จัดกลุ่ม ข้อมูล ชี้แจง ถัว เฉลี่ยเคลื่อนที่ ควบคุม แผนภูมิ

Titre du document ชื่อเอกสารข้อมูลที่จัดกลุ่มข้อมูลที่จัดกลุ่มข้อมูลแผนภูมิการควบคุมค่าเฉลี่ยถ่วงน้ำหนักแบบเลขยกกำลังสอง (s) ผู้แต่งผู้แต่ง (s) ผู้มีส่วนได้ส่วนเสียผู้แต่ง (s) มหาวิทยาลัย (1) University of Waterloo, CANADA Rsum Abstract ในการผลิต ของรัดโลหะในการทำงานแบบ Progressive Die และสถานการณ์ทางอุตสาหกรรมอื่น ๆ มิติคุณภาพที่สำคัญไม่สามารถวัดได้ในแบบต่อเนื่องและชิ้นส่วนที่ผลิตจะแบ่งออกเป็นกลุ่มโดยใช้มาตรวัดขั้นตอน บทความนี้เสนอแผนภูมิควบคุมน้ำหนักเฉลี่ยถ่วงน้ำหนักแบบทวีคูณ (EWMA) ซึ่งสามารถใช้ในการติดตามข้อมูลที่จัดกลุ่มไว้สำหรับการเปลี่ยนกระบวนการ คุณสมบัติความยาวในการทำงานของแผนภูมิข้อมูล EWMA ที่จัดกลุ่มใหม่จะถูกเปรียบเทียบกับผลลัพธ์ที่คล้ายคลึงกันที่ได้รับก่อนหน้านี้สำหรับแผนภูมิ EWMA สำหรับข้อมูลตัวแปรและด้วยข้อมูลเหล่านี้สำหรับแผนการสะสม (CUSUM) ตามข้อมูลที่จัดกลุ่มไว้ ข้อมูลที่จัดกลุ่มข้อมูลแผนภูมิ EWMA แสดงให้เห็นว่าเกือบจะมีประสิทธิภาพเหมือนกับแผนภูมิ EWMA แบบตัวแปรและเป็นทางเลือกที่น่าสนใจเมื่อไม่สามารถรวบรวมข้อมูลตัวแปรได้ นอกจากนี้การจัดกลุ่มข้อมูลแผนภูมิ EWMA ได้รับผลกระทบน้อยลงด้วยความไม่สุจริตที่มีอยู่ในข้อมูลที่จัดกลุ่มมากกว่าการจัดกลุ่มข้อมูล CUSUM แผนภูมิ ในการประยุกต์ใช้รัดโลหะแผนภูมิ EWMA ที่จัดกลุ่มข้อมูลใช้งานง่ายและอนุญาตให้มีการตรวจจับการเปลี่ยนแปลงกระบวนการที่ไม่พึงประสงค์อย่างรวดเร็ว Revue Journal Title แหล่งที่มา 1998, ฉบับ 47, no 2, pp 203-216 (19 อ้างอิง) Langue Language Editeur ผู้จัดพิมพ์ Wiley-Blackwell, Oxford, ROYAUME-UNI (1952) (Revue) Mots-cls anglais English Keywords ค่าเฉลี่ยถ่วงน้ำหนักแบบเสิร์ช (EWMA) เป็นสถิติ สำหรับการตรวจสอบกระบวนการที่ค่าเฉลี่ยข้อมูลในลักษณะที่ให้น้ำหนักน้อยลงและน้อยลงเมื่อมีการลบข้อมูลในเวลาต่อไป การเปรียบเทียบแผนภูมิควบคุม Shewhart และเทคนิคการควบคุม EWMA สำหรับเทคนิค Shewhart chart control การตัดสินใจเกี่ยวกับสถานะของการควบคุมกระบวนการนี้ได้ตลอดเวลา (t) ขึ้นอยู่กับการวัดล่าสุดจากกระบวนการนี้และแน่นอนว่า ระดับของความเป็นเลิศของการประมาณขีด จำกัด