilota abstrakti TIIVISTELMÄ Tarjoamme yleiskatsauksen ja perspektiivin vaiheen I keräämiseen ja analyysiin prosessin parantamiseen ja ohjauksen kartoittamiseen. Vaiheessa I keskitytään käsittelemään prosessin vaihtelua, arvioimaan prosessin vakautta, tutkimusprosessia - parannusideoita, sopivan kontrollinhallinnan mallin valitseminen ja arvioiden tekeminen kontrollinhallinnan malliparametreista Artikkelissamme tarkastelemme ja syntetisoimme monia tärkeitä kehityssuuntauksia, jotka liittyvät prosessidatan analyysiin vaiheessa I Annamme näkemyksemme tärkeimmistä kysymyksistä ja vaiheen I-analyysin kehityksestä Tunnistamme nykyiset parhaat käytännöt ja mahdollisuudet tulevaan tutkimukseen tällä alalla. Full-text Article Heinä 2014.L Allison Jones-Farmer WH Woodall SH Steiner CW Champ. Jotta löydettäisiin MLE ajaksi t, on tarpeen löytää MLE kolmelle tuntemattomalle parametrille m 0 m 1 ja s 2 ja sen jälkeen löytää aika t, joka maksimoi yhtälöt 10 tai 11 T hänen on tehty käyttäen estimaattoreita yhtälöistä 12 15. Näytä abstrakti Piilota abstrakti TIIVISTELMÄ Erityisen muutoksen syy ja sen tunnistamisen tunnistaminen ovat kaksi tärkeää toimintaa minkään laadun parantamisstrategiassa Prosessin muutosten havaitseminen voidaan tehdä valvontataulukoiden käyttäminen Yksi näistä kaavioista on itse luotava CUSUM-kaavio, joka tunnistaa pienet jatkuvat muutokset ja toteutetaan ilman vaiheen I tai prosessin parametrien etukäteen tuntemista. Arvioidakseen havaitun muutoksen ajankohdan CUSUM voidaan kokeilla osoittaa, että vastaavalla MLE: llä on pienempi poikkeama ja vakiovirhe. Tässä artikkelissa ehdotetaan itsensä aloittavan CUSUM-kaavion peräkkäistä käyttöä ja muutospisteen MLE sarjassa itsenäisiä normaaleja havaintoja. Suorituskyky tutkitaan Monte Carlo-simulaatioilla, jotka osoittavat, että MLE: n käyttö vähentää muutospisteen arvioinnin esijännitystä. Näytetään myös, kuinka ylimääräisiä havaintoja muutoksen havaitsemisen jälkeen voidaan käyttää parantamaan muutoshetken arviointia Copyright 2013 John Wiley Sons, Ltd. Article June 2014.Vector G Tercero Gmez Alvaro Cordero Franco Angel Prez. Blanco Alberto Hernandez Luna. Kun historiatiedot l 0 ja r 0 laatuominaisuutta ei tavallisesti ole saatavana ennen tuotannon aloittamista, kirjallisuus kontrollikuvista on tutkinut itsesäätyviä ohjauskaaviokaavioita, jotka perustuvat parametrien arvioihin, joita päivitetään jokaisella uudella havainnoinnilla, ks. Hawkins 1987, Quesenberry 1991, 1995, Tsai, Lin ja Wu 2004, 2005, Hawkins ja Tchao 2007, He, Jiang ja Shu 2008, Li, Zhang ja Wang 2009 Nämä itse käynnistyvät kontrollikartat edellyttävät kuitenkin vähimmäismäärän näytteitä hyvien parametrien arvioiden saamiseksi niiden tilastolliset ominaisuudet lasketaan yleensä suhteessa pitkän aikavälin kontekstiin. Näytä tiivistelmä Piilota abstrakti TIIVISTELMÄ Viime aikoina on ehdotettu valvontataulukoita, joissa kuvataan Tilastollisen prosessinohjauksen SPC: n tekemistä lyhytketjuisissa tuotantosykkeissä, joissa valvontaprosessin muutos on 0: sta 1: een tunnetaan a priori Vaihtokoko mitataan tavallisesti kontrollin sisäisen prosessin standardipoikkeaman 0 moninkertaisena, mutta käytännössä tuotantovuoden alussa sekä seuraavan siirtymän arvo että 0 ovat tuntemattomia. Tästä seuraa, että kun todellinen siirto-koko poikkeaa kaavion suunnitteluvaiheessa oletetusta arvosta, ohjauskaavion suorituskykyä voi olla vakava vaikutus