Desain Statistik Diagram Kontrol EWMA dengan Parameter Perkiraan Prosedur yang ada untuk merancang grafik kontrol pergerakan rata-rata tertimbang tertimbang (EWMA) didasarkan pada asumsi parameter proses yang diketahui. Dalam prakteknya, parameter ini biasanya tidak diketahui dan diganti dengan perkiraan dari sampel referensi kendali. Dengan menggunakan estimasi parameter dengan prosedur perancangan yang dimaksudkan untuk parameter yang diketahui dapat menyebabkan kinerja grafik memburuk secara signifikan. Dalam makalah ini, asumsi parameter yang diketahui adalah prosedur rileks dan desain bagan EWMA dikembangkan sesuai dengan itu. Kata Kunci: Rata-rata Durasi Run, Rata-rata Bergerak Tertimbang Eksponensial, Persamaan Integral. Oleh L. ALLISON JONES, Universitas Miami, Coral Gables, FL 33124-8237 DALAM sebagian besar aplikasi industri dan layanan, mean dan standar deviasi dari proses yang akan dipantau tidak diketahui. Praktik yang umum adalah memperkirakan parameter proses dari sampel referensi pengendalian-kontrol (IC) dan untuk membuat diagram kontrol dengan menggunakan perkiraan ini. Sebagian besar prosedur statistik untuk merancang diagram kontrol didasarkan pada distribusi sampling dari statistik diplot, dan dikembangkan dengan asumsi parameter yang diketahui. Bila perkiraan digunakan sebagai pengganti parameter yang diketahui, maka distribusi sampling statistik grafik yang sesuai harus memperhitungkan variabilitas pada estimator jika tidak, kinerja IC dan out-of-control (OC) grafik dapat sangat terpengaruh. Gagal memperhitungkan perkiraan parameter saat merancang grafik rata-rata pergerakan tertimbang secara eksponensial (EWMA) dapat menyebabkan peningkatan jumlah alarm palsu dan pengurangan kemampuan grafik untuk mendeteksi perubahan proses. Ukuran sampel referensi kecil memperbesar dampak buruk estimasi. Sebagai contoh, ketika estimasi parameter dari m 30 IC subgrup dengan ukuran n 5 digunakan dalam skema pemantauan EWMA dengan konstanta pemulusan 0,1, probabilitas alarm salah dalam dua puluh pengamatan mendekati hampir 110. Ini adalah yang jarang disebutkan. Dan efek samping yang tidak dapat diterima untuk mengganti perkiraan ke dalam prosedur perancangan EWMA yang ada. Salah satu solusi untuk masalah ini adalah dengan hanya meningkatkan ukuran sampel referensi untuk mengurangi variabilitas dalam distribusi sampling dari perkiraan. Meskipun heuristik yang diterima secara luas adalah bahwa 30 subkelompok dari suatu proses biasanya menghasilkan perkiraan yang masuk akal, Quesenberry (1993) menyarankan bahwa setidaknya m 100 subkelompok dengan ukuran n 5 diharuskan untuk memperkirakan parameter secara memadai saat merancang grafik. Jones, Champ, dan Rigdon (2001) menunjukkan bahwa ukuran sampel yang diperlukan untuk mencapai kinerja statistik yang diharapkan saat merancang grafik EWMA bisa jauh lebih besar dari m 100. Ukuran sampel yang cukup bergantung pada konstanta penghalusan EWMA, dengan sampel lebih besar diperlukan bila lebih kecil. Smoothing konstan digunakan. Ketika penghitungan smoothing 0,1 atau kurang digunakan, sebanyak 400 subkelompok IC diperlukan untuk memperkirakan parameter (Jones et al., 2001). Dalam beberapa aplikasi dimana data berlimpah, mungkin layak menunggu sampai 400 subkelompok IC terakumulasi untuk mulai memantau