Titre du document Dokumenttitel Exponentiell gewichtete gleitende Durchschnittsregelungen. Eigenschaften und Erweiterungen. Diskussionen. Response Auteur (s) Autor (en) Zugehörigkeit (en) du ou des auteurs Verfasser (n) (1) E. I. du Pont de Nemours co. In diesem Artikel bewerten wir die Eigenschaften eines EWMA-Regelschemas, das verwendet wird, um den Mittelwert eines normal verteilten Prozesses zu überwachen, der Verschiebungen von dem Zielwert erfahren kann. Ein Entwurfsverfahren für EWMA-Regelschemata ist gegeben. Parameterwerte, die in der Literatur nicht allgemein verwendet werden, sind nützlich, um kleine Verschiebungen in einem Prozess zu detektieren. Darüber hinaus werden mehrere Erweiterungen für EWMA-Kontrollsysteme als Revue Journal Title Source Source 1990, vol. (1959) (Revue) Mots-cls anglais Englisch SchlagworteExponentiell gewichteter gleitender Durchschnitt Kontrollschemata: Eigenschaften und Erweiterungen Lucas, James M. Saccucci, Michael S. (1990, American Statistical Association und ASQC) EI Du Pont de Nemours und Company, Newark, DE Drexel Universität, Philadelphia, PA Technometrics Vol. 32 Nr. 1 QICID: 13425 Februar 1990 pp. 1-12 Liste 10.00 Mitglied 5.00 Dieser Artikel ist online nicht verfügbar. Kontaktieren Sie uns, um einen Scan des Archivs im PDF-Format zu erhalten. Neu bei ASQ REGISTER HIER. Artikel Abstrakt Roberts (1959) führte erstmals die exponentiell gewichtete gleitende (EWMA) Regelung ein. Mit Hilfe von Simulationen zur Bewertung seiner Eigenschaften zeigte er, dass das EWMA nützlich ist, um kleine Verschiebungen im Mittel eines Prozesses zu erkennen. Die Erkenntnis, dass ein EWMA-Regelschema als Markov-Kette dargestellt werden kann, lässt seine Eigenschaften leichter und vollständiger auswerten als bisher. In diesem Artikel werten wir die Eigenschaften eines EWMA-Regelschemas aus, das verwendet wird, um den Mittelwert eines normal verteilten Prozesses zu überwachen, der Verschiebungen von dem Zielwert erfahren kann. Ein Entwurfsverfahren für EWMA-Regelschemata ist gegeben. Parameterwerte, die in der Literatur nicht allgemein verwendet werden, sind nützlich, um kleine Verschiebungen in einem Prozess zu detektieren. Darüber hinaus werden mehrere Erweiterungen der EWMA-Regelungen berücksichtigt. Dazu gehören ein schnelles Ansprechverhalten, das das EWMA-Regelschema empfindlicher für Anlaufprobleme macht, eine kombinierte Shewhart EWMA, die sowohl Schutz vor großen und kleinen Schaltvorgängen bietet als auch eine robuste EWMA, die Schutz vor gelegentlichen Ausreißern bietet Daten, die sonst ein Out-of-Control-Signal verursachen könnten. Ein umfangreicher Vergleich zeigt, dass EWMA-Kontrollsysteme durchschnittliche Lauflängeneigenschaften aufweisen, die denen kumulativer Summenkontrollschemata ähnlich sind. Durchschnittliche Lauflänge (ARL), Kumulative Summenkontrollkarte (CUSUM), Exponential gewichtete gleitende Durchschnittskontrollschemata (EWMA), GMA-Kurven (GMA), Fast initial response (FIR) Exponentiell gewichtete gleitende Durchschnittsregelschemata: Eigenschaften und Erweiterungen Zitate Ein bekannter Bereich ist die EWMA-Statistik, die ein optimaler Mittelwertschätzer ist, wenn der Mittelwert einem Integralmodell 19 erster Ordnung folgt und wenn das Mittel den Zufallsschrittänderungen 14 unterliegt. EWMA ist so einfach Die als CUSUM gelten, können sie zur Schätzung des aktuellen Mittelwerts und zur Durchführung des CUSUM-Verfahrens 20 verwendet werden. Gewichte des EWMA-MittelwertschätzersXt nehmen exponentiell ab wie in einer geometrischen Zeitreihe: X t (1) X t1 X t . Wobei X