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 efeito da estimativa de Fase I no gráfico de controle EWMA foi discutido por Jones 4 e Jones et al., 5, que forneceu um procedimento de design para o gráfico de controle EWMA com base na Fase estimada I parâmetros. Este procedimento usa a média da amostra e o desvio padrão da amostra como estimadores, produzindo estimativas de parâmetros eficientes. Mostrar resumo Ocultar resumo RESUMO: Na prática, o gráfico de controle EWMA para monitoramento de processo é baseado em estimativa de parâmetros A partir de um conjunto de dados retrospectivos que representam a característica do processo em estudo. Este conjunto de dados pode conter observações contaminadas, que por sua vez podem afetar as estimativas e, portanto, a performance do gráfico de controle. Estudamos o problema de estimar a localização quando o conjunto de dados pode ou não conter observações contaminadas. Comparamos os estimadores de seis pontos propostos na literatura SPC. A qualidade dos estimadores é avaliada em termos de precisão da estimativa. Além disso, estudamos o impacto dos estimadores sobre o desempenho do gráfico de controle EWMA com base nos diferentes estimadores de localização. Texto completo Artigo janeiro 2017 Inez M Zwetsloot Marit Schoonhoven Ronald J M M Faz quotg. Chen 1997 Jones. Campeão. E Rigdon 2001) mostraram resultados semelhantes para gráficos baseados em parâmetros estimados. Seu trabalho considerava apenas gráficos condicionados a estimativas fixas. Não gráficos baseados em estimativas que são atualizadas sucessivamente. O desvio padrão das duas observações iniciais tem um efeito considerável no desempenho do gráfico mesmo que a estimativa do desvio padrão seja atualizada com cada nova observação. Mostrar o resumo Ocultar resumo RESUMO: O tamanho recomendado do conjunto de dados de Fase I usado para estimar os parâmetros de controle tem sido discutido muitas vezes na literatura de monitoramento do processo. A coleta de dados de linha de base, no entanto, pode ser difícil ou lenta em algumas aplicações. Tais problemas resultaram no desenvolvimento de gráficos de controle auto-iniciantes que permitem o mapa precoce, perto do início da coleta de dados. Em nosso artigo, usamos a média do comprimento de execução médio (AARL) no controle e o desvio padrão do comprimento de execução médio no controle (SDARL) para avaliar o desempenho do comprimento de execução no controle de gráficos auto-iniciados condicionados Os dados preliminares utilizados. Esta abordagem explica a variabilidade do praticante a praticante no comprimento de execução médio (ARL) no controle de gráficos auto-iniciantes, que não foi considerado anteriormente. Descobrimos que houve uma quantidade significativa de variação nos valores de ARL no controle obtidos pelos profissionais devido à variação de amostragem dos estimadores iniciais dos parâmetros de controle. A quantidade de variação foi surpreendentemente baixa, no entanto, em comparação com a resultante do uso da amostragem e estimativa padrão de Fase I. Artigo Aug 2017 Matthew J. Keefe William H. Woodall L. Allison Jones-Farmer quotRoberts 33 introduziu um gráfico de controle EWMA para detectar pequenas mudanças nos parâmetros do processo. Robinson e Ho 34, Hunter 18, Crowder 12, 13, Lucas e Saccucci 24, MacGregor e Harris 25, Gan 16, Jones et al. 19, e Montgomery 28 forneceu avaliações de desempenho desses gráficos usando diferentes estratégias de desempenho. Hamilton e Crowder 17, Chen et al. 10, e Costa e Rahim 11 melhoraram ainda mais o seu design, combinando dois gráficos EWMA e através de monitoramento simultâneo. Quot Mostrar resumo Ocultar resumo RESUMO: os gráficos da média móvel ponderada exponencial (EWMA) e da soma cumulativa (CUSUM) são usados para detectar menores mudanças nos parâmetros do processo. As tabelas usuais EWMA e CUSUM dependem da suposição de normalidade para uma melhor capacidade de detecção. Este estudo propõe um eficiente quadro de controle EWMA com base no espírito do gráfico de controle Tukey, especialmente projetado para distribuição distorcida. O desempenho dos gráficos propostos e concorrentes é medido usando propriedades de comprimento diferentes, como comprimento de execução médio (ARL), desvio padrão do comprimento de execução (SDRL) e comprimento de execução médio (MDRL). Observamos que o gráfico proposto é bastante eficiente na detecção de mudanças do processo de menor magnitude, especialmente para distribuições distorcidas. Para considerações práticas, o gráfico proposto é implementado em dados de fabricação aeroespacial no índice de produção industrial. Artigo de texto completo junho de 2017O desempenho do quadro de controle de média móvel móvel ponderado exponencialmente com parâmetros estimados Histórico de publicação Issue on-line: 20 de maio de 2017 Versão do registro on-line: 17 de abril de 2017 Manuscrito aceito: 20 de fevereiro de 2017 Manuscrito recebido: 31 de janeiro de 2017 Conteúdo relacionado Artigos Relacionado ao que você está vendo, habilite o Javascript para ver o conteúdo relacionado deste artigo. Literatura citada Número de vezes citado. 12 1 Huifen Chen. David Goldsman. Bruce W. Schmeiser. Kwok-Leung Tsui. Cartas simétricas: sensibilidade à não-normalidade e estimativa do limite de controle, comunicações em estatísticas - simulação e computação. 2017. 46. 1, 358 CrossRef 2 R. Zheng. S. Chakraborti. Um gráfico de controle médio móvel ponderado exponencialmente avançado de fase II não adaptativo, Engenharia de Qualidade. 2017. 28. 4, 476 CrossRef 3 R. Noorossana. S. Fathizadan. Sr. R. Nayebpour. Desempenho do gráfico de controle EWMA com parâmetros estimados em Engenharia internacional de não-normalidade, qualidade e confiabilidade. 2017. 32. 5, 1637 Wiley Online Library 4 Deborah K. Shepherd. Charles W. Champ. Steven E. Rigdon. Propriedades da Tabela de Controle de Atributo Dependente de Markov com Parámetros Estimados, Qualidade e Engenharia de Confiabilidade Internacional. 2017. 32. 2, 485 Wiley Online Library 5 Aya A. Aly. Mahmoud A. Mahmoud. Ramadan Hamed. O Desempenho do Quadro de Controle Médio Mínimo Adaptado Exponencialmente Multivariável com Parámetros Estimados, Qualidade e Engenharia de Confiabilidade Internacional. 2017. 32. 3, 957 Wiley Online Library 6 Aya A. Aly. Nesma A. Saleh. Mahmoud A. Mahmoud. William H. Woodall. Uma Reavaliação da Tabela de Controle da Média Mover Ponderada Exponencialmente Adaptativa quando os Parâmetros são Estimados, Qualidade e Engenharia de Confiabilidade Internacional. 2017. 31. 8, 1611 Wiley Online Library 7 Stelios Psarakis. Gráficos de Controle Adaptativo: Desenvolvimentos Recentes e Extensões, Engenharia de Qualidade e Confiabilidade Internacional. 2017. 31. 7, 1265 Wiley Online Library 8 Athanasios C. Rakitzis. Sobre o desempenho de gráficos de regras de corridas modificadas com parâmetros estimados, Comunicações em Estatística - Simulação e Computação. 2017. 1 CrossRef 9 S. L. Lim. Michael B. C. Khoo. W. L. Teoh. M. Xie. projetos ideais do tamanho da amostra variável e amostragem ltmml intervalo: altimgquotsi0075.gifquot matemática overflowquotscrollquot xmlns: xmlns xocsquotelsevierxmlxocsdtdquot: xmlns xsquotw3.org2001XMLSchemaquot: xmlns xmlnsquotelsevierxmljadtdquot xsiquotw3.org2001XMLSchema-instancequot: xmlns jaquotelsevierxmljadtdquot: xmlns mmlquotw3.org1998MathMathMLquot: xmlns tbquotelsevierxmlcommontabledtdquot: xmlns sbquotelsevierxmlcommonstruct-bibdtdquot : xmlns: xlinkquotw3.org1999xlinkquot: xmlns cequotelsevierxmlcommondtdquot xmlns: calsquotelsevierxmlcommoncalsdtdquot saquotelsevierxmlcommonstruct-affdtdquotgtltmml: motor accentquottruequotgtltmml: migtXltmml: migtltmml: mogtmacrltmml: mogtltmml: movergtltmml: carta mathgt quando os parâmetros do processo são estimados, International Journal of Economia de Produção. 2017. 166. 20 CrossRef 10 Aamir Saghir. Zhengyan Lin. O Gráfico de média móvel global ponderada exponencialmente negativa com Limites de Controle Estimados, Qualidade e Engenharia de Confiabilidade Internacional. 2017. 31. 2, 239 Wiley Online Library 11 Stelios Psarakis. Angeliki K. Vyniou. Philippe Castagliola. Alguns Desenvolvimentos Recentes sobre os Efeitos da Estimativa de Parâmetros em Gráficos de Controle, Qualidade e Engenharia de Confiabilidade Internacional. 2017. 30. 8, 1113 Wiley Online Library 12 Zhonghua Li. Changliang Zou. Zhen Gong. Zhaojun Wang. O cálculo do tempo médio de execução e tempo médio para sinalizar: uma visão geral, Journal of Statistical Computation and Simulation. 2017. 84. 8, 1779 CrossRef
No comments:
Post a Comment