prosesnya. Namun, dalam banyak situasi, menunggu mungkin akan merugikan kualitas produk atau layanan yang dipantau. Jika ukuran sampel yang besar tidak tersedia, praktisi dibiarkan dilema. Bagan EWMA dapat digunakan dengan perkiraan berdasarkan sampel kecil, namun kinerja statistik grafik mungkin buruk, grafik mungkin sering memberi sinyal tanpa penyebab yang dapat ditentukan. Namun, jika pemantauan proses tertunda untuk mendapatkan data yang diperlukan, masalah proses yang mahal mungkin tidak terdeteksi selama ini. Pendekatan lain adalah dengan menggunakan prosedur self-starting, seperti Q-chart, yang dirancang dengan asumsi bahwa parameter diperkirakan (Quesenberry 1995). Diagram self-starting dapat digunakan untuk pemantauan lebih awal daripada diagram kontrol tradisional karena estimasi parameter diperbarui dengan penambahan setiap pengamatan baru. Salah satu batasan prosedur self-starting adalah masking, atau parameter adaptation, problem. Jika perubahan proses awal tidak cepat terdeteksi, maka perkiraan parameter mungkin akan terpengaruh oleh perubahan tersebut, sehingga menutupi pergeseran dari deteksi di masa depan. Tujuan dari penulisan ini adalah untuk mengembangkan prosedur perancangan bagan EWMA yang tidak memerlukan asumsi parameter yang diketahui. Prosedur baru ini memberikan batasan kontrol yang lebih luas dengan merefleksikan variabilitas perkiraan parameter yang digunakan dalam distribusi sampling statistik grafik EWMA. Diagram yang dikembangkan dengan batas kontrol baru menunjukkan peningkatan kinerja IC karena dirancang untuk mencapai rata-rata run rata-rata IC yang ditentukan (ARL). Literatur mengenai grafik EWMA cukup besar. Bagian selanjutnya memberikan ulasan singkat artikel mengenai desain bagan kontrol EWMA. Berikut ini, beberapa informasi latar belakang mengenai model EWMA disajikan. Prosedur perancangan baru untuk bagan EWMA dengan parameter perkiraan diberikan selanjutnya. Contoh yang menggambarkan penerapan prosedur desain baru berikut. Perbandingan kinerja antara metode perancangan yang ada dan metode baru diberikan. Akhirnya, beberapa ucapan penutup dibuat. Juli 2001 Volume 34 Nomor 3EWMA Bagan Kontrol Kinerja dengan Parameter yang Diperkirakan di Bawah Non Normal Normal abstrak Abstraksi: Imunisasi kromatin diikuti oleh hibridisasi ke microarray ubin genom (ChIP-chip) adalah protokol yang digunakan secara rutin untuk melokalisasi target genom DNA - Mengikat protein Resolusi yang mengikat situs dalam pengujian ini dapat diidentifikasi umumnya dianggap dibatasi oleh dua faktor: (1) resolusi di mana target genom dilapisi dalam microarray dan (2) panjang besar dan bervariasi dari DNA imunoprecipitated Fragmen Kami telah mengembangkan model generatif dari situs pengikat pada data chip-chip dan sebuah pendekatan, MeDiChI, untuk secara efisien dan kokoh mempelajari model dari kumpulan data yang beragam. Kami telah mengevaluasi kinerja MeDiChIx27 dengan menggunakan data simulasi, dan juga beberapa kumpulan data chip ChIP yang beragam yang dikumpulkan pada platform array ubin yang berbeda untuk dua organisme yang berbeda (Saccharomyces cerevisiae dan Halobacterium salinarium NRC-1). Kami menemukan bahwa MeDiChI secara akurat memprediksi lokasi yang mengikat pada resolusi yang lebih besar daripada jarak probe, bahkan untuk puncak tumpang