Das statistische Design von EWMA-Kontrollkarten mit geschätzten Parametern Die bestehenden Verfahren zum Entwerfen von exponentiell gewichteten gleitenden Globalen (EWMA) Kontrollkarten basieren auf der Annahme bekannter Prozessparameter. In der Praxis sind diese Parameter in der Regel unbekannt und durch Schätzungen aus einer In-Control-Referenzprobe ersetzt. Die Verwendung von Parameterschätzungen mit Designprozeduren, die für bekannte Parameter vorgesehen sind, kann zu einer signifikant verschlechterten Chartleistung führen. In diesem Papier wird die Annahme bekannter Parameter entspannt und Designprozeduren für das EWMA-Diagramm werden entsprechend entwickelt. Schlüsselwörter: Durchschnittliche Lauflänge, exponentiell gewichteter Bewegungsdurchschnitt, Integralgleichung. Von L. ALLISON JONES, Universität von Miami, Coral Gables, FL 33124-8237 In den meisten Industrie - und Dienstleistungsanwendungen ist die mittlere und Standardabweichung des zu überwachenden Prozesses unbekannt. Eine gängige Praxis ist es, die Parameter des Prozesses aus einer In-Control - (IC) Referenzprobe abzuschätzen und mit diesen Schätzungen das Kontrolldiagramm zu erstellen. Die meisten statistischen Verfahren für die Gestaltung von Kontrollkarten basieren auf der Stichprobenverteilung der gezeichneten Statistik und werden unter der Annahme bekannter Parameter entwickelt. Wenn Schätzungen anstelle bekannter Parameter verwendet werden, sollte die entsprechende Stichprobenverteilung der Chartstatistiken die Variabilität in den Schätzern berücksichtigen, andernfalls kann die IC - und Out-of-Control - (OC-) Performance der Diagramme stark beeinflusst werden. Bei der Erstellung von exponentiell gewichteten gleitenden Mittelwerten (EWMA) können keine Parameterschätzungen berücksichtigt werden, was zu einer Erhöhung der Anzahl von Fehlalarmen und einer Verringerung der Fähigkeit der Diagramme führt, Prozessänderungen zu erkennen. Kleine Referenzmustergrößen vergrößern die nachteiligen Auswirkungen der Schätzung. Wenn zum Beispiel Parameterschätzungen aus m 30 IC-Untergruppen der Größe n 5 in einem EWMA-Überwachungsschema mit einer Glättungskonstante von 0,1 verwendet werden, wird die Wahrscheinlichkeit eines Fehlalarms innerhalb von zwanzig Beobachtungen um fast 110 beobachtet. Dies wird nur selten erwähnt Und inakzeptable Nebenwirkungen der Substitution von Schätzungen in die bestehenden EWMA-Design-Verfahren. Eine Lösung für dieses Problem besteht darin, einfach die Größe der Referenzprobe zu erhöhen, um die Variabilität der Abtastverteilungen der Schätzungen zu reduzieren. Obwohl eine weithin akzeptierte Heuristik ist, dass m 30 Untergruppen aus einem Prozess in der Regel vernünftige Schätzungen liefern, schlug Quesenberry (1993) vor, dass mindestens m 100 Untergruppen der Größe n 5 erforderlich sind, um die Parameter bei der Gestaltung eines Diagramms adäquat abzuschätzen. Jones, Champ und Rigdon (2001) zeigten, dass die Stichprobengröße, die erforderlich ist, um die erwartete statistische Leistung bei der Gestaltung eines EWMA-Diagramms zu erreichen, viel größer als m 100 sein kann. Die ausreichende Probengröße hängt von der EWMA-Glättungskonstante ab, wobei größere Proben erforderlich sind, wenn sie kleiner sind Glättungskonstanten werden verwendet. Wenn Glättungskonstanten von 0,1 oder weniger verwendet werden, sind bis zu 400 IC-Untergruppen notwendig, um Parameter zu schätzen (Jones et al., 2001). In einigen Anwendungen, in denen Daten reichlich vorhanden sind, könnte es möglich sein zu warten, bis 400 IC-Untergruppen angesammelt haben, um die Überwachung