(S) Affiliation (s) Affiliation (s) (1) Universidad de Waterloo, CANADÁ Rsum / Resumen En la fabricación de cierres metálicos en una operación de troquel progresivo, y en otras situaciones industriales, no se pueden medir dimensiones de calidad importantes en una escala continua, y las piezas fabricadas se clasifican en grupos usando un escalón. Este artículo propone una versión de gráficos de control de media móvil ponderada exponencialmente (EWMA) que son aplicables a la supervisión de los datos agrupados para los cambios de proceso. Las propiedades de longitud de ejecución de este nuevo gráfico EWMA de datos agrupados se comparan con resultados similares obtenidos previamente para los gráficos EWMA para datos de variables y con aquellos para esquemas de suma acumulativa (CUSUM) basados en datos agrupados. Datos agrupados Los gráficos EWMA se muestran como casi tan eficientes como los gráficos EWMA basados en variables y, por lo tanto, son una alternativa atractiva cuando la recopilación de datos de variables no es factible. Además, los datos agrupados EWMA gráficos son menos afectados por la discreteness que es inherente a los datos agrupados que los datos agrupados CUSUM gráficos. En la aplicación de sujetadores de metal, los datos agrupados EWMA gráficos fueron fáciles de implementar y permitió la detección rápida de los cambios de proceso indeseables. Revue / Journal Title Idioma / Lengua Editeur / Editor Wiley-Blackwell, Oxford, ROYAUME-UNI (1952) (Revue) Palabras claves en inglés / inglés Palabras clave de Matthew Roughan, Tim Griffin, Morley Mao, Albert Greenberg, Brian Freeman - En el taller de ACM SIGCOMM NeTs. 2004. Las anomalías de reenvío IP, provocadas por fallos de equipo, errores de implementación o errores de configuración, pueden perturbar y degradar significativamente el servicio de red. La detección robusta y confiable de tales anomalías es esencial para el diagnóstico rápido de problemas, la mitigación de problemas y la reparación. Proponemos un simple. Las anomalías de reenvío IP, provocadas por fallos de equipos, errores de implementación o errores de configuración, pueden perturbar y degradar significativamente el servicio de red. La detección robusta y confiable de tales anomalías es esencial para el diagnóstico rápido de problemas, la mitigación de problemas y la reparación. Proponemos un método simple y robusto que integre los flujos de datos de tráfico y de enrutamiento para detectar de forma fiable anomalías de reenvío e informar sobre la evaluación del método en un backbone de ISP de nivel 1. Primero, transformamos cada flujo de datos por separado, para producir indicadores informativos de alarma. A continuación, se señala una anomalía de reenvío si los indicadores para ambos flujos indican un comportamiento anómalo simultáneamente. El método general es escalable, automatizado y autoformativo. Encontramos que esta técnica identifica efectivamente las anomalías de reenvío, evitando al mismo tiempo la alta tasa de falsas alarmas que de otro modo se obtendría si se utilizara un solo flujo unilateralmente. 1. las propiedades de los datos en cuestión. Dos ejemplos tradicionales son EWMA: El gráfico Exponentially Weighted Moving Average (EWMA) es un método de libro de texto aplicado en procesos de calidad (por ejemplo, ver -18--). El método es ampliamente aplicable a los datos con una media estacionaria estable y observaciones independientes. Vamos a adaptar este enfoque para su uso en los datos BGP analizados aquí. Las modificaciones son requi. Por Matthew Roughan, Tim Griffin, Z. Morley Mao, Albert Greenberg, Brian Freeman, Mao Albert, Greenberg Brian Freeman - En ACM SIGCOMM Taller sobre Solución de Problemas de Red. 2004. Las anomalías de reenvío IP, provocadas por fallos de equipos, errores de implementación o errores de configuración, pueden perturbar y degradar significativamente el servicio de red. La detección robusta y confiable de tales anomalías es esencial para el diagnóstico rápido de problemas, la mitigación de problemas y la reparación. Proponemos un simple. Las anomalías de reenvío IP, provocadas por fallos de equipos, errores de implementación o errores de configuración, pueden perturbar y degradar significativamente el servicio de red. La detección robusta y confiable de tales anomalías es esencial para el diagnóstico rápido de problemas, la