Eksponentiaalisesti painotetut keskimääräiset siirtojärjestelmät: ominaisuudet ja parannukset Lucas, James M. Saccucci, Michael S. (1990, American Statistical Association ja ASQC) E. I. du Pont de Nemours ja yritys, Newark, DE Drexel University, Philadelphia, PA Technometrics Voi. 32 No. 1 QICID: 13425 February 1990 s. 1-12 Lista 10.00 Jäsen 5.00 Tämä artikkeli ei ole saatavilla verkossa. Ota yhteyttä saadaksesi skannauksen arkistosta, PDF-muodossa. Uusi ASQ rekisteröi täältä. Artikkeli Abstrakti Roberts (1959) esitteli ensin eksponentiaalisesti painotetun liukuvan keskiarvon (EWMA) ohjausjärjestelmän. Käyttämällä simulaatiota sen ominaisuuksien arvioimiseksi hän osoitti, että EWMA on hyödyllinen pienten siirtymien havaitsemiseksi prosessin keskimääräisenä. EWMA-valvontajärjestelmän tunnistamisen Markov-ketjuna voidaan tunnistaa, että sen ominaisuuksia voidaan arvioida helpommin ja täydellisemmin kuin mitä aiemmin on tehty. Tässä artikkelissa arvioimme EWMA-ohjausjärjestelmän ominaisuuksia, joita käytetään normaalijakauman prosessin keskiarvon seurantaan, joka voi muuttua pois tavoitteesta. EWMA-ohjausjärjestelmien suunnitteluprosessi on annettu. Parametriarvoja, joita ei tavallisesti käytetä kirjallisuudessa, osoittautuvat hyödyllisiksi pienten siirtymien havaitsemiseksi prosessissa. Lisäksi tarkastellaan useita EWMA-ohjausjärjestelmien parannuksia. Näihin kuuluu nopea alkuvasteominaisuus, joka tekee EWMA-ohjausjärjestelmästä herkempi käynnistysongelmiin, yhdistetty Shewhart EWMA, joka suojaa sekä suurilta että pieniltä muutoksilta prosessissa, ja vankka EWMA, joka suojaa satunnaisilta poikkeuksilta tietoja, jotka saattaisivat muutoin aiheuttaa valvonnan ulkopuolelle tulevan signaalin. Laaja vertailu paljastaa, että EWMA-ohjausjärjestelmillä on keskimääräiset ajon pituusominaisuudet, jotka ovat samankaltaisia kuin kumulatiivisten summaohjausjärjestelmien kohdat. Keskimääräinen ajon pituus (ARL), kumulatiivinen summausdiagrammi (CUSUM), eksponentiaalisesti painotetut liikkuvat keskimääräiset kontrollikartat (EWMA), Geometriset liikkuvat keskiarvot (GMA) kaavioita, nopea alkuvaste (FIR) Eksponentiaalisesti painotetut liikkuvat keskimääräiset säätöjärjestelmät: ominaisuudet ja parannukset Lähtöarvo x 0 on asetettu yhtä suureksi kuin prosessi-kontrollin keskiarvo 0. Yleensä pienemmät arvot lisäävät chartx27: n herkkyyttä prosessiin pienemmille siirtymille, kun taas suuremmat arvot lisäävät sen herkkyyttä suuremmille siirtymille (Lucas ja Saccucci, 1990 ). Z: n keskihajonta määritellään lauseeksi Näytä abstrakti Abstrakti abstrakti TIIVISTELMÄ: Fall detection on tärkeä kysymys vanhusten terveydenhoidossa. Tässä työssä ehdotamme innovatiivista menetelmää laskujen havaitsemiseksi yksinkertaisten ihmiskehon kuvaajien kautta. Poimutetut piirteet ovat riittävän syrjiviä kuvaamaan ihmisen asentoja eikä liian laskennallisesti monimutkaisia nopean käsittelyn mahdollistamiseksi. Syksyn havaitseminen on osoitettu tilastolliseksi poikkeamien havaitsemisongelmaksi. Ehdotettu lähestymistapa yhdistää mallintamisen käyttämällä pääkomponenttianalyysin mallinnusta eksponentiaalisesti painotettuun liikkuvan keskiarvon (EWMA) seurantakaavion kanssa. EWMA-järjestelmää sovelletaan ylittämättömien pääkomponenttien avulla syksyjen läsnäolon havaitsemiseen. Käyttämällä kahta erilaista pudotusilmaisulomaketta, URFD: tä ja FDD: tä, olemme havainneet kehitetyn menetelmän suuremman herkkyyden ja tehokkuuden tavanomaisten PCA-pohjaisten menetelmien suhteen. Tunnettu alue sisältää EWMA-tilastokuvan, joka on optimaalinen keskimääräinen estimaattori, kun keskiarvo noudattaa ensimmäisen kertaluvun integroitua liikkuvaa keskimallista mallia 19 ja kun keskiarvo altistuu satunnaisvaiheen muutoksille. 14. EWMA on yhtä helppokäyttöinen kuin CUSUM, sitä voidaan käyttää nykyisen keskiarvon ja suorituskyvyn sekä CUSUM-menetelmän arvioimiseen. 