On the Monitoring Complex Multivariate Processes

Angelina Rajda-Tasior; Grzegorz Kończak

doi:10.18778/0208-6018.322.04

Autor

Angelina Rajda-Tasior Uniwersytet Ekonomiczny w Katowicach, Katedra Statystyki
Grzegorz Kończak

DOI:

https://doi.org/10.18778/0208-6018.322.04

Słowa kluczowe:

wielowymiarowe procesy, monitorowanie procesów, testy permutacyjne, symulacje komputerowe

Abstrakt

W artykule przedstawiono propozycję metody monitorowania złożonych wielowymiarowych procesów produkcyjnych. Rozważany problem dotyczy monitorowania jakości produkcji przy stosowaniu oceny alternatywnej jednocześnie względem wielu charakterystyk, gdy produkcja wykonywana jest na wielu różnych stanowiskach. Do opisu stanu jakości w czasie t wykorzystywana jest macierz, w której elementami są liczby wadliwych sztuk wykonanych na danym stanowiskuwedług ocenianych wielu charakterystyk.
Proponowana metoda odwołuje się do testu permutacyjnego. Sygnał o nieprawidłowym przebiegu produkcji jest uzyskiwany na podstawie porównania macierzy z bieżącego okresu dla monitorowanego procesu oraz macierzy danych uzyskanej z procesu ustabilizowanego. Ze względu na dużą liczbę charakterystyk rejestrowanych na skali porządkowej konstrukcja statystyki testowej została oparta o funkcję odległości macierzy. Własności proponowanej metody zostały poddane analizie z wykorzystaniem symulacji komputerowych. Przeprowadzono również porównania wyników uzyskanych z zastosowaniem proponowanej metody i karty kontrolnej c.

Pobrania

Brak dostępnych danych do wyświetlenia.

Bibliografia

Berry K.J., Johnston J.E., Mielke Jr. P.W. (2014), A Chronicle of Permutation Statistical Methods, Springer International Publishing, New York.
Google Scholar

Deza M.M., Deza E. (2013), Encyclopedia of Distances, Springer Verlag, Berlin.
Google Scholar

Domański Cz., Pekasiewicz D., Baszczyńska A., Witaszczyk A. (2014), Testy statystyczne w procesie podejmowania decyzji, Wydawnictwo Uniwersytetu Łódzkiego.
Google Scholar

Efron B., Tibshirani R. (1993), An Introduction to the Bootstrap, Chapman & Hall. New York.
Google Scholar

Good P. (2005), Permutation, Parametric and Bootstrap Tests of Hypotheses, Science Business Media, Inc.
Google Scholar

Kończak G. (2007), Metody statystyczne w sterowaniu jakością produkcji, Akademia Ekonomiczna w Katowicach.
Google Scholar

Kończak G. (2012), Wprowadzenie do symulacji komputerowych, Uniwersytet Ekonomiczny w Katowicach.
Google Scholar

Kuratowski K. (1980), Wstęp do teorii mnogości i topologii, PWN, Warszawa.
Google Scholar

Lehmann E.L. (2009), Parametric vs. nonparametric: Two alternative methodologies, “Journal of Nonparametric Statistics”, vol. 21, pp. 397–405.
Google Scholar

Mielke P.W., Berry K.J. Jr. (2007), Permutation Methods. A Distance Function Approach. Springer Science+Business Media, LLC. New York.
Google Scholar

Montgomery D.C. (2009), Introduction to Statistical Quality Control, John Wiley & Sons, Inc., Arizona State University.
Google Scholar

Santos-Fernández E. (2012), Multivariate Statistical Quality Control Using R, Springer Science+Business Media, LLC., New York.
Google Scholar

Walesiak M. (2011), Uogólniona miara odległości GDM w statystycznej analizie wielowymiarowej z wykorzystaniem programu R, Wydawnictwo Akademii Ekonomicznej im. Oskara Langego we Wrocławiu.
Google Scholar