La moyenne mobile pondérée exponentiellement (EWMA) est une statistique pour surveiller le processus qui fait la moyenne des données d'une manière qui donne de moins en moins de poids aux données car elles sont enlevées dans le temps. Comparaison du diagramme de contrôle de Shewhart et des techniques du diagramme de contrôle EWMA Pour la technique de contrôle du diagramme de Shewhart, la décision concernant l'état de contrôle du processus à tout moment (t) dépend uniquement de la mesure la plus récente du processus et, bien sûr, Le degré d'exactitude des estimations des limites de contrôle par rapport aux données historiques. Pour la technique de contrôle EWMA, la décision dépend de la statistique EWMA, qui est une moyenne exponentiellement pondérée de toutes les données antérieures, y compris la mesure la plus récente. Par le choix du facteur de pondération (lambda), la procédure de contrôle EWMA peut être rendue sensible à une dérive petite ou progressive dans le processus, tandis que la procédure de contrôle Shewhart ne peut réagir que lorsque le dernier point de données est en dehors d'une limite de contrôle. Définition de EWMA La statistique qui est calculée est: mbox t lambda Yt (1-lambda) mbox ,,, mbox ,,, t 1,, 2,, ldots ,, n. (Mbox 0) est la moyenne des données historiques (cible) (Yt) est l'observation au temps (t) (n) est le nombre d'observations à surveiller, y compris (mbox 0) (0 Interprétation du tableau de contrôle EWMA Le rouge Les points sont les données brutes la ligne déchiquetée est la statistique EWMA au fil du temps. Le graphique nous indique que le processus est en contrôle parce que tous (mbox t) se situent entre les limites de contrôle. Toutefois, il semble y avoir une tendance à la hausse pour les 5 derniers Le tableau de contrôle MEWMA peut vous aider à détecter un processus de faible envergure. Chaque point MEWMA utilise l'information de tous les sous-groupes ou observations précédents en combinaison avec un facteur de pondération spécifié par l'utilisateur . Un autre avantage des cartes de contrôle MEWMA est qu'elles ne sont pas grandement affectées lorsqu'une petite ou grande valeur entre dans le calcul. De plus, les tableaux de contrôle MEWMA peuvent être personnalisés pour détecter tout changement de taille dans le processus. De ce fait, ils sont souvent utilisés pour surveiller les processus en contrôle pour détecter de petits déplacements loin de la cible. Les points de tracé peuvent être basés sur des sous-groupes ou des observations individuelles. Lorsque les données sont en sous-groupes, la moyenne de toutes les observations dans chaque sous-groupe est calculée. Les moyennes mobiles pondérées exponentiellement sont ensuite calculées à partir de ces moyennes. Lorsque vous avez des observations individuelles, les moyennes mobiles pondérées exponentiellement sont calculées à partir des observations individuelles. Exemple d'un tableau EWMA multivarié Un ingénieur surveille la température et la pression d'un procédé d'injection plastique avec un diagramme MEWMA. Le tableau MEWMA indique que la température et la pression sont stables. Tous les points sont en dessous de la limite de contrôle. Fuzzy multivariée exponentiellement pondérée moyenne mobile graphique de contrôle Alipour, H. Noorossana, R. Int J Adv Manuf Technol (2010) 48: 1001. doi: 10.1007s00170-009-2365- 4 Les cartes de contrôle multivariées traditionnelles telles que les cartes de contrôle des hôtels 2 et T 2 sont conçues pour surveiller les vecteurs de caractéristiques de qualité variables. Toutefois, dans certaines situations, les données sont exprimées en termes linguistiques et, dans ces circonstances, les tableaux de contrôle à variables multiples ou variables ne sont pas des choix appropriés aux fins de suivi. Les cartes de contrôle multivariées floues telles que les hôtels flous T 2 pourraient être considérées comme des outils efficaces pour surmonter les problèmes des observations linguistiques. Le but de cet article est de développer un graphique de contrôle de moyenne mobile pondérée exponentiellement floue (F-MEWMA). Dans cet article, le contrôle statistique multivarié de la qualité et la théorie des ensembles flous sont combinés pour développer la méthode proposée. Les ensembles flous et la logique floue sont des outils mathématiques puissants pour modéliser des systèmes incertains dans l'industrie, la nature et l'humanité. Par un exemple numérique, la performance de la carte de contrôle proposée a été comparée à la carte de contrôle floue de l'hôtelier T 2. Les résultats indiquent une performance uniformément supérieure du tableau de contrôle du F-MEWMA sur le graphique de contrôle des hôtels T 2. Graphiques de contrôle multivariés Théorie des ensembles flous Théorie de régulation multivariée floue Valeur représentative Hôtellerie T 2 Moyenne mobile pondérée exponentiellement de façon multivariée Références Linna KW, Woodall WH (2001) La performance des cartes de contrôle multivariées en présence d'erreurs de mesure. J Qual Technol 33: 349355 Google Académique Mason RL, Champ CW, Tracy ND, Wierda SJ, Young JC (1997) Evaluation des techniques de contrôle de processus multivariées. J Qual Technol 29: 140143 Google Académique Mason RL, Chou Y-M, Young JC (2001) Application de la statistique T 2 à des processus discontinus. J Qual Technol 33: 466479 Google Scholar Montgomery DC (2001) Introduction au contrôle statistique de la qualité. Wiley, New York Google Scholar Taleb H, Liman M, Hirota K (2006) Multivariable fuzzy multinomial tableau de contrôle. QTQM 3 (4): 437453 Google Scholar Informations sur le droit d'auteur Springer-Verlag London Limited 2009 Auteurs et affiliations Hossein Alipour 1 Envoyer par courriel Rassoul Noorossana 2 1. Direction des sciences et de la recherche Université islamique Azad Téhéran Iran 2. Département de génie industriel Iran University of Science and Technology Téhéran Iran À propos de cet article
No comments:
Post a Comment