Un Nuevo gráfico de control EWMA para el seguimiento de las observaciones de Poisson Mostrar Ocultar resumen Resumen Resumen: En ciertos procesos de producción, es necesario o conveniente para su uso cargos de defectos o la conformidad por unidad de medida para indicar si un proceso de producción está en control o no. Counts de este tipo son a menudo bien equipados por una distribución de Poisson. Tres cartas de control modificados de manera exponencial media móvil ponderada (EWMA) se desarrollan en este trabajo para el seguimiento de la cuenta de Poisson. La longitud promedio de carreras (ARL) y la función de probabilidad de la longitud de ejecución de estos gráficos de control modificados se pueden calcular usando exactamente los resultados de la teoría de la cadena de Markov. Estos gráficos de control modificados se demostraron ser generalmente superior que el gráfico de control Shewhart basado en la consideración ARL. Tablas de ARL en el control de estos gráficos de control modificados se dan para ayudar a la implementación de estos gráficos de control modificados. Se discute la implementación y diseño de estos gráficos de control EWMA. El uso de estos gráficos de control EWMA modificados se ilustra con un ejemplo. Artículo Ene de 1990 F. F. Gan Mostrar Ocultar resumen Resumen Resumen: Automated registros de salud pública proporcionan los datos necesarios para la rápida detección de brotes. Una adaptación ponderado exponencialmente plan de promedio (EWMA) en movimiento se desarrolló para la señalización inusualmente alta incidencia en el seguimiento de una serie temporal de los recuentos diarios de enfermedades no homogéneas. Un modelo de regresión de Poisson de transición se utiliza para ajustar tendencia de fondo / esperada en los recuentos y proporciona las previsiones de un día antes de la próxima dayx27s contar. Las salidas de los recuentos de sus previsiones son monitoreados. En el documento se describe un enfoque para mejorar las señales de datos de brotes tempranos ajustando dinámicamente los pesos exponenciales para ser eficientes en la señalización de cambios de alta secundarios persistentes locales. Destacamos señales de brote en situaciones de estado estable, es decir, los cambios que se producen después de la estadística EWMA había acabado través de varios recuentos en-control. - Texto completo del artículo jun 2009 RS Sparks Keighley T Muscatello DExponentially móvil ponderado gráficos de control de medios para el seguimiento de los aumentos en la tasa de Poisson referencias Citas 5 Referencias Las referencias 24 Mostrar Ocultar Resumen Resumen Resumen: Muchas aplicaciones implican tasas de incidencia de supervisión de la distribución de Poisson cuando el tamaño de la muestra varía a lo largo hora. Recientemente, se han propuesto un par de suma acumulativa y gráficos de control de manera exponencial media móvil ponderada (EWMA) para hacer frente a este problema tomando el tamaño de la muestra varía en consideración. Sin embargo, se argumenta que algunas de estas cartas, que realizan muy bien en cuanto a la longitud promedio de carreras (ARL), no puede ser atractivo en la práctica, debido a que tienen distribuciones de longitud de ejecución, no insatisfactorios. Con algunos gráficos con los tipos especificados en control (IC) ARL se alcanza con probabilidades elevadas de tiradas muy cortas y muy largas, en comparación con una distribución geométrica. Esto se refleja en una mayor desviación estándar de longitud de ejecución que el de una distribución geométrica y una elevada probabilidad de falsas alarmas con tiradas cortas, que a su vez dañan a un confianza de los operadores en las alarmas válidas. Además, con muchos gráficos de la IC ARL exhibe variaciones considerables con diferentes patrones de tamaños de muestra. En el marco de la prueba de razón de verosimilitud ponderada, este documento sugiere una nueva carta EWMA que integra automáticamente los tamaños de las muestras que varían con el esquema de EWMA. Es rápido de calcular, fácil de construir y muy eficiente en la detección de cambios en las tasas de Poisson. Dos características importantes del método propuesto es que la distribución de longitud de ejecución IC es similar a la de una distribución geométrica y el IC ARL es robusto a varios patrones de variación de tamaño de la muestra. Nuestros resultados de la simulación demuestran que el gráfico propuesto es generalmente más eficaz y robusto en comparación con gráficos EWMA existentes. Un ejemplo de vigilancia de la salud sobre la base de datos de mortalidad de Nuevo México se utiliza para ilustrar la aplicación del método propuesto. - Texto completo del artículo Sep 2012 Qin Zhou Changliang Zou Zhaojun Wang Wei Jiang Mostrar Ocultar resumen Resumen Resumen: Los gráficos de control basado en la distribución de Poisson se utilizan frecuentemente para monitorizar los datos de recuento de atributos. Sin embargo, la distribución de Poisson se basa en el supuesto subyacente de equidispersión que está limitando como se discutió por diferentes investigadores en la literatura. Por lo tanto, se requiere un gráfico de control generalizado que se puede utilizar para controlar los dos datos de recuento overdispersed y underdispersed. Este artículo revisa los métodos para poner en práctica para contar con datos dispersos y presentan ideas para futuros trabajos en esta área. Una revisión exhaustiva de la literatura para investigadores y profesionales se presenta en este artículo. Derechos de autor 2014 John Wiley & Sons, Ltd. amp artículo Mar 2014 Aamir Saghir Zhengyan Lin Mostrar Ocultar resumen Resumen Resumen: Un nuevo gráfico de control de atributos se presenta para monitorear los procesos que generan los datos de recuento. El objetivo económico de la tabla es para minimizar el coste total de sus errores, una función lineal de los errores de tipo I y II. El gráfico propuesto se puede aplicar a Poisson, geométrico, y los supuestos binomial negativa. Los límites de control se calculan de manera óptima, ya que se basan en distribuciones de probabilidad exactos y se utilizan para detectar los cambios de sentido definidos en un proceso. Algunos resultados numéricos se proporcionan, y los costos de la nueva tabla de espera que se comparan con los de un solo lado c-gráfico. Otros efectos como el cambio de la estructura de costos se muestran gráficamente. Derechos de autor 2015 John Wiley & Sons, Ltd. amp artículo abr 2015 Negin Enayaty Ahangar Justin R. ChimkaExclusive amp contenido Descargas de gráficos de control de ASQ para Poisson recuento de datos con diferentes tamaños de muestra Resumen: Este resumen se basa en el resumen los autores. La capacidad de control acumulativo suma (CUSUM) y móviles gráficos de control (EWMA) de forma exponencial al valor promedio ponderado para detectar aumentos en la tasa de Poisson se evalúa mediante el cálculo del rendimiento promedio de longitud de secuencia de estado estacionario de las cartas físicas. Los resultados indican el gráfico CUSUM es el mejor en la supervisión Poisson recuento de datos en el desplazamiento fuera de control cuando el tamaño de la muestra varía al azar. Además, se propone un método EWMA que tiene un buen rendimiento de ARL de estado estacionario. Cualquier persona con una suscripción, incluyendo a los miembros del sitio y Enterprise, puede acceder a este artículo. O Otras formas de acceder a contenido: Ingreso Ingreso ASQ ASQ como miembro pleno. Disfrutar de todos los beneficios de los miembros de ASQ incluido el acceso a muchos artículos en línea. Suscribirse a Revista de Calidad Tecnología de Acceso de éste y todos los artículos en línea Revista de tecnología de calidad. Youll también recibir la versión impresa por correo. Temas: Control estadístico de procesos (SPC) Palabras clave: Duración media de ejecución (ARL), acumulativa gráfico de control de suma (CUSUM), ponderado exponencialmente mover esquemas medios de control (EWMA), control estadístico de procesos (SPC), la distribución de Poisson, el tamaño de la muestra, en estado estacionario procesos Autor: Ryan, Anne G. Woodall, William H. revista: Journal of comparación Calidad TechnologyA de manera exponencial móvil ponderado métodos basados en el promedio de los aumentos de vigilancia en la tasa de incidencia con diferentes tamaño de la