Beta beheer kaarte vir die monitering fraksie data Abstract p - Charts en NP - Charts word algemeen gebruik in die monitering veranderlikes van die breuk tipe en hierdie kaarte te aanvaar dat die gemonitor veranderlikes binomially versprei. In hierdie vraestel stel ons 'n nuwe beheer grafiek genoem Beta Charts, vir die monitering fraksie data (p). Die Beta Chart bied die beheer perke gebaseer op die Beta waarskynlikheid verspreiding. Dit is van toepassing vir die monitering van die veranderlikes in drie werklike studies, en dit is in vergelyking met die kontrole perke met drie skemas. Die vergelykende analise het getoon dat: (i) Beta benadering tot die binomiaalverdeling was meer gepas met waardes beperk in die 0, xA01-interval en (ii) die voorgestelde kaarte is meer sensitief vir die gemiddelde duur lank (ARL), in beide regeling Afdeling en buite-beheer prosesse monitering. Die Beta Charts oortref die beheer kaarte geanaliseer vir die monitering fraksie data. Hoogtepunte Die Beta Chart bied die beheer perke gebaseer op die Beta waarskynlikheid verspreiding. Ons is van toepassing op drie numeriese voorbeelde, die Beta Chart gelei tot meer akkurate uitkomste as die ander kaarte. Ons doen 'n sensitiwiteit studie Shewhart, Ryan en Chen kaarte en die Beta grafiek in twee scenario's te vergelyk. Die algebraïese definisie van die beheer perke hoogtepunt deur Beta verspreiding kan meer gepas wees. Sleutelwoorde Beta verspreiding Fraksie data beheer kaarte Statistiese gehaltebeheer Ooreenstemmende skrywer. Adres: Imaculada Conceicao Street, 1155, Curitiba 80215-901, Brasilië. Tel. 41 3271 1332. 1 Tel. 55 51 3308 4423.Optimal gemiddelde monster getal van die SPRT grafiek vir die monitering fraksie Afwykende Wys abstrakte versteek abstrakte OPSOMMING: In die huidige artikel, stel ons 'n nuwe beheer grafiek vir die monitering van 'n hoë gehalte prosesse. Meer spesifiek, raai ons jou vertel van die gemonitor proses buite beheer, deur die ontginning van 'n saamgestelde reël en loer op die aantal voldoen eenhede waargeneem tussen die (i 1) ste en die et Afwykende item en die aantal wat voldoen items waargeneem tussen die (i 2 ) ste en die et Afwykende item. Ons numeriese eksperimentering toon dat die voorgestelde beheer grafiek, in die meeste van die gevalle, toon 'n beter (of ten minste ekwivalent) prestasie as sy mededingers. Artikel Maart 2014 Sotiris Bersimis Markos V. Koutras Petros E. Maravelakis Wys abstrakte versteek abstrakte OPSOMMING: Die binomiaal kumulatiewe bedrag (CUSUM) grafiek is wyd gebruik word om die fraksie AFWYKENDE (p) van 'n proses te monitor. Dit is 'n kragtige proses vir die opsporing van klein en matige p skofte. Hierdie artikel stel 'n binomiale CUSUM beheer grafiek met behulp van inperking tegniek (CurtCUSUM grafiek in kort). Die nuwe term in staat is om die algehele opsporing doeltreffendheid te verbeter, terwyl die hou van die vals alarm koers op 'n bepaalde vlak. Die resultate van die vergelykende studies toon dat, gemiddeld, die CurtCUSUM grafiek is meer effektief as die CUSUM grafiek sonder beperking met 30, in terme van Gemiddeld nommer defektiewes, onder verskillende omstandighede. Die CurtCUSUM grafiek aangewend kan word om 'n 100 inspeksie sowel as 'n algemene ewekansige steekproefneming inspeksie. Artikel Augustus 2014 Salah Haridy Zhang Wu Songlin Chen Sven Knoth Wys abstrakte versteek abstrakte OPSOMMING: Hierdie artikel bied 'n algoritme vir die optimalisering ontwerp van die drie eksponensieel geweeg bewegende gemiddelde kontrolekaart skema (3-EWMA skema in kort) vir die monitering van 'n reeks van die gemiddelde skofte. Die ontwerp algoritme optimaliseert die kartering parameters van die 3-EWMA skema, wat gebaseer is op ekstra kwadratiese verlies funksie. Die resultate van vergelykende studies en 'n voorbeeld toon dat die optimale 3-EWMA skema beter as altyd die basiese 3-EWMA skema, asook die ander EWMA kaarte onder verskillende spesifikasies. Volgens 'n 2 (k) faktoriaal eksperiment, die optimale 3-EWMA skema beter as die vernaamste mededinger, die basiese 3-EWMA skema, met meer as 15, op die gemiddelde. Alhoewel die ontwerp van die optimale 3-EWMA skema is moeiliker as dié van die konvensionele EWMA kaarte, kan dit maklik gerekenariseerde. Verder het hierdie artikel bied die statistiese prosesbeheer (SPC) praktisyns met 'n ontwerp tabel om die ontwerpe van die 3-EWMA skemas fasiliteer. Van hierdie ontwerp tafel, kan die gebruikers direk te vind die optimale waardes van die kartering parameters volgens die ontwerpspesifikasies. In die algemeen, sal hierdie artikel te help om die opsporing doeltreffendheid van die 3-EWMA skema te verbeter, en die toepassing daarvan in RBK fasiliteer. Artikel September 2014 M. Shamsuzzaman M. B. C. Khoo S. Haridy I. AlsyoufA bewegende gemiddelde kontrolekaart vir Monitoring die fraksie AFWYKENDE Die p grafiek word dikwels gebruik om die fraksie van nie-nakoming produkte te monitor. Maar die p grafiek is stadig in die opsporing van die handhawing van skofte van klein omvang in die vlak van breuk nie-nakoming. Hierdie artikel bespreek 'n meer doeltreffende alternatief vir die standaard p grafiek benadering, dit wil sê die bou van 'n bewegende gemiddelde kontrolekaart vir breuk nie-nakoming, p. Benaderings deur middel van wiskundige berekeninge en die ooreenstemmende simulasie resultate vir die gemiddelde duur lank profiele toon dat die prestasie van die nuwe benadering is beter as dié van die standaard benadering. Die nuwe benadering is maklik om te implementeer en dus aantreklik en nuttig is vir praktisyns kan wees. Voorbeelde word gegee om te wys hoe die voorgestelde prosedure sit om te werk in werklike situasies. Kopiereg 2004 John Wiley amp Sons, Ltd Wil jy die res van hierdie artikel te lees. quotRecently bewegende gemiddelde kontrolekaart (MA) voorgestel (sien 3). Khoo 6 bestudeer MA kaarte om die fraksie van nie-nakoming Waarnemings monitor en het getoon dat die MA grafiek was meer doeltreffend as die p grafiek. Later, Michael et. al. quot artikel Augustus 2016 Sukanya Phant Saowanit Sukparungsee Yupaporn Areepong quotIn Daarbenewens is CUSUM, EWMA, MA en DMA beheer kaarte ook ontwikkel vir kenmerk data (bladsy 9, Roberts 11, Khoo 5 en Khoo en Wong 6). Volgens Khoo en Wong 6, die resultate getoon dat die prestasie van die DMA grafiek is vinniger om buite-beheer seine as die MA, EWMA en CUSUM kaarte op te spoor vir die monitering van klein en matige skofte van parameter. quot Wys abstrakte versteek abstrakte OPSOMMING: Die Verborge ketting benadering word gebruik om geslote-vorm uitdrukking van Gemiddeld Run Duur (ARL) af te lei vir die algemeen Geweegde bewegende gemiddelde kontrolekaart (GWMA) wanneer waarnemings is van nul-opgeblase binomiale model ten einde 'n spoor verander in parameter. Die numeriese resultate akkuraatheid van voorgestelde geslote-vorm is gewaarborg om die numeriese resultate verkry vanaf Monte Carlo-simulasie (MC). Die resultate het bevind dat die numeriese resultate wat verkry is uit MCA is soos uitgesoek soos die resultate wat verkry is uit MC maar MCA is baie tyd spaar. Verder word die prestasie van GWMA in vergelyking met die EWMA beheer grafiek in die tweede kwartaal van vinnigste opsporing van 'n verandering in parameter gedefinieer as buite-beheer Gemiddeld Run Duur (ARL1). Die prestasie van GWMA grafiek is beter as EWMA grafiek wanneer groottes van verandering is klein (0.20). Artikel Januarie 2016 Verre Ooste Journal of Wiskundige Wetenskappe Y. Areepong S. Sukparungsee quotIn Daarbenewens is CUSUM, EWMA, MA en DMA beheer kaarte ook ontwikkel vir kenmerk data (bladsy 9, Roberts 11, Khoo 5 en Khoo en Wong 6). Volgens Khoo en Wong 6, die resultate getoon dat die prestasie van die DMA grafiek is vinniger om buite-beheer seine as die MA, EWMA en CUSUM kaarte op te spoor vir die monitering van klein en matige skofte van parameter. quot Wys abstrakte versteek abstrakte OPSOMMING: Die Verborge ketting benadering word gebruik om geslote-vorm uitdrukking van Gemiddeld Run Duur (ARL) af te lei vir die algemeen Geweegde bewegende gemiddelde kontrolekaart (GWMA) wanneer waarnemings is van nul-opgeblase binomiale model ten einde 'n spoor verander in parameter. Die numeriese resultate akkuraatheid van voorgestelde geslote-vorm is gewaarborg om die numeriese resultate verkry vanaf Monte Carlo-simulasie (MC). Die resultate het bevind dat die numeriese resultate wat verkry is uit MCA is soos uitgesoek soos die resultate wat verkry is uit MC maar MCA is baie tyd spaar. Verder word die prestasie van GWMA in vergelyking met die EWMA beheer grafiek in die tweede kwartaal van vinnigste opsporing van 'n verandering in parameter gedefinieer as buite-beheer Gemiddeld Run Duur (ARL1). Die prestasie van GWMA grafiek is beter as EWMA grafiek wanneer groottes van verandering is klein verskuiwings. Artikel Januarie 2016 Saowanit Sukparungsee Yupaporn AreepongControl kaarte in die algemeen, is beheer kaarte gebruik om produksie waardes en variasie plot met verloop van tyd. Hierdie kaarte kan dan geanaliseer om te bepaal of veranderinge in die produksie waardes of variasie is as gevolg van die inherente variasie van die proses of 'n spesifieke correctable oorsaak. Beheer kaarte vir veranderlikes is redelik eenvoudig en kan baie nuttig in materiaal produksie en konstruksie situasies wees. Vier gewilde beheer kaarte in die vervaardigingsbedryf is (Montgomery, 1997 1): beheer grafiek vir veranderlikes. In veranderlike steekproefneming, is metings gemonitor as kontinue veranderlikes. Omdat hulle te behou en gebruik werklike meting data, veranderlike steekproefneming planne behou meer inligting per monster as nie skryf steekproefneming planne (Freeman en Grogan, 1998 2). Dit impliseer dat in vergelyking met monsterneming skryf, dit neem minder monsters om dieselfde inligting te kry. As gevolg hiervan, is die meeste statistiese aanvaarding planne gebruik veranderlike monsterneming. Beheer grafiek vir eienskappe. Hierdie grafiek word gebruik wanneer 'n aantal van die gehalte kenmerk nie maklik kan verteenwoordig. Daarom is elke item geklassifiseer as 8220conforming8221 of 8220nonconforming8221 om die spesifieke spesifikasie vir die gehalte kenmerk word ondersoek. Hierdie kaarte kyk soortgelyk aan kaarte te beheer vir veranderlikes, maar is gebaseer op 'n binomiaal verspreiding in plaas van 'n normale verspreiding. Twee van die mees algemene kenmerk beheer kaarte is vir breuk Afwykende en defekte. Kumulatiewe bedrag beheer grafiek. 'N Nadeel van beheer kaarte vir veranderlikes en kenmerke is dat hulle net data van die mees onlangse meting om gevolgtrekkings te maak oor die proses. Dit maak dit baie onsensitief vir skofte op die einde van 1.5 standaardafwykings of minder. Die kumulatiewe bedrag beheer grafiek is 'n meer sensitiewe beheer grafiek wat inligting vanaf 'n hele stel van punte kan gebruik om gevolgtrekkings te maak oor die proses. Basies die kumulatiewe bedrag (of cusum) grafiek plotte die kumulatiewe bedrag van meting afwykings van 'n gemiddelde. Daarom, as 'n abnormale hoeveelheid metings val op slegs een kant van die gemiddelde hierdie bedrag sal groei en dui op 'n out-of-beheer toestand. Eksponensieel geweeg bewegende gemiddelde (EWMA) beheer grafiek. Hierdie grafiek is soortgelyk aan die kumulatiewe bedrag grafiek, maar in plaas van te weeg elke meting dieselfde, onlangse metings is meer invloedryke omdat metings word geweeg eksponensieel gebaseer op toe hulle geskape. Buite hierdie, beheer kaarte begin meer kompleks te kry of is basters van meer as een tipe. Beheer kaarte vir veranderlikes te beheer kaarte vir veranderlikes is redelik eenvoudig en kan baie nuttig in HMA produksie en konstruksie situasies wees. Die volgende paragrawe beskryf die basiese konsepte betrokke by 'n beheer grafiek vir veranderlikes. In die eerste plek variasie moet gekwantifiseer. Variasie kan op baie verskillende maniere, waarvan een is die waarskynlikheid verspreiding (sien Figuur 1). Figuur 1. Variansie getoon in 'n waarskynlikheid verspreiding. Wiskundig word variasie beskryf as 8220variance8221: Hierdie vergelyking is waar wanneer die hele bevolking is bekend (bv elke item geproduseer is gemeet of getoets). Dit is 'n rariteit tipies die bevolking is net getoets en dus slegs die afmetings van 'n paar items (of plekke) is bekend. In hierdie geval, word die vergelyking: Variansie word beskryf deur 'n kwadraat hoeveelheid. Dit is noodsaaklik om te verhoed dat positiewe en negatiewe verskille tussen individuele metings en die gemiddelde van mekaar kanselleer. Ongelukkig is dit lei tot variasie-eenhede ook vierkant. Daarom, as die materiaal kenmerk is digtheid (kg / m 3 of lb / ft 3) dan die variasie is (kg / m 3) 2 of (LB / ft 3) 2. wat nie 'n betekenisvolle hoeveelheid. Daarom is die vierkantswortel van variasie, die standaardafwyking, is tipies bespreek: Tweede, alle prosesse bevat 'n sekere bedrag van ewekansige variasie. Dit inherente variasie kan vandaan masjien presisie perke, klein variasies in rou materiaal eienskappe, klein variasies in werkers vermoë en dies meer. Die sleutels om beheer variasie is om te weet wanneer variasie is as gevolg van inherente ewekansige veranderlikheid en wanneer variasie word veroorsaak deur 'n nie-ewekansige aspek wat verband hou met die proses. As die variasie is wat verband hou met die proses, kan dit waarskynlik verminder. Onderskei tussen hierdie twee tipes variasie behels die waarneming van 'n proses wat in beheer is (variasie is net te danke aan die inherente variasie), dan die opstel van die boonste en / of laer beheer perke wat hierdie variasie bevat. Dan, 'n mate buite hierdie grense is te danke aan iets wat veroorsaak word deur die produksie-proses. Tipies hierdie boonste en onderste beheer perke gestel aan 3s (3 standaardafwykings) aan weerskante van die teiken waarde. Die aanvaarding van die gemeet materiaal kenmerk is normaal verdeel, sal 'n statistiese hipotese toets wys dat daar net 'n 0,27 persent kans dat 'n meting buite die beheer perke sal wees en dus genereer 'n vals alarm. Daarom kan 'n mens redelik seker dat metings buite die beheer perke is te danke aan beheerbare faktore wees. Derde, hoewel monster standaardafwyking (s) is 'n aanvaarbare wyse van die beraming van die werklike bevolking standaardafwyking (s), die monster reeks (R, verskil tussen die hoogste en laagste monster metings) is voldoende vir die klein steekproefgroottes gewoonlik aangetref in ryvlak konstruksie . Sedert die monster reeks (R) is die maklikste om te bereken, is dit dikwels gebruik. Ten slotte, figure 2 en 3 is tipies beheer kaarte vir x (monster gemiddeld) en R (monster reeks). Hierdie tipe van beheer grafiek is bekend as 'n Shewhart beheer grafiek na Dr Walter S. Shewhart wat eerste die algemene teorie van beheer kaarte in 1924 voorgestel Dit beheer grafiek kan gebruik word om materiaal gehalte kenmerke soos HMA teerpad inhoud, gradering of kompaksie te monitor , of PCC sterkte. Figuur 2. Beheer grafiek vir gemeet lug leemte inhoud wat die gemiddelde lug leemte inhoud vir elke lot erwe. Figuur 3. Beheer grafiek vir die reeks van die lug leemte inhoud metings in elke lot. Elke punt verteenwoordig die hoogste meting minus die laagste meting vir die gegewe baie. Dikwels is monsters net geneem een op 'n slag (soos in asfalt inhoud monitering) en dus vereis dat 'n bietjie anders beheer grafiek wat individuele metings en 'n bewegende reeks (MR) spore. Figure 4 en 5 toon 'n kontrole grafiek vir individuele metings. Figuur 4. Beheer grafiek vir individuele metings van asfalt inhoud. Figuur 5. Beheer grafiek vir die beweging reeks van individuele metings van asfalt inhoud. In die algemeen, as 'n proses word meer beheer, die boonste en / of laer beheer perke kan verminder word om dit te weerspieël. Die algemene reël-van-die duim is om op te tree wanneer metings oorskry beheer perke. Tog het baie maatskappye uitgebrei op hierdie en hul eie reëls soos (Montgomery, 1997 1) ontwikkel: Een of meer punte buite die beheer perke. Twee van drie agtereenvolgende punte buite die 2-de waarskuwing perke, maar nog steeds binne die beheer perke. Vier van vyf agtereenvolgende punte buite die 1-e perke. 'N loop van agt agtereenvolgende punte aan die een kant van die middellyn. Ses punte in 'n ry stadig maar seker toeneem of afneem. Veertien punte in 'n ry afwisselend op en af. 'N ongewone of nie-ewekansige patroon in die data. Een of meer punte naby 'n waarskuwing of beheer limiet. Voetnote Inleiding (terug na teks) om Statistiese Gehaltebeheer, 3de Ed. John Wiley amp Sons, Inc. New York, New York. Statistiese Aanvaarding Plan vir Asphalt Plaveisel Konstruksie. Army Corps VSA of Engineers. Washington, DC Gee Terugvoering oor beheer ChartsA veralgemeen voldoen Run Duur beheer grafiek vir die monitering van die gemiddelde van 'n veranderlike Zhang Wu n. . , ZhaoJun Wang b. , Wei Jiang c. 'n Skool vir Meganiese en L & R, Nanyang Tegnologiese Universiteit, Singapoer 639798, Singapoer b Skool vir Wiskunde Wetenskap, Nankai Universiteit, 300071, China c Skool vir Systems en Enterprises, Stevens Institute of Technology, Hoboken, New Jersey 07.030, die VSA ontvang 29 April 2009 , hersien 19 Februarie 2010 het aanvaar 22 Februarie 2010, beskikbaar aanlyn Februarie 26 2010Abstract Die kenmerk wat voldoen run Duur (CRL) beheer grafiek gelok toenemende navorsingsbelangstellings in Statistiese Prosesbeheer (SPC). Dit besluit die proses status gebaseer op die interval of afstand tussen twee Afwykende eenhede. In hierdie artikel sal 'n algemene CRL grafiek (naamlik GCRL grafiek) vir die monitering van die gemiddelde van 'n meetbare kwaliteit kenmerk x onder 100 inspeksie. Om 'n GCRL grafiek loop, sal elke eenheid word geklassifiseer as 'n verbygaande of nonpassing eenheid, afhangende van of die monster waarde van x in of buite 'n paar onderste en boonste inspeksie perke LIL en UIL val. Wanneer 'n nonpassing eenheid bespeur, die GCRL grafiek gaan die afstand tussen die huidige en verlede nonpassing eenhede ten einde die proses status te bepaal (in beheer of buite beheer). Die inspeksie perke LIL en UIL word bepaal deur 'n optimalisering ontwerp. Die GCRL grafiek los nie net 'n dooie hoek probleem deur die konvensionele CRL grafiek gely, maar ook beter as heelwat laasgenoemde vir die opsporing van gemiddelde skofte. Die mees interessante bevinding is dat die kenmerk GCRL grafiek blink die veranderlike X grafiek om 'n beduidende mate in SPC vir veranderlikes. Dit dui daarop dat die eenvoudige kenmerk grafiek die veranderlike grafiek kan vervang in sommige SPC aansoeke. Die ontwerp van die GCRL grafiek het deur 'n rekenaarprogram te voer, maar die ontwerp kan feitlik voltooi in no-time in 'n persoonlike rekenaar. Sleutelwoorde Kenmerk inspeksies Voldoen Run Duur CRL beheer grafiek Gehaltebeheer Statistiese Prosesbeheer
No comments:
Post a Comment