Douglas, M. Maboudou-Tchao, Edgard M. (ASA / ASQ) Universidad de Minnesota, Estados Unidos Universidad de Florida Central, Estados Unidos Technometrics Vol. 49 No. 2 QICID: 21099 Junio 2007 pp. 199-209 Lista 10.00 Miembro 5.00 POR UN TIEMPO LIMITADO, EL ACCESO A ESTE CONTENIDO ES GRATIS Usted necesitará estar identificado. Nuevo en ASQ Regístrese aquí. Este resumen se basa en el resumen de los autores. El diseño de diagramas de control implica el uso de parámetros de proceso en control que se supone que se conocen exactamente, pero en la mayoría de las aplicaciones industriales, los parámetros son desconocidos y se estiman en un ejercicio especial de calibración de fase I. Esto agrega un elemento aleatorio al rendimiento de longitud de ejecución y puede perjudicar el rendimiento del gráfico. Los métodos de auto-arranque univariados existentes pueden comenzar el control del proceso justo después del arranque sin la primera fase preliminar de la muestra I. Este estudio desarrolla un equivalente multivariante transformando las lecturas del proceso en un flujo de vectores siguiendo una distribución exacta de parámetros conocidos. Este flujo de vectores puede usarse para construir cualquier gráfico de control multivariado. El gráfico de media móvil ponderado exponencialmente multivariante construido para ilustrar el método tendrá las mismas propiedades de control que cuando la media del proceso y la matriz de covarianza fueron conocidas con exactitud. Palabras clave Descomposición de Cholesky, Recursivo residual, Ajuste de regresión, Gráficos de control multivariable, Descomposición, Análisis de regresión, Diagramas de control de media móvil ponderados exponencialmente (EWMA), Distribución de corridasEnlazamiento automático Multivariable Exponencialmente ponderado Media móvil Control Cartografiar citas Citas 28 Referencias bibliográficas 12 Sin embargo, Se requiere en este sentido porque la ponderación diferencial de los indicadores podría afectar el desempeño de gestión de SS-CUSUM-HCR. Si se dispone de más indicadores, puede utilizarse un cuadro de control de inicio automático multivariado (Sullivan y Jones 2002 Hawkins y Maboudou-Tchao 2007) en lugar de combinar los indicadores individualmente (por ejemplo, con nuestro indicador RW). Por lo tanto, el enfoque de manejo basado en SS-CUSUM es comparativamente simple, pragmático en situaciones del mundo real, y puede ser fácilmente entendido por los pescadores y otras partes interesadas (Scandol 2003 Kelly y Codling 2006). RESUMEN: Demostramos una regla de control de cosecha basada en la tabla de control de suma acumulativa (SS-CUSUM) que puede mantener un stock de peces a su nivel inicial (status quo). El SS-CUSUM es una herramienta de monitoreo de indicadores comúnmente utilizada en la ingeniería de control de calidad y no requiere una larga serie temporal o un punto de referencia predefinido para detectar tendencias temporales. Los puntos de referencia en SS-CUSUM se calibran en forma de medios de funcionamiento que se actualizan de forma continua cuando se dispone de nuevas observaciones. El SS-CUSUM se puede iniciar con tan sólo dos observaciones en la serie temporal, y puede aplicarse mucho antes de muchos otros métodos, poco después de que los datos iniciales estén disponibles. Se puede monitorear una amplia gama de indicadores de stock, pero en este estudio se demuestra el método utilizando una suma igualmente ponderada de dos indicadores: un indicador de reclutamiento y un indicador de pescado grande de una pesquería simulada. Suponemos que no hay datos de la historia de vida disponibles más allá de dos años de los datos del indicador y de los niveles de cosecha actuales cuando el SS-CUSUM inicia. Las señales generadas a partir de SS-CUSUM desencadenan una regla de control de cosecha (SS-CUSUM-HCR), donde se calcula el desplazamiento que ocurre en la serie temporal del indicador y se utiliza como factor de ajuste para actualizar el TAC (Total Allowable Catch). Nuestro estudio muestra que el SS-CUSUM-HCR puede mantener el stock de peces a su nivel de status quo inicial (incluso para estados iniciales sobreexplotados) pero tiene un alcance limitado si la pesquería ya se encuentra en un estado indeseable tal como un colapso del stock. Discutimos cómo el enfoque de SS-CUSUM podría ser adaptado para ir más allá de una estrategia de gestión de status quo, si se dispone de información adicional sobre el estado deseable de la pesquería. Para detectar cambios medios en las observaciones estandarizadas del nuevo sujeto, existen algunos gráficos de control existentes en la literatura multivariable de la CPS14151617181920212223. Todos estos métodos suponen que los vectores de observación son independientes y normalmente distribuidos, y los tiempos de observación están igualmente