tindih, dan dapat meningkatkan resolusi efektif data array ubin dengan faktor 5x atau lebih baik. Selain itu, kinerja metode pada data simulasi memberikan wawasan untuk mengoptimalkan desain eksperimental secara efektif untuk meningkatkan akurasi dan keabsahan lokalitas situs yang meningkat. MeDiChI tersedia sebagai paket open source R, termasuk semua data, dari baliga. systemsbiologymedichi. Full-text Artikel Mar 2008 David J Reiss Marc T Facciotti Nitin S Baliga Tampilkan abstrak Abstrak: Diagram kontrol adaptif eksponensial tertimbang bobot (AEWMA) memiliki keuntungan untuk mendeteksi keseimbangan campuran pergeseran rata-rata. Kinerjanya telah dipelajari dengan asumsi parameter prosesnya diketahui. Berdasarkan asumsi ini, penelitian sebelumnya telah menunjukkan AEWMA untuk memberikan kinerja statistik yang superior bila dibandingkan dengan jenis diagram kontrol lainnya. Namun dalam praktiknya, parameter proses biasanya tidak diketahui dan harus diperkirakan. Dengan menggunakan pendekatan Markov Chain, kami menunjukkan bahwa kinerja bagan kontrol AEWMA dipengaruhi bila parameter diperkirakan dibandingkan dengan parameter yang dikenal. Selain itu, kami menunjukkan pengaruh estimator deviasi standar yang berbeda pada kinerja grafik. Akhirnya, perbandingan kinerja dilakukan antara grafik rata-rata pergerakan tertimbang secara eksponensial (FIFO) dan grafik AEWMA saat parameter proses tidak diketahui. Sebaiknya gunakan grafik AEWMA di atas bagan EWMA biasa terutama bila sejumlah kecil sampel Tahap I tersedia untuk memperkirakan parameter yang tidak diketahui. Hak Cipta 2012 John Wiley amp Sons, Ltd. Artikel Jun 2013 Nesma A Saleh Mahmoud A Mahmoud GA Abdel-Salam abstrak abstrak Abstraksi: Kontrol proses statistik memainkan peran kunci dalam lingkungan industri yang sangat kompetitif saat ini karena memungkinkan praktisi kualitas untuk mendeteksi dengan tepat waktu. - mengendalikan situasi dan melakukan tindakan kapanpun diperlukan untuk memastikan bahwa produk atau layanan yang dihasilkan sesuai dengan standar kualitas tertentu. Diagram kontrol adalah alat yang digunakan oleh praktisi kualitas, dan kinerja pemantauan mereka sangat penting dalam aplikasi praktis. Karena nilai parameter yang digunakan untuk desain batas kontrol chartsx27 biasanya tidak diketahui dalam praktiknya, para praktisi perlu memperkirakannya dengan menggunakan sampel retrospektif dalam kendali. Telah ditunjukkan bahwa estimasi parameter sangat mempengaruhi properti bagan kontrol. Banyak studi baru-baru ini berfokus untuk menyelidiki dampak estimasi parameter pada kinerja diagram kontrol dan cara mengurangi dampak ini. Makalah ini bertujuan untuk memberikan tinjauan kritis terbaru tentang metodologi yang baru saja dikembangkan di bidang ini. Copyright 2013 John Wiley amp Sons, Ltd. Artikel Des 2014 Stelios Psarakis Angeliki K. Vyniou Philippe CastagliolaPerformalan Bagan Pengendalian Bergerak Rata-rata Bergerak Rata-rata Tertimbang dengan Estimasi Parameter Publikasi Sejarah Terbitan online: 20 Mei 2013 Versi rekaman online: 17 April 2012 Manuskrip Diterima: 20 Februari 2012 Manuskrip Diterima: 31 Januari 2012 Konten terkait Artikel yang terkait dengan yang sedang Anda lihat Harap aktifkan Javascript untuk melihat konten yang terkait dari artikel ini. Mengutip Literatur Jumlah kali dikutip. 