des Prozesses zu beginnen. In vielen Situationen kann das Warten jedoch nachteilig auf die Qualität des Produktes oder der Dienstleistung sein, die überwacht wird. Wenn große Stichprobengrößen nicht verfügbar sind, bleibt der Praktiker mit einem Dilemma. Das EWMA-Diagramm kann mit Schätzungen verwendet werden, die auf kleinen Samples basieren, aber die statistische Performance des Diagramms kann schlecht sein, dh das Diagramm kann häufig ohne zuweisbare Ursachen signalisieren. Wenn jedoch die Prozessüberwachung verzögert wird, um die notwendigen Daten zu erhalten, können teure Prozessprobleme während dieser Zeit unentdeckt bleiben. Ein anderer Ansatz besteht darin, eine Selbststartprozedur wie das Q-Diagramm zu verwenden, das mit der Annahme entworfen wird, dass Parameter geschätzt werden (Quesenberry 1995). Selbststartige Diagramme können für die Überwachung früher als herkömmliche Kontrollkarten verwendet werden, da die Parameterschätzungen mit dem Hinzufügen jeder neuen Beobachtung aktualisiert werden. Eine Begrenzung der Selbststartprozeduren ist die Maskierung oder Parameteranpassung, Problem. Wenn eine frühzeitige Prozessänderung nicht schnell erkannt wird, können die Parameterschätzungen durch die Änderung nachteilig beeinflusst werden, wodurch die Verschiebung von der zukünftigen Erfassung maskiert wird. Ziel dieses Beitrags ist es, Konstruktionsverfahren für das EWMA-Diagramm zu entwickeln, die keine Annahme bekannter Parameter erfordern. Die neuen Verfahren geben breitere Kontrollgrenzen, indem sie die Variabilität der Parameterschätzungen widerspiegeln, die in der Stichprobenverteilung der EWMA-Diagrammstatistik verwendet werden. Die mit den neuen Steuerungsgrenzen entwickelten Charts zeigen eine verbesserte IC-Leistung, da sie eine spezifische IC-Durchschnittslauflänge (ARL) erfüllen. Die Literatur zum EWMA-Diagramm ist erheblich. Der nächste Abschnitt gibt eine sehr kurze Übersicht über Artikel zum EWMA-Kontrolldiagrammdesign. Im Folgenden werden einige Hintergrundinformationen zum EWMA-Modell vorgestellt. Die neuen Konstruktionsverfahren für das EWMA-Diagramm mit geschätzten Parametern werden als nächstes gegeben. Ein Beispiel für die Anwendung der neuen Entwurfsverfahren folgt. Ein Leistungsvergleich zwischen den bestehenden Designmethoden und der neuen Methode ist gegeben. Schließlich werden einige abschließende Bemerkungen gemacht. Juli 2002 Band 34 Nummer 3EWMA Control Chart Performance mit geschätzten Parametern unter Nichtnormalität Abstract anzeigen Zusammenfassung ausblenden ABSTRAKT: Chromatin-Immunopräzipitation, gefolgt von Hybridisierung an ein genomisches Kachelmikroarray (ChIP-Chip) ist ein routinemäßig genutztes Protokoll zur Lokalisierung der genomischen Targets von DNA - Bindende Proteine. Die Auflösung, auf die Bindungsstellen in diesem Assay identifiziert werden können, wird allgemein als durch zwei Faktoren begrenzt betrachtet: (1) die Auflösung, bei der die genomischen Targets im Mikroarray gefliest sind und (2) die großen und variablen Längen der immunpräzipitierten DNA Fragmente Wir haben ein generatives Modell von Bindungsstellen in ChIP-Chip-Daten entwickelt und ein Ansatz, MeDiChI, für effizientes und robustes Lernen dieses Modells aus diversen Datensätzen. Wir haben die MeDiChIx27s-Leistung mit simulierten Daten sowie auf diversen ChIP-Chip-Datensätzen ausgewertet, die auf unterschiedlichsten Fliesen-Array-Plattformen für zwei verschiedene Organismen (Saccharomyces cerevisiae und Halobacterium salinarium NRC-1) gesammelt wurden. Wir finden, dass MeDiChI die Bindungsstellen genau auf eine Auflösung