espaciados. RESUMEN: En el SHARe Framingham Heart Study del Instituto Nacional del Corazón, los Pulmones y la Sangre, una tarea importante es monitorear varias variables de salud (por ejemplo, la presión arterial y el nivel de colesterol) para que su patrón longitudinal irregular pueda ser detectado como Pronto como sea posible y algunos tratamientos médicos aplicados de manera oportuna para evitar algunas enfermedades cardiovasculares mortales (por ejemplo, accidente cerebrovascular). Para manejar este tipo de aplicaciones con eficacia, proponemos una nueva metodología estadística llamada sistema de cribado dinámico multivariado (MDySS) en este artículo. El método MDySS combina las principales fortalezas del análisis de datos longitudinales multivariados y el control de procesos estadísticos multivariados y toma decisiones sobre el patrón longitudinal de un sujeto comparándolo con otros sujetos transversalmente y controlándolo secuencialmente también. Los estudios numéricos muestran que MDySS funciona bien en la práctica. Copyright 2015 John Wiley amp Sons, Ltd. Artículo completo Mar 2015 Peihua Qiu Dongdong Xiang quotof las estimaciones de los parámetros puede ser bastante grande en las primeras etapas de la supervisión cuando no hay mucha información disponible. Sullivan y Jones (2002) señalaron el problema de la contaminación temprana de los parámetros estimados y sugirieron que los métodos de auto-arranque se complementaran con un análisis retrospectivo minucioso una vez que se hubieran recopilado los datos de los sucientes. Hawkins y Maboudou-Tchao (2007) y Maboudou-Tchao y Hawkins (2011) abordaron los problemas con estimaciones de parámetros contaminados, lo que sugiere que, además de monitorear prospectivamente con un gráfico de auto-inicio, se deben aplicar los métodos de auto-inicio Observación reciente del proceso y retroceder hacia las observaciones iniciales. RESUMEN: Proporcionamos una visión general y perspectiva sobre la fase I de recolección y análisis de datos para su uso en la mejora de procesos y el control de gráficos. En la Fase I, el enfoque se centra en la comprensión de la variabilidad del proceso, la evaluación de la estabilidad del proceso, la investigación de las ideas de mejora de procesos, la selección de un modelo adecuado en el control, y la prestación de estimaciones de los parámetros del modelo en control. En nuestro artículo, revisamos y sintetizamos muchos de los desarrollos importantes que pertenecen al análisis de los datos del proceso en la Fase I. Damos nuestra opinión sobre los principales problemas y desarrollos en el análisis de la Fase I. Identificamos las mejores prácticas actuales y algunas oportunidades para futuras investigaciones en esta área. Texto completo Artículo Jul 2014 L. Allison Jones-Agricultor W H Woodall S H Steiner C W Contenido del campo ChampExclusive Descargas de ASQ Auto-inicio Multivariable Exponentially Weighted Moving Average Control Charting Resumen: Este resumen se basa en el resumen de los autores. El diseño de diagramas de control implica el uso de parámetros de proceso en control que se supone que se conocen exactamente, pero en la mayoría de las aplicaciones industriales, los parámetros son desconocidos y se estiman en un ejercicio especial de calibración de fase I. Esto agrega un elemento aleatorio al rendimiento de longitud de ejecución y puede perjudicar el rendimiento del gráfico. Los métodos de auto-arranque univariados existentes pueden comenzar el control del proceso inmediatamente después de la puesta en marcha sin la primera fase preliminar de la muestra I. Este estudio desarrolla un equivalente multivariante transformando las lecturas del proceso en un flujo de vectores siguiendo una distribución exacta de parámetros conocidos. Este flujo de vectores puede usarse para construir cualquier gráfico de control multivariado. El gráfico de media móvil ponderado exponencialmente multivariante construido para ilustrar el método tendrá las mismas propiedades de control que cuando la media del proceso y la matriz de covarianza fueron conocidas con exactitud. Cualquier persona con una suscripción, incluidos miembros del sitio y de la empresa, puede tener acceso a este artículo. O Otras maneras de acceder a contenido: Únete ASQ Unir ASQ como un miembro de pleno derecho. Disfrute de todos los beneficios de los miembros de ASQ incluyendo el acceso a muchos artículos en línea. Temas: Estadísticas Palabras clave: Descomposición de Cholesky, Resistencia residual recurrente, Ajuste de regresión, Diagramas de control multivariados, Descomposición, Análisis de regresión, Diagramas de control de media móvil ponderados exponencialmente (EWMA), Distribución de corridas Autor: Hawkins, Douglas M. Maboudou-Tchao, Edgard M. Journal : Technometrics
No comments:
Post a Comment