t der aktuelle Wert einer Folge von Zufallsvariablen undX 0 der Mittelwert der vorläufigen Daten ist. Abstract Zusammenfassung Abstrakte Zusammenfassung ABSTRAKT: Inkrementelle und online lernende Algorithmen sind im Data-Mining-Kontext aufgrund der zunehmenden Notwendigkeit, Datenströme zu verarbeiten, wichtiger. In diesem Zusammenhang kann sich die Zielfunktion im Laufe der Zeit ändern, ein inhärentes Problem des Online-Lernens (bekannt als Konzeptdrift). Um Konzeptdrift unabhängig vom Lernmodell zu behandeln, schlagen wir neue Methoden vor, um die während des Lernprozesses gemessenen Leistungsmesswerte zu überwachen, um Driftsignale auszulösen, wenn eine signifikante Veränderung erkannt wurde. Um diese Leistung zu überwachen, wenden wir einige Wahrscheinlichkeitsungleichungen an, die nur unabhängige, univariate und beschränkte Zufallsvariablen annehmen, um theoretische Garantien für den Nachweis solcher Verteilungsänderungen zu erhalten. Einige gemeinsame Einschränkungen für die Online-Änderungserkennung sowie relevante Änderungsarten (abrupt und allmählich) werden berücksichtigt. Es werden zwei Hauptansätze vorgeschlagen, wobei die erste eine Bewegung von Mittelwerten beinhaltet und geeigneter ist, um abrupte Änderungen festzustellen. Der zweite folgt einer weitverbreiteten intuitiven Idee, mit allmählichen Veränderungen mit gewichteten gleitenden Durchschnitten umzugehen. Die Einfachheit der vorgeschlagenen Methoden, zusammen mit der Rechenleistung macht sie sehr vorteilhaft. Wir verwenden einen Nave-Bayes-Klassifikator und ein Perceptron, um die Leistungsfähigkeit der Methoden gegenüber synthetischen und realen Daten zu bewerten. Artikel Aug 2015 quotEWMA 14 ist eine Berechnung zur Analyse von Datenpunkten durch die Schaffung einer Reihe von Mittelwerten der verschiedenen Teilmengen des vollständigen Datensatzes. Der gleitende Durchschnitt wird mit Zeitreihendaten verwendet, um kurzfristige Schwankungen auszugleichen und langfristige Trends hervorzuheben. Quot; Zhang 3 schlug eine für die mehrstufige Prozessüberwachung geeignete Ursache-Auswahl-Steuerungsdiagramm (CSC) vor. Lucas und Saccucci 4 schlugen die Anwendung der exponentiell gewichteten Bewegungsdurchschnitts - (EWMA) - Regelkarte, nämlich EWMA CSC, vor, um die Residuen der Normalvariablen in der zweiten Stufe zu überwachen. Hawkins, um die Qualitätsmerkmale aller Schritte gleichzeitig zu überwachen. Zusammenfassung Abstract Zusammenfassung ABSTRAKT: In dieser Arbeit wird ein neues Verfahren entwickelt, um einen zweidimensionalen Prozess mit einer zweiten Poisson-Qualitätskennlinie zu überwachen. Bei dem vorgeschlagenen Verfahren werden die logarithmischen und die Quadratwurzelverbindungsfunktionen zuerst kombiniert, um eine neue Verbindungsfunktion einzuführen, die eine Beziehung zwischen der Poisson-Variablen der zweiten Stufe und der Qualitätskennlinie der ersten Stufe herstellt. Dann wird die standardisierte Rest - statistik, die unabhängig von der Gütecharakteristik im durchlässigen Stadium und annähernd normierter Normalverteilung ist, auf Basis der vorgeschlagenen Verknüpfungsfunktion berechnet. Dann werden Shewhart - und EWMA-Ursache-Auswahl-Diagramme verwendet, um standardisierte Residuen zu überwachen. Schließlich werden zwei Beispiele und eine Fallstudie mit Poisson-Ansprechvariablen untersucht und die Leistung der Diagramme anhand des durchschnittlichen Lauflängen - (ARL-) Kriteriums im Vergleich zur besten Literaturmethode bewertet. Volltext Artikel Juni 2014 Ali Asgari Amirhossein Amiri Seyed Taghi Akhavan Niaki
No comments:
Post a Comment