12 1 Huifen Chen. David Goldsman Bruce W. Schmeiser. Kwok-Leung Tsui. Symmetric - charts: Sensitivitas terhadap estimasi nonnormality dan control-limit, Komunikasi dalam Statistik - Simulasi dan Perhitungan. 2017. 46. 1, 358 CrossRef 2 R. Zheng. S. Chakraborti. Bagan kontrol rata-rata pergerakan tertimbang eksponensial Fase II nonparametrik, Quality Engineering. 2016. 28. 4, 476 CrossRef 3 R. Noorossana. S. Fathizadan. M. R. Nayebpour. Kinerja Bagan Kontrol EWMA dengan Parameter Perkiraan di bawah Non-Normalitas, Kualitas dan Keandalan Rekayasa Internasional. 2016. 32. 5, 1637 Perpustakaan Online Wiley 4 Deborah K. Gembala. Charles W. Champ. Steven E. Rigdon. Properti dari Markov-Dependent Attribute Control Chart dengan Estimasi Parameter, Quality and Reliability Engineering International. 2016. 32. 2, 485 Wiley Online Library 5 Aya A. Aly. Mahmoud A. Mahmoud. Ramadhan Hamed. Kinerja Bagan Rata - rata Bergerak Rata - rata Tertimbang Bergerak Multivariat dengan Parameter Perkiraan, Kualitas dan Keandalan Rekayasa Internasional. 2016. 32. 3, 957 Wiley Online Library 6 Aya A. Aly. Nesma A. Saleh. Mahmoud A. Mahmoud. William H. Woodall. Evaluasi Ulang Bagan Pindah Bergerak Rata-rata Bergerak Rata-rata Tertimbang Adaptif Ketika Parameter Diperkirakan, Kualitas dan Keandalan Rekayasa Internasional. 2015. 31. 8, 1611 Wiley Online Library 7 Stelios Psarakis. Diagram Kontrol Adaptif: Perkembangan Terkini dan Ekstensi, Kualitas dan Keandalan Rekayasa Internasional. 2015. 31. 7, 1265 Perpustakaan Wiley Online 8 Athanasios C. Rakitzis. Pada kinerja grafik aturan berjalan dimodifikasi dengan parameter perkiraan, Komunikasi dalam Statistik - Simulasi dan Perhitungan. 2015. 1 CrossRef 9 S. L. Lim. Michael B. C. Khoo. W. L. Teoh. M. Xie. desain yang optimal dari ukuran sampel variabel dan sampling ltmml Interval: matematika altimgquotsi0075.gifquot overflowquotscrollquot xmlns: xocsquotelsevierxmlxocsdtdquot xmlns: xsquotw3.org2001XMLSchemaquot xmlns: xsiquotw3.org2001XMLSchema-instancequot xmlns xmlnsquotelsevierxmljadtdquot: xmlns jaquotelsevierxmljadtdquot: xmlns mmlquotw3.org1998MathMathMLquot: xmlns tbquotelsevierxmlcommontabledtdquot: xmlns sbquotelsevierxmlcommonstruct-bibdtdquot : xmlns cequotelsevierxmlcommondtdquot: xlinkquotw3.org1999xlinkquot xmlns: calsquotelsevierxmlcommoncalsdtdquot xmlns: saquotelsevierxmlcommonstruct-affdtdquotgtltmml: penggerak accentquottruequotgtltmml: migtXltmml: migtltmml: mogtmacrltmml: mogtltmml: movergtltmml: mathgt grafik ketika parameter proses diperkirakan, International Journal of Economics Produksi. 2015. 166. 20 CrossRef 10 Aamir Saghir. Zhengyan Lin. Bagan Bergerak Rata-rata Bergerak Dinamika Berinvestasi Negatif dengan Batas Kontrol Perkiraan, Kualitas dan Keandalan Rekayasa Internasional. 2015. 31. 2, 239 Perpustakaan Wiley Online 11 Stelios Psarakis. Angeliki K. Vyniou. Philippe Castagliola. Beberapa Perkembangan Terkini tentang Pengaruh Estimasi Parameter pada Diagram Kontrol, Kualitas dan Keandalan Rekayasa Internasional. 2014. 30. 8, 1113 Wiley Online Library 12 Zhonghua Li. Changliang Zou. Zhen Gong. Zhaojun Wang Perhitungan panjang run rata-rata dan waktu rata-rata untuk memberi sinyal: ikhtisar, Journal of Statistical Computation and Simulation. 2014. 84. 8, 1779 CrossRef
No comments:
Post a Comment