با سلام خدمت کاربران در صورتی که با خطای سیستم پرداخت بانکی مواجه شدید از طریق کارت به کارت (6037997535328901 بانک ملی ناصر خنجری ) مقاله خود را دریافت کنید (تا مشکل رفع گردد).
دسته بندی:
مدیریت بازرگانی - Business Management
سال انتشار:
2014
ترجمه فارسی عنوان مقاله:
دستورالعمل ها برای استفاده از روش کنترل کیفیت آماری به منظور نظارت بر فرایندهای خود همبستگی
عنوان انگلیسی مقاله:
Guidelines for Applying Statistical Quality Control Method to Monitor Autocorrelated Prcoesses
منبع:
Sciencedirect - Elsevier - Procedia Engineering 69 ( 2014 ) 1449 – 1458
نویسنده:
Karin Kandananond
چکیده انگلیسی:
The implementation of statistical control charts under autocorrelated situations is a critical issue since it has a significant impact
on the monitoring capability of manufacturing processes. The objective of this study is to assess the performance of control
charts under different scenarios and to optimize the design of control charts to best deal with autocorrelated processes. To
achieve the proposed objective, two autoregressive integrated moving average models, ARIMA (1, 0, 1) and ARIMA (0, 1, 1),
are utilized to characterize stationary and non-stationary processes. These process models were simulated to achieve the
response, average run length (ARL), which is the performance measure of this study. The factorial design of experiment was
conducted to quantify the effect of critical factors, i.e., ARIMA coefficients, types of charts (exponentially weighted moving
average: EWMA and moving range: MR) and shift sizes on the ARL. The experimental results show that EWMA chart is the
most appropriate control chart to monitor autocorrelated observations. Additionally, both AR and MA parameters along with
shift sizes have a significant effect on the performance of control charts. Therefore, this study has pointed out a suitable tool for
use under the different scenarios of autocorrelation. The validation of the above experimental results was conducted on another
ARIMA model, ARIMA (1, 0, 0). If the performance of control charts under autocorrelated disturbances is correctly
characterized, practitioners will have guidelines for achieving the highest possible performance potential when deploying SPC.
Keywords: Autocorrelation | Autoregressive integrated moving average (ARIMA) | Average run length (ARL) | Exponentially weighted moving average (EWMA) chart | Moving range (MR) chart
چکیده فارسی:
اجرای نمودارهای کنترل آماری در شرایط خود همبستگی یک مسئله حیاتی است چرا که تاثیر قابل توجهی در قابلیت نظارت پروسه های تولیدی دارد. هدف از این مطالعه ارزیابی عملکرد نمودارهای کنترل زیر سناریو های مختلف و بهینه سازی طراحی نمودارهای کنترل به بهترین معامله همراه با فرآیندهای خود همبسته , میباشد . به منظور رسیدن به هدف ارائه شده , از دو اتورگرسیو (خود برگشتگی ) یکپارچه که در حال حرکت به سوی مدل های میانگین هستند , یعنی ( ARIMA (1, 0, 1 و( ARIMA (0, 1, 1 , برای توصیف فرآیندهای ثابت و غیر ثابت استفاده شد . این مدل های فرایند برای رسیدن به پاسخ , به طور متوسط طول اجرا (ARL) , که جز اقدامات عملکردی این مطالعه است, شبیه سازی شدند. فاکتورهای آزمایش برای تعیین کمیت اثر عوامل بحرانی, به عنوان مثال, ضریب ARIMA , انواع نمودارها ( میانگین نمایی متحرک EWMA و دامنه حرکت: MR) و تغییر اندازه در ARL , استفاده شدند . نتایج تجربی نشان می دهد که نمودار EWMA , مناسبترین نمودار کنترل برای نظارت بر مشاهدات خود همبستگی میباشند . علاوه بر این , هر دو پارامتر AR و MA همراه با اندازه تغییر , دارای اثر قابل توجهی بر روی عملکرد نمودارهای کنترل هستند. بنابراین ,این مطالعه اشاره به یک ابزار مناسب برای استفاده از سناریوهای (طرح راهنمای ) مختلف همبستگی کرده است . اعتبار نتایج تجربی فوق در مدلی دیگر از ARIMA و ARIMA (1, 0, 0) اعمال شد . اگر عملکرد نمودارهای کنترل که تحت اختلالات خود همبستگی هستند به درستی مشخص شوند , محققین و دست اندرکاران , راهنماهایی برای دستیابی به بالاترین پتانسیل عملکرد ممکن , هنگام استقرار SPC خواهند داشت .
واژه های کلیدی: همبستگی | میانگین متحرک اتورگرسیو یکپارچه (ARIMA) | میانگین طول اجرا (ARL) | معدل متحرک موزون نمایی (EWMA) نمودار | محدوده حرکت (MR) نمودار.
حجم فایل: 441 کیلوبایت
قیمت: 32400 تومان
توضیحات اضافی:
تعداد نظرات : 0