Zaproponowano Moving Average Control Chart dla monitorowania frakcji niezgodnej z cytatem, Moving Average chart chart (MA) (patrz wykres 3). Khoo 6 badał wykresy MA w celu monitorowania ułamków obserwacji niezgodnych i wykazał, że wykres MA był bardziej efektywny niż wykres p. Później, Michael i in. Artykuł Aug 2018 Sukanya Phant Saowanit Sukparungsee Yupaporn Areepong Kwoty dodano, CUSUM, EWMA, MA i DMA wykresy kontrolne zostały opracowane dla danych atrybutów (Strona 9, Roberts 11, Khoo 5 i Khoo i Wong 6). Według Khoo i Wong 6, wyniki wykazały, że szybkość działania wykresu DMA jest szybsza, niż w przypadku wykresów MA, EWMA i CUSUM w celu monitorowania małych i umiarkowanych przesunięć parametrów. Pokaż schemat Ukryj streszczenie STRESZCZENIE: Podejście łańcucha Markowa służy do uzyskania wyrażonej w zamkniętych formach średniej długości przebiegu (ARL) dla ogólnie ważonego wykresu przecięcia średniej ruchomej (GWMA), gdy obserwacje pochodzą od modelu z podwójnie napełnionym binomem w celu wykrycia zmiana parametru. Dokładność wyników liczbowych zaproponowanych form zamkniętych gwarantuje uzyskanie wyników liczbowych uzyskanych z symulacji Monte Carlo (MC). Wyniki wykazały, że wyniki liczbowe uzyskane z MCA są tak dobre, jak wyniki uzyskane z MC, ale MCA jest bardzo oszczędność czasu. Ponadto wydajność GWMA jest porównywana z kartą kontrolną EWMA w kategoriach najszybszego wykrycia zmiany parametru określonego jako średnia długość przebiegu poza kontrolą (ARL1). Wyniki wykresu GWMA są lepsze od wykresu EWMA, gdy zmiany wielkości są niewielkie (0,20). Artykuł Jan 2018 Dalekowschodni Dziennik Nauk Matematycznych Y. Areepong S. Sukparungsee Wykresy Dodatku, CUSUM, EWMA, MA i DMA zostały opracowane również dla danych atrybutów (Strona 9, Roberts 11, Khoo 5 i Khoo i Wong 6). Według Khoo i Wong 6, wyniki wykazały, że szybkość działania wykresu DMA jest szybsza, niż w przypadku wykresów MA, EWMA i CUSUM w celu monitorowania małych i umiarkowanych przesunięć parametrów. Pokaż schemat Ukryj streszczenie STRESZCZENIE: Podejście łańcucha Markowa służy do uzyskania wyrażonej w zamkniętych formach średniej długości przebiegu (ARL) dla ogólnie ważonego wykresu przecięcia średniej ruchomej (GWMA), gdy obserwacje pochodzą od modelu z podwójnie napełnionym binomem w celu wykrycia zmiana parametru. Dokładność wyników liczbowych zaproponowanych form zamkniętych gwarantuje uzyskanie wyników liczbowych uzyskanych z symulacji Monte Carlo (MC). Wyniki wykazały, że wyniki liczbowe uzyskane z MCA są tak dobre, jak wyniki uzyskane z MC, ale MCA jest bardzo oszczędność czasu. Ponadto wydajność GWMA jest porównywana z kartą kontrolną EWMA w kategoriach najszybszego wykrycia zmiany parametru określonego jako średnia długość przebiegu poza kontrolą (ARL1). Wyniki wykresu GWMA są lepsze od wykresu EWMA, gdy zmiany wielkości są niewielkimi przesunięciami. Artykuł Jan 2018 Saowanit Sukparungsee Yupaporn AreepongBeta Wykresy kontrolne do monitorowania danych frakcji p - Charts i np - Charts są powszechnie stosowane do monitorowania zmiennych typu frakcji, a wykresy te zakładają, że monitorowane zmienne są rozkładane dwumianowo. W niniejszym artykule proponujemy nowy schemat kontrolny zwany Beta Charts, do monitorowania danych frakcji (p). Wykres Beta prezentuje limity kontrolne w oparciu o rozkład prawdopodobieństwa Beta. Zostało ono zastosowane do monitorowania zmiennych w trzech rzeczywistych badaniach i zostało porównane z wartościami kontrolnymi z trzema programami. Analiza porównawcza wykazała, że: (i) przybliżenie do rozkładu dwuwymiarowego było bardziej odpowiednie z wartościami ograniczonymi w przedziale 0, xA01 i (ii) proponowane wykresy były bardziej wrażliwe na średnią długość przebiegu (ARL), zarówno w Kontrola procesów nadzoru i kontroli poza kontrolą. Wykresy Beta przewyższają wykresy kontrolne analizowane w celu monitorowania danych dotyczących frakcji. Najważniejsze informacje Na wykresie beta pokazano limity kontroli oparte na rozkładzie prawdopodobieństwa beta. Stosujemy się do trzech przykładów liczbowych, dzięki czemu Beta Chart doprowadziło do bardziej precyzyjnych wyników niż inne wykresy. Przeprowadzamy badanie wrażliwości na porównanie wykresów Shewhart, Ryan i Chen oraz wykresu Beta w dwóch scenariuszach. Definicja algebraiczna ograniczeń kontroli podkreślona przez dystrybucję Beta może być bardziej odpowiednia. Rozkład beta Informacje o frakcjach Wykresy kontrolne Kontrola jakości statystycznej Odpowiadający autor. Adres: Imaculada Conceicao Street, 1155, Curitiba 80215-901, Brazylia. Tel. 41 3271 1332. 1 Tel. 55 51 3308 4423. Porównanie ważonych procedur CUSUM w celu monitorowania proporcji procesu z różnymi rozmiarami próbek Porównanie ważonych procedur CUSUM w celu monitorowania proporcji procesu z różnymi rozmiarami próbek Odsyłacze Beaton, A. E. i J. W. Tukey. 1974. Mocowanie serii mocy, znaczenia wielomianów, zilustrowane na danych spektrum pasma. Technometrics 16 (2): 147 185.Taylor amp Francis Online. Web of Science 0174 Bourke, P. D. 1991. Wykrywanie przesunięcia w odcinku niezgodnym z wykorzystaniem wykresów sterujących długością uruchomienia przy 100 kontroli. Journal of Quality Technology 23 (3): 225 238.Web Science 0174 Bourke, P. D. 1992. Wydajność skumulowanych programów Sum dla monitorowania procesów na niższym szczeblu. Metrika 39: 365 384.CrossRef Bourke, P. D. 2001. Rozmiar próbki i dwumedialny wykres kontrolny CUSUM: przypadek 100 kontroli. Metrika 53: 51 70.CrossRef. Web of Science 0174 Ramka, G. E. P. i J. G. Ramrez. 1992. Skumulowane wykresy wyników. Inżynieria jakości i niezawodności International 8 (1): 17 27.CrossRef Capizzi, G. i G. Masarotto. 2003. Adaptacyjnie ważona przecena średniej kontroli wykresu. Technometrics 45 (3): 199 207.Taylor amp Francis Online. Web of Science 0174 Chan, L. Y. M. Xie. i T. N. Goh. 2000. Wykresy skumulowanej kontroli ilości w celu monitorowania procesów produkcyjnych. Międzynarodowy czasopismo Research Research 38: 397 408.Tajlor amp Francis Online. Web of Science 0174 Duran, R. i S. L. Albin. 2009. Monitorowanie frakcji z łatwym i niezawodnym ustawieniem fałszywego tempa alarmu. Inżynieria jakości i niezawodności International 25 (8): 1029 1043.CrossRef. Web of Science 0174 Gan, F. F. 1990. Obserwacje obserwacyjne generowane z dystrybucji dwuwymiarowej przy użyciu zmodyfikowanej graficznej tabeli statystycznej ważonej przecinkami. Journal of Statistical Obliczenia i symulacja 37 (12): 45 60.Taylor amp Francis Online Gan, F. F. 1993. Optymalne opracowanie wykresów sterujących CUSUM dla liczb biernych. Journal of Applied Statistics 20 (4): 445 460.Tajlor amp Francis Online Haridy, S. Z. Wu. F. J. Yu. i M. Shamsuzzaman. 2017. Projekt optymalizacji połączonego schematu np - USUM dla atrybutów. Europejski Magazyn Inżynierii Przemysłowej 7 (1): 16 37.CrossRef. Sieć Nauki 0174 Hawkins, D. M. i D. H. Olwell. 1998. Skumulowane wykresy sum i wykresy poprawy jakości. Nowy Jork. Springer-Verlag. CrossRef Huber, P. J. 1981. Solidna Statystyka. Nowy Jork. Wiley. CrossRef Jensen, W. A. L. A. Jones-Farmer. C. W. Champ. i W. W. Woodall. Skutki oszacowania parametrów na właściwości wykresu kontrolnego: przegląd literatury. Journal of Quality Technology 38 (4): 349 364.Web Nauki 0174 Jiang, W. L. Shu. i K.-L. Tsui. 2017. Wykresy ważonych wykresów CUSUM do monitorowania procesów niejednorodnych Poissona z różnymi rozmiarami próbek. Journal of Quality Technology 43 (4): 346 362.Web Science 0174 Khoo, M. B. C. 2004. Wykres kontroli przecięcia średniego dla monitorowania frakcji niezgodnej. Inżynieria jakości i niezawodności International 20 (6): 617 635.CrossRef. Web of Science 0174 Kim, J. K. N. Al-Khalifa. M. Park. M. K. Jeong. A. M. Hamouda. i E. Elsayed. 2017. Adaptacyjne skumulowane wykresy sumy z regułą Adaptive Runs. International Journal of Production Research 51 (15): 4556 4569.Antyliterat z Amerykańskiego Franciszka Online. Web of Science 0174 Li, Z. i Z. Wang. 2017. Adaptacyjne CUSUM na wykresie Q. International Journal of Production Research 48 (5): 1287 1301.Antyliterat z Amerykańskiego Franciszka Online. Web of Science 0174 Liu, L. F. Tsung i J. Zhang. 2017. Adaptacyjny nieparametryczny program CUSUM dla wykrywania nieznanych zmian w lokalizacji. Międzynarodowe badanie dotyczące produkcji. doi: 10.108000207543.2017.812260.Web Science 0174 Lucas, J. M. 1982. Kombinowane systemy kontroli jakości Shewhart-CUSUM. Journal of Quality Technology 14 (2): 51 59.Web Nauki 0174 Lucas, J. M. 1989. Schematy sterowania dla poziomów o małej liczebności. Journal of Quality Technology. 21 (3): 199 201.Web Nauki 0174 Mei, Y. S. W. Han. i K.-L. Tsui. 2017. Wczesne wykrycie zmiany wskaźnika Poisson po uwzględnieniu efektów wielkości populacji. Statistica Sinica 21: 597 624.CrossRef. Web of Science 0174 Montgomery, D. C. 2009. Wprowadzenie do statystycznej kontroli jakości. 7 edycja. Hoboken, NJ. John Wiley amp Sons Inc. Morais, M. C i A. Pacheco. 2006. Połączone systemy CUSUM-Shewhart dla danych dwumianowych. Kontrola Jakości Gospodarczej 21 (1): 43 57.CrossRef Mousavi, S. i M. R. Reynolds Jr 2009. Wykres CUSUM do monitorowania proporcji z autokorrelowanymi obserwacjami binarnymi. Journal of Quality Technology 41 (4): 401 414.Web Science 0174 Strona, E. S. 1954. Ciągłe schematy inspekcji. Biometrika 41: 100 115.CrossRef. Web of Science 0174 Pan, E. S. Y. Jin. S. Y. Wang. i T. Cang. Zintegrowany model EPQ oparty na schemacie kontrolnym dla niedoskonałego procesu produkcyjnego. International Journal of Production Research 50 (23): 6999 7001.Antyliterat z kanałem ampułki firmy Francis Online. Web of Science 0174 Perry, M. B. i J. J. Pignatiello Jr 2007. Zmienić punkt szacunkowy dla monotonicznie zmieniających się współczynników Poissona w SPC. International Journal of Production Research 45 (8): 1791 1813.Tajlor amp Francis Online. Web of Science 0174 Perry, M. B. i J. J. Pignatiello Jr 2017. Oszacowanie zmian czasu przejścia po dokumentach sterujących Poisson CUSUM i EWMA. Międzynarodowy dziennik badań nad produkcją 49 (10): 2857 2871.Tajlor amp Francis Online. Web of Science 0174 Quesenberry, C. P. 1991. Wykresy SPC Q dla parametru dwumianowego p: Krótkie lub długie bieganie. Journal of Quality Technology 23 (3): 239 246.Web Science 0174 Quesenberry, C. P. 1995. Właściwości wykresów dwumianowych Q dla atrybutów. Journal of Quality Technology. 27 (3): 204 213.Web Science 0174 Radaelli, G. 1994. Dynamika Poissona i Negatywna Dynamika Dwumianowa dla Obliczonych Danych na podstawie wykresów typu CUSUM. Journal of Applied Statistics 21 (5): 347 356.Tajlor amp Francis Online Reynolds Jr, M. R. i Z. G. Stoumbos. 1999. Wykres CUSUM dla monitorowania proporcji podczas ciągłej inspekcji. Journal of Quality Technology 31 (1): 87 108.Web Nauki 0174 Reynolds Jr, M. R. i Z. G. Stoumbos. 2000. Ogólne podejście do modelowania wykresów CUSUM dla proporcji. Transakcje IIE 32 (6): 515 535. Web of Science 0174 Ryan, A. G. i W. H. Woodall. 2017. Wykresy kontroli dla danych Poissona Count z różnymi rozmiarami próbki. Journal of Quality Technology 42 (3): 260 275.Web Science 0174 Saniga, E. M. D. J. Davis. i J. Lucas. Wykorzystanie wykresów Shewhart i CUSUM do diagnozowania danych liczbowych w badaniu certyfikacji dostawcy. Journal of Quality Technology 41 (3): 217 227.Web Science 0174 Sego, L. H. W. Woodall. i M. R. Reynolds Jr 2008. Porównanie metod nadzoru dla małych częstości występowania. Statystyki w medycynie 27 (8): 1225 1247.CrossRef. PubMed. Web of Science 0174 Shu, L. i W. Jiang. 2006. Model łańcucha Markowa dla Adaptacyjnego Sterowania CUSUM. Journal of Quality Technology 38 (2): 135 147.Web Nauki 0174 Shu, L. W. Jiang. i K.-L. Tsui. 2008 r. Ważony wykres Cusum do wykrywania wzorcowych średnich zmian. Journal of Quality Technology 40 (2): 194 213.Web Nauki 0174 Shu, L. W. Jiang. i K.