การควบคุมจากข้อมูลทางประวัติศาสตร์ สำหรับเทคนิคการควบคุม EWMA การตัดสินใจจะขึ้นอยู่กับสถิติ EWMA ซึ่งเป็นค่าเฉลี่ยถ่วงน้ำหนักแบบทวีคูณของข้อมูลทั้งหมดรวมทั้งการวัดล่าสุด การเลือกขั้นตอนการควบคุม EWMA สามารถทำให้เกิดความรู้สึกไวต่อการล่องลอยในขั้นตอนเล็ก ๆ หรือทีละขั้นขณะที่ขั้นตอนการควบคุม Shewhart สามารถตอบสนองได้เฉพาะเมื่อจุดข้อมูลล่าสุดอยู่นอกขีด จำกัด การควบคุมเท่านั้น ความหมายของ EWMA สถิติที่คำนวณได้คือ: mbox t lambda Yt (1-lambda) mbox ,,, mbox ,,, t 1,, 2,, ldots ,, n (mbox 0) คือค่าเฉลี่ยของข้อมูลทางประวัติศาสตร์ (เป้าหมาย) (Yt) คือการสังเกตการณ์ในเวลา (t) (n) คือจำนวนของการสังเกตการณ์ที่ต้องติดตามรวมทั้ง (mbox 0) (0 การตีความของแผนภูมิการควบคุม EWMA สีแดง จุดเป็นข้อมูลดิบที่เส้นขรุขระเป็นสถิติ EWMA เมื่อเวลาผ่านไปแผนภูมิบอกเราว่ากระบวนการนี้อยู่ในการควบคุมเพราะทั้งหมด (mbox t) อยู่ระหว่างข้อ จำกัด ของการควบคุมอย่างไรก็ตามดูเหมือนว่าจะมีแนวโน้มสูงขึ้นในช่วง 5 ในการผลิตรัดโลหะในการทำงานแบบ Progressive Die และสถานการณ์ทางอุตสาหกรรมอื่น ๆ มิติคุณภาพที่สำคัญไม่สามารถวัดได้ในแบบต่อเนื่องและชิ้นส่วนที่ผลิตจะถูกจัดกลุ่มเป็นกลุ่มโดยใช้มาตรวัดขั้นตอน บทความนี้เสนอแผนภูมิการควบคุมค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักแบบถ่วงน้ำหนัก (EWMA) ที่ใช้ในการติดตามข้อมูลที่จัดกลุ่มไว้สำหรับการเปลี่ยนแปลงกระบวนการความยาวของสมรรถนะการวิ่งของแผนภูมิ EWMA ที่จัดกลุ่มใหม่นี้ถูกเปรียบเทียบ มีผลการค้นหาที่คล้ายคลึงกันก่อนหน้านี้สำหรับแผนภูมิ EWMA สำหรับข้อมูลตัวแปรและกับข้อมูลสำหรับแผนการสะสม (CUSUM) ตามข้อมูลที่จัดกลุ่มไว้ ข้อมูลที่จัดกลุ่มข้อมูลแผนภูมิ EWMA แสดงให้เห็นว่าเกือบจะมีประสิทธิภาพเหมือนกับแผนภูมิ EWMA แบบตัวแปรและเป็นทางเลือกที่น่าสนใจเมื่อไม่สามารถรวบรวมข้อมูลตัวแปรได้ นอกจากนี้การจัดกลุ่มข้อมูลแผนภูมิ EWMA ได้รับผลกระทบน้อยลงด้วยความไม่สุจริตที่มีอยู่ในข้อมูลที่จัดกลุ่มมากกว่าการจัดกลุ่มข้อมูล CUSUM แผนภูมิ ในการประยุกต์ใช้รัดโลหะแผนภูมิ EWMA ที่จัดกลุ่มข้อมูลใช้งานง่ายและอนุญาตให้มีการตรวจจับการเปลี่ยนแปลงกระบวนการที่ไม่พึงประสงค์อย่างรวดเร็ว