دانلود ترجمه مقاله استحکام EWMA و X -EWMA با فواصل نمونه برداری متغیر به غیر نرمال – مجله Taylor & Francis

• فهرست مطالب:

چکیده
۱٫ مقدمه
۲٫ نمودارهای کنترل VSI EWMA و
۳٫ اندازه های عملکردِ نمودار کنترل VSI EWMA
۴٫ توزیع های گاما، وایبل و t
۵٫ اثرِ غیر نرمال بودن بر هشدارهای غلطِ نمودارهای EWMA
۶٫ اثرِ غیرنرمال بودن بر توانایی تشخیص نمودارهای EWMA
۷٫ نتیجه گیری

• بخشی از ترجمه:

۷٫ نتیجه گیری
داده های غیرنرمال معمولاً در بسیاری از فرآیندهای صنعتی وجود دارند. در مقاله حاضر، ما از توزیع های گاما، وایبل و t برای ارزیابی نیرومندیِ نمودارهای کنترل X¯ –EWMA ترکیبی و VSI EWMA نسبت به غیرنرمال بودن استفاده میکنیم. بر اساس مشاهدات ما، این نمودارهای تطبیق یافته با حفظ ATS در کنترلِ مشخص شده تحت غیرنرمال بودن، تقریباً رفتاری همانند نمودارهایِ تحت داده های نرمال را بروز میدهند که به اثرات ویژگی VSI مقدار ، (فاصله نمونه برداری بزرگتر) و حدود هشدار مربوط است. بنابراین، نتایج مورد انتظار مبنی بر اینکه به کارگیری ویژگی VSI در یک نمودار EWMA پیشرفتهای قابل¬توجهی را در توانایی کشف انتقالها در میانگین فرآیند هم برای نرمال بودن و هم برای غیرنرمال بودن موجب میشود و اینکه مقادیر کوچک و w و مقادیر بزرگ نسبت به انتقالهای کوچک مؤثرتر میباشند را تأیید میکنیم. به علاوه، همچنین تأیید میکنیم که نمودار کنترل EWMA با یک کوچک کاملاً نسبت به غیرنرمال بودن نیرومند است. با این وجود، نمودار X¯ –EWMA ترکیبی در آشکارسازی انتقال های میانگین برای توزیع های غیرنرمال نسبت به نمودار EWMA کمتر مؤثر است. بنابراین، به نظر میرسد که تحت غیرنرمال بودن، نمودار کنترل X¯ –EWMA برای آشکارسازی انتقالها در میانگین انتخاب خوبی نیست.

• بخشی از مقاله انگلیسی:

۷٫ Conclusions

Non-normal data commonly exist in many industrial processes. In the present paper, we use the Gamma, Weibull, and t distributions to evaluate the robustness of the VSI EWMA and the combined X¯ –EWMA control charts to non-normality. Based on our observations, the charts adjusted to maintain the specified in-control ATS under non-normality exhibit almost the same behavior as the charts under normal data in what concerns the effects of theVSI feature of the value of λ, h1 (the larger sampling interval), and warning limits. Therefore, we confirm the expected results that applying the VSI feature in a EWMA chart brings substantial improvements in the ability to detect shifts in the process mean for both normality and non-normality, and that small values of λ and w and large values of h1 are more effective against small shifts. In addition, we also confirm that the EWMA control chart with a small λ is quite robust to non-normality. However, the combined X¯ –EWMA chart is less effective than the EWMA chart in detecting mean shifts for non-normal distributions. Thus, it seems that the X¯ –EWMA control chart is not a good choice for detecting the shifts in mean under non-normality.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله