Exponencialmente móvil ponderado Promedio Esquemas de control: Propiedades y mejoras Lucas, James M. Saccucci, Michael S. (1990, Asociación Americana de Estadística y ASQC) E. I. du Pont de Nemours and Company, Newark, DE Universidad de Drexel, Filadelfia, PA Technometrics vol. 32 Nº 1 QICID:. 13425 de febrero de de 1990 pp 1-12 Lista de miembros 10.00 5.00 Este artículo no está disponible en línea. Póngase en contacto con nosotros para recibir una exploración del archivo, en formato PDF. Nuevo para registrar ASQ AQUÍ. Resumen del artículo Roberts (1959) introdujo por primera vez el esquema de control de manera exponencial media móvil ponderada (EWMA). El uso de simulación para evaluar sus propiedades, demostró que la EWMA es útil para detectar los pequeños cambios en la media de un proceso. El reconocimiento de que un esquema de control EWMA se puede representar como una cadena de Markov permite a sus propiedades para ser evaluados más fácilmente y completamente que antes se ha hecho. En este artículo, evaluamos las propiedades de un esquema de control EWMA utilizado para monitorear la media de un proceso normalmente distribuida que pueden experimentar cambios lejos del valor objetivo. Se da un procedimiento de diseño de esquemas de control EWMA. Los valores de parámetros que no se usan comúnmente en la literatura han demostrado ser útiles para detectar pequeños cambios en un proceso. Además, se consideran varias mejoras a los sistemas de control EWMA. Estos incluyen una rápida función de respuesta inicial que hace que el esquema de control EWMA más sensibles a la puesta en marcha de problemas, un Shewhart EWMA combinado que proporciona protección tanto frente a grandes y pequeños cambios en un proceso y un EWMA robusto que proporciona protección frente a los valores atípicos ocasionales en el datos que de otro modo podrían causar una señal de fuera de control. Una amplia comparación revela que los esquemas de control EWMA tienen propiedades promedio de longitud de ejecución similares a las de los regímenes de control de suma acumulativa. Palabras clave tirada media (ARL), acumulativa tabla de control de suma (CUSUM), ponderado exponencialmente mover esquemas medios de control (EWMA), geométricos Promedio (GMA) gráficos en movimiento, la respuesta inicial rápida (FIR) ponderado exponencialmente en movimiento esquemas de control de medios: propiedades y mejoras las citas citas 695 Referencias Referencias 18 contingente para la zona conocida implica la estadística EWMA, que es un estimador óptimo decir, cuando la media sigue a un primer orden integrado modelo de media 19 y cuando la media está sujeto a paso al azar en movimiento cambia 14. EWMA es tan fácil de aplicar como CUSUM, que puede ser utilizado para estimar la media actual y funciona tan bien como el procedimiento CUSUM 20. Pesos en la EWMA significa estimatorX t disminuye exponencialmente a medida en una serie geométrica a tiempo: X t (1) X X t1 t. donde actúa como el factor de olvido (0 lt 1), X t es el valor actual de una secuencia de variables aleatorias andX 0 se pueden tomar para ser el promedio de los datos preliminares. quot Mostrar Ocultar resumen Resumen Resumen: algoritmos de aprendizaje incrementales y en línea son más relevantes en el contexto de minería de datos, debido a la creciente necesidad de procesar flujos de datos. En este contexto, la función objetivo puede cambiar con el tiempo, un problema inherente de aprendizaje en línea (conocido como el concepto de deriva). Con el fin de manejar el concepto de deriva, independientemente del modelo de aprendizaje, se propone nuevos métodos para monitorear las métricas de rendimiento medidos durante el proceso de aprendizaje, para desencadenar señales de deriva cuando se ha detectado una variación significativa. Para supervisar esta actuación, aplicamos algunas desigualdades de probabilidad que asumen sólo es independiente, univariado y limitada variables aleatorias para obtener garantías teóricas para la detección de tales cambios en la distribución. se consideran algunas restricciones comunes para la detección de cambios en línea, así como los tipos relevantes del cambio (abrupto y gradual). Se proponen dos enfoques principales, la primera de ellas consiste en medias móviles y es más adecuado para detectar cambios bruscos. La segunda sigue una idea intuitiva generalizada para hacer frente a los cambios graduales usando promedios móviles ponderados. La simplicidad de los métodos propuestos, junto con la eficiencia computacional hace muy ventajosa. Utilizamos un clasificador de Bayes Nave y un perceptrón para evaluar el desempeño de los métodos más datos sintéticos y reales. Artículo Ago 14 quotEWMA el año 2015 es un cálculo para analizar los puntos de datos mediante la creación de una serie de promedios de los diferentes subconjuntos del conjunto de datos completo. El promedio móvil se utiliza con datos de series de tiempo para suavizar las fluctuaciones a corto plazo y poner de relieve las tendencias a más largo plazo. quot de texto completo Conferencia Papel Ago el año 2015 International Journal of Advanced Manufacturing Technology quotZhang 3 propone un gráfico de control de causa y seleccionar (CSC) adecuado para la supervisión de procesos de múltiples etapas. Lucas y Saccucci 4 proponen el uso de gráfico de control de manera exponencial media móvil ponderada (EWMA), a saber, EWMA CSC, para controlar los residuos de la variable normal en la segunda etapa. Hawkins para monitorear las características de calidad de todas las medidas simultáneamente. quot Mostrar Ocultar resumen Resumen Resumen: En este trabajo, un nuevo procedimiento se desarrolló para supervisar un proceso de dos dependientes con el segundo estadio característica de la calidad de Poisson. En el método propuesto, las funciones de la raíz cuadrada vínculo de registro y se combinan primero en introducir una nueva función de enlace que establece una relación entre la variable de Poisson de la segunda etapa y la característica de calidad de la primera etapa. Entonces, la estadística residual normalizado, que es independiente de la característica de calidad en la etapa permeable y sigue la distribución normal aproximadamente estandarizado, se calcula basándose en la función de enlace propuesto. Entonces, porque los gráficos Shewhart-selección y EWMA se utilizan para controlar los residuos estandarizados. Por último, dos ejemplos y un estudio de caso con la variable de respuesta de Poisson se investigan y el rendimiento de los gráficos se evalúa mediante el uso de criterio promedio de longitud de ejecución (ARL) en comparación con el mejor método de la bibliografía. - Texto completo del artículo Jun 2014 Ali Asgari Amirhossein Amiri Seyed Taghi Akhavan NiakiExponentially móvil ponderado esquemas de control Promedio: Propiedades y Mejoras Nota: Siempre revise sus referencias y hacer las correcciones necesarias antes de usar. Prestar atención a los nombres, mayúsculas y fechas. Descripción: La misión de Technometrics es contribuir al desarrollo y uso de métodos estadísticos en las ciencias físicas, químicas y de ingeniería. Su contenido cuenta con documentos que describen nuevas técnicas estadísticas, ilustran innovadora aplicación de métodos estadísticos conocidos, o métodos de revisión, problemas, o la filosofía en un área particular de la estadística o la ciencia, cuando tales documentos sean consistentes con la misión revistas. Aplicación de la metodología propuesta se justifica, generalmente por medio de un problema real en las ciencias físicas, químicas, o de ingeniería. Artículos de la revista reflejan la práctica moderna. Esto incluye un énfasis en los nuevos enfoques estadísticos para la detección, el modelado, la caracterización de modelos, y la detección de cambios que se aprovechan de las capacidades de computación masiva. Documentos también reflejan los cambios en las actitudes sobre el análisis de los datos (por ejemplo, pruebas de hipótesis menos formal, los modelos más ajustados a través de análisis gráfico), y en la importancia de las áreas de aplicación son gestionados (aseguramiento de la calidad, por ejemplo, a través del diseño robusto en lugar de la inspección detallada). Cobertura: 1959-2010 (. Vol. 1, N ° 1 - Vol 52, N ° 4) La pared móvil representa el período de tiempo entre el último número disponible en JSTOR y la edición más reciente publicación de una revista. paredes móviles se representan generalmente en años. En casos raros, un editor ha optado por tener un cero pared móvil, por lo que sus problemas actuales están disponibles en JSTOR poco después de su publicación. Nota: En el cálculo de la pared móvil, el año en curso no se cuenta. Por ejemplo, si el año actual es 2008 y una revista tiene una pared móvil de 5 años, los artículos a partir del año 2002 están disponibles. Términos relacionados con las paredes móviles pared fija: Revistas sin nuevos volúmenes que se añaden al archivo. Absorbida: Revistas que se combinan con un nuevo título. Completos: Las revistas que ya no se publican o que se han combinado con un nuevo título. Materias: Ciencias Matemáticas, Estadística de vista previa no disponible Resumen Roberts (1959) introdujo por primera vez el esquema ponderado exponencialmente media móvil (EWMA) de control. El uso de simulación para evaluar sus propiedades, demostró que la EWMA es útil para detectar los pequeños cambios en la media de un proceso. El reconocimiento de que un esquema de control EWMA se puede representar como una cadena de Markov permite a sus propiedades para ser evaluados más fácilmente y completamente que antes se ha hecho. En este artículo, evaluamos las propiedades de un esquema de control EWMA utilizado para monitorear la media de un proceso normalmente distribuida que pueden experimentar cambios lejos del valor objetivo. Se da un procedimiento de diseño de esquemas de control EWMA. Los valores de parámetros que no se usan comúnmente en la literatura han demostrado ser útiles para detectar pequeños cambios en un proceso. Además, se consideran varias mejoras a los sistemas de control EWMA. Estos incluyen una rápida función de respuesta inicial que hace que el esquema de control EWMA más sensibles a la puesta en marcha de problemas, un Shewhart EWMA combinado que proporciona protección tanto frente a grandes y pequeños cambios en un proceso y un EWMA robusto que proporciona protección frente a los