การเปรียบเทียบการคาดการณ์ทางด้านประชากรศาสตร์แสดงให้เห็นถึงแนวโน้มการประเมินค่าเกินจริงในขณะที่การเปรียบเทียบลักษณะพฤติกรรมการเดินทางแสดงให้เห็นถึงการขาดการรวมกันของการเปลี่ยนแปลงขั้นพื้นฐานและการเปลี่ยนแปลงทางสังคม Steiner 14 แสดงให้เห็นว่ามีแผนภูมิควบคุมน้ำหนักเฉลี่ยถ่วงน้ำหนักแบบเลขยกกำลัง (EWMA) ที่ใช้ในการติดตามข้อมูลที่จัดกลุ่มไว้สำหรับการเปลี่ยนแปลงกระบวนการ คุณสมบัติความยาวไหลของแผนภูมิ EWMA ที่จัดกลุ่มใหม่นี้จะถูกเปรียบเทียบกับผลลัพธ์ที่คล้ายคลึงกันที่ได้รับก่อนหน้านี้สำหรับข้อมูลตัวแปรของ EWMA charts กับข้อมูลตัวแปรสำหรับสะสม (CUSUM) ตามข้อมูลที่จัดกลุ่มไว้ บทคัดย่อ: ในบทความนี้เราจะหารือเกี่ยวกับรูปแบบการวิเคราะห์แบบเวลา 3 แบบเพื่อเลือกรูปแบบการพยากรณ์อากาศที่มีประสิทธิภาพมากยิ่งขึ้น (i) ค่าเฉลี่ยเคลื่อนที่ k-th, (ii) ค่าเฉลี่ยเคลื่อนที่ถ่วงน้ำหนัก k-th และ (iii) ค่าเฉลี่ยถ่วงน้ำหนักของค่าเฉลี่ย k-th ที่วัดได้ มีการใช้วิธีการตรวจสอบสำหรับชุดข้อมูลที่เป็นอิสระ 1000 ชุดสำหรับพารามิเตอร์ที่แตกต่างกันห้าตัวด้วยคำสั่งซื้อที่เป็นไปได้ q q 5 เราพิจารณาข้อมูลคงที่ () 0 d และข้อมูลที่ไม่ใช่ stationary ด้วยความแตกต่างที่หนึ่งและสอง () 1, 2 d สำหรับรุ่น ARIMA เราพิจารณาระยะสั้น () 50 n และระยะยาว () 500 n ข้อสังเกต แบบจำลองการคาดการณ์ที่คล้ายกันได้รับการพัฒนาและประเมินราคาสำหรับราคาปิดของราคาหุ้นในแต่ละวันของ บริษัท PALTEL ในปาเลสไตน์ การค้นพบที่สำคัญคือในชุดข้อมูลจำลองส่วนใหญ่หนึ่งหรือหลายโมเดลที่เสนอจะให้ความถูกต้องของการคาดการณ์ที่ดีกว่าแบบดั้งเดิม (ARIMA) โดยเฉพาะอย่างยิ่งในชุดข้อมูลที่จำลองมากที่สุด 3 ครั้งค่าเฉลี่ยถ่วงน้ำหนักแบบเสวนาโดยอิงตามค่าเฉลี่ยเคลื่อนที่แบบรวมอัตโนมัติ (EWMA3-ARIMA) เป็นรูปแบบการคาดการณ์ที่ดีที่สุดในบรรดาโมเดลอื่น ๆ ทั้งหมด สำหรับราคาหุ้นของ PALTEL รูปแบบการคาดการณ์ที่ดีที่สุดคือค่าเฉลี่ยเคลื่อนที่แบบเคลื่อนไหว 3 ช่วงตามค่าเฉลี่ยเคลื่อนที่แบบรวมอัตโนมัติ (MA3-ARIMA) ในรูปแบบอื่น ๆ ทั้งหมด บทความเต็มรูปแบบบทความ ม. ค. 2013 วารสารนานาชาติด้านคุณภาพในการดูแลสุขภาพ Samir K Safi Issam A Dawoud การศึกษาเปรียบเทียบนี้แสดงให้เห็นว่าแผนภูมิควบคุมที่เรานำเสนอทำในเกณฑ์ดีในกรณีที่พิจารณา (หรือกลุ่ม) ได้รับการกล่าวถึงในวรรณคดีโดย Steiner, Geyer และ Wesolowsky (1996) และ Steiner (1998) ในบทความของพวกเขา Steiner และผู้ร่วมเขียนพิจารณากรณีเมื่อการกระจายไอซีมีรูปแบบที่เป็นที่รู้จักกันในรูปแบบ (เช่นปกติ) การสังเกตของแต่ละบุคคลอาจไม่เป็นที่รู้จักอย่างสมบูรณ์ แต่เป็นที่ทราบกันดีอยู่แล้วว่าพวกเขาอยู่ในช่วงเวลาที่กำหนด บทคัดย่อ: บทความนี้จะพิจารณาการควบคุมกระบวนการเชิงสถิติ (SPC) ของกระบวนการที่ไม่แปรผันเมื่อไม่สามารถใช้รูปแบบพารามิเตอร์ของการแจกแจงกระบวนการได้ ขั้นตอนของ SPC ที่มีอยู่ส่วนใหญ่จะขึ้นอยู่กับสมมติฐานว่าสามารถระบุรูปแบบ parametric (เช่นปกติ) ของการกระจายกระบวนการได้ก่อน ในวรรณคดีได้แสดงให้เห็นว่าประสิทธิภาพการทำงานของพวกเขาไม่น่าเชื่อถือในกรณีที่การแจกแจงกระบวนการที่กำหนดล่วงหน้าไม่ถูกต้อง เพื่อเอาชนะข้อ จำกัด นี้ได้มีการนำเสนอแผนภูมิ SPC ที่ไม่อิงพารามิเตอร์ (หรือแจกจ่าย) ฟรีซึ่งส่วนใหญ่ใช้ข้อมูลการสั่งซื้อข้อมูลที่สังเกตได้ บทความนี้พยายามที่จะให้การสนับสนุนวรรณกรรม SPC nonparametric สอง ขั้นแรกเราเสนอกรอบทางเลือกสำหรับการสร้างแผนภูมิควบคุมที่ไม่ใช้พารามิเตอร์โดยจัดประเภทข้อมูลที่สังเกตได้จากนั้นใช้วิธีการวิเคราะห์ข้อมูลที่มีเงื่อนไขให้กับ SPC ภายใต้กรอบนี้มีบางแผนภูมิการควบคุม nonparametric ใหม่ ประการที่สองเราเปรียบเทียบแผนภูมิควบคุมของเรากับแผนภูมิควบคุมที่มีอยู่หลายรายการในหลาย ๆ กรณี แนวทางเชิงประจักษ์บางอย่างมีไว้เพื่อให้ผู้ใช้เลือกแผนภูมิควบคุมที่เหมาะสมสำหรับการประยุกต์ใช้เฉพาะ บทความนี้มีข้อมูลเสริมออนไลน์ บทความเต็มมกราคมมกราคม 2012 Peihua Qiu Zhonghua Li quotwhere g คือระยะเวลาการทำงาน t เวลา R เมทริกซ์การเปลี่ยนแปลงหลังจากแถวสุดท้ายและคอลัมน์ได้ถูกลบออก 1 เวกเตอร์คอลัมน์ของคนและฉันเอกลักษณ์ประจำตัว (ดูภาคผนวกของ Steiner 9 สำหรับ รายละเอียดเพิ่มเติม). บทคัดย่อ: แผนภูมิควบคุมที่ปรับความเสี่ยงได้กลายเป็นที่นิยมสำหรับกระบวนการตรวจสอบที่เกี่ยวข้องกับการจัดการและการรักษาผู้ป่วยในโรงพยาบาลหรือสถาบันการดูแลสุขภาพอื่น ๆ อย่างไรก็ตามจนถึงปัจจุบันยังไม่ได้มีการศึกษาถึงผลกระทบจากข้อผิดพลาดในการประมาณค่าบนแผนภูมิควบคุมที่ปรับความเสี่ยง