Procédures adaptatives EWMA pour les processus de surveillance soumis à des dérives linéaires Yan Su a, Lianjie Shu b. . , Kwok-Leung Tsui c. Département de génie électromécanique, Université de Macao, Macao b Faculté d'administration des affaires, Université de Macao, Taipa, Macao c École d'ingénierie industrielle et de systèmes, Institut de technologie de Géorgie, Atlanta, GA 30332, États-Unis Reçu le 22 novembre 2010 Les techniques conventionnelles de contrôle statistique des processus (SPC) ont été principalement axées sur la détection des changements d'échelon dans les moyens de traitement. Cependant, il existe souvent des paramètres pour surveiller les dérives linéaires dans les moyens de traitement, p. Ex. Le changement progressif dû à l'usure de l'outil ou à des causes similaires. Les procédures de la moyenne mobile pondérée exponentielle adaptative (AEWMA) proposées par Yashchin (1995) ont reçu beaucoup d'attention principalement pour l'estimation et le suivi des changements moyens des échelons. Cet article analyse la performance des schémas AEWMA dans la signalisation des dérives linéaires. Une procédure numérique basée sur l 'approche par équation intégrale est présentée pour le calcul de la longueur moyenne (ARL) des cartes AEWMA sous des dérives linéaires dans la moyenne. Les résultats de comparaison favorisent le diagramme AEWMA sous des dérives linéaires. Quelques lignes directrices pour la conception de cartes AEWMA pour la détection des dérives linéaires sont présentées. Longueur moyenne d'exécution Équation intégrale Tendance linéaire Contrôle statistique des processus Moyenne mobile pondérée exponentiellement Copie Copyright 2011 Elsevier B. V. Publié par Elsevier B. V. Tous droits réservés. Les cookies sont utilisés par ce site. Pour plus d'informations, visitez la page des cookies. Copyright 2017 Elsevier B. V. ou ses concédants de licence ou contributeurs. ScienceDirect est une marque déposée d'Elsevier B. V.An adaptative exponentiellement pondérée moyenne mobile graphique de contrôle pour surveiller les variances du processus quidEyvazian et al. (2008) ont proposé un graphique de variance de l'échantillon mobile pondéré de façon exponentielle pour surveiller la variance du processus lorsque la taille de l'échantillon est égale à un. Shu (2008) a étendu la carte EWMA adaptatif pour l'emplacement du processus pour surveiller la dispersion du processus. Razmy et Peiris (2013) ont conçu le graphique EWMA pour surveiller la variance du processus standardisé. Abstract La conception optimale existante du diagramme de contrôle S-2-EWMA de l'intervalle d'échantillonnage fixe pour surveiller la variance de l'échantillon d'un processus est basée sur le critère de longueur moyenne (ARL). Étant donné que la forme de la distribution des longueurs de parcours varie avec l'amplitude du décalage dans la variance, la longueur médiane de la course (LMR) donne une explication plus significative des performances sous contrôle et hors contrôle d'une carte de contrôle. Cet article propose la conception optimale du diagramme S-2-EWMA, basé sur la LMR. La technique de la chaîne de Markov est utilisée pour calculer les LMR. Les performances du diagramme S-2-EWMA, du double échantillonnage (DS) S-2 et du diagramme S sont évaluées et comparées. Les résultats de la LMR indiquent que le diagramme S-2-EWMA donne de meilleurs résultats pour détecter les changements de variance modérés et modérés, tout en conservant presque la même sensibilité que les diagrammes DS S-2 et S pour les grands écarts de variance, surtout lorsque la taille de l'échantillon augmente. Les applications répandues des diagrammes d'attributs sont attribuables à de nombreux facteurs, tels que la simplicité de traitement des caractéristiques de qualité des attributs, la facilité de communication entre les personnes à différents niveaux et la prévalence des données de comptage dans de nombreux secteurs non manufacturiers. Ces dernières années, de nombreuses nouvelles cartes de contrôle et d'autres techniques de contrôle statistique des procédés (SPC) ont été proposées à une vitesse croissante123. Dans la plupart des processus multiattributs, il est nécessaire de contrôler simultanément plusieurs caractéristiques de qualité d'attribut puisque la qualité d'un produit dépend de chacun d'eux. Quot Afficher le résumé Masquer le résumé RÉSUMÉ: Au cours des dernières décennies, les cartes de contrôle multiattribute ont été largement recommandées dans la pratique. Ils surpassent les graphiques uniattribute simultanés pour surveiller les processus multiattributs dans de nombreuses applications. Jolayemi Modèle statistique pour la conception de tableaux de contrôle multiattributs. Indienne J Stat. 199961: 351365 a développé un modèle statistique pour la conception d'un diagramme de np multipote (Mnp). Sur la base de ce modèle, un graphique synthétique multiattribute (MSyn) est proposé dans cet article. De plus, les principales caractéristiques du diagramme MSyn et du graphique Mnp sont intégrées pour créer un diagramme multi-attributs Syn-np (MSyn-np). Les résultats des études comparatives indiquent que le nouveau graphique MSyn-np a significativement surpassé le graphique Mnp et le graphique MSyn de 83 et 27, respectivement, en termes de nombre moyen de défauts sur un large éventail de changements de processus dans des circonstances différentes. Article complet Sept 2014 quotZantek (2008) a proposé une méthode analytique pour calculer la distribution en longueur d'exécution du CUSUM d'une statistique. Shu et al. (2008) ont présenté une méthode d'estimation moyenne de type markovien dans le schéma conventionnel CUSUM pour mettre à jour sa valeur de référence de manière adaptative. MacEachern et al. (2007) ont fourni un diagramme CUSUM à forte probabilité qui décale les valeurs aberrantes et qui a la capacité de détecter rapidement de grands changements. Quot Document de conférence Nov 2009 Journal de calcul statistique et de simulation Michael Boon Chong Khoo Teh S. Y.
No comments:
Post a Comment