Tämän ongelman ratkaisemiseksi tämä artikkeli tutkii Shewhart-, EWMA - ja CUSUM t - kaavioiden tilastollista suorituskykyä lyhyen tuotantosuunnan osalta, kun siirto koko on tuntematon ja mallinnettu tilastollisella jakelulla Laaja numeerinen analyysi mahdollistaa kolmen kaavion ominaisuuksien vertailun ja d kun laadukkaat harjoittajat käyttävät tasalaatuisia ja kolmiomaisia jakaumia tuntemattoman siirtymän koon mukaan. Havainnollistavaa esimerkkiä hyödynnetään kolmen parhaiten esitellyn kaavion parhaiden suoritusten käytännön toteutuksen selvittämiseksi. Joulukuuta 2013.Giovanni Celano Philippe Castagliola Sergio Fichera George Nenes. Kuten kirjallisuudessa tunnustetaan, on usein riittämätön tiivistää ARL: n ajoittainen käyttäytyminen, erityisesti itsestään ottavien kontrollikarttojen osalta Jonesin 13 yhteydessä. Tässä vaihtoehtona käytetään Hawkinsin ja Maboudou-Tchao: n suosittelemaa vaaratekijää H 1 r H 2 r 7, missä H 1 r on todennäköisyys, että ajon pituus on r ja H 2 r on todennäköisyys, että ajon pituus vastaa r: tä tai suurempaa lukua Huomaa, että jos ajonopeus seuraa geometrista jakautumista, vastaava vaara on vakio, jonka käänteinen on ARL. Näytä abstrakti Abstrakti abstrakti TIIVISTELMÄ Epäpariametriset ohjausdiagrammit ovat hyödyllisiä tilastollisessa prosessinohjauksessa, kun taustalla oleva prosessijakauma on puutteellinen tai rajallinen, varsinkin kun prosessimittaus on monimuuttujaa. Tässä artikkelissa kehitetään uusi monimuuttujamittausmenetelmä sijaintiparametrien seuraamiseksi Se perustuu siihen, että monimuuttujien paikkatietojen mukauttaminen on-line - seurantaan Seuranta-asteikon painotettua versiota käytetään kartoitustilaston muodostamiseen sisällyttämällä eksponentiaalisesti painotettu liikkeen keskimääräinen ohjausjärjestelmä. Se on vankka kuin ei-normaalisti hajautetut tiedot, helppoa konstruktiota, nopeaa laskentaa ja erittäin tehokasta havaitsemaan monivaiheiset prosessin siirtymät, erityisesti pienet tai kohtuulliset muutokset, joita esiintyy, kun prosessijakauma on raskas tai vino. Koska vältetään tarve pitempään tiedonkeruuvaiheeseen ennen kartoitusta ei edellytä taustalla olevan jakelun tuntemusta, pro positiivinen kontrollikaavio on erityisen hyödyllinen käynnistys - tai lyhyen aikavälin tilanteissa Valkoisen viinin tuotantoprosessien reaaliaikainen esimerkki osoittaa, että se toimii melko hyvin Wiley Magazines, Inc Naval Research Logistics 59 91 110, 2012. 2012.Changliang Zou Zhaojun Wang Fugee Tsung. Ulkoinen monivariate Exponential Weighted Moving Average Control Charting. Note Tarkista aina viittaukset ja tee tarvittavat korjaukset ennen kuin käytät Huomion nimet, pääoma ja päivämäärät. Kuvaus Technometricsin tehtävänä on osallistua tilastollisten menetelmien kehittämiseen ja käyttöön fysikaalisissa, kemiallisissa ja tekniikan tiedeissä Sisältö sisältää uusia tilastollisia tekniikoita kuvaavia papereita, havainnollistaa tunnettujen tilastomenetelmien innovatiivista soveltamista tai tarkastelumenetelmiä, kysymyksiä tai filosofiaa tietyssä tilastoalalla tai tiede, kun tällaiset paperit ovat johdonmukaisia lehden kanssa. Ehdotetun menetelmän soveltaminen on Jokaisessa kirjassa on nykyaikaista käytäntöä. Tässä yhteydessä painotetaan uusia tilastollisia lähestymistapoja seulontaan, mallintamiseen, kuvion karakterisointiin ja muutoksen havaitsemiseen, jotka hyödyntävät massiivisia menetelmiä. tietojenkäsittelyominaisuudet