mitigación de problemas y la reparación. Proponemos un método simple y robusto que integre los flujos de datos de tráfico y de enrutamiento para detectar de forma fiable anomalías de reenvío e informar sobre la evaluación del método en un backbone de ISP de nivel 1. Primero, transformamos cada flujo de datos por separado, para producir indicadores informativos de alarma. A continuación, se señala una anomalía de reenvío si los indicadores para ambos flujos indican un comportamiento anómalo simultáneamente. El método general es escalable, automatizado y autoformativo. Encontramos que esta técnica identifica efectivamente las anomalías de reenvío, evitando al mismo tiempo la alta tasa de falsas alarmas que de otro modo se obtendría si se utilizara un solo flujo unilateralmente. Dependiendo de las propiedades de los datos en cuestión: EWMA: El gráfico de Promedio Móvil Ponderado Exponencialmente (EWMA) es un método de libro de texto aplicado en procesos de calidad (por ejemplo se-e 18--). El método es ampliamente aplicable a los datos con una media estacionaria estable y observaciones independientes. Vamos a adaptar este enfoque para su uso en los datos BGP analizados aquí. El suavizado exponencial es a. Por Matthew Roughan, Tim Griffin, Morley Mao, Albert Greenberg, Brian Freeman. Las anomalías de reenvío IP, provocadas por fallos de equipos, errores de implementación o errores de configuración, pueden perturbar y degradar significativamente el servicio de red. La detección robusta y confiable de tales anomalías es esencial para el diagnóstico rápido de problemas, la mitigación del problema y la reparación. Proponemos un simple. Las anomalías de reenvío IP, provocadas por fallos de equipos, errores de implementación o errores de configuración, pueden perturbar y degradar significativamente el servicio de red. La detección robusta y confiable de tales anomalías es esencial para el diagnóstico rápido de problemas, la mitigación de problemas y la reparación. Proponemos un método simple y robusto que integre los flujos de datos de tráfico y de enrutamiento para detectar de forma fiable anomalías de reenvío e informar sobre la evaluación del método en un backbone de ISP de nivel 1. Primero, transformamos cada flujo de datos por separado, para producir indicadores informativos de alarma. A continuación, se señala una anomalía de reenvío si los indicadores para ambos flujos indican un comportamiento anómalo simultáneamente. El método general es escalable, automatizado y autoformativo. Encontramos que esta técnica identifica eficazmente las anomalías de reenvío, evitando al mismo tiempo la alta tasa de falsas alarmas que de otro modo se obtendría si se usara un solo flujo unilateralmente. EWMA: El gráfico de Promedio Movente Exponencialmente Ponderado (EWMA) es un método de libro de texto aplicado en procesos de calidad (por ejemplo, ver -18--). El método es ampliamente aplicable a los datos con una media estacionaria estable y observaciones independientes. Vamos a adaptar este enfoque para su uso en los datos BGP analizados aquí. El suavizado exponencial es a. De Brian Eriksson, de Nick Duffield, de Paul Barford, de Joel Sommers, de Rhys Bowden, de Matthew Roughan. La capacidad de detectar eventos inesperados en grandes redes puede ser un beneficio significativo para las operaciones diarias de la red. Durante la última década se ha trabajado mucho para desarrollar herramientas eficaces de detección de anomalías, pero siguen siendo prácticamente inutilizadas en las operaciones de la red en vivo debido a una inaceptable. La capacidad de detectar eventos inesperados en grandes redes puede ser un beneficio significativo para las operaciones diarias de la red. Durante la última década se ha realizado un gran trabajo para desarrollar herramientas eficaces de detección de anomalías, pero siguen siendo prácticamente no utilizadas en las operaciones de red en vivo debido a una tasa de falsas alarmas inaceptablemente alta. En este artículo, buscamos mejorar la capacidad de detectar con precisión eventos de red inesperados mediante el uso de BasisDetect, un marco de modelado flexible pero preciso. Utilizando un pequeño conjunto de datos con anomalías etiquetadas, el marco BasisDetect nos permite definir grandes clases de anomalías y detectarlas en diferentes tipos de datos de red, tanto de fuentes únicas como de fuentes múltiples y potencialmente diversas. Las características de la señal de la anomalía de red se aprenden a través de una metodología basada en la búsqueda basada en la novela. Demostramos la factibilidad de nuestro método Basis-Detect y lo comparamos con métodos de detección previos usando una combinación de datos sintéticos y de mundo real. En comparación con los métodos de detección de anomalías anteriores, nuestros resultados de la metodología BasisDetect muestran una reducción de 50 en el número de falsas alarmas en un conjunto de datos de un solo nodo y más de 65 en falsas alarmas para datos sintéticos de toda la red. Los datos, y asumió que las anomalías se destacarán contra el tráfico en el espacio transformado (ejemplos de transformaciones incluyen wavelets en 5, 6, la media móvil ponderada exponencial o EWMA en -7, 8-- y filtrado de Fourier en 6). A continuación, se generan anomalías para cada conjunto individual de mediciones. Los principales beneficios de la metodología PCA fue que se aprovechó directamente de los natu no escalar. Por Peihua Qiu, Zhonghua Li - Technometrics. 2011. Este trabajo considera el control estadístico de procesos (SPC) de procesos univariados cuando la forma paramétrica de la distribución del proceso no está disponible. La mayoría de los procedimientos SPC existentes se basan en la suposición de que una forma paramétrica (por ejemplo, normal) de la distribución del proceso puede especificarse de antemano. Este trabajo considera el control estadístico de procesos (SPC) de procesos univariados cuando la forma paramétrica de la distribución del proceso no está disponible. La mayoría de los procedimientos SPC existentes se basan en la suposición de que una forma paramétrica (por ejemplo, normal) de la distribución del proceso puede especificarse de antemano. En la literatura, se ha demostrado que su rendimiento no es fiable en los casos en que la distribución del proceso preespecificada no es válida. Para superar esta limitación, se han propuesto algunos gráficos de control SPC no paramétricos (o libres de distribución), la mayoría de los cuales se basan en la información de pedido de los datos observados. Este trabajo intenta hacer dos contribuciones a la literatura no paramétrica del CPS. En primer lugar, proponemos un marco alternativo para la construcción de gráficos de control no paramétrico, por primera categorización de los datos observados y luego aplicar métodos categóricos de análisis de datos a la CPS. En este marco, se proponen algunos nuevos cuadros de control no paramétricos. En segundo lugar, comparamos nuestras tablas de control propuestas con varias cartas de control existentes representativas en varios casos. Se proporcionan pautas empíricas para que los usuarios puedan elegir un gráfico de control no paramétrico apropiado para una aplicación específica. Este artículo tiene materiales complementarios en línea. Por Petros E. Maravelakis, John Panaretos, Stelios Psarakis. Un error de medición es un factor de distorsión generalmente encontrado en aplicaciones del mundo real que influye en el resultado de un proceso. En este artículo, examinamos el efecto del error de medida sobre la capacidad de la carta de control EWMA para detectar situaciones fuera de control. El modelo utilizado es el que implica lin. Un error de medición es un factor de distorsión generalmente encontrado en aplicaciones del mundo real que influye en el resultado de un proceso. En este artículo, examinamos el efecto del error de medida sobre la capacidad de la carta de control EWMA para detectar situaciones fuera de control. El modelo utilizado es el que implica covariables lineales. Investigamos la capacidad de la tabla EWMA en el caso de un cambio en la media. También se examina el efecto de tomar mediciones múltiples en cada unidad muestreada y el caso de variación linealmente creciente. Se demuestra que, en el caso de errores de medición, el rendimiento del gráfico con respecto a la media se ve afectado significativamente. K W: Diagrama de control de la media móvil ponderada exponencialmente, duración promedio de la carrera, tiempo promedio para señalar, error de medición, cadena de Markov, control estadístico del proceso por Zonghua Zhang, Hong Shen, Yingpeng Sang. 2005. Generalmente se acuerda que dos puntos clave siempre atraen preocupaciones especiales durante el modelado de la detección de intrusos basados en anomalías. Una es las técnicas para discernir dos clases con características diferentes, otra es la construcción / selección de la muestra observada del patrón que ocurre normalmente. Generalmente se acuerda que dos puntos clave siempre atraen preocupaciones especiales durante el modelado de la detección de intrusos basados en anomalías. Una es las técnicas para discernir dos clases con diferentes características, otra es la construcción / selección de la muestra observada de patrones que ocurren normalmente para la caracterización de la normalidad del sistema. En este trabajo, en lugar de centrarnos en el diseño de modelos específicos de detección de anomalías, restringimos nuestra atención al análisis de los entornos operativos de los detectores de anomalías, lo que nos facilita conocer las capacidades operacionales de los detectores de anomalías, incluyendo su cobertura de detección y puntos ciegos, Para así evaluarlos de manera convincente. Tomando como punto de partida la semejanza con el problema de inducción, realizamos la detección de anomalías en un marco estadístico, lo que da un análisis formal de los detectores de anomalías anticipado comportamiento de un alto nivel. Algunos problemas existentes y posibles soluciones sobre la caracterización de la normalidad para los sujetos observables que desde hosts y redes se tratan respectivamente. Como casos de estudio, se analizan y comparan varios detectores de anomalías típicos de los posibles ambientes operativos, especialmente aquellos que causan su cobertura especial de detección o puntos ciegos. Además, la evaluación de los detectores de anomalías también se discute aproximadamente con base en algunos puntos de referencia existentes. El análisis cuidadoso demuestra que la comprensión fundamental de los entornos operativos (es decir, las propiedades de los sujetos observables) es la etapa elemental pero esencial en el proceso de establecer un modelo efectivo de detección de anomalías, por lo que vale una exploración perspicaz, especialmente cuando enfrentamos el dilema entre detección de anomalías El rendimiento y el coste computacional. Entre estos grupos, se debe considerar una medición continua subyacente en el modelo de datos, con el fin de capturar el cambio de proceso. Basándose en este hecho, un modelo EWMA de datos agrupados -9 -, en lugar de EWMA basadas en variables, podría tener más contribución a la caracterización de eventos de auditoría de computadora. Además, en el modelo de datos original, sólo se consideró el tipo de evento de auditoría, w. Por Etsuko Kusukawa, Takayuki Kotani. Abstracto. Como gráficos para monitorear los defectos de la fracción del proceso, P, en los procesos de alto rendimiento, Mishima et al. (2002) discutieron un diagrama sintético, el gráfico de CS sintético, que integra el gráfico CCC (Cumulative Count of Conforming) de CS (muestra de confirmación) y el gráfico CCC-r. El CS sintético c. Abstracto. Como gráficos para monitorear los defectos de la fracción del proceso, P, en los procesos de alto rendimiento, Mishima et al. (2002) discutieron un diagrama sintético, el gráfico de CS sintético, que integra el gráfico CCC (Cumulative Count of Conforming) de CS (muestra de confirmación) y el gráfico CCC-r. El gráfico de Synthetic CS está diseñado para monitorear las características de calidad en tiempo real. Recientemente, Kotani et al. (2005) presentó el gráfico CCC-r EWMA (Exponentially Weighted Moving-Average), que considera la combinación de las características de calidad monitoreadas en el pasado con una monitoreada en tiempo real. En este trabajo, presentamos un gráfico alternativo que es más superior al gráfico EWMACCC-r. Es una integración del diagrama de EWMACCC-r y del gráfico de CCC-r. Al usar el gráfico propuesto, la característica de calidad se juzga inicialmente como estado de control o fuera de control, usando los límites de control inferior y superior del diagrama EWMACCC-r. Si el proceso no se juzga como el estado controlado por el gráfico EWMACCC-r, el proceso se juzga sucesivamente, utilizando el gráfico CCC-r para confirmar el juicio del gráfico EWMACCC-r. Comparamos el ANOS (Número Promedio de Observaciones con la Señal) del gráfico propuesto con los del gráfico EWMACCC-r y el gráfico sintético CS. De los experimentos numéricos, con el tamaño pequeño de los ítems de inspección, el gráfico propuesto es el más sensible para detectar especialmente los pequeños cambios en P entre otros xschart hewhart. Manysother EWMA gráficos para las variables se han propuesto en los últimos años (Ver Crowder, 1987 Ng y Case, 1989sLucas y Saccucci, 1990, Domangue y Patch, 1991, sReynolds, 1996 y - Stein, 1998--). Como los gráficos EWMA para los atributos, Gan (2002) y Borror et al. (1998) presentaron la tabla EWMA para monitorear el recuento de defectos que sigue a la distribución de Poisson, conocida como el gráfico EWMAc por Stefan H. Steiner. 