projiziert, die größer ist als die des Sondenabstandes, sogar für überlappende Peaks, und kann die effektive Auflösung von Tiling Array Daten um einen Faktor von 5x oder besser erhöhen. Darüber hinaus bietet die Methode des Modells an simulierten Daten Einblicke in die effektive Optimierung des experimentellen Designs für eine erhöhte Bindungsort-Lokalisierungsgenauigkeit und - wirksamkeit. MeDiChI ist als Open-Source-R-Paket inklusive aller Daten von baliga. systemsbiologymedichi erhältlich. Volltext Artikel Mar 2008 David J Reiss Marc T Facciotti Nitin S Baliga Zeigen Sie abstrakt Ausblenden ABSTRAKT: Das adaptive exponentiell gewichtete gleitende Durchschnitt (AEWMA) Kontrolldiagramm hat den Vorteil, das Gleichgewicht gemischte Reichweite von mittleren Verschiebungen zu erkennen. Seine Leistung wurde unter der Annahme untersucht, dass die Prozessparameter bekannt sind. Unter dieser Annahme haben frühere Studien gezeigt, dass AEWMA eine überlegene statistische Leistung im Vergleich zu anderen verschiedenen Arten von Kontrollkarten bereitstellt. In der Praxis sind die Prozessparameter in der Regel jedoch unbekannt und müssen geschätzt werden. Mit einem Markov-Chain-Ansatz zeigen wir, dass die Performance des AEWMA-Kontrolldiagramms beeinflusst wird, wenn Parameter im Vergleich zum Fall des bekannten Parameters geschätzt werden. Darüber hinaus zeigen wir den Effekt der verschiedenen Standardabweichungsschätzer auf die Chartleistung. Schließlich wird ein Leistungsvergleich zwischen dem exponentiell gewichteten gleitenden Durchschnitt (EWMA) und dem AEWMA-Diagramm durchgeführt, wenn die Prozessparameter unbekannt sind. Wir empfehlen die Verwendung des AEWMA-Diagramms über das normale EWMA-Diagramm, besonders wenn eine kleine Anzahl von Proben der Phase I verfügbar ist, um die unbekannten Parameter abzuschätzen. Copyright 2012 John Wiley amp Sons, Ltd. Artikel Juni 2013 Nesma A Saleh Mahmoud Ein Mahmoud GA Abdel-Salam Show abstrakt Ausblenden abstrakt ABSTRAKT: Die statistische Prozesskontrolle spielt eine Schlüsselrolle in der heutigen, hart umkämpften industriellen Umgebung, da es qualitativ hochwertigen Praktikern erlaubt, rechtzeitig zu erkennen - Kontrollsituationen und Maßnahmen ergreifen, wenn nötig, um sicherzustellen, dass die produzierten Produkte oder Dienstleistungen bestimmten Qualitätsstandards entsprechen. Kontrollkarten sind die Werkzeuge, die Qualität Praktiker verwenden, und ihre Überwachung Leistung ist von großer Bedeutung in der Praxis. Da die Werte der Parameter, die für die Gestaltung der Chartsx27-Kontrollgrenzen verwendet werden, in der Praxis üblicherweise unbekannt sind, müssen die Praktiker sie mit einer in-control retrospektive Probe abschätzen. Es wurde gezeigt, dass die Parameterschätzung die Kontroll-Chartsx27-Eigenschaften stark beeinträchtigt. Viele neuere Studien konzentrierten sich auf die Untersuchung der Auswirkungen von Parameterschätzungen auf die Leistungsfähigkeit von Kontrollkarten und auf Wege zur Verringerung dieser Auswirkungen. Diese Arbeit zielt darauf ab, eine aktuelle kritische Überprüfung der Methoden zu liefern, die in diesem Bereich vor kurzem entwickelt wurden. Copyright 2012 John Wiley amp Sons, Ltd. Artikel Dez 2014 Stelios Psarakis Angeliki K. Vyniou Philippe CastagliolaDie Performance des adaptiven exponentiell gewichteten Moving Average Control Chart mit geschätzten Parametern Publikationsverlauf Ausgabe online: 20 Mai 2013 Version des Rekords online: 17 April 2012 Manuskript Akzeptiert: 20 Februar 2012 Manuskript: 31 Januar 2012 Related content Artikel in Bezug auf die, die Sie sehen Bitte aktivieren Sie Javascript, um den entsprechenden Inhalt dieses Artikels zu sehen. Zitieren Literatur Anzahl der zitierten Zeiten 12 1 Huifen Chen. David Goldsman Bruce W. Schmeiser. Kwok-Leung Tsui Symmetrische Töne: Empfindlichkeit gegenüber Nichtnormalitäts - und Kontrollgrenzschätzung, Kommunikation in Statistik - Simulation und Berechnung. 