Self-Starting Multivariada Exponencialmente Ponderada Média Móvel Controle Charting Hawkins, Douglas M. Maboudou-Tchao, Edgard M. (ASAASQ) Universidade de Minnesota, EUA Universidade de Central Florida, EUA Technometrics Vol. 49 N ° 2 QICID: 21099 Junho de 2007 pp. 199-209 Lista 10,00 Membro 5,00 POR UM TEMPO LIMITADO, O ACESSO A ESTE CONTEÚDO É GRATUITO Você precisará fazer login. Novidade na ASQ Cadastre-se aqui. Este resumo é baseado no resumo dos autores. A concepção de gráficos de controle envolve o uso de parâmetros do processo de controle que se presume serem conhecidos exatamente, mas na maioria das aplicações industriais, os parâmetros são desconhecidos e são estimados em um exercício de calibração de fase I especial. Isso adiciona um elemento aleatório ao desempenho do comprimento de execução e pode prejudicar o desempenho do gráfico. Os métodos de auto-inicialização univariados existentes podem iniciar o controle do processo logo após a inicialização sem a amostra preliminar de fase I grande. Este estudo desenvolve um equivalente multivariado, transformando as leituras do processo em um fluxo de vetores seguindo uma distribuição exata de parâmetros conhecidos. Este fluxo de vectores pode ser utilizado para construir qualquer gráfico de controlo multivariado. O gráfico de média móvel ponderado exponencialmente multivariado, construído para ilustrar o método, terá as mesmas propriedades de controle quando a média do processo ea matriz de covariância forem conhecidas exatamente. Decomposição de Cholesky, Resíduo recursivo, Ajuste de regressão, Gráficos de controle multivariados, Decomposição, Análise de regressão, Gráficos de controle de média móvel ponderados exponencialmente (EWMA), Distribuição de corridaMotivação Inicial Multivariada Exponencialmente Ponderada Média Móvel Controle Nota Nota: Sempre revise suas referências e faça as correções necessárias antes de usar. Preste atenção aos nomes, capitalização e datas. Descrição: A missão da Technometrics é contribuir para o desenvolvimento e uso de métodos estatísticos nas ciências físicas, químicas e de engenharia. Seu conteúdo apresenta artigos que descrevem novas técnicas estatísticas, ilustram a aplicação inovadora de métodos estatísticos conhecidos, ou revisam métodos, questões ou filosofia em uma determinada área de estatística ou ciência, quando esses documentos são consistentes com a missão de revistas. A aplicação da metodologia proposta é justificada, geralmente por meio de um problema real nas ciências físicas, químicas ou de engenharia. Artigos na revista refletem a prática moderna. Isso inclui uma ênfase em novas abordagens estatísticas de triagem, modelagem, caracterização de padrões e detecção de mudanças que aproveitam as capacidades de computação maciças. Os artigos também refletem mudanças nas atitudes sobre a análise de dados (por exemplo, testes de hipóteses menos formais, modelos mais adequados via análise gráfica) e em como as áreas de aplicação importantes são gerenciadas (por exemplo, garantia de qualidade através de design robusto e não de inspeção detalhada). Cobertura: 1959-2017 (Vol. 1, No. 1 - Vol. 53, No. 4) A parede móvel representa o período de tempo entre a última edição disponível no JSTOR eo número mais recentemente publicado de uma revista. As paredes em movimento são geralmente representadas em anos. Em raros casos, um editor optou por ter uma parede em movimento zero, de modo que seus problemas atuais estão disponíveis em JSTOR logo após a publicação. Nota: No cálculo da parede móvel, o ano em curso não é contabilizado. Por exemplo, se o ano corrente é 2008 e uma revista tiver uma parede móvel de 5 anos, os artigos do ano de 2002 estão disponíveis. Termos Relacionados à Parede Móvel Paredes fixas: Jornais sem novos volumes sendo adicionados ao arquivo. Absorvido: Jornais que são combinados com outro título. Completo: Jornais que não são mais publicados ou que foram combinados com outro título. Ciências Matemáticas, Estatísticas Coleções: Coleção de Legados, Coleção de Estatísticas de Matemática, Coleção de Estatísticas de Matemática, Coleção de Iniciativas de Acesso Corporativo com Fins Lucrativos Preview não disponível Gráficos de controle multivariados são ferramentas valiosas para o controle de qualidade industrial. A discussão convencional deles assenta na presunção de que os parâmetros do processo de controlo são conhecidos a priori. A realidade mais comum é que os praticantes conectam estimativas de parâmetros coletadas de uma fase especial I amostra para estabelecer valores de parâmetro para os gráficos. Mas nenhuma amostra estabelecerá os parâmetros de processo exatos, e erros aleatórios bastante pequenos se traduzem em distorções graves do comportamento de execução, particularmente de gráficos sensíveis, e podem afetar o desempenho do gráfico. Os chamados métodos de auto-arranque podem iniciar o controlo do processo logo após a inicialização sem o passo preliminar de uma grande fase I de amostra. Métodos de auto-partida univariados para converter o fluxo de parâmetro desconhecido de leituras de processo em uma seqüência de parâmetro conhecido estão disponíveis há algum tempo. Este artigo desenvolve um equivalente multivariável fornecendo uma maneira de transformar as leituras de processo em um fluxo de vetores seguindo uma distribuição exata de parâmetro conhecido. Embora nossa abordagem esteja longe de ser a primeira proposta para o auto-arranque de gráficos de dados multivariados, acreditamos que é o primeiro que o faz, transformando os vetores de processo de parâmetro desconhecido em vetores de parâmetro conhecido da mesma dimensionalidade. Este fluxo de vetores tem muitos usos potenciais. Em particular, pode ser utilizado para construir qualquer gráfico de controlo multivariado, tal como Hotellings T, ou qualquer um dos métodos de cusum multivariados. Ilustramos usando o fluxo transformado para configurar um gráfico de média móvel ponderado exponencialmente multivariada. Com o front-end auto-iniciado, este (ou qualquer outro) gráfico terá as mesmas propriedades de controle, como se a verdadeira média de processo ea matriz de covariância fossem conhecidas exatamente, permitindo que o controle multivariável continuasse sem uma grande e cara fase I Recolha de dados. Page ThumbnailsExclusive Conteúdo amplificador Downloads de ASQ Auto-Partida Multivariada Exponencialmente Ponderada Média Móvel Análise de Controle Resumo: Este resumo é baseado no resumo dos autores. A concepção de gráficos de controle envolve o uso de parâmetros do processo de controle que se presume serem conhecidos exatamente, mas na maioria das aplicações industriais, os parâmetros são desconhecidos e são estimados em um exercício de calibração de fase I especial. Isso adiciona um elemento aleatório ao desempenho do comprimento de execução e pode prejudicar o desempenho do gráfico. Os métodos de auto-inicialização univariados existentes podem iniciar o controle do processo logo após a inicialização sem a amostra preliminar de fase I grande. Este estudo desenvolve um equivalente multivariado, transformando as leituras do processo em um fluxo de vetores seguindo uma distribuição exata de parâmetros conhecidos. Este fluxo de vectores pode ser utilizado para construir qualquer gráfico de controlo multivariado. O gráfico de média móvel ponderado exponencialmente multivariado, construído para ilustrar o método, terá as mesmas propriedades de controle quando a média do processo ea matriz de covariância forem conhecidas exatamente. Qualquer pessoa com uma assinatura, incluindo membros do Site e Enterprise, pode acessar este artigo. Outras maneiras de acessar o conteúdo: Junte-se a ASQ como um membro completo. Aproveite todos os benefícios dos membros da ASQ, incluindo acesso a muitos artigos on-line. Tópicos: Estatística Palavras-chave: decomposição de Cholesky, resíduo recursivo, ajuste de regressão, gráficos de controle multivariados, descomposição, análise de regressão, gráficos de controle de média móvel ponderados exponencialmente (EWMA), distribuição de corrida Autor: Hawkins, Douglas M. Maboudou-Tchao, Edgard M. Journal : Technometrics
No comments:
Post a Comment