เราได้ศึกษาผลกระทบของข้อผิดพลาดในการประมาณค่าผลคูณสะสมแบบไบนารีที่ปรับความเสี่ยง (CUSUM) โดยใช้ข้อมูลจริงและข้อมูลที่จำลองเกี่ยวกับผู้ป่วยที่ได้รับการผ่าตัดบายพาสหลอดเลือดหัวใจและประเมินความตายไม่เกิน 30 วันหลังผ่าตัด ผลกระทบของข้อผิดพลาดในการประมาณค่าได้แสดงให้เห็นโดยความแปรผันของความยาวในการวิ่งเฉลี่ยของ x27truex27 (ARLs) โดยใช้การสุ่มตัวอย่างซ้ำของข้อมูลที่สังเกตได้ในสถานการณ์ที่สมจริง ผลการทดลองแสดงให้เห็นว่าข้อผิดพลาดในการประมาณค่าอาจส่งผลต่อประสิทธิภาพของแผนภูมิ CUSUM ที่มีการปรับความเสี่ยงในแง่ของความแปรผันของ ARLs ที่แท้จริง นอกจากนี้ประสิทธิภาพการทำงานยังขึ้นอยู่กับจำนวนเหตุการณ์ที่ใช้ในการกำหนดพารามิเตอร์ของแผนภูมิควบคุมและ ARL ที่ระบุสำหรับกระบวนการควบคุมใน (ARL (0)) อย่างไรก็ตามผลการวิจัยชี้ให้เห็นว่าความไม่แน่นอนของอัตราเหตุการณ์ไม่พึงประสงค์โดยรวมนั้นเป็นองค์ประกอบหลักของข้อผิดพลาดในการประมาณค่า เมื่อออกแบบแผนภูมิควบคุมผลกระทบของข้อผิดพลาดในการประมาณค่าอาจถูกนำเข้าบัญชีด้วยการสร้างตัวอย่างบูตของข้อมูล Phase I ที่พร้อมใช้งานและกำหนดขีด จำกัด การควบคุมที่จำเป็นเพื่อให้ได้ ARL (0) ของระดับที่กำหนดไว้ล่วงหน้า 95 ของเวลา หากมีข้อมูลเฟส 1 จำกัด อาจเป็นไปได้ที่จะทำการอัพเดตพารามิเตอร์ของโมเดลต่อไปแม้ว่าจะมีการใช้การตรวจสอบผู้ป่วยที่คาดหวังไว้ ข้อความเต็มรูปแบบบทความธันวาคม 2011 Mark A โจนส์ Stefan H Steinerby Stefan H. Steiner พ. ศ. 2541 บทความนี้เสนอแผนภูมิควบคุมน้ำหนักเฉลี่ยถ่วงน้ำหนักแบบทวีคูณ (EWMA) สำหรับการตรวจสอบข้อมูลที่จัดกลุ่มไว้สำหรับการเปลี่ยนแปลงกระบวนการ คุณสมบัติช่วงความยาวของแผนภูมิข้อมูล EWMA ที่จัดกลุ่มใหม่จะถูกเปรียบเทียบกับผลการค้นหาที่คล้ายคลึงกันก่อนหน้านี้สำหรับแผนภูมิ EWMA สำหรับ var บทความนี้เสนอแผนภูมิควบคุมน้ำหนักเฉลี่ยถ่วงน้ำหนักแบบทวีคูณ (EWMA) สำหรับการตรวจสอบข้อมูลที่จัดกลุ่มไว้สำหรับการเปลี่ยนแปลงกระบวนการ คุณสมบัติความยาวในการทำงานของแผนภูมิข้อมูล EWMA ที่จัดกลุ่มใหม่จะถูกเปรียบเทียบกับผลการค้นหาที่คล้ายกันที่ได้รับก่อนหน้านี้สำหรับแผนภูมิ EWMA สำหรับข้อมูลตัวแปรและด้วยข้อมูลเหล่านี้สำหรับข้อมูลสะสมของชุดข้อมูล (CUSUM) ตามข้อมูลที่จัดกลุ่ม การจัดกลุ่มข้อมูลแผนภูมิ EWMA