-L. Tsui. Porównanie ważonych procedur CUSUM, które uwzględniają zmiany monotonne w wielkości populacji. Statystyki w medycynie 30 (7): 725 741.CrossRef. PubMed. Web of Science 0174 Sparks, R. S. 2000. Wykresy Cusum dla sygnalizowania różnic w zmianach lokalizacji. Journal of Quality Technology 32: 157 171.Web Science 0174 Szarka, J. L. i W. Woodall. Przegląd i perspektywa nadzoru nad procesami Bernoulli. Inżynieria jakości i niezawodności International 27 (8): 735 752.CrossRef. Web of Science 0174 Woodall, W. H. 1997. Wykresy kontrolne na podstawie danych atrybutów: Bibliografia i przegląd. Journal of Quality Technology 29: 172 183.Web Nauki 0174 Wu, Z. S. H. Yeo. i T. A. Spedding. 2001. Syntetyczny sterujący wykres wykrywania frakcji niezgodnych ze wzrostem. Journal of Quality Technology 33 (1): 104 111.Web Nauki 0174 Wu, Z. i J. X. Jiao. 2008. Wykres kontroli dla procesu monitorowania średnie na podstawie inspekcji atrybutów. Międzynarodowy czasopismo Journal of Production Research 46: 4331 4347.Tajlor amp Francis Online. Web of Science 0174 Wu, Z. J. Jiao. i Y. Liu. 2008. Dwumianowy wykres CUSUM dla wykrywania dużych przesunięć w niezgodności frakcji. Journal of Applied Statistics 35 (11): 1267 1276.Tajlor amp Francis Online. Web of Science 0174 Yashchin, E. 1989. Technika ważonego zbiorczego sumowania. Technometrics 31 (3): 321 338.Tajlor amp Francis Online. Web of Science 0174 Yeha, A. B. R. N. Mcgratha. M. A. Sembowerb. i Q. Shen. Wykresy sterowania EWMA do monitorowania procesów wysokowydajnych opartych na obserwacjach niestandardowych. Międzynarodowy czasopismo o badaniach nad produkcją 46 (20): 5679 5699.Tajlor amp Francis Online. Web of Science 0174 Zhang, C. W. M. Xie. i T. Jin. 2017 r. Ulepszony samoczynny skumulowany hrabia zgodnego schematu monitorowania wysokiej jakości procesów w ramach inspekcji grupowej. Międzynarodowy czasopismo o badaniach nad produkcją 50 (23): 7026 7043. Web of Science 0174 Metrics Artykuł Czytaj także Journal of Applied Statistics Opublikowano: 28 lipca 2006 Międzynarodowy dziennik badań nad produkcją Opublikowany w Internecie: 11 lipca 2017 Journal of American Statistical Association Opublikowano: 29 maja 2017 Publikowane online: 27 kwietnia 2007 Międzynarodowy dziennik Publikacja online: 11 lutego 2018 Publikacja online: 6 lutego 2018 Przeglądaj czasopisma według tematu Informacje na temat otwartego dostępu Pomoc i informacje Łącz z Taylor Francis Zarejestrowane w Anglii Walii nr 3099067 5 Howick Place London SW1P 1WG Ta strona używa plików cookie, aby zapewnić Państwu Uzyskaj najlepsze doświadczenia na naszej stronie internetowej Opracowanie optymalizacji schematu 3-EWMA w celu monitorowania średnich przesunięć Cytuj ten artykuł jako: Shamsuzzaman, M. Khoo, MBC Haridy, S. i in. Int J Adv Manuf Technol (2017) 74: 1061. doi: 10.1007s00170-014-6048-4 W tym artykule przedstawiono algorytm projektowania optymalizacji trzech schematów wykresu przecięcia średniej ważonej wykładniczym (w skrócie 3-EWMA) dla monitorowanie szeregu średnich przesunięć. Algorytm projektowania optymalizuje parametry wykresu w schemacie 3-EWMA, w oparciu o dodatkową funkcję strat kwadratowych. Wyniki badań porównawczych i przykład pokazują, że optymalny system 3-EWMA zawsze przewyższa podstawowy schemat 3-EWMA, a także inne wykresy EWMA w różnych