2017. 46. 1, 358 CrossRef 2 R. Zheng. S. Chakraborti. Ein phasengleiches, nicht parametrisches adaptives exponentiell gewichtetes gleitendes Mittelkontrolldiagramm, Quality Engineering. 2016. 28. 4, 476 CrossRef 3 R. Noorossana. S. Fathizadan M. R. Nayebpour EWMA Control Chart Performance mit geschätzten Parametern unter Nichtnormalität, Qualität und Zuverlässigkeitstechnik International. 2016. 32. 5, 1637 Wiley Online-Bibliothek 4 Deborah K. Shepherd. Charles W. Champ. Steven E. Rigdon. Eigenschaften des Markov-abhängigen Attributkontrollschemas mit geschätzten Parametern, Qualität und Zuverlässigkeitstechnik International. 2016. 32. 2, 485 Wiley Online-Bibliothek 5 Aya A. Aly. Mahmoud A. Mahmoud Ramadan Hamed Die Performance des multivariaten Adaptive Exponentiell gewichteten Moving Average Control Chart mit geschätzten Parametern, Qualität und Zuverlässigkeitstechnik International. 2016. 32. 3, 957 Wiley Online-Bibliothek 6 Aya A. Aly. Nesma A. Saleh. Mahmoud A. Mahmoud William H. Woodall Eine Neubewertung des adaptiven exponentiell gewichteten beweglichen Mittelkontrollschemas, wenn Parameter geschätzt werden, Qualität und Zuverlässigkeitstechnik International. 2015. 31. 8, 1611 Wiley Online-Bibliothek 7 Stelios Psarakis. Adaptive Control Charts: Aktuelle Entwicklungen und Erweiterungen, Qualität und Zuverlässigkeitstechnik International. 2015. 31. 7, 1265 Wiley Online-Bibliothek 8 Athanasios C. Rakitzis. Auf der Performance der modifizierten Läufe regelt man die Charts mit den geschätzten Parametern, die Kommunikation in der Statistik - Simulation und Berechnung. 2015. 1 CrossRef 9 S. L. Lim. Michael B. C. Khoo W. L. Teoh M. Xie. Optimale Designs der variablen Probengröße und Sampling-Intervall ltmml: math altimgquotsi0075.gifquot overflowquotscrollquot xmlns: xocsquotelsevierxmlxocsdtdquot xmlns: xsquotw3.org2001XMLSchemaquot xmlns: xsiquotw3.org2001XMLSchema-instancequot xmlnsquotelsevierxmljadtdquot xmlns: jaquotelsevierxmljadtdquot xmlns: mmlquotw3.org1998MathMathMLquot xmlns: tbquotelsevierxmlcommontabledtdquot xmlns: sbquotelsevierxmlcommonstruct-bibdtdquot Xmlns : cequotelsevierxmlcommondtdquot xmlns: xlinkquotw3.org1999xlinkquot xmlns: calsquotelsevierxmlcommoncalsdtdquot xmlns: saquotelsevierxmlcommonstruct-affdtdquotgtltmml: mover accentquottruequotgtltmml: migtXltmml: migtltmml: mogtmacrltmml: mogtltmml: movergtltmml: mathgt Diagramm, wenn Prozessparameter werden geschätzt, international Journal of Production Economics. 2015. 166. 20 CrossRef 10 Aamir Saghir. Zhengyan Lin. Das Negative Binomial Exponentiell gewichtete Moving Average Chart mit geschätzten Kontrollgrenzen, Qualität und Zuverlässigkeitstechnik International. 2015. 31. 2, 239 Wiley Online-Bibliothek 11 Stelios Psarakis. Angeliki K. Vyniou Philippe Castagliola Einige neuere Entwicklungen über die Auswirkungen der Parameterschätzung auf Kontrolldiagramme, Qualität und Zuverlässigkeitstechnik International. 2014. 30. 8, 1113 Wiley Online Bibliothek 12 Zhonghua Li. Changliang Zou Zhen Gong Zhaojun Wang. Die Berechnung der durchschnittlichen Lauflänge und der durchschnittlichen Zeit zum Signal: ein Überblick, Journal of Statistical Computation and Simulation. 2014. 84. 8, 1779 CrossRef
No comments:
Post a Comment