แสดงให้เห็นว่าเกือบจะมีประสิทธิภาพเท่ากับตัวแปรตามแผนภูมิ EWMA และเป็นทางเลือกที่น่าสนใจเมื่อเก็บข้อมูลตัวแปรไม่ได้โดย Stefan H. Steiner - วารสาร Quality Technology พ. ศ. 2542 ขีด จำกัด การควบคุมของแผนภูมิการควบคุมค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักแบบถ่วงน้ำหนักแบบทวีคูณ (EWMA) จะแตกต่างกันตามช่วงเวลา อย่างไรก็ตามการวิเคราะห์วิเคราะห์ก่อนหน้านี้ของแผนภูมิ EWMA พิจารณาเฉพาะการ จำกัด การควบคุมภาวะโภชนาการ ในบทความนี้คุณสมบัติ length length ของ EW ขีด จำกัด การควบคุมของแผนภูมิการควบคุมค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักแบบถ่วงน้ำหนักแบบทวีคูณ (EWMA) จะแตกต่างกันตามช่วงเวลาใกล้ขีด จำกัด ที่เกิดขึ้นเมื่อเวลาเพิ่มขึ้น อย่างไรก็ตามการวิเคราะห์วิเคราะห์ก่อนหน้านี้ของแผนภูมิ EWMA พิจารณาเฉพาะการ จำกัด การควบคุมภาวะโภชนาการ ในบทความนี้คุณสมบัติสมรรถนะการทำงานของ EWMAs กับขีด จำกัด ของการควบคุมที่ต่างกันในเวลาโดยประมาณจะใช้กลุ่ม Markov ที่ไม่เป็นเนื้อเดียวกัน การเปรียบเทียบความยาวเฉลี่ยของ EWMA กับช่วงเวลาควบคุมที่แตกต่างกันและผลลัพธ์ที่เคยได้รับก่อนหน้านี้สำหรับแผนภูมิ EWMA แบบไม่แสดงตัวแสดงให้เห็นว่าการใช้ขีด จำกัด การควบคุมที่เปลี่ยนแปลงไปตามเวลาคล้ายกับคุณลักษณะการตอบสนองที่รวดเร็ว (FIR) ที่แนะนำสำหรับแผนภูมิสะสม (CUSUM) ARL ของโครงการ EWMA ที่มีข้อ จำกัด ของเวลาที่แตกต่างกันมีความสำคัญมากขึ้นกับการเปลี่ยนแปลงกระบวนการในช่วงต้นโดยเฉพาะอย่างยิ่งเมื่อน้ำหนัก EWMA มีขนาดเล็ก การปรับปรุงเพิ่มเติมในประสิทธิภาพ FIR สามารถทำได้โดยการ จำกัด ขอบเขตการควบคุมสำหรับข้อสังเกต 20 ข้อแรก วิธีการนี้แสดงให้เห็นว่าเป็นกระบวนการปกติที่มีส่วนเบี่ยงเบนมาตรฐานที่เรารู้ว่าต้องการทราบถึงการเปลี่ยนแปลงในค่าเฉลี่ย ting การเปลี่ยนแปลงกระบวนการถาวรขนาดเล็ก (Montgomery, 1991) เป็นครั้งแรกโดย Roberts (1959) แผนภูมิ EWMA มีประวัติที่ยาวนานพอสมควร แต่เมื่อเร็ว ๆ นี้ได้รับการประเมินคุณสมบัติของ analytically (Browder 1987 - Lucas and Saccucci 1990) EWMA ยังเป็นที่ทราบกันดีว่ามีคุณสมบัติที่ดีที่สุดในการใช้งานการคาดการณ์และควบคุม (Box, Jenkins และ MacGregor, 1974) ในบทความนี้เรามุ่งเน้นที่คุณภาพ