valores atípicos ocasionales en el datos que de otro modo podrían causar una señal de fuera de control. Una amplia comparación revela que los esquemas de control EWMA tienen propiedades promedio de longitud de ejecución similares a las de los regímenes de control de suma acumulativa. Página ThumbnailsThis meses publicación presenta la media móvil (EWMA) gráfico de control ponderado exponencialmente. Sólo el nombre es suficiente para ahuyentar a los de la tabla. Pero, en realidad no es tan complicado. El propósito principal de la carta EWMA es detectar pequeños cambios respecto a la media del proceso o dirigirse al igual que el gráfico CUSUM introdujimos el mes pasado. Ambos de estos gráficos son diagramas ponderados en el tiempo. Esto significa que se tienen en cuenta los datos del pasado. El EWMA da cuenta de estos datos más allá de manera diferente que el CUSUM hace. Y ambos tienen un propósito ligeramente diferente que el gráfico de control clásico. Desde enero de 2004, nuestras publicaciones mensuales han cubierto una serie de diferentes gráficos de control. Estas cartas son principalmente gráficos de control Shewhart, por ejemplo X - R, - S X, y X-MR gráficos de control. Estos tipos de gráficos de control son muy útiles en el seguimiento de un proceso para el control estadístico o para ver el impacto de sus esfuerzos de mejora de procesos. No son necesariamente los mejores en la detección de pequeños cambios respecto a la media, aunque se puede aumentar la sensibilidad de estos gráficos mediante el uso de las pruebas de zona y realizar las pruebas, además de los puntos más allá de los límites de la prueba de control de las condiciones fuera de control. El propósito principal de la gráfica de control EWMA es detectar pequeños cambios o para detectar cuando el proceso se ha desviado desviado. En esta publicación vamos a comparar la carta EWMA para el control de los individuos, muestran cómo calcular la estadística de EWMA y los límites de control, y discutir el factor de ponderación,, utilizados en los cálculos. En esta publicación: Para leer esta en nuestro formato de libro electrónico o descargar un archivo PDF de esta publicación, por favor haga clic aquí. Introducción a la carta EWMA La carta EWMA, como todos los gráficos de control, es un método de ver la variación en el tiempo. El objetivo de utilizar un gráfico de control EWMA es detectar pequeños cambios en el promedio del proceso rápidamente. Normalmente, este proceso promedio es el valor deseado del proceso de promediar el objetivo. El gráfico de control EWMA se puede utilizar con muestras individuales o subgrupos. Vamos a utilizar las muestras individuales en esta publicación. Mientras que muchas variables gráficas de control son dos gráficos, por ejemplo, X-MR individuos controlan gráfico, el gráfico EWMA es en realidad un gráfico. Para cada muestra sucesiva, se calcula un valor de EWMA. Este cálculo implica la ponderación de los datos anteriores. Por lo tanto, los datos del pasado influye en el valor de EWMA. Los valores de EWMA continuación se trazan en un gráfico. Los límites de control se calculan entonces y se añaden a la tabla. Y ahora el gráfico está listo para ser interpretado el aspecto más importante de la cartografía de control. Vamos a empezar comparando la carta EWMA con los individuos control de gráfico y luego mostrar cómo se hacen los cálculos. La comparación de los individuos de control gráfico a la carta EWMA Supongamos que estamos monitoreando un una corriente de proceso para una determinada característica del producto, X. Es importante que mantengamos esta característica de un producto con un valor medio de 30. Nos probamos una vez cada hora. Los datos de los últimos 20 horas se muestran en la Tabla 1. Tabla 1: Datos característicos del producto Estos datos fueron utilizados para la construcción de un individuo control gráfico. La gráfica X para estos datos se muestran en la Figura 1. Los valores individuales de X se representan en este gráfico de control. Los límites medios y de control se calculan y se añaden a la tabla de control. El gráfico de rango de movimiento se muestra en la Figura 2. El intervalo entre muestras consecutivas se representa en esta tabla. Los límites promedio de rango y de control se calculan y se añaden a esta carta de control. Figura 2: Cuadro de gamas Moving Ahora es el momento de interpretar los gráficos. La tabla X muestra nuestro proceso de estar en control estadístico. No hay puntos más allá de los límites de control y no hay patrones no aleatorios (por ejemplo, siete en una fila por encima de la media). El promedio es de 30,6. ¿Es lo suficientemente cerca del 30 Buena pregunta. Tal vez. Tal vez no. El límite superior de control es 36,4 y el límite de control inferior es 24,8. En el sentido clásico, siempre y cuando el proceso se mantiene sin cambios, este es el rango que debe operar en: 24,8-36,4 con un promedio a largo plazo de 30,6. Algunas personas se mueven a la media de la tabla X a 30 ya que es donde usted está tratando de controlar el proceso. Esto no es recomendable debido a que la salida de las pruebas de control realmente no se aplican a un promedio fijado artificialmente. El rango de movimiