Titre du document / Titel des Dokuments Gruppierte Daten exponentiell gewichtete gleitende Durchschnittskontrollkarten Auteur (s) / Autor (e) Beteiligte (s) Duo des auteurs / Autor (e) (1) University of Waterloo, CANADA Rsum / Zusammenfassung Bei der Herstellung von Metall-Befestigungselementen in einem progressiven Werkzeug-Betrieb und anderen industriellen Situationen können wichtige Qualitätsdimensionen nicht auf einer kontinuierlichen Skala gemessen werden, und gefertigte Teile werden in Gruppen unter Verwendung einer Stufenlehre klassifiziert. Dieses Papier schlägt eine Version von exponentiell gewichteten gleitenden Durchschnitt (EWMA) Steuerkarten vor, die für die Überwachung der gruppierten Daten für Prozessverschiebungen anwendbar sind. Die Lauflängeneigenschaften dieses neuen gruppierten Daten-EWMA-Diagramms werden mit ähnlichen Ergebnissen verglichen, die zuvor für EWMA-Diagramme für Variablendaten und mit denen für kumulative Summen - (CUSUM-) Schemata basierend auf gruppierten Daten erhalten wurden. Gruppierte Daten EWMA-Charts sind nahezu so effizient wie Variablen-basierte EWMA-Charts und sind somit eine attraktive Alternative, wenn die Erfassung von Variablendaten nicht möglich ist. Zusätzlich sind gruppierte Daten-EWMA-Diagramme weniger von der Diskretion betroffen, die in gruppierten Daten inhärent ist als gruppierte Daten-CUSUM-Diagramme. In der Metallbefestigungsanwendung waren gruppierte Daten-EWMA-Diagramme einfach zu implementieren und ermöglichten das schnelle Erfassen unerwünschter Prozessverschiebungen. Revue / Zeitschrift Titel Quelle / Quelle 1998, vol. (1952) (Revue) Mots-cls anglais / Englisch Schlagworte nach Matthew Roughan, Tim Griffin, Morley Mao, Albert Greenberg, Brian Freeman - In der ACM SIGCOMM NeTs Werkstatt. 2004. IP-Weiterleitungsanomalien, die durch Geräteausfälle, Implementierungsfehler oder Konfigurationsfehler ausgelöst werden, können den Netzwerkdienst erheblich beeinträchtigen und beeinträchtigen. Eine robuste und zuverlässige Erkennung solcher Anomalien ist für eine rasche Problemdiagnose, Problemminderung und Reparatur unerlässlich. Wir schlagen eine einfache. IP-Weiterleitungsanomalien, die durch Geräteausfälle, Implementierungsfehler oder Konfigurationsfehler ausgelöst werden, können den Netzwerkdienst erheblich beeinträchtigen und beeinträchtigen. Eine robuste und zuverlässige Erkennung solcher Anomalien ist für eine rasche Problemdiagnose, Problemminderung und Reparatur unerlässlich. Wir schlagen eine einfache, robuste Methode vor, die Routing - und Verkehrsdatenströme integriert, um Weiterleitungsanomalien zuverlässig zu erkennen und über die Auswertung der Methode in einem Tier-1-ISP-Backbone zu berichten. Zuerst transformieren wir jeden Datenstrom separat, um informative Alarmindikatoren zu erzeugen. Eine Weiterleitungsanomalie wird dann nur dann signalisiert, wenn die Indikatoren für beide Ströme gleichzeitig ein anomales Verhalten anzeigen. Die Gesamtmethode ist skalierbar, automatisiert und selbsttrainierend. Wir finden diese Technik effektiv identifiziert Weiterleitung Anomalien, während die Vermeidung der hohen falschen Alarme Rate, die sonst führen würde, wenn beide Stream einseitig verwendet wurden. 1. die Eigenschaften der betreffenden Daten. Zwei traditionelle Beispiele sind EWMA: Das EWMA-Diagramm ist eine in Qualitätsprozessen angewandte Textbuchmethode (z. B. siehe -18-). Das Verfahren ist allgemein anwendbar auf Daten mit einer stabilen stationären mittleren und unabhängigen Beobachtung. Wir werden diesen Ansatz für die Nutzung der hier analysierten BGP-Daten anpassen. Die Änderungen sind erforderlich. Von Matthew Roughan, von Tim Griffin, von Z. Morley Mao, von Albert Greenberg, von Brian Freeman, von Mao Albert, von Greenberg Brian Freeman - im ACM SIGCOMM Workshop auf Netz-Störungssuche. 2004. IP-Weiterleitungsanomalien, die durch Geräteausfälle, Implementierungsfehler oder Konfigurationsfehler ausgelöst werden, können den Netzwerkdienst erheblich beeinträchtigen und beeinträchtigen. Eine robuste und zuverlässige Erkennung solcher Anomalien ist für eine rasche Problemdiagnose, Problemminderung und Reparatur unerlässlich. Wir schlagen eine einfache. IP-Weiterleitungsanomalien, die durch Geräteausfälle, Implementierungsfehler oder Konfigurationsfehler ausgelöst werden, können den Netzwerkdienst erheblich beeinträchtigen und beeinträchtigen. Eine robuste und zuverlässige Erkennung solcher Anomalien ist für eine rasche Problemdiagnose, Problemminderung und Reparatur unerlässlich. Wir schlagen eine einfache, robuste Methode vor, die Routing - und Verkehrsdatenströme integriert, um Weiterleitungsanomalien zuverlässig zu erkennen und über die Auswertung der Methode in einem Tier-1-ISP-Backbone zu berichten. Zuerst transformieren wir jeden Datenstrom separat, um informative Alarmindikatoren zu erzeugen. Eine Weiterleitungsanomalie wird dann nur dann signalisiert, wenn die Indikatoren für beide Ströme gleichzeitig ein anomales Verhalten anzeigen. Die Gesamtmethode ist skalierbar, automatisiert und selbsttrainierend. Wir finden diese Technik effektiv identifiziert Weiterleitung Anomalien, während die Vermeidung der hohen falschen Alarme Rate, die sonst führen würde, wenn beide Stream einseitig verwendet wurden. Abhängig von den Eigenschaften der Daten: EWMA: Das EWMA-Diagramm ist eine in Qualitätsprozessen angewandte Textbuchmethode (z. B. se-18-). Das Verfahren ist allgemein anwendbar auf Daten mit einer stabilen stationären mittleren und unabhängigen Beobachtung. Wir werden diesen Ansatz für die Nutzung der hier analysierten BGP-Daten anpassen. Exponentielle Glättung ist a. Von Matthew Roughan, Tim Griffin, Morley Mao, Albert Greenberg, Brian Freeman. IP-Weiterleitungsanomalien, die durch Geräteausfälle, Implementierungsfehler oder Konfigurationsfehler ausgelöst werden, können den Netzwerkdienst erheblich beeinträchtigen und beeinträchtigen. Eine robuste und zuverlässige Erkennung solcher Anomalien ist für eine rasche Problemdiagnose, Problemminderung und Reparatur unerlässlich. Wir schlagen eine einfache. IP-Weiterleitungsanomalien, die durch Geräteausfälle, Implementierungsfehler oder Konfigurationsfehler ausgelöst werden, können den Netzwerkdienst erheblich beeinträchtigen und beeinträchtigen. Eine robuste und zuverlässige Erkennung solcher Anomalien ist für eine rasche Problemdiagnose, Problemminderung und Reparatur unerlässlich. Wir schlagen eine einfache, robuste Methode vor, die Routing - und Verkehrsdatenströme integriert, um Weiterleitungsanomalien zuverlässig zu erkennen und über die Auswertung der Methode in einem Tier-1-ISP-Backbone zu berichten. Zuerst transformieren wir jeden Datenstrom separat, um informative Alarmindikatoren zu erzeugen. Eine Weiterleitungsanomalie wird dann nur dann signalisiert, wenn die Indikatoren für beide Ströme gleichzeitig ein anomales Verhalten anzeigen. Die Gesamtmethode ist skalierbar, automatisiert und selbsttrainierend. Wir finden diese Technik effektiv identifiziert Weiterleitung Anomalien, während die Vermeidung der hohen falschen Alarme Rate, die sonst führen würde, wenn beide Stream einseitig verwendet wurden. 1. Abhängig von den Eigenschaften der Daten: EWMA: Das EWMA-Diagramm ist eine in Qualitätsprozessen angewandte Textbuchmethode (z. B. siehe -18-). Das Verfahren ist allgemein anwendbar auf Daten mit einer stabilen stationären mittleren und unabhängigen Beobachtung. Wir werden diesen Ansatz für die Nutzung der hier analysierten BGP-Daten anpassen. Exponentielle Glättung ist a. Von Brian Eriksson, Nick Duffield, Paul Barford, Joel Sommers, Rhys Bowden, Matthew Roughan. Die Fähigkeit, unerwartete Ereignisse in großen Netzwerken zu erkennen, kann ein großer Vorteil für den täglichen Netzwerkbetrieb sein. Im Laufe der letzten zehn Jahre wurden große Anstrengungen unternommen, um wirksame Anomalie-Erkennungswerkzeuge zu entwickeln, aber sie bleiben im Live-Netzwerkbetrieb aufgrund einer unannehmbaren Situation praktisch unbenutzt. Die Fähigkeit, unerwartete Ereignisse in großen Netzwerken zu erkennen, kann ein großer Vorteil für den täglichen Netzwerkbetrieb sein. In den letzten zehn Jahren wurden große Anstrengungen unternommen, um wirksame Anomalie-Erkennungswerkzeuge zu entwickeln, aber sie bleiben im Live-Netzwerkbetrieb aufgrund einer unannehmbar hohen Falschalarmrate praktisch unbenutzt. In diesem Beitrag wollen wir die Fähigkeit, unerwartete Netzwerkereignisse durch die Verwendung von BasisDetect, einem flexiblen, aber präzisen Modellierungsrahmen, genau erkennen zu können. Mit Hilfe eines kleinen Datensatzes mit etikettierten Anomalien kann das BasisDetect-Framework große Klassen von Anomalien definieren und in verschiedenen Arten von Netzwerkdaten sowohl aus einzelnen Quellen als auch aus mehreren potenziell unterschiedlichen Quellen erfassen. Netzwerk-Anomaliesignal-Charakteristiken werden mittels einer neuartigen Basis verfolgungsbasierter Methodologie erlernt. Wir zeigen die Machbarkeit unserer Basis-Detect-Framework-Methode und vergleichen sie mit früheren Erkennungsmethoden unter Verwendung einer Kombination aus synthetischen und realen Daten. Im Vergleich zu früheren Anomalie-Erkennungsmethoden zeigen unsere Methoden der BasisDetect-Methodik eine 50 Verringerung der Anzahl von Fehlalarmen in einem Einzelknoten-Datensatz und eine Verringerung von 65 Falschalarmen für synthetische netzweite Daten. Und die Annahme, dass Anomalien sich gegen den Verkehr im transformierten Raum abheben (Beispiele umfassen Wavelets in 5, 6, den exponentiell gewichteten Moving Average oder EWMA in -7, 8 und Fourier-Filter in 6). Anomalien werden dann für jeden einzelnen Satz von Messungen erzeugt. Die wichtigsten Vorteile der PCA-Methodik war, dass sie direkten Vorteil aus der nicht-scalar natu. Von Peihua Qiu, Zhonghua Li - Technometrics. 2011. Dieses Papier berücksichtigt die statistische Prozesskontrolle (SPC) von univariaten Prozessen, wenn die parametrische Form der Prozessverteilung nicht verfügbar ist. Die meisten existierenden SPC-Verfahren basieren auf der Annahme, dass eine parametrische Form (z. B. normal) der Prozessverteilung vorab spezifiziert werden kann. Dieses Papier berücksichtigt die statistische Prozesskontrolle (SPC) von univariaten Prozessen, wenn die parametrische Form der Prozessverteilung nicht verfügbar ist. Die meisten existierenden SPC-Verfahren basieren auf der Annahme, dass eine parametrische Form (z. B. normal) der Prozessverteilung vorab spezifiziert werden kann. In der Literatur wurde gezeigt, dass ihre Leistung unzuverlässig ist, wenn die vorgegebene Prozessverteilung ungültig ist. Um diese Einschränkung zu überwinden, wurden einige nichtparametrische (oder verteilungsfreie) SPC-Steuerkarten vorgeschlagen, von denen die meisten auf der Ordnungsinformation der beobachteten Daten basieren. Dieses Papier versucht, zwei Beiträge zur nicht-parametrischen SPC-Literatur zu machen. Zuerst schlagen wir einen alternativen Rahmen für den Aufbau nichtparametrischer Kontrollkarten vor, indem wir zuerst beobachtete Daten kategorisieren und dann kategoriale Datenanalyseverfahren auf SPC anwenden. Unter diesem Rahmen werden einige neue, nichtparametrische Kontrolldiagramme vorgeschlagen. Zweitens vergleichen wir unsere vorgeschlagenen Kontrollkarten mit verschiedenen repräsentativen Kontrolldiagrammen in verschiedenen Fällen. Einige empirische Richtlinien werden bereitgestellt, damit Benutzer ein korrektes nichtparametrisches Steuerdiagramm für eine spezifische Anwendung wählen. Dieser Artikel hat zusätzliche Materialien online. Von Petros E. Maravelakis, John Panaretos, Stelios Psarakis. Ein Messfehler ist ein üblicherweise verzerrter Faktor in realen Anwendungen, der das Ergebnis eines Prozesses beeinflusst. In diesem Papier untersuchen wir die Auswirkung von Messfehlern auf die Fähigkeit der EWMA-Kontrollkarte zur Erkennung von Out-of-Control-Situationen. Das verwendete Modell ist das mit lin. Ein Messfehler ist ein üblicherweise verzerrter Faktor in realen Anwendungen, der das Ergebnis eines Prozesses beeinflusst. In diesem Papier untersuchen wir die Auswirkung von Messfehlern auf die Fähigkeit der EWMA-Kontrollkarte zur Erkennung von Out-of-Control-Situationen. Das verwendete Modell ist ein lineares Kovariat. Wir untersuchen die Fähigkeit des EWMA-Diagramms im Falle einer Verschiebung im Mittelwert. Der Effekt, mehrere Messungen an jeder abgetasteten Einheit und den Fall einer linear zunehmenden Varianz zu machen, werden ebenfalls untersucht. Wir beweisen, dass bei Messfehlern die Leistung des Diagramms zum Mittel signifikant beeinflusst wird. K W: Exponentiell gewichtete gleitende Durchschnittskontrollkarte, mittlere Lauflänge, mittlere Zeit bis zum Signal, Messfehler, Markov-Kette, statistische Prozesssteuerung durch Zonghua Zhang, Hong Shen, Yingpeng Sang. 2005. Es wird allgemein anerkannt, dass zwei wichtige Punkte bei der Modellierung der anomaliebasierten Intrusion Detection immer besondere Sorgen bereiten. Eines sind die Techniken, zwei Klassen mit unterschiedlichen Merkmalen zu unterscheiden, ein anderes ist die Konstruktion / Auswahl der beobachteten Probe des normalerweise vorkommenden Musters. Es wird allgemein anerkannt, dass zwei wichtige Punkte bei der Modellierung der anomaliebasierten Intrusion Detection immer besondere Sorgen bereiten. Eines sind die Techniken, zwei Klassen mit unterschiedlichen Merkmalen zu unterscheiden, ein anderes ist die Konstruktion / Auswahl der beobachteten Probe von normalerweise vorkommenden Mustern für die Systemnormalitätscharakterisierung. In diesem Papier beschränken wir uns nicht auf die Konstruktion von spezifischen Anomalie - Erkennungsmodellen, sondern beschränken unsere Aufmerksamkeit auf die Analyse der Anomaly - Detektoren - Betriebsumgebungen, was uns hilft, die Funktionsfähigkeit der Anomalie - Detektoren, einschließlich ihrer Detektionsabdeckung und blinden Flecken, zu erforschen Um sie in überzeugender Weise zu bewerten. Unter Berücksichtigung der Ähnlichkeit mit dem Induktionsproblem als Ausgangspunkt, wir Cast Anomalie-Erkennung in einem statistischen Rahmen, die eine formale Analyse der Anomalie-Detektoren erwartet Verhalten von einem hohen Niveau. Einige bestehende Probleme und mögliche Lösungen zur Normalitätscharakterisierung für die beobachtbaren Subjekte, die von Hosts und Netzwerken angesprochen werden. Als Fallstudien werden mehrere typische Anomaliedetektoren analysiert und aus der Perspektive ihrer Betriebsumgebungen, insbesondere jene Faktoren, die ihre spezielle Detektionsabdeckung oder blinde Flecken verursachen, verglichen. Darüber hinaus wird die Auswertung von Anomalie-Detektoren auch grob diskutiert, basierend auf einigen bestehenden Benchmarks. Eine sorgfältige Analyse zeigt, dass das grundlegende Verständnis der Arbeitsumgebungen (dh der Eigenschaften beobachtbarer Subjekte) die elementare, aber wesentliche Voraussetzung für den Aufbau eines effektiven Anomalieerfassungsmodells ist, das daher eine aufschlussreiche Erforschung ist, vor allem dann, wenn wir dem Dilemma zwischen Anomalieerkennung begegnen Leistung und die Rechenkosten. Rvals zwischen diesen Gruppen sollte daher im Datenmodell eine zugrundeliegende kontinuierliche Messung betrachtet werden, um die Prozessverlagerung zu erfassen. Basierend auf dieser Tatsache könnte ein gruppiertes Daten-EWMA-Modell -9- anstelle eines auf Variablen basierenden EWMA einen größeren Beitrag zur Charakterisierung von Computer-Audit-Ereignissen leisten. Zusätzlich wurde in dem ursprünglichen Datenmodell nur der Audit-Ereignistyp betrachtet, w. Von Etsuko Kusukawa, Takayuki Kotani. Abstrakt. Als Diagramme zur Überwachung der Prozessbruchdefekte P in den Hochausbeuteverfahren haben Mishima et al. (2002) ein Synthese-Diagramm, das Synthetische CS-Diagramm, das die CS (Bestätigungsprobe) CCC (Cumulative Count of Conforming) - r-Diagramm und das CCC-r-Diagramm integriert. Das Synthetische CS c. Abstrakt. Als Diagramme zur Überwachung der Prozessbruchdefekte P in den Hochausbeuteverfahren haben Mishima et al. (2002) ein Synthese-Diagramm, das Synthetische CS-Diagramm, das die CS (Bestätigungsprobe) CCC (Cumulative Count of Conforming) - r-Diagramm und das CCC-r-Diagramm integriert. Das Synthetic CS-Diagramm wurde entwickelt, um Qualitätsmerkmale in Echtzeit zu überwachen. Vor kurzem haben Kotani et al. (2005) wurde das CCC-r-Diagramm der EWMA (Exponential Weighted Moving Average) vorgestellt, welches die Kombination der in der Vergangenheit beobachteten Qualitätsmerkmale mit einem in Echtzeit überwachten Dokument berücksichtigt. In diesem Papier stellen wir ein alternatives Diagramm vor, das dem EWMACCC-r-Diagramm überlegen ist. Es ist eine Integration des EWMACCC-r-Charts und des CCC-r-Charts. Bei Verwendung des vorgeschlagenen Diagramms wird die Qualitätscharakteristik zunächst unter Verwendung der unteren und oberen Steuergrenzen des EWMACCC-r-Diagramms als entweder im Steuerzustand oder im Außer-Steuer-Zustand beurteilt. Wenn der Prozeß nicht als der Steuerungszustand durch das EWMACCC-r-Diagramm beurteilt wird, wird der Prozeß sukzessive unter Verwendung des CCC-r-Diagramms beurteilt, um die Beurteilung des EWMACCC-r-Diagramms zu bestätigen. Wir vergleichen die ANOS (Mittlere Anzahl der Beobachtungen mit dem Signal) des vorgeschlagenen Diagramms mit denen des EWMACCC-r-Diagramms und des Synthetischen CS-Diagramms. Aus den numerischen Experimenten mit der geringen Größe der Inspektionspunkte ist das vorgeschlagene Diagramm am empfindlichsten, um vor allem die kleinen Verschiebungen in P unter anderem zu identifizieren. Viele andere EWMA-Diagramme für Variablen wurden in den letzten Jahren vorgeschlagen (vgl. Crowder, 1987 Ng und Case, 1989, Lukas und Saccucci, 1990, Domangue and Patch, 1991, sReynolds, 1996 und - Steiner, 1998). Wie die EWMA-Charts für Attribute, Gan (2002) und Borror et al. (1998) präsentierten das EWMA-Diagramm, um die Zählung von Defekten zu verfolgen, die der Poisson-Verteilung folgen, die als Stempel von Stefan H. Steiner bezeichnet wird. 1998. Dieser Artikel schlägt eine Version von exponentiell gewichteten gleitenden Durchschnitt (EWMA) Steuerkarten für die Überwachung der gruppierten Daten für Prozess-Verschiebungen. Die Lauflängeneigenschaften dieses neuen gruppierten Daten-EWMA-Diagramms werden mit ähnlichen Ergebnissen verglichen, die zuvor für EWMA-Diagramme für var erhalten wurden. Dieser Artikel schlägt eine Version von exponentiell gewichteten gleitenden Durchschnitt (EWMA) Steuerkarten für die Überwachung der gruppierten Daten für Prozess-Verschiebungen. Die Lauflängeneigenschaften dieses neuen gruppierten Daten-EWMA-Diagramms werden mit ähnlichen Ergebnissen verglichen, die zuvor für EWMA-Diagramme für Variablendaten und mit denen für kumulative Summen - (CUSUM-) Schemata basierend auf gruppierten Daten erhalten wurden. Gruppierte Daten EWMA - Diagramme sind nahezu so effizient wie Variablenbasierte EWMA - Diagramme und sind daher eine attraktive Alternative, wenn die Erfassung von Variablendaten nicht möglich ist. Stefan H. Steiner - Journal of Quality Technology. 1999. Die Kontrollgrenzen eines exponentiell gewichteten gleitenden Durchschnittes (EWMA) - Regelungsdiagramm sollten mit der Zeit variieren, wobei sich asymptotische Grenzen mit zunehmender Zeit nähern. Jedoch berücksichtigen bisherige analytische Analysen von EWMA-Diagrammen nur asymptotische Kontrollgrenzen. In diesem Artikel, die Lauflänge Eigenschaften von EW. Die Kontrollgrenzen eines exponentiell gewichteten gleitenden Durchschnittes (EWMA) - Regelungsdiagramm sollten mit der Zeit variieren, wobei sich asymptotische Grenzen mit zunehmender Zeit nähern. Jedoch berücksichtigen bisherige analytische Analysen von EWMA-Diagrammen nur asymptotische Kontrollgrenzen. In diesem Artikel werden die Lauflängeneigenschaften von EWMAs mit zeitabhängigen Kontrollgrenzen mit nichthomogenen Markov-Ketten approximiert. Ein Vergleich der durchschnittlichen Lauflängen von EWMA mit zeitlich variierenden Kontrollgrenzen und Ergebnissen, die zuvor für asymptotische EWMA-Diagramme erhalten wurden, zeigt, dass die Verwendung von zeitvariablen Kontrollgrenzen dem schnellen anfänglichen Ansprechverhalten (FIR) ähnlich ist, das für Cumulative Sum (CUSUM) - Diagramme vorgeschlagen wurde. Die ARL des EWMA-Schemas mit zeitlich variierenden Grenzwerten ist wesentlich empfindlicher gegenüber frühen Prozessverschiebungen, insbesondere wenn das EWMA-Gewicht klein ist. Eine weitere Verbesserung der FIR-Leistung kann erreicht werden, indem die Kontrollgrenzen für die ersten 20 Beobachtungen weiter verengt werden. Die Methodik wird unter der Annahme eines normalen Prozesses mit bekannter Standardabweichung dargestellt, bei dem Verschiebungen im Mittel erkannt werden sollen. (Montgomery, 1991). Erstmals von Roberts (1959) eingeführt, haben EWMA-Charts eine ziemlich lange Geschichte, aber erst vor kurzem wurden ihre Eigenschaften analytisch ausgewertet (-Crowder 1987, Lucas und Saccucci 1990). Es ist auch bekannt, dass die EWMA in einigen Prognose - und Kontrollanwendungen optimale Eigenschaften aufweist (Box, Jenkins und MacGregor, 1974). In diesem Artikel konzentrieren wir uns auf die Qualität. by Stefan H. Steiner. 1998. Dieser Artikel schlägt eine Version von exponentiell gewichteten gleitenden Durchschnitt (EWMA) Steuerkarten für die Überwachung der gruppierten Daten für Prozess-Verschiebungen. Die Lauflängeneigenschaften dieses neuen gruppierten Daten-EWMA-Diagramms werden mit ähnlichen Ergebnissen verglichen, die zuvor für EWMA-Diagramme für var erhalten wurden. Dieser Artikel schlägt eine Version von exponentiell gewichteten gleitenden Durchschnitt (EWMA) Steuerkarten für die Überwachung der gruppierten Daten für Prozess-Verschiebungen. Die Lauflängeneigenschaften dieses neuen gruppierten Daten-EWMA-Diagramms werden mit ähnlichen Ergebnissen verglichen, die zuvor für EWMA-Diagramme für Variablendaten und mit denen für kumulative Summen - (CUSUM-) Schemata basierend auf gruppierten Daten erhalten wurden. Gruppierte Daten Es wird gezeigt, dass EWMA-Diagramme annähernd so effizient sind wie Variablen-basierte EWMA-Diagramme und somit eine attraktive Alternative sind, wenn die Erfassung von Variablendaten von Stefan H. Steiner, Richard J. Cook, Vern T. Farewell nicht möglich ist. 1999. Diesem Artikel konzentrieren wir uns auf Situationen, in denen ein Prozess überwacht wird und zwei korrelierte Ergebnisse Variablen verwendet werden, um die Antwort zu charakterisieren. Der Prozess im motivierenden Beispiel ist ein chirurgisches Verfahren, könnte aber auch andere medizinische oder industrielle Prozesse sein. Der Nachweis von erheblichen Adver. Diesem Artikel konzentrieren wir uns auf Situationen, in denen ein Prozess überwacht wird und zwei korrelierte Ergebnisse Variablen verwendet werden, um die Antwort zu charakterisieren. Der Prozess im motivierenden Beispiel ist ein chirurgisches Verfahren, könnte aber auch andere medizinische oder industrielle Prozesse sein. Der Nachweis von erheblichen nachteiligen Veränderungen im Prozess sollte dazu führen, dass einige der Untersuchung der Ursache, und möglicherweise Prozessänderungen, um den negativen Effekt zu mildern. . Zusammenfassung: Eine theoretische Analyse der kumulativen Summen (CUSUM) - Technik zum Erfassen einer Folge von Zeitsignalen von einem verrauschten Hintergrund wird bereitgestellt. Die Statistik mit CUSUM-Slope wird als Maß für die Erfassung des Mittelwerts von Signalen innerhalb des Zeitfensters eingeführt, in dem die Steilheit berechnet wird. T. Zusammenfassung: Eine theoretische Analyse der kumulativen Summen (CUSUM) - Technik zum Erfassen einer Folge von Zeitsignalen von verrauschten Hintergrund wird bereitgestellt. Die Statistik mit CUSUM-Slope wird als Maß für die Erfassung des Mittelwerts von Signalen innerhalb des Zeitfensters eingeführt, in dem die Steilheit berechnet wird. Dies stellt ein zeitunabhängiges Verfahren zur Schätzung des Signalinhalts innerhalb des Zeitfensters zur Verfügung. Das Erfassungskriterium ist für unterschiedliche Fensterlängen vorgesehen. Die Ergebnisse zeigten, dass diese CUSUM-Steigungsstatistik sehr empfindlich ist für die Erkennung von subtilen verborgenen Trends in der Datensequenz mit Rauschen, die auch in einer sehr geringen Signal-Rausch-Umgebung gefiltert wurden. Von unbekannten Autoren. Die Verwendung von Kontrolltafeln zur Überwachung multivariater Prozesse mit gruppierten Beobachtungen P. E. Maravelakis 1, S. Bersimis 1 und M. V. Koutras 1 Zusammenfassung - In der Industrie ist es allgemein üblich, auf gruppierte Beobachtungen zurückzugreifen, insbesondere in Fällen, in denen die exakte Bestimmung des Merkmals von int. Die Verwendung von Kontrolltafeln zur Überwachung multivariater Prozesse mit gruppierten Beobachtungen P. E. Maravelakis 1, S. Bersimis 1 und M. V. Koutras 1 Zusammenfassung In der Industrie ist es allgemein üblich, auf gruppierte Beobachtungen zurückzugreifen, insbesondere in Fällen, in denen die Registrierung des exakten Wertes des Merkmals von Interesse schwierig oder kostspielig ist. In diesem Beitrag stellen wir eine neue Methodik für den Umgang mit gruppierten Daten dar, die sich aus Prozessen mit mehr als einer korrelierten Variablen ergeben. In den Arbeiten von Steiner, Geyer und Wesolowsky 1, -2- und 3 und Steiner 4 wurden in den Arbeiten mit gruppierten Beobachtungen 1 Universität Piraeus, Institut für Statistik und Versicherungswissenschaften, Piräus, Griechenland vorgestellt Beziehen sich auf den univariaten Fall, dh wenn es nur ein Merkmal (Variable) von Interesse gibt. Es ist weithin akzeptabel, nicht nur in der Industrie, sondern in. Von unbekannten Autoren. Die Verwendung von Kontrolltafeln zur Überwachung multivariater Prozesse mit gruppierten Beobachtungen P. E. Maravelakis 1, S. Bersimis 1 und M. V. Koutras 1 Zusammenfassung - In der Industrie ist es allgemein üblich, auf gruppierte Beobachtungen zurückzugreifen, insbesondere in Fällen, in denen die exakte Bestimmung des Merkmals von int. Die Verwendung von Kontrolltafeln zur Überwachung multivariater Prozesse mit gruppierten Beobachtungen P. E. Maravelakis 1, S. Bersimis 1 und M. V. Koutras 1 Zusammenfassung In der Industrie ist es allgemein üblich, auf gruppierte Beobachtungen zurückzugreifen, insbesondere in Fällen, in denen die Registrierung des exakten Wertes des Merkmals von Interesse schwierig oder kostspielig ist. In diesem Beitrag stellen wir eine neue Methodik für den Umgang mit gruppierten Daten dar, die sich aus Prozessen mit mehr als einer korrelierten Variablen ergeben. In den Arbeiten von Steiner, Geyer und Wesolowsky 1, -2- und 3 und Steiner 4 wurden in den Arbeiten mit gruppierten Beobachtungen 1 Universität Piraeus, Institut für Statistik und Versicherungswissenschaften, Piräus, Griechenland vorgestellt Beziehen sich auf den univariaten Fall, dh wenn es nur ein Merkmal (Variable) von Interesse gibt. Es ist weithin akzeptabel, nicht nur in der Industrie, sondern in. by Stefan H. Steiner. 1998. Dieser Artikel schlägt eine Version von exponentiell gewichteten gleitenden Durchschnitt (EWMA) Steuerkarten für die Überwachung der gruppierten Daten für Prozess-Verschiebungen. Die Lauflängeneigenschaften dieses neuen gruppierten Daten-EWMA-Diagramms werden mit ähnlichen Ergebnissen verglichen, die zuvor für EWMA-Diagramme für var erhalten wurden. Dieser Artikel schlägt eine Version von exponentiell gewichteten gleitenden Durchschnitt (EWMA) Steuerkarten für die Überwachung der gruppierten Daten für Prozess-Verschiebungen. Die Lauflängeneigenschaften dieses neuen gruppierten Daten-EWMA-Diagramms werden mit ähnlichen Ergebnissen verglichen, die zuvor für EWMA-Diagramme für Variablendaten und mit denen für kumulative Summen - (CUSUM-) Schemata basierend auf gruppierten Daten erhalten wurden. Gruppierte Daten Es wird gezeigt, dass EWMA-Diagramme annähernd so effizient sind wie Variablen-basierte EWMA-Diagramme und somit eine attraktive Alternative sind, wenn die Erfassung von Variablendaten von Stefan H. Steiner, Richard J. Cook, Vern T. Farewell nicht möglich ist. 1999. Diesem Artikel konzentrieren wir uns auf Situationen, in denen ein Prozess überwacht wird und zwei korrelierte Ergebnisse Variablen verwendet werden, um die Antwort zu charakterisieren. Der Prozess im motivierenden Beispiel ist ein chirurgisches Verfahren, könnte aber auch andere medizinische oder industrielle Prozesse sein. Der Nachweis von erheblichen Adver. Diesem Artikel konzentrieren wir uns auf Situationen, in denen ein Prozess überwacht wird und zwei korrelierte Ergebnisse Variablen verwendet werden, um die Antwort zu charakterisieren. Der Prozess im motivierenden Beispiel ist ein chirurgisches Verfahren, könnte aber auch andere medizinische oder industrielle Prozesse sein. Der Nachweis von erheblichen nachteiligen Veränderungen im Prozess sollte dazu führen, dass einige der Untersuchung der Ursache, und möglicherweise Prozessänderungen, um den negativen Effekt zu mildern. Von Stefan H. Steiner, P. Lee Geyer, George O. Wesolowsky - TECHNOMETRICS. 1996. Methodik wird für die Konstruktion von sequentiellen Methoden vorgeschlagen, wenn Daten durch Messung von Artikeln in Gruppen erhalten werden. Genaue Ausdrücke für die Betriebsmerkmale und die durchschnittliche Stichprobenanzahl von Wald - Sequentiellen Probability Ratio Tests (SPRTs) und für die durchschnittliche Lauflänge von. Methodik wird für die Konstruktion von sequentiellen Methoden vorgeschlagen, wenn Daten durch Messung von Artikeln in Gruppen erhalten werden. Für die Betriebsmerkmale und die durchschnittliche Stichprobenanzahl von Wald-Sequential-Probability Ratio-Tests (SPRTs) und für die durchschnittliche Lauflänge der kumulativen Summen - (CUSUM-) Schemata, die auf gruppierten Daten basieren, werden exakte Ausdrücke erhalten. Schritt für Schritt durch P. Lee Geyer, Stefan H. Steiner, George O. Wesolowsky. Methodik wird für die Konstruktion von ein - und doppelten komprimierten Grenzwert-Sequentielle-Probability-Ratio-Tests (SPRT) und Cumulative Sum (CUSUM) - Regelkarten vorgestellt, um einseitige mittlere Verschiebungen einer symmetrischen Wahrscheinlichkeitsverteilung zu detektieren. Wir zeigen auch, wie die durchschnittliche Lauflänge Eigenschaft zu bewerten. Methodik wird für die Konstruktion von ein - und doppelten komprimierten Grenzwert-Sequentielle-Probability-Ratio-Tests (SPRT) und Cumulative Sum (CUSUM) - Regelkarten vorgestellt, um einseitige mittlere Verschiebungen einer symmetrischen Wahrscheinlichkeitsverteilung zu detektieren. Wir zeigen auch, wie die durchschnittlichen Lauflängeneigenschaften mit der Fast Initial Response (FIR) - Funktion ausgewertet werden. Die daraus resultierenden CUSUM-Pläne haben ein einfaches Scoringverfahren und sind sehr einfach abzuleiten und zu implementieren. Die Verwendung von zwei komprimierten Grenzwerten ist effizienter als ein einziger komprimierter Grenzwertgeber. Im Falle von SPRTs minimiert die Verwendung von zwei komprimierten Grenzwerten die durchschnittliche Abtastzahl, die für bestimmte Betriebskennwerte erforderlich ist. In der von S H Steiner - Quality Engineering. 1997
No comments:
Post a Comment