Foi proposta uma Tabela de Controle de Média Móvel para Monitoramento da Fração Não-Conformada quotRecentemente, a Tabela de Controle de Movimentação Média (MA) foi proposta (ver 3). O Khoo 6 estudou gráficos de MA para monitorar a fração de observações não conformes e mostrou que o gráfico de MA era mais eficiente do que o gráfico p. Mais tarde, Michael et al. Além disso, os gráficos de controle CUSUM, EWMA, MA e DMA também foram desenvolvidos para dados de atributos (Página 9, Roberts 11, Khoo 5 e Khoo e Wong 6). De acordo com Khoo e Wong 6, os resultados mostraram que o desempenho do gráfico DMA é mais rápido para detectar sinais fora de controle do que os gráficos MA, EWMA e CUSUM para monitorar mudanças pequenas e moderadas de parâmetro. A abordagem de cadeia de Markov é usada para derivar a expressão em forma fechada do Comprimento Médio de Execução (ARL) para o Gráfico de Controle de Média Móvel Geralmente Ponderado (GWMA) quando as observações são de modelo binomial com inflação zero para detectar um Alteração no parâmetro. A precisão dos resultados numéricos das formas fechadas propostas garante os resultados numéricos obtidos pela simulação de Monte Carlo (MC). Os resultados encontrados que os resultados numéricos obtidos de MCA são tão excelentes como os resultados obtidos de MC, mas MCA é muito tempo poupando. Além disso, o desempenho de GWMA é comparado com o gráfico de controle EWMA em termos de detecção mais rápida de uma alteração no parâmetro definido como fora do controle Longitude de execução média (ARL1). O desempenho do gráfico GWMA é superior ao gráfico EWMA quando as grandezas de mudança são pequenas (0,20). Além disso, os gráficos de controle CUSUM, EWMA, MA e DMA também foram desenvolvidos para dados de atributos (Page 9, Roberts 11, Khoo 5 e Khoo e Wong 6). De acordo com Khoo e Wong 6, os resultados mostraram que o desempenho do gráfico DMA é mais rápido para detectar sinais fora de controle do que os gráficos MA, EWMA e CUSUM para monitorar mudanças pequenas e moderadas de parâmetro. A abordagem de cadeia de Markov é usada para derivar a expressão em forma fechada do Comprimento Médio de Execução (ARL) para o Gráfico de Controle de Média Móvel Geralmente Ponderado (GWMA) quando as observações são de modelo binomial com inflação zero para detectar um Alteração no parâmetro. A precisão dos resultados numéricos das formas fechadas propostas garante os resultados numéricos obtidos pela simulação de Monte Carlo (MC). Os resultados encontrados que os resultados numéricos obtidos de MCA são tão excelentes como os resultados obtidos de MC, mas MCA é muito tempo poupando. Além disso, o desempenho de GWMA é comparado com o gráfico de controle EWMA em termos de detecção mais rápida de uma alteração no parâmetro definido como fora do controle Longitude de execução média (ARL1). O desempenho do gráfico GWMA é superior ao gráfico EWMA quando magnitudes de mudança são pequenas mudanças. No presente artigo, propomos um novo gráfico de controle para o monitoramento de processos de alta qualidade. Este artigo apresenta um novo gráfico de controle para monitoramento de processos de alta qualidade. Mais especificamente, sugerimos declarar o processo monitorado fora de controle, explorando uma regra composta sobre o número de unidades em conformidade observadas entre o (i 1) th eo i-ésimo item não-conforme e o número de itens conformes observados entre (i 2 ) Th eo i-ésimo item não-conforme. Nossa experimentação numérica demonstra que o gráfico de controle proposto, na maioria dos casos, apresenta um desempenho melhor (ou pelo menos equivalente) do que seus concorrentes. A tabela acumulativa binomial da soma (CUSUM) foi usada extensamente monitorar o nonconforming da fração (p) de um processo. É um procedimento poderoso para a detecção de pequenos e moderados p turnos. Este artigo propõe um gráfico de controle binomial CUSUM usando técnica de curtail (CurtCUSUM gráfico em breve). O novo gráfico é capaz de melhorar a eficácia de detecção geral, mantendo a taxa de falsos alarmes a um nível especificado. Os resultados dos estudos comparativos mostram que, em média, o gráfico CurtCUSUM é mais eficaz do que o gráfico CUSUM sem redução de 30, em termos de número médio de defeitos, em diferentes circunstâncias. O gráfico CurtCUSUM pode ser aplicado a uma inspeção de 100, bem como uma inspeção de amostragem aleatória geral. Este artigo apresenta um algoritmo para o projeto de otimização do esquema de gráfico de controle de média móvel exponencialmente ponderado (esquema de 3 EWMA em suma) para monitorar um intervalo de média Turnos O algoritmo de projeto otimiza os parâmetros gráficos do esquema 3-EWMA, com base na função de perda quadrática extra. Os resultados de estudos comparativos e um exemplo mostram que o esquema óptimo de 3-EWMA sempre supera o esquema básico 3-EWMA, bem como os outros gráficos EWMA sob especificações diferentes. De acordo com um experimento fatorial 2 (k), o esquema 3-EWMA ótimo supera o principal concorrente, o esquema básico 3-EWMA, em mais de 15, em média. Embora o desenho do esquema 3-EWMA óptimo seja mais difícil do que o das cartas EWMA convencionais, pode ser facilmente informatizado. Além disso, este artigo fornece os profissionais de controle de processo estatístico (SPC) com uma tabela de design para facilitar os projetos dos esquemas 3-EWMA. A partir desta tabela de projeto, os usuários podem encontrar diretamente os valores ótimos dos parâmetros gráficos de acordo com as especificações do projeto. Em geral, este artigo ajudará a aumentar a eficácia de detecção do esquema 3-EWMA e facilitar suas aplicações no SPC. Artigo Sep 2017 M. Shamsuzzaman M. B. C. Khoo S. Haridy I. Tabelas de controle de AlsyoufBeta para dados de fração de monitoramento p - Charts e np - Charts são comumente usados em variáveis de monitoramento do tipo de fração e esses gráficos pressupõem que as variáveis monitoradas são binomialmente distribuídas. Neste artigo propomos um novo gráfico de controle chamado Beta Charts, para monitorar dados de fração (p). O Gráfico Beta apresenta os limites de controle com base na distribuição de probabilidade Beta. Foi aplicado para monitorar as variáveis em três estudos reais, e foi comparado aos limites de controle com três esquemas. A análise comparativa mostrou que: (i) a aproximação de Beta à distribuição binomial foi mais apropriada com valores confinados no intervalo 0, xA01 e (ii) os gráficos propostos foram mais sensíveis ao comprimento médio de corrida (ARL), tanto em - controle e monitoramento de processos fora de controle. Os Gráficos Beta superam os gráficos de controle analisados para monitorar dados de fração. Destaques O Gráfico Beta apresenta os limites de controle com base na distribuição de probabilidade Beta. Aplicamos a três exemplos numéricos, o Beta Chart levou a resultados mais precisos do que os outros gráficos. Realizamos um estudo de sensibilidade para comparar os gráficos de Shewhart, Ryan e Chen eo gráfico Beta em dois cenários. A definição algébrica dos limites de controle destacados pela distribuição Beta pode ser mais apropriada. Distribuição beta Dados de fração Quadros de controle Controle de qualidade estatístico Autor correspondente. Endereço: Rua Imaculada Conceição, 1155, Curitiba 80215-901, Brasil. Tel. 41 3271 1332. 1 Tel. 55 51 3308 4423.
No comments:
Post a Comment