población Lianjie Shu es profesor asociado en la Facultad de Administración de Empresas en la Universidad de Macao. Recibió su licenciatura grado en Ingeniería Mecánica y Automatización de Xian Jiao Tong University, y su Ph. D. en Ingeniería Industrial y Gestión de Ingeniería de la Universidad de Hong Kong de Ciencia y Tecnología. Sus intereses de investigación incluyen el control estadístico de procesos, la vigilancia de la asistencia sanitaria y estadística computacional. Él es un Editor Asociado de la Revista de la Computación de Estadística y Simulación. Su Yan es Profesor Asistente en el Departamento de Ingeniería Electromecánica de la Universidad de Macao. Recibió su maestría y doctorado grados en ingeniería mecánica de la Universidad de Hong Kong de Ciencia y Tecnología y la Universidad de Minnesota, respectivamente, y su B. Sc. grado en Ingeniería Térmica de la Universidad de Tsinghua. Sus intereses de investigación incluyen métodos numéricos, energía y sistemas de energía solar, medios porosos, y la transferencia de calor. Jiang Wei es un profesor de Dirección de Operaciones de la Universidad Jiaotong de Shanghai. Tiene un B. S. (1989) en Matemáticas, un EM (1992) en Estadística de la Universidad Jiaotong de Xian, y un Ph. D. (2000) en Ingeniería Industrial y Gestión de Ingeniería de la Universidad de Hong Kong de Ciencia y Tecnología. Sus líneas de investigación están en control estadístico de calidad y mejora, minería de datos e inteligencia de negocios, todos los aspectos de la gestión de operaciones, incluyendo la optimización de la atención sanitaria y la gestión del riesgo financiero. Él es un Editor Asociado de Investigación Naval de Logística y el destinatario del Premio NSF carrera en 2005. Leung Kwok-Tsui es el catedrático y jefe del Departamento de Ingeniería de Sistemas y Gestión de Ingeniería de la Universidad de Hong Kong. Anteriormente fue profesor en la Escuela de Ingeniería Industrial y de Sistemas en el Instituto de Tecnología de Georgia. Actualmente se desempeña como Editor de calidad y fiabilidad Departamental de Transacciones IIE. También ha ocupado diversas posiciones del sillón en el INFORMS Calidad, Estadística, y la Sección La fiabilidad y la sección de minería de datos. Es miembro de la ASA y miembro de ASQ e informa. Sus intereses de investigación incluyen la minería de datos, sistemas e informática de salud, control de calidad, y el modelado informático experimento. IIE Transactions La gente también leen revistas Navegar por subjectUsing geométrica de Poisson exponencialmente móvil ponderado promedio esquemas de control en un entorno de producción compuesto de Poisson Ching-Wen Chen. Kaohsiung Nacional de Primera Universidad de Ciencia y Tecnología, Kaohsiung, Taiwán Recibido el 28 de marzo de 2010. Revisado 14 de febrero de 2012. aceptó 16 de abril de 2012. Disponible en Internet el 25 de abril de 2012. Resumen En este estudio, la variable a ser controlada en el tiempo es el número de defectos . Mientras tanto, la distribución subyacente de defectos es la distribución geométrica de Poisson, una distribución de Poisson agravado por una distribución geométrica. Para el control de proceso de producción, se dirige el esquema de control de manera exponencial media móvil ponderada (EWMA) basado en el proceso de Poisson geométrica. Se evalúa el rendimiento del esquema de control EWMA no sólo por tanto en el control y fuera de control de la distancia promedio de ejecución (ARL), sino también por los momentos más altos de la longitud de recorrido (RL) de distribución. Las propiedades de distribución de longitud de ejecución se pueden obtener a partir de la matriz de transición de probabilidad e implementados utilizando los programas informáticos desarrollados en este estudio. Con ARL y la varianza de RL seleccionado adecuada, cualquier pequeño cambio en la media puede ser detectada a través del esquema de control geométrico de Poisson EWMA. Palabras clave Compuesto distribución de Poisson distribución de Poisson geométrico ponderado exponencialmente media móvil de enfoque de la cadena (EWMA) Markov tirada media (ARL) Tabla 2. Fig. 2.
No comments:
Post a Comment