Paperit myös heijastavat asenteiden siirtymistä tiedon analysointiin, esim. epävirallisiin hypoteesitesteihin, enemmän sovitettuihin malleihin graafisen analyysin avulla ja kuinka tärkeitä sovellusalueita hallinnoidaan esim. laadunvarmistuksella vankkarakenteisella suunnittelulla tarkemman tarkastuksen sijaan. Coverage 1959-2011 Vol 1, No 1 - Vol 53, No 4. Liikkuva seinä edustaa JSTOR: n julkaisun viimeisimmän numeron ja viimeisimmän päiväkirjan julkaisun välistä ajanjaksoa. Liikkuvat seinät ovat yleensä edustettuina vuosina. Harvinaisissa tapauksissa kustantaja on päättänyt saada nolla liikkuvaa seinää, joten niiden nykyiset julkaisut ovat saatavilla JSTOR: ssä pian julkaisun jälkeen Huomautus Kun lasketaan liikkuvaa seinä, nykyinen vuosi ei ole laskettu Esimerkiksi jos nykyinen vuosi on 2008 ja lehdessä on 5 vuoden liikkuva seinä, saatavilla on vuoden 2002 artikkeleita. Liikkuvaan seinään liittyvät tilat Kiinteät seinät Juhlat, joissa ei ole uusia määriä arkistoon Absorbed Journals, jotka on yhdistetty toisiin otsikkoihin Täydelliset lehdet, joita ei ole enää julkaistu tai jotka on yhdistetty toiseen otsikkoon. Aiheet Tiede Matematiikka, Tilastot. Kokoelmat Taiteiden tiede VII kokoelma, matematiikan tilastot Legacy Collection, matematiikan tilastokokoelma, yritys - Profit Access Initiative Collection. Preview ei ole saatavilla. Multivariate valvonta kaavioita ovat arvokkaita työkaluja teollisuuden laadunvalvonta Perinteinen keskustelu niistä perustuu oletus, että in-ohjaus prosessin parametrit tunnetaan a priori Yleisempi todellisuus on, että ammattilaiset plug in parametri arvioita, jotka on kerätty erityisestä vaiheen I näytteestä parametrien arvojen määrittämiseksi kaavioille Mutta mikään näyte ei luo täsmällisiä prosessiparametreja, ja melko pienet satunnaiset virheet johtavat varsinkin herkkien kaavioiden ajon käyttäytymisen vakaviin vääristymiin ja voivat vaikuttaa kartan suorituskykyyn. Ns. itselähtöiset menetelmät voivat aloittaa prosessin hallinnan heti käynnistämisen jälkeen ilman suuremman vaiheen alustavaa vaihetta I näyte Univariate itsestään alkavat menetelmät prosessin lukemien tuntemattomien parametrien virtauksen muuttamiseksi tunnetuksi parametriseksi sekvenssiksi on ollut jo jonkin aikaa käytettävissä. Tämä artikkeli kehittää monimuuttujamäärän vastaavan tarjoamalla tapaa muuttaa prosessi lukemalla vektoreiden virtaan tarkan tunnetun parametrijakauman seurauksena Vaikka lähestymistapa on kaukana ensimmäisestä ehdotuksesta moniulotteisen datan itsensä aloittamiselle kartoittamiselle, uskomme, että se on ensimmäinen, joka tekee niin muuntamalla tuntematonta parametriratkaisua vektoreita tunnetun parametri-vektoreiksi, joilla on sama dimensioisuus Tämä vektori-virra on monia mahdollisia käyttötarkoituksia I Erityisesti sitä voidaan käyttää monimuuttujan kontrollikaavion, kuten Hotelling s T: n tai minkä tahansa monimuuttujaisen cusum-menetelmän, rakentamiseen. Kuvataan transformoidun virran käyttämiseksi monimuuttujaisen, eksponentiaalisesti painotetun liikkuvan keskiarvokartan luomiseksi Itsenäisen etupään , tällä tai millä tahansa muulla kaaviolla on samat kontrolliominaisuudet kuin jos todellinen prosessi-keskiarvo ja kovarianssimatriisi tunnettiin täsmällisesti, jolloin monivariateohjauksen kartoitus voidaan edetä ilman suurta ja kallista vaiheen I tiedonkeruuta. Pikkukuvat.
No comments:
Post a Comment