On the Use of the Extreme Value Distribution in Monitoring Production Processes
Keywords:
process control, extreme value distribution, Gumbel distribution, Monte CarloAbstract
Klasyczne metody pozwalające na monitorowanie poziomu przeciętnego procesów produkcyjnych odwołują się zwykle do założenia normalności rozkładu badanej zmiennej i niezależności kolejnych pomiarów. W wielu analizach statystycznych interesująca jest ocena poziomu przeciętnego badanej charakterystyki. Tak jest np. przy monitorowaniu procesów z wykorzystaniem karty kontrolnej X . Jednak w wielu zastosowaniach może być interesująca ocena wielkości maksymalnych lub minimalnych. W artykule przedstawiono propozycję wykorzystania własności rozkładu wartości ekstremalnych w monitorowaniu procesów. Rozważania teoretyczne zostały uzupełnione analizami symulacyjnymi własności proponowanej metody.Downloads
References
Bhattacharya P.K., Frierson D. (1981) A nonparametric control chart for detecting small disorders, Annals of Statistics, vol. 9, no. 3, p. 544-554
Google Scholar
Castillo E., Hadi A.S., Balakrishnan N., Sarabia J.M. Extreme Value and Related Models with Applications in Engineering and Science. A John Wiley & Sons, Inc. New Jersey 2005
Google Scholar
Evans M., Hastings N., Peacock B., Statistical Distributions, A John Wiley & Sons, Inc. New York 2000
Google Scholar
Kończak G. (2007) Metody statystyczne w sterowaniu jakością produkcji. AE Katowice
Google Scholar
Kończak G. (2010) The Moving Average Control Chart Based on the Sequence of Permutation Tests, [in:] Proceedings in Computational Statistics 2010, ed.: Y. Lechevallier, G. Saporta, s. 1199-1206. Physica-Verlag, Berlin Heilderberg
Google Scholar
Montgomery D.C. (1996) Introduction to statistical quality control, John Wiley & Sons, Inc.
Google Scholar