20. EWMA-keskiarvon estimaattorin X t painotus pienenee eksponentiaalisesti geometrisessa sarjassa ajalla: X t (1) X t1 X t. jossa toimii unohtamiskerroin (0 lt 1), X t on satunnaismuuttujien sekvenssin nykyinen arvo ja X 0 voidaan katsoa olevan alustavien tietojen keskiarvo. Näytä abstrakti Piilota abstrakti TIIVISTELMÄ: Inkrementaaliset ja verkko-oppimisalgoritmit ovat tärkeämpiä tiedonlouhintaympäristössä, koska tietovirtojen käsittelyn tarve lisääntyy. Tässä yhteydessä kohdefunktio voi muuttua ajan myötä, verkko-oppimisen luontainen ongelma (ns. Konseptivaja). Jotta käsitteellistä ajoverkkoa voitaisiin käsitellä oppimismallista riippumatta, ehdotamme uusia menetelmiä oppimisprosessin aikana mitatuille suorituskykytietojen seurannalle laukaisemaan ajaussignaaleja, kun merkittävää vaihtelua on havaittu. Tämän suorituskyvyn seuraamiseksi käytämme todennäköisiä epätasa-arvoja, jotka olettavat vain itsenäisiä, yksivaiheisia ja rajattuja satunnaismuuttujia saadakseen teoreettiset takuut tällaisten jakautumismuutosten havaitsemiseksi. Verkossa tapahtuvan muutoksen havaitsemisen yhteisiä rajoituksia sekä asiaankuuluvia muutostyyppejä (äkillinen ja asteittainen) otetaan huomioon. Ehdotetaan kahta lähestymistapaa, joista ensimmäinen koskee liikkuvia keskiarvoja ja soveltuu paremmin äkillisiin muutoksiin. Toinen seuraa laajalle levinnyt intuitiivinen ajatus asteittaisten muutosten käsittelemiseksi käyttäen painotettuja liikkuvia keskiarvoja. Ehdotettujen menetelmien yksinkertaisuus ja laskennallinen tehokkuus tekevät niistä erittäin edullisia. Käytämme Nave Bayes - luokittelua ja Perceptronia menetelmien suorituskyvyn arvioimiseksi synteettisten ja reaalisten tietojen perusteella. Artikla Elokuu 2015 quoteNEW 14 on laskenta datapisteiden analysoimiseksi luomalla sarja keskimääräisiä eri alaryhmiä koko datasarjan. Liikkuvaa keskiarvoa käytetään aikasarjatietojen avulla lyhentää lyhytaikaisia vaihteluita ja korostaa pitempiaikaisia suuntauksia. Full-text Conference Paper Elokuu 2015 IEEE Transactions Knowledge - ja Data Engineering - ohjelmasta Yang Zhao, Neal Patwari, Jeff M. Phillips. Verkon radiotaajuusympäristö (RF) - ympäristötekniikka (NRES) tarkkailee ja seuraa ihmisiä rakennuksissa käyttäen muutoksia langattoman anturiverkon signaalin voimakkuuden mittauksiin. On osoitettu, että tällaiset järjestelmät voivat etsiä ihmisiä, jotka eivät osallistu järjestelmään, käyttäessään mitään radiota. Verkon radiotaajuusympäristö (RF) - ympäristötekniikka (NRES) tarkkailee ja seuraa ihmisiä rakennuksissa käyttäen muutoksia langattoman anturiverkon signaalin voimakkuuden mittauksiin. On osoitettu, että tällaiset järjestelmät voivat paikallistaa ihmisiä, jotka eivät osallistu järjestelmään, käyttäessään mitään radiolaitteita, jopa seinien läpi, koska muutokset aiheuttavat ihmisille staattisen langattoman anturiverkon. Monet tällaiset järjestelmät eivät kuitenkaan pysty löytämään paikkakunnallisia ihmisiä. Esittelemme ja arvioimme järjestelmää, joka pystyy paikantamaan pysyviä tai liikkuvia ihmisiä ilman kalibrointia käyttäen ytimen etäisyyttä kvantifioimaan signaalin voimakkuuden mittausten kahden histogrammin erot. Viidestä kokeesta osoitamme, että ydinmatka-etäisyyteen perustuva radio-tomografinen paikannusjärjestelmä toimii paremmin kuin huipputekniset NRES-järjestelmät erilaisissa ei-lineaarisissa näköympäristöissä. erm-histogrammit. Tarvitsemme kuitenkin histogrammin alustuksen nolla-ajalla. Reaaliaikainen toiminta yksinkertaisesti ajaa järjestelmää lyhyeksi ajaksi kerätäksesi riittävästi RSS-mittauksia -14 - jotta LTH pystyy ratkaisemaan ennen tulostensa käyttöä. Käyttämällä EWMA-suodatinta, KRTI-laitteellamme ei ole sellaista vääriä kuvia kuin kuvassa 14. Katso kuinka EWMA voittaa paikan kanavan vaikutuksen. Galit Shmueli, Stephen E. Fienberg - Tilastolliset menetelmät terrorismin torjunnassa. 2004. Valvontajärjestelmien kirjallisuuden äskettäinen katsaus paljasti valtavan määrän tutkimukseen liittyviä artikkeleita, useita verkkosivustoja ja suhteellisen pieniä (mutta nopeasti kasvavia) todellisten valvontajärjestelmien määrää, erityisesti bioterroristihyökkäyksen varhaisessa havaitsemisessa Bravata et ai. Valvontajärjestelmien kirjallisuuden äskettäinen katsaus paljasti valtavan määrän tutkimukseen liittyviä artikkeleita, useita verkkosivustoja ja suhteellisen pieniä (mutta nopeasti kasvavia) todellisten valvontajärjestelmien määrää, erityisesti bioterroristihyökkäyksen varhaisessa havaitsemisessa Bravata et ai. 2004. Nykyaikaiset bioterrorismin valvontajärjestelmät, kuten New Yorkissa, Western Penn - George V Moustakides, Aleksey S. Polunchenko, Er G. Tartakovsky. 