1998. Este artículo propone una versión de gráficos de control de media móvil ponderada exponencialmente (EWMA) aplicables a la supervisión de los datos agrupados para los cambios de proceso. Las propiedades de longitud de ejecución de este nuevo gráfico EWMA de datos agrupados se comparan con resultados similares obtenidos previamente para los gráficos EWMA para var. Este artículo propone una versión de gráficos de control de media móvil ponderada exponencialmente (EWMA) aplicables a la supervisión de los datos agrupados para los cambios de proceso. Las propiedades de longitud de ejecución de este nuevo gráfico EWMA de datos agrupados se comparan con resultados similares obtenidos previamente para los gráficos EWMA para datos de variables y con aquellos para esquemas de suma acumulativa (CUSUM) basados en datos agrupados. Gráficos agrupados Los gráficos EWMA se muestran casi tan eficientes como los gráficos EWMA basados en variables, y por lo tanto son una alternativa atractiva cuando la recolección de datos de variables no es factible por Stefan H. Steiner - Journal of Quality Technology. 1999 Los límites de control de un gráfico de control de media móvil ponderada exponencialmente (EWMA) deben variar con el tiempo, acercándose a los límites asintóticos con el tiempo. Sin embargo, los análisis analíticos anteriores de los gráficos de EWMA consideran sólo límites de control asintóticos. En este artículo, las propiedades de longitud de ejecución de EW. Los límites de control de un gráfico de control de media móvil ponderada exponencialmente (EWMA) deben variar con el tiempo, acercándose a los límites asintóticos con el tiempo. Sin embargo, los análisis analíticos anteriores de los gráficos de EWMA consideran sólo límites de control asintóticos. En este artículo, las propiedades de longitud de ejecución de EWMAs con límites de control variables en el tiempo se aproximan usando cadenas de Markov no homogéneas. La comparación de las longitudes de ejecución promedio de EWMA con los límites de control variables en el tiempo y los resultados obtenidos previamente para las gráficas asintóticas de EWMA muestra que el uso de límites de control que varían en el tiempo es similar a la característica de respuesta inicial rápida (FIR) sugerida para los gráficos de suma acumulativa (CUSUM). El ARL del esquema EWMA con límites que varían en el tiempo es sustancialmente más sensible a los cambios de proceso tempranos, especialmente cuando el peso de EWMA es pequeño. Una mejora adicional en el desempeño de FIR puede lograrse reduciendo aún más los límites de control para las primeras 20 observaciones. La metodología se ilustra asumiendo un proceso normal con una desviación estándar conocida en la que se desea detectar cambios en la media. Cambios persistentes en el proceso (Montgomery, 1991). Presentadas por primera vez por Roberts (1959), las cartas de EWMA tienen una historia bastante larga, pero sólo recientemente sus propiedades han sido evaluadas analíticamente (Crowder 1987 - Lucas y Saccucci 1990). El EWMA también se sabe que tiene propiedades óptimas en algunas aplicaciones de pronóstico y control (Box, Jenkins, y MacGregor, 1974). En este artículo nos centramos en la calidad. por Stefan H. Steiner. 1998. Este artículo propone una versión de gráficos de control de media móvil ponderada exponencialmente (EWMA) aplicables a la supervisión de los datos agrupados para los cambios de proceso. Las propiedades de longitud de ejecución de este nuevo gráfico EWMA de datos agrupados se comparan con resultados similares obtenidos previamente para los gráficos EWMA para var. Este artículo propone una versión de gráficos de control de media móvil ponderada exponencialmente (EWMA) aplicables a la supervisión de los datos agrupados para los cambios de proceso. Las propiedades de longitud de ejecución de este nuevo gráfico EWMA de datos agrupados se comparan con resultados similares obtenidos previamente para los gráficos EWMA para datos de variables y con aquellos para esquemas de suma acumulativa (CUSUM) basados en datos agrupados. Gráficos agrupados Los gráficos EWMA se muestran casi tan eficientes como los gráficos EWMA basados en variables, y por lo tanto son una alternativa atractiva cuando la recogida de datos de variables no es factible por Stefan H. Steiner, Richard J. Cook, Vern T. Farewell. 1999. Este artículo se centra en situaciones en las que se está monitoreando un proceso y se usan dos variables de resultados correlacionadas para caracterizar la respuesta. El proceso en el ejemplo motivador es un procedimiento quirúrgico, pero podría ser otros procesos médicos o industriales. La detección de substancial adver. Este artículo se centra en situaciones en las que se está monitoreando un proceso y se usan dos variables de resultados correlacionadas para caracterizar la respuesta. El proceso en el ejemplo motivador es un procedimiento quirúrgico, pero podría ser otros procesos médicos o industriales. La detección de cambios sustanciales adversos en el proceso debe dar lugar a alguna investigación de la causa, y posiblemente los cambios del proceso con el fin de mitigar el efecto negativo. . Resumen: Se proporciona un análisis teórico de la técnica de suma acumulativa (CUSUM) para detectar una serie de señales de tiempo de fondo ruidoso. La estadística usando CUSUM-slope se introduce como una medida para capturar el promedio de señales dentro de la ventana de tiempo, en la cual se calcula la pendiente. T. Resumen: Se proporciona un análisis teórico de la técnica de suma acumulativa (CUSUM) para detectar una serie de señales de tiempo de fondo ruidoso. La estadística usando CUSUM-slope se introduce como una medida para capturar el promedio de señales dentro de la ventana de tiempo, en la cual se calcula la pendiente. Esto proporciona un método independiente del tiempo para estimar el contenido de la señal dentro de la ventana de tiempo. El criterio de detección se proporciona para diferentes longitudes de ventana. Los resultados mostraron que esta estadística CUSUM-slope es altamente sensible a la detección de sutiles tendencias ocultas en la secuencia de datos con ruido filtrado incluso en muy baja señal de ruido ambiente. Por autores desconocidos. El uso de gráficos de control para monitorear procesos multivariados con observaciones agrupadas P. E. Maravelakis 1, S. Bersimis 1 y M. V. Koutras 1 Resumen - Es muy común en la industria recurrir a observaciones agrupadas, especialmente en los casos en que se registra el valor exacto de la característica de int. El uso de gráficos de control para monitorear procesos multivariados con observaciones agrupadas P. E. Maravelakis 1, S. Bersimis 1 y M. V. Koutras 1 Es muy común en la industria recurrir a observaciones agrupadas, especialmente en los casos en que el registro del valor exacto de la característica de interés es difícil o costoso. En este artículo presentamos una nueva metodología para el manejo de datos agrupados que surgen de procesos que involucran más de una variable correlacionada. En los trabajos de Steiner, Geyer y Wesolowsky 1, -2- y 3 y Steiner 4. Sin embargo, todos estos documentos Referirse al caso univariado, es decir, cuando sólo hay una característica (variable) de interés. Es ampliamente aceptable, no sólo en la industria, sino en el de autores desconocidos. El uso de gráficos de control para monitorear procesos multivariados con observaciones agrupadas P. E. Maravelakis 1, S. Bersimis 1 y M. V. Koutras 1 Resumen - Es muy común en la industria recurrir a observaciones agrupadas, especialmente en los casos en que se registra el valor exacto de la característica de int. El uso de gráficos de control para monitorear procesos multivariados con observaciones agrupadas P. E. Maravelakis 1, S. Bersimis 1 y M. V. Koutras 1 Es muy común en la industria recurrir a observaciones agrupadas, especialmente en los casos en que el registro del valor exacto de la característica de interés es difícil o costoso. En este artículo presentamos una nueva metodología para el manejo de datos agrupados que surgen de procesos que involucran más de una variable correlacionada. En los trabajos de Steiner, Geyer y Wesolowsky 1, -2- y 3 y Steiner 4. Sin embargo, todos estos documentos Referirse al caso univariado, es decir, cuando sólo hay una característica (variable) de interés. Es ampliamente aceptable, no sólo en la industria, sino en Stefan H. Steiner. 1998. Este artículo propone una versión de gráficos de control de media móvil ponderada exponencialmente (EWMA) aplicables a la supervisión de los datos agrupados para los cambios de proceso. Las propiedades de longitud de ejecución de este nuevo gráfico EWMA de datos agrupados se comparan con resultados similares obtenidos previamente para los gráficos EWMA para var. Este artículo propone una versión de gráficos de control de media móvil ponderada exponencialmente (EWMA) aplicables a la supervisión de los datos agrupados para los cambios de proceso. Las propiedades de longitud de ejecución de este nuevo gráfico EWMA de datos agrupados se comparan con resultados similares obtenidos previamente para los gráficos EWMA para datos de variables y con aquellos para esquemas de suma acumulativa (CUSUM) basados en datos agrupados. Gráficos agrupados Los gráficos EWMA se muestran casi tan eficientes como los gráficos EWMA basados en variables, y por lo tanto son una alternativa atractiva cuando la recogida de datos de variables no es factible por Stefan H. Steiner, Richard J. Cook, Vern T. Farewell. 1999. Este artículo se centra en situaciones en las que se está monitoreando un proceso y se usan dos variables de resultados correlacionadas para caracterizar la respuesta. El proceso en el ejemplo motivador es un procedimiento quirúrgico, pero podría ser otros procesos médicos o industriales. La detección de substancial adver. Este artículo se centra en situaciones en las que se está monitoreando un proceso y se usan dos variables de resultados correlacionadas para caracterizar la respuesta. El proceso en el ejemplo motivador es un procedimiento quirúrgico, pero podría ser otros procesos médicos o industriales. La detección de cambios sustanciales adversos en el proceso debe dar lugar a alguna investigación de la causa, y posiblemente los cambios del proceso con el fin de mitigar el efecto negativo. Por Stefan H. Steiner, P. Lee Geyer, George O. Wesolowsky - TECNOMETRÍA. 1996. Se propone una metodología para el diseño de métodos secuenciales cuando los datos se obtienen midiendo los artículos en grupos. Se obtienen expresiones exactas para las características operativas y el número de muestreo promedio de las Pruebas de Relación de Probabilidad Secuencial de Wald (SPRT), y para la longitud de ejecución promedio de. Se propone una metodología para el diseño de métodos secuenciales cuando los datos se obtienen midiendo los artículos en grupos. Se obtienen expresiones exactas para las características operativas y el número de muestreo promedio de las Pruebas de Relación de Probabilidad Secuencial de Wald (SPRT), y para la longitud de ejecución promedio de los esquemas de suma acumulativa (CUSUM) basados en datos agrupados. Paso a paso por P. Lee Geyer, Stefan H. Steiner, George O. Wesolowsky. Se presenta una metodología para el diseño de pruebas de razón de probabilidad secuencial (SPRT) de límite simple comprimido y doble y de diagramas de control de suma acumulativa (CUSUM) para detectar desvíos medios unilaterales en una distribución de probabilidad simétrica. También mostramos cómo evaluar la propiedad de la longitud media de la carrera. Se presenta una metodología para el diseño de pruebas de razón de probabilidad secuencial (SPRT) de límite simple comprimido y doble y de diagramas de control de suma acumulativa (CUSUM) para detectar desvíos medios unilaterales en una distribución de probabilidad simétrica. También mostramos cómo evaluar las propiedades de longitud de ejecución promedio con la función de respuesta rápida inicial (FIR). Los planes CUSUM resultantes tienen un procedimiento de puntuación simple y son extremadamente simples de obtener e implementar. El uso de dos calibradores limitados comprimidos es más eficiente que un indicador lımite comprimido. En el caso de SPRTs, el uso de dos medidores limitados comprimidos minimiza el número de muestreo promedio requerido para características de operación especificadas. En el por S H Steiner - Ingeniería de Calidad. 1997
No comments:
Post a Comment