specyfikacjach. Zgodnie z 2 k eksperymentem fabrycznym optymalny system 3-EWMA jest lepszy od głównego konkurenta, podstawowego schematu 3-EWMA, średnio o ponad 15. Chociaż projekt optymalnego schematu 3-EWMA jest trudniejszy niż w konwencjonalnych mapach EWMA, można go łatwo skomputeryzować. Ponadto w tym artykule przedstawiono praktyczne osoby zajmujące się kontrolą procesu statystycznego (SPC) z tabelą projektowania w celu ułatwienia projektowania systemów 3-EWMA. Z tej tabeli projektowej użytkownicy mogą bezpośrednio znaleźć optymalne wartości parametrów wykresu zgodnie ze specyfikacją projektu. Ogólnie rzecz biorąc ten artykuł pomoże zwiększyć skuteczność wykrywania schematu 3-EWMA i ułatwić jej stosowanie w SPC. Przemysł wytwórczy Kontrola jakości Statystyczna kontrola procesu Tablica kontrolna Wykres EWMA Losowa zmiana procesu Referencje Steiner SH (1998) Sporządzono dane w grupach ważone dynamicznie średnimi wykresami kontrolnymi. J Roy Stat Soc C (App Stat) 47 (2): 203216 CrossRef MATH Google Scholar Wu Z, Tian Y (2005) Funkcja ważonej utraty funkcji Wykres CUSUM do monitorowania średniej i wariancji procesu produkcyjnego. Int J Prod Res 43: 30273044 CrossRef MATH Google Scholar Jiao JR, Helo PT (2006) Optymalizacja wykresu kontrolnego CUSUM opartego na funkcji utraty taguchis. Int J Adv. Manuf Technol 35: 12341243 CrossRef Google Scholar, Zhang Hy, Shamsuzzaman M, Xie M, Goh TN (2017) Projekt i zastosowanie wykresu wykładniczego do monitorowania czasu pomiędzy zdarzeniami danych w wyniku losowego przesunięcia procesu. Int J Adv. Manuf Technol 57: 849857 CrossRef Google Scholar Haridy S, Wu Z, Khoo MBC, Yu FJ (2017) Połączony syntetyczny i np. Schemat wykrywania wzrostu frakcji niezgodnych. Comput Ind Eng 62: 979988 CrossRef Google Scholar Montgomery DC (2009) Wprowadzenie do statystycznej kontroli jakości. John Wiley amp Sons, Nowy Jork Google Scholar Roberts SW (1959) Testy wykresów kontrolnych w oparciu o średnie ruchome geometrii. Technometrics 1: 239250 CrossRef Google Scholar Hawkins DM, Olwell DH (1998) Skumulowane wykresy sum i wykresy poprawy jakości. Springer, Nowy Jork CrossRef MATH Google Scholar Yashchin E (1987) Niektóre aspekty teorii systemów kontroli statystycznej. IBM J Res Dev 31: 199205 CrossRef Google Scholar Woodall WH, Mahmoud MA (2005) Inercyjne właściwości wykresów kontroli jakości. Technometrics 47: 425436 MathSciNet CrossRef Google Scholar Lucas JM, Saccucci MS (1990) Zmienne liczbowe średnie ruchome systemy kontroli: właściwości i ulepszenia. Technometrics 32: 112 MathSciNet CrossRef Google Scholar Robinson PB, Ho TY (1978) Średnia długość przebiegu geometrycznych wykresów średniej ruchomej metodą numeryczną. Technometrics 20: 8593 CrossRef MATH Google Scholar Crowder SV (1987) Średnie długości bieżącej średniej rytmicznej średniej długości wykresów. J Qual Technol 19: 161164 Google Scholar Jones LA, Champ CW, Rigdon SE (2001) Wykonanie odwzorowań średniej ruchomej z wykładanymi wykładnicami z oszacowanymi parametrami. Technometrics 43: 156167 MathSciNet CrossRef Google Scholar Aparisi F, Garcia-Diaz JC (2007) Opracowanie i optymalizacja map kontrolnych EWMA dla obszarów in-control, obojętności i poza kontrolą. Comput Oper Res 34: 20962108 CrossRef MATH Google Scholar Maravelakis PE, Castagliola P (2009) Wykres EWMA do monitorowania odchylenia standardowego procesu, gdy szacuje się parametry. Comput Stat Data Anal 53: 26532664 MathSciNet CrossRef MATH Google Scholar Huwang L, Huang C, Wang YT (2017) Nowe plany sterowania EWMA do monitorowania procesu dyspersji. Comput Stat Data Anal 54: 23282342 MathSciNet CrossRef MATH Google Scholar Garcia-Diaz JC, Aparisi F (2005) Ekonomiczny projekt map kontrolnych EWMA w regionach o maksymalnym i minimalnym ARL. IIE Trans 37: 10111021 CrossRef Google Scholar Serel DA, Moskowitz H (2008) Wspólny ekonomiczny projekt map kontrolnych EWMA dla średniej i wariancji. Eur J Oper Res 184: 157168 CrossRef MATH Google Scholar Teh SY, Khoo MBC, Wu Z (2017) Liczba kwadratów podwójnej wykładniczej ważonej średniej ruchomej. Comput Ind Eng 61: 11731188 CrossRef Google Scholar Shamsuzzaman M, Wu Z (2017) Projekt karty kontrolnej EWMA w celu zminimalizowania udziału wadliwych jednostek. Int J Qual Relig Man 29 (8): 953969 CrossRef Google Scholar Lucas JM (1982) Kombinowane systemy kontroli jakości Shewhart-CUSUM. J Qual Technol 14: 5159 Google Scholar Yashchin E (1985) W sprawie analizy i projektowania systemów kontroli CUSUM-Shewhart. IBM J Res Dev 29: 377391 CrossRef Google Scholar Morais M, Pacheco A (2006) Kombinowane schematy CUSUMShewhart dla danych dwumianowych. Kontrola jakości Eco 1: 4357 Google Scholar Wu Z, Yang M, Jiang W, Khoo MBC (2008) Wzorce optymalizacji połączonych wykresów kontrolnych Shewhart-CUSUM. Comput StatData Anal 53: 496506 MathSciNet CrossRef MATH Google Scholar Saccucci MS, Lucas JM (1990) Średnie długości przebiegu dla odwzorowań średniej ważonej wykładniczo przy użyciu podejścia łańcuchowego Markova. J Qual Technol 22: 154162 Google Scholar Klein M (1996) Kombinowane systemy kontroli statystycznej Shewhart-EWMA. IIE Trans 28 (6): 475481 CrossRef Google Scholar Albin SL, Kang L, Shea G (1997) Wykres X i EWMA dla poszczególnych obserwacji. J Qual Technol 29 (1): 4148 Google Scholar Tolley GO, angielski JR (2001) Koncepcje ekonomiczne ograniczonych systemów kontroli EWMA i połączonych programów EWMA (overline). IIE Trans 33: 429436 Google Scholar Simoes BFT, Epprecht EK, Costa AFB (2017) Porównanie skuteczności systemów wykresów kontrolnych EWMA. Qual Technol Quan Man 7 (3): 249261 Google Scholar Lin YC, Chou CY (2017) Wiarygodność EWMA i połączonych (nadmiarowych) - PLA wykresów kontrolnych z zmiennymi odstępami próbkowania do nienormatywności. J Appl Stat 38 (3): 553570 MathSciNet CrossRef Google Scholar Lorden G (1971) Procedury reagowania na zmianę rozkładu. Ann Math Stat 42: 18971908 MathSciNet CrossRef MATH Google Scholar Sparks RS (2000) Wykresy CUSUM służące do sygnalizacji różnych przesunięć lokalizacji. J Qual Technol 32: 157171 Google Scholar Zhao Y, Tsung F, Wang ZJ (2005) Podwójny system kontroli CUSUM w celu wykrycia zakresu średniej zmiany. IIE Trans 37: 10471058 CrossRef Google Scholar Waldmann KH (1995) Projekt podwójnych systemów kontroli jakości CUSUM. Eur J Oper Res 95: 641648 CrossRef Google Scholar Dragalin V (1997) Projekt i analiza procedury 2-CUSUM. KOMUNIKAT KOMUNIKACYJNY Symul Comput 26: 6781 MathSciNet CrossRef MATH Google Scholar Han D, Tsung F, Hu X, Wang K (2007) CUSUM i EWMA wielostronne wykresy umożliwiające wykrycie szeregu średnich przesunięć. Stat Sin 17: 11391164 MathSciNet MATH Google Scholar Ryu JH, Wan H (2017) Optymalny projekt wykresu CUSUM dla średniej zmiany nieznanego rozmiaru. J Qual Technol 42 (3): 116 Google Scholar Wu Z, Yang M, Khoo MBC, Yu FJ (2017) Optymalizacja i porównanie wydajności dwóch programów CUSUM do monitorowania zmian w średniej i wariancji. Eur J Oper Res 205: 136150 MathSciNet CrossRef MATH Google Scholar Reynolds MR Jr, Stoumbos ZG (2004) Jeśli spostrzeżenia zostaną zgrupowane w celu skutecznego monitorowania procesu. J Qual Technol 36: 343366 Projektowanie wykresów kontrolnych EWMA i CUSUM w zależności od wielkości losowego przesunięcia i wpływu na jakość. IIE Trans 39: 11271141 CrossRef Google Scholar Wu Z, Yang M, Khoo MBC, Castagliola P (2017) Jakie są najlepsze rozmiary próbek dla wykresów (na linii) i CUSUM Int J Prod Econ 131: 650662 CrossRef Google Scholar Domangue R, Patch SC (1991) Niektóre omówione wykładniczo ważone ruchomy średni proces monitorowania procesów statystycznych. Technometrics 33: 299313 CrossRef MATH Google Scholar Reynolds MR Jr, Amin RW, Arnold JC (1990) Wykresy CUSUM ze zmiennymi interwałami próbkowania. Technometrics 32: 371384 MathSciNet CrossRef MATH Google Scholar Carlyle WM, Montgomery DC, Runger GC (2000) Problemy i metody optymalizacji w kontroli i doskonaleniu jakości. J Qual Technol 32: 117 Google Scholar Duncan AJ (1956) Konstrukcja ekonomiczna wykresów (nadrzędnych) stosowana w celu utrzymania bieżącej kontroli procesu. J Am Stat Assoc 51: 228242 MATH Google Scholar Reynolds MR Jr, Stoumbos ZG (2006) Porównanie niektórych ważonych wykładniczo średnich wykresów kontrolnych dla monitorowania średniej i wariancji procesu. Technometrics 48: 550567 MathSciNet CrossRef Google Scholar Woodall WH, Montgomery DC (1999) Problemy badawcze i pomysły w dziedzinie statystycznej kontroli procesu. J Qual Technol 31: 376386 Optymalna średnia liczba próbek wykresu SPRT dla monitorowania frakcji niezgodnej. Eur J Oper Res 229: 411421 CrossRef Google Scholar Informacje o prawach autorskich Springer-Verlag London 2017 Autorzy i organizacje pokrewne M. Shamsuzzaman 1 E-mail autor MBC Khoo 2 S. Haridy 3 I. Alsyouf 1 1. Katedra Inżynierii Przemysłowej i Zarządzania Inżynieria, College of Engineering University Sharjah Sharjah Zjednoczone Emiraty Arabskie 2. Szkoła Nauk Matematycznych Universiti Sains Malezja Penang Malezja 3. Katedra Inżynierii Mechanicznej i Przemysłowej Northeastern University Boston USA O tym artykule
Comments
Post a Comment