907. Tiivistelmä: Suosituimpia peräkkäisiä muutosilmaisuja koskevia sääntöjä, kuten CUSUM, EWMA ja Shiryaev-Roberts-testi, kehitämme integraalisia yhtälöitä ja suppeaa numeerista menetelmää laskea useita suorituskykytietoja, mukaan lukien keskimääräinen havaitsemisviive ja keskimääräinen aika vääriin hälytyksiin. Me maksamme erityistä. Tiivistelmä: Suosituimpia peräkkäisiä muutosilmaisuja koskevia sääntöjä, kuten CUSUM, EWMA ja Shiryaev-Roberts-testi, kehitämme integraalisia yhtälöitä ja suppeaa numeerista menetelmää laskea useita suorituskykytietoja, mukaan lukien keskimääräinen havaitsemisviive ja keskimääräinen aika vääriin hälytyksiin. Kiinnitämme erityistä huomiota Shiryaev-Roberts-menettelyyn ja arvioimme sen suorituskykyä eri alustustottumuksissa. Pollakin ehdottaman satunnaistetun alustusmuuttujan osalta, jonka tiedetään olevan järjestyksessä 3 asymptoottisesti optimaalinen, tarjoamme ensimmäistä kertaa keinon numeerisesti laskemalla kvasiasema-jakauma, joka on alkusoitavan satunnaismuuttujan jakautuminen, joten tämä testi voidaan soveltaa käytännössä. Laskentatekniikkamme merkittävä puolivalmiste on se havainto, että Shiryaev-Roberts-menettelyn deterministiset alustukset voivat myös nauttia saman 3-järjestysominaisuuden kuin Pollaks satunnaistetulla testillä ja huolellisen valinnan jälkeen jopa tasan ylittävät sen. Nong Ye, Connie Borror, Yebin Zhang - International. Tunkeutumisen havainnointia käytetään valvomaan ja kaappaamaan tunkeutumiset tietokone - ja verkkoihin, jotka yrittävät vaarantaa tietokone - ja verkkojärjestelmien turvallisuuden. Tietojärjestelmien suojaaminen tunkeilta ja siten tietojärjestelmien luotettavuuden ja laadun varmistamiseksi. Tunkeutumisen havainnointia käytetään valvomaan ja kaappaamaan tunkeutumiset tietokone - ja verkkoihin, jotka yrittävät vaarantaa tietokone - ja verkkojärjestelmien turvallisuuden. Tietojärjestelmien suojaamiseksi tunkeilta ja siten tietojärjestelmien luotettavuuden ja laadun varmistamiseksi on erittäin toivottavaa kehittää tekniikoita, jotka havaitsevat tunkeutumisen tietojärjestelmiin. Monet tunkeutumiset näkyvät dramaattisissa muutoksissa tietojärjestelmissä esiintyvien tapahtumien voimakkuudessa. Koska eksponentiaalisesti painotetun liukuvan keskiarvon (EWMA) ohjauskuvioiden kyky seurata tapahtumien esiintymistiheyttä niiden intensiteetin perusteella, sovelletaan kolmea EWMA-tilastoa poikkeavien muutosten havaitsemiseksi tapahtumien intensiteetissä tunkeutumisen havaitsemiseksi. Niihin kuuluu EWMA-kaavio autokorreloiduille tiedoille, EWMA-kaavio korreloimattomille tiedoille ja EWMA-kaavio prosessin standardipoikkeaman seuraamiseksi. Tämän paperin tavoitteena on tarjota suunnittelumenetelmiä näiden vertailukuvioiden toteuttamiseksi ja tutkia niiden suorituskykyä käyttäen erilaisia parametrijärjestelmiä yhden suuren datasarjan perusteella. Näiden EWMA-tekniikoiden varhaista havaitsemiskykyä tarkastellaan myös tietojärjestelmien suunnittelukyvyn ohjaamiseksi. Tekijänoikeudet 2002 John Wiley ampamp Sons, Ltd. Avainsanat: eksponentiaalisesti painotettu liikkuva keskiarvo (EWMA) tunkeutumisen havaitseminen anomalian havaitsemisen tietoturva tietokoneen tarkastustiedot 1. suuret muutokset tapahtumatiheydessä tietojärjestelmässä. Crowley 9,10, Hunter 11 ja Lucas and Saccucci -12 - antavat ehdotuksia ja arviointeja EWMA-valvontataulukosta ja sen käytöstä prosessin valvonnassa ja valvonnassa. . MacGregor ja Harris 13 esittävät EWMA-järjestelmän seurannan prosessin vaihtelevuutta. Borr. Changliang Zou, Yujuan Zhang, Zhaojun Wang - IIE-liiketoimet. 2006. Vaihtopistemalliin perustuvia valvontataulukoita ehdotetaan lineaaristen profiilien seuraamiseksi, kun prosessiparametrien nimellisarvoja ei tiedetä, mutta joitain historiallisia näytteitä on saatavilla. Nämä kaaviot voivat havaita siirtymisen joko keskeytyksestä tai rinteestä tai keskihajonnasta. . Vaihtopistemalliin perustuvia valvontataulukoita ehdotetaan lineaaristen profiilien seuraamiseksi, kun prosessiparametrien nimellisarvoja ei tiedetä, mutta joitain historiallisia näytteitä on saatavilla. Nämä kaaviot voivat havaita siirtymisen joko keskeytyksestä tai rinteestä tai keskihajonnasta. Simuloidut tulokset osoittavat, että lähestymistapamme on hyvää suoritustasoa mahdollisten muutosten kesken ja sitä voidaan käyttää prosessin käynnistysvaiheiden aikana. Yksinkertaiset diagnostiset apuvälineet annetaan myös arvioimaan muutoksen sijaintia ja määrittämään, mikä parametri on muuttunut. 1 Ruediger Martin, Ruediger Martin, Michael Menth, Michael Menth - julkaisussa Proc. Tietokone - ja viestintäjärjestelmien mittaus-, mallinnus - ja arviointikonferenssi (MMB) ja PuolanGerman Teletraffic Symposium (PGTS 2004). Mittausmittaukset tarvitaan useisiin tarkoituksiin, esim. järjestelmäanalyysiin ja mallintamiseen tai eläviin järjestelmiin, jotka reagoivat mittauksiin. Mittausta ei tarvita, vaan on-line - mittaus. Mittausmittauksia tarvitaan useisiin tarkoituksiin, esim. Järjestelmän analyysiin ja mallintamiseen tai live-järjestelmät, jotka reagoivat mittauksiin. Kaikki off-line mittaus kaikki tiedot ovat käytettävissä etukäteen, tässä viivästyminen tietojen keruuta ja tietojen analysointi ei ole ongelma. Muihin mittauksiin, kuitenkin toimenpiteitä hinnat lennossa. Miksi mittaus algoritmeja, jotka antavat tuotoksen mahdollisimman hyvissä ajoin. Esittelemme kolme tunnettua algoritmia nopeuden mittaamiseen: Disjoint Intervals - menetelmä, Moving Average, ja painotettu keskimääräinen liikevoitto keskimäärin disjoint-aikaväleillä. Analysoimme ja verrataan niiden ominaisuuksia ja löydämme ongelmia, kuten raskasta viivettä tai ylireagointia satunnaisvaihteluihin. Näiden ongelmien ratkaisemiseksi saamme uuden algoritmin nimeltä Time Exponentially Weighted Moving Average, joka on jatkuva versio eksponentiaalisesti painotetusta liikkuvasta keskiarvosta. Lopuksi vertaamme tätä algoritmia muihin menetelmiin ja osoittavat, että se ratkaisee nämä ongelmat. Vahvistettu yhteen tapahtumaan tuottaa myös 0 M (, j) d Xj EWMA-DI otettiin käyttöön 3: llä ja tätä mekanismia on tutkittu varsin intensiivisesti etenkin taloustieteen alalla kaavion analyysiin -4, 5, 6, 7, 8 , 9--. EWMAa käytetään myös monissa IETF 10, 11: n teknisissä asiakirjoissa, joista merkittävin on todennäköisesti TCP: n edestakaisen arvioinnin vanhentunut arviointi 12: ssä. Koska tämä algoritmi on muotoilua. by Taber H. Smith, Duane S. Boning - Kansainvälinen elektroniikan valmistus Symposium, IEMT ampapos96. 1996. Tiivistelmä Viimeaikaiset teokset ovat osoittaneet, että puolijohdeprosesseissa voidaan käyttää eksponentiaalisesti painotettua liikkuvaa keskimäärin (EWMA) - ohjainta prosessitavoitteiden ylläpitämiseksi aiempina aikoina tuotteiden laadun parantamiseksi ja leikkauksen hidastumisen vuoksi. Oikean valinnan ohjaimen parametreille (EWMA weig.) Tiivistelmä Viimeaikaiset työt ovat osoittaneet, että puolijohdeprosesseissa voidaan käyttää eksponentiaalisesti painotettua liikkuvaa keskimäärin (EWMA) - ohjainta prosessitavoitteiden ylläpitämiseksi aiemmilla ajanjaksoilla paremman tuotteen laadun ja vähentyneiden ma-chine-seisokkien vuoksi. Tämä työ tutkii, kuinka eri prosessitekijät vaikuttavat optimaalisiin säätöparametreihin. Olemme osoittaneet, että funktio, joka kartoittaa häiriötilasta (lineaarisen driftin ja satunnaisen melun voimakkuus) voidaan tuottaa tietyn prosessin vastaavia optimaalisia EWMA-painoja ja kehittää keinotekoinen hermoverkko (ANN), joka on harjoittanut kartoituksen oppimiseen. EWMA-ohjainta, joka itseään virittää, ehdottaa, että se päivittää sen ohjainparametreja dynaamisesti arvioimalla häiriötilaa ja käyttämällä ANN-toiminnon kartoitus antaa päivityksiä ohjaimen parametreille. Tuloksena on adaptiivinen ohjain whi ch poistaa tarpeen, että kokenut insinööri säätää ohjainta, jolloin se voidaan helpommin soveltaa puolijohdeprosesseihin. Indeksiehdot Adaptive control, keinotekoinen hermoverkko, EWMA, prosessikontrolli. Peihua Qiu, Douglas Hawkins - Technometrics. 2001. Pidämme tilastollisen prosessin valvontaa, kun mittaukset ovat monimuuttujaisia. CUSUM-menettelyä ehdotetaan havaitsemaan mittausten keskivektorin siirtyminen, joka perustuu mittausten poikkileikkauksiin. Kunkin ajankohtana mittaukset tilataan ja niiden anti. Pidämme tilastollisen prosessin valvontaa, kun mittaukset ovat monimuuttujaisia. CUSUM-menettelyä ehdotetaan havaitsemaan mittausten keskivektorin siirtyminen, joka perustuu mittausten poikkileikkauksiin. Jokaisella ajanhetkellä mittaukset tilataan ja niiden tilaajat, jotka ovat tilaustilastojen indeksejä, tallennetaan. Kun prosessi on kontrollissa ja monimuuttujamittausten yhteisjakauma täyttää tietyt säännölliset olosuhteet, antirankvektori kullakin ajanhetkellä on jakaantunut. Tämä jakauma muuttuu jollekin muulle jakelulle, kun prosessi on out-of-control ja prosessin keskivektorin siirtymän komponentit eivät ole kaikki samanlaisia. Tämä CUSUM voi näin ollen havaita muutokset kaikkiin suuntiin paitsi siinä, jossa keskiarvovektorin siirtymän komponentit ovat kaikki samanlaiset, mutta ei nolla. Vaihtelu yhtä suurilla komponenteilla on kuitenkin helposti havaittavissa toisella univariate CUSUM: lla. hänen toinen toimensa suoritti paremmin kuin monissa tapauksissa. 2 Lowry, Woodall, Champ ja Rigdon (1992) laajensivat yksivaiheisen eksponentiaalisesti painotetun liukuvan keskiarvon valvontamenettelyn (esim. - Lucas ja Saccuc-ci 1990) monivariateiseen tapaukseen. Heidän menettelytapansa osoittavat siirtymän, kun Z i RX (i) (IR) Zi 1 Z 0 0 R diag (r 1 r 2 rp) ja 0si 1 kaikille i 1 2. Peihua Qiu, Douglas Hawkins - JRSS-D (Statistiikka 2003) Lähes rajallinen valikoima työkaluja monimuuttuvaa tilastollista prosessinohjausta varten on yleensä oletus, että datavektorit noudattavat monivariateja normaalijakaumaa - oletus, jota harvoin täytetään Tässä artikkelissa käsitellään mahdollisten vuorottelujen havaitsemista multivariumin keskiarvovektoriin. Monivariateista tilastollisen prosessin ohjauksen melko rajoitettu työkaluvalikoima yleensä perustuu siihen oletukseen, että datavektorit noudattavat monivariateja normaalijakaumaa - oletus, joka on harvoin tyydyttävä Tässä artikkelissa keskustelemme tilastoprosessin monimuuttujamittauksen keskivektorin mahdollisista siirtymistä, kun mittauksen monivariatejakauma ei ole Gaussiläinen. Ehdotetaan ei-parametrista kumulatiivista summaa (CUSUM). perustuu sekä mittauskomponenttien tilaustietoon että mittauskomponenttien ja niiden hallintalaitteiden tilaustietoon. Crosier (1988) totesi, että hänen toinen menettelytapansa yleensä suoriutui paremmin. Lowry et ai. (1992) laajensi yksivaiheisen eksponentiaalisesti painotetun liukuvan keskiarvon valvontamenettelyn (esim. - Lucas ja Saccucci 1990-) monivariateihin. Kirjallisuudessa CUSUM-menetelmän suorituskyky mitataan usein keskimääräisellä ajon pituudella (ARL), joka on menettelyn t tarvitsemien näytteiden keskimääräinen lukumäärä. Stefan H. Steiner. 1998. Tässä artikkelissa ehdotetaan eksponentiaalisesti painotettujen liukuvien keskiarvojen (EWMA) ohjausdiagrammien versiota, jota voidaan käyttää ryhmitettyjen tietojen seurantaan prosessien siirtymistä varten. Tämän uuden ryhmitetyn datan EWMA-kaavion ajon pituusominaisuuksia verrataan samanlaisiin tuloksiin, jotka aiemmin saatiin EWMA-kaavioille var. Tässä artikkelissa ehdotetaan eksponentiaalisesti painotettujen liukuvien keskiarvojen (EWMA) ohjausdiagrammien versiota, jota voidaan käyttää ryhmitettyjen tietojen seurantaan prosessien siirtymistä varten. Tämän uuden ryhmitetyn datan EWMA-kaavion ajon pituusominaisuuksia verrataan samanlaisiin tuloksiin, jotka aiemmin saatiin EWMA-kaavioille muuttujatietojen osalta ja ryhmitettyjen tietojen perusteella kumulatiivisten summojen (CUSUM) järjestelmien osalta. Ryhmätyt tiedot EWMA-kaaviot näyttävät olevan lähes yhtä tehokkaita kuin muuttujat perustuvat EWMA-kaavioihin, ja ne ovat siten houkutteleva vaihtoehto, kun muuttujien tietoja ei voida toteuttaa Jiujun Zhangin, B Changliang Zoubin, Zhaojun Wangbin. Viime aikoina on seurannut yhä enemmän huomiota prosessi-keskiarvon ja varianssin samanaikaiseen käyttöön yhdellä kaaviolla. Tässä artikkelissa ehdotetaan uutta yhtenäistä kaavaa, joka integroi EWMA-menettelyn yleisen todennäköisyyssuhteen (GLR) testaustilastoihin, joilla seurataan molempia pro. Viime aikoina on seurannut yhä enemmän huomiota prosessi-keskiarvon ja varianssin samanaikaiseen käyttöön yhdellä kaaviolla. Tässä artikkelissa ehdotetaan uutta yhtenäistä kaavaa, joka integroi EWMA-menettelyn yleisen todennäköisyyssuhteen (GLR) testaustilastoihin sekä prosessin keskiarvon ja varianssien yhteiseen seurantaan. Se voidaan helposti suunnitella ja rakentaa, ja sen keskimääräinen juoksupituus voidaan arvioida kaksiulotteisella Markov-ketjumallilla. GLR-testin ja EMWA: n hyvien ominaisuuksien ansiosta laskentatulokset osoittavat, että se tarjoaa varsin vahvan ja tyydyttävän suorituskyvyn useissa tapauksissa, mukaan lukien vaihtelevuuden vähenemisen havaitseminen ja yksilöllinen havainnointi näytteenottokohdassa, jotka ovat erittäin tärkeitä monet käytännön sovellukset, mutta niitä ei ehkä käsitellä hyvin kirjallisuuden nykyisissä lähestymistavoissa. Ehdotetun menetelmän soveltamista havainnollistaa todellinen esimerkki kemiallisesta prosessinohjauksesta. Copyright 2009 John Wiley ampamp Sons, Ltd. Harriet Black Nembhard, Nicola J. Ferrier, Tim A. Osswald, Juan R. Sanz-uribe. 2002. Valmistusvaihtelut ovat lisääntyneet johtuen suuremmista paineista tuotevalikoimassa. Tämän lajikkeen yksi ulottuvuus on väri. Tärkeä laadunvalvonta-haaste on värin säätely ottamalla käyttöön värin tiedot reaaliaikaisesti toiminnan aikana ja käyttämään sitä arvioimaan mahdollisuuksia mennä. Valmistusvaihtelut ovat lisääntyneet johtuen suuremmista paineista tuotevalikoimassa. Tämän lajikkeen yksi ulottuvuus on väri. Tärkeä laadunvalvonta-haaste on värin säätö ottamalla väriaineistoa reaaliaikaisesti käytön aikana ja käyttämään sitä arvioitaessa hyvien osien mahdollisuuksia. Ohjauksen kartoitus, kun sitä käytetään vakaaseen tilaprosessiin, on tehokas valvontatyökalu, joka tarkistaa jatkuvasti prosessin siirtymiä tai häiriöitä. Siirtymätapahtumien esiintyminen voi kuitenkin estää perinteisen kontrollikaavion tavanomaisen suorituskyvyn. Tässä asiakirjassa esitellään integroitu malli tilastolliselle ja visuaaliselle seurannalle käyttämällä seuranta-signaalia siirtymän alkamisen määrittämiseksi ja vahvistussignaalin varmistamiseksi, että jokin prosessin värähtely on päättynyt. Kehitimme myös automatisoidun värin analysointi - ja ennakointijärjestelmän (ACAFS), jota voimme säätää ja kalibroida tämän menetelmän toteuttamiseksi eri tuotantoprosesseissa. Käytämme värien siirtymisprosessia muovisuulakepuristuksessa havainnollistamalla siirtymätapahtumaa ja esittelemään ehdotettua menetelmää. Roberts 11: n ggested 11. SPC-yhteisössä EWMA-valvontataulukko tunnetaan sen kyvystä havaita pienten prosessien siirtymät tehokkaammin kuin perinteiset Shewhart-kaaviot (esim. 12 ja -13--). EWMA-tilasto määritellään Nembhard, Ferrier, Oswald ja Sanz-Uribe (2002) 12z t yt (1) zt 1 (3), jossa zt on kiinnostavan muuttujan uusi arvo, on tasoittava constan. Harriet Black Nembhard, Ming, Shu Kao - Kansainvälinen. 2001. Epäonnistuneita osia tuotetaan usein, kun prosessi siirtyy tasolta toiselle siirtymätapahtumien vuoksi. Ohjauksen kartoitus, kun sitä käytetään vakaaseen tilaprosessiin, on tehokas valvontatyökalu, joka tarkistaa jatkuvasti prosessin siirtymiä tai häiriöitä. Siirtymätapahtumien esiintyminen voi kuitenkin. Epäonnistuneita osia tuotetaan usein, kun prosessi siirtyy tasolta toiselle siirtymätapahtumien vuoksi. Ohjauksen kartoitus, kun sitä käytetään vakaaseen tilaprosessiin, on tehokas valvontatyökalu, joka tarkistaa jatkuvasti prosessin siirtymiä tai häiriöitä. Siirtymätapahtumien esiintyminen voi kuitenkin estää perinteisen kontrollikaavion nonnal perfonnancein lisääntyneillä väärien hälytysten avulla. Autokorrelaation läsnäolo edellyttää myös modifikaatiota kontrollikartoitusta varten. Esittelemme menetelmän prosessin siirtymän karakterisoimiseksi, joka sisältää seuranta-signaalitietojen, joka perustuu ennustepohjaiseen eksponentiaalisesti painotettuun liikkuvaan keskiarvoon (EWMA). Tämä testi täydentää ennustepohjaista EWMA-ohjauskaaviota keinona tunnistaa, milloin siirtymätapahtuma on valmis. Tällainen menettely helpottaa sopivan kontrollikaavion sujuvaa soveltamista tietämällä, milloin siirtyminen on ohi. Siirtymämerkitysmenetelmällä on myös hyötyä kustannus - ja materiaalisäästöissä. Käytämme värien siirtymisprosessia muovisuulakepuristuksessa havainnollistamaan siirtymätapahtumaa ja esittelemään ehdotettua menetelmää. Simulointia käytetään metodologian täydellisyyden arvioimiseen. Copyright 2001 John Wiley ampamp Sons, Ltd. KEY WORDS: tilastollisen prosessinohjauksen jäljityssignaalin värinsiirtymäpuristusprosessi I chart Qual. Reliab. Engng. Int. 2001 17: 307-321MONTFORING PROCESS TRANSMONS tunnetaan sen kyvystä havaita mustan prosessin siirtymät enemmän tehoa kuin perinteiset Shewhart-kaaviot (esim. Katso -13,14--). EWMA-tilasto määritellään Zt Ayt (I-A) Zt-l (2), jossa 0 l A I on tasoitusvakio. Tyypilliset arvot A: lle ovat SPC-sovelluksissa 0,05 - 0,25. EWMA: lla on myös tonni. Michael D. Joner, William H. Woodall, Marion R. Reynolds, Ronald D. Fricker. On usein tärkeää havaita nopeasti tietyn taudin tai muun sairauden esiintyvyysasteen nousu. On osoitettu, että kun taudinlaskenta on yhtäjaksoisesti käytettävissä yhdeltä alueelta, yksisuuntaisen kumulin, kuten yksipuolisen kumulin, kasvattamiseen tarkoitetun yksivaiheisen kontrollikartan. On usein tärkeää havaita nopeasti tietyn taudin tai muun sairauden esiintyvyysasteen nousu. On osoitettu, että kun taudinlaskenta on yhtäjaksoisesti käytettävissä yhdeltä alueelta, on erittäin tehokas yksiarvoinen kontrollikaavio, jonka tarkoituksena on havaita nopeuden havaitseminen, kuten yksipuolinen kumulatiivinen summauskaavio. Kun taudinmäärityksiä on saatavana useilta alueilta vastaaviin aikoihin, tehokkain seurantamenetelmä ei ole helposti havaittavissa. Monianvariota seurantamenetelmiä on ehdotettu tämän havaitsemisongelman käsittelemiseksi. Osa näistä lähestymistavoista on puutteita, jotka on äskettäin osoitettu laadunvalvontatekniikassa. Keskustelemme näistä rajoituksista ja ehdotamme vaihtoehtoista monimuuttuvaa eksponentiaalisesti painotettua liikkuvan keskiarvokarttaa. Vertaamme tämän kaavion keskimääräistä juoksumenetelmää kilpailevien menetelmien keskiarvoon. Arvioimme myös näiden kaavioiden tilastollista suorituskykyä, kun taudinlaskentataajuuden todellinen nousu eroaa siitä, että kaavio on optimoitu havaitsemaan nopeasti. Tekijänoikeudet Francisco Aparisi, J. Carlos Garca-daz. Tiivistelmä: EWMA-laadunvalvontataulukko ja sen monimuuttujamalli (MEWMA) voidaan suunnitella tehokkaasti pienten siirtymien havaitsemiseksi tehokkaasti tuotantoprosessin p-laatuominaisuuksien joukosta. Tässä työssä esitellään kuitenkin menetelmä M: n parametrien optimaaliselle suunnittelulle. Tiivistelmä: EWMA-laadunvalvontataulukko ja sen monimuuttujamalli (MEWMA) voidaan suunnitella pienten siirtymien tehokkaaseen havaitsemiseen joukon p tuotantoprosessin laatuominaisuudet. Tässä työssä esitetään kuitenkin menetelmä MEWMA - ja EWMA-kaavioiden parametrien optimaaliselle suunnittelulle prosessien ohjaamiseksi, joissa ei ole helppo havaita pienten magnitudimuutosten havaitsemista ja samalla riittävän voimakasta merkittävien vuorojen havaitsemiseksi. Tätä ongelmaa voidaan pitää monen tavoitteen optimoinnissa, jossa määritellään kaksi erilaista suorituskykyä edustavaa aluetta. Tämän paperin tavoitteena on löytää paremmat MEWMA - ja EWMA-laadunvalvontataulukot edellisiltä alueilta, jolloin kunkin alueen vaatimukset on tasapainotettava päättäessä mikä ratkaisu on parempi. Tätä tarkoitusta varten on kehitetty ystävällinen Windows-ohjelmisto, joka optimoi tämän ongelman Geneettisten algoritmien avulla. Tulokset osoittavat, että malli, jossa käytetään lähestymistapaa, ylittää muut mallit. sillä r on 0,2 (Hunter 5). Z0stheelle hyväksytty arvo on nimellisarvon keskiarvo 0sor näytteenoton keskiarvon kontrollinhallintaprosesseissa. Jotkut kirjoittajat (Hunter 5, Crowder 6 ja Lucassand Saccucci -7--) ovat tutkineet tämän standardin ominaisuuksia teollisten prosessien tilastolliseen kontrollointiin. sLet039s analysoi kaavion suunnittelua. Jos valvottava laatu jakautuu tos). tuntemattomista kirjoittajista. vertailu muihin laadunvalvontamenetelmiin tietokoneen simuloinnilla. vertailu muihin laadunvalvontatoimenpiteisiin tietokoneen simuloinnilla (7) ja täydellisellä Westgard-algoritmilla (8). EWMA-kaavioiden ARL-arvojen laskennan eri ratkaisuista (katso esim. -9, 10- -), valitsin Monte Carlo-simulaation, koska se oli helppokäyttöinen kaikentyyppiselle kontrollikartalle. Simulaatio kirjoitettiin Pascalilla DOS-yhteensopivalla PC: llä. Jokaisen ARL-arvon osalta 10 000 toistoa. by Francisco Aparisi Tiivistelmä ei löytynyt tai r on 0.2 (Hunter 5). Z0: lle hyväksytty arvo on nimellinen keskiarvo 0 tai näytteenoton keskimääräinen arvo in-control-prosesseissa. Jotkut kirjoittajat (Hunter 5, Crowder 6 ja Lucas ja Saccucci -7--) ovat tutkineet tämän kaavan ominaisuuksia teollisten prosessien tilastolliseen valvontaan. Let's analysoi kaavion suunnittelua. Jos kontrolloitava laatu muuttuja jakautuu N: n mukaan David L. Buckeridge A, Howard Burkom C, Murray Campbell D, William R. Hogan E. 2004. Bioterrorismin uhka on herättänyt kiinnostusta kansanterveyden valvonnan tehostamisessa taudinpurkausten havaitsemiseksi nopeammin kuin tällä hetkellä on mahdollista. Edistää tutkimusta puhkeamisen havaitsemisen ajankohtaisuuden parantamisesta, puolustus Advanced Research Project Agency sponsoroi Bio-tapahtumaa. Bioterrorismin uhka on herättänyt kiinnostusta kansanterveyden valvonnan tehostamisessa taudinpurkausten havaitsemiseksi nopeammin kuin tällä hetkellä on mahdollista. Edistää tutkimusta puhkeamisen havaitsemisen ajankohtaisuuden parantamiseksi puolustus Advanced Research Project Agency sponsoroi Bio-event Advanced Leading Indicator Recognition Technology - projektin (BioALIRT) - hankkeen, joka alkoi vuonna 2001. Tämän artikkelin tarkoituksena on tuottaa synteesi tutkimusta tautipesäkkeiden havaitsemisesta akateemisten ja teollisten kumppanien tekemät algoritmit BioALIRT-hankkeessa. We first suggest a practical classification for outbreak detection algorithms that considers the types of information encountered in surveillance analysis. We then present a synthesis of our research according to this classification. The research conducted for this project has examined how to use spatial and other covariate information from disparate sources to improve the timeliness of outbreak detection. Our results suggest that use of spatial and other covariate information can improve outbreak detection performance. We also identified, however, methodological challenges that limited our ability to determine the benefit of using outbreak detection algorithms that operate on large volumes of data. Future research must address challenges such as forecasting expected values in high-dimensional data and generating spatial and multivariate test data sets. Published by Elsevier Inc. ly weighted moving average (EWMA) to be a simple and robust SPC method for surveillance of sparse data 16. We noted that theoretically defined alerting thresholds for the EWMA and other SPC methods -17-- tend to produce false alarm rates in ranges that are not useful for public health practice, possibly because public health surveillance data tend to violate assumptions of SPC methods as we discuss b. by Kanan Jassal, Biplab Sarkar, Anusheel Munshi, Shilpi Roy, Sayan Paul, Bidhu Kalayan Mohanti, Tharmar Ganesh, Arun Chougule, Kanupriya Sachdev . Consistency analysis for the performance of planar detector systems used in advanced radiotherapy. Consistency analysis for the performance of planar detector systems used in advanced radiotherapy by Helen Meyers Bush, Panitarn Chongfuangprinya, Victoria C. P. Chen, Thuntee Sukchotrat, Seoung Bum Kim . 2 Control charts have been widely recognized as important and critical tools in system monitoring for detection of abnormal behavior and quality improvement. In particular, multivariate control charts have been effectively used when a process involves a number of correlated process variables. Most e. 2 Control charts have been widely recognized as important and critical tools in system monitoring for detection of abnormal behavior and quality improvement. In particular, multivariate control charts have been effectively used when a process involves a number of correlated process variables. Most existing multivariate control charts were developed using the assumption of normally distributed process variables. However, process data from modern industries often do not follow the normal distribution. Despite the great need for nonparametric control charts that can control the error rate regardless of the underlying distribution, few efforts have been made in this direction. In this paper, we propose a new nonparametric control chart (called the kLINK chart) based on a k-linkage ranking algorithm that calculates the ranking of a new measurement relative to the in-control training data. A simulation study was performed to demonstrate the effectiveness of our kLINK chart and its superiority over the traditional Hotellings T2 chart and the ranking depth control chart in nonnormal situations. In addition, to enable increased sensitivity to small shifts, we present an exponentially weighted moving average version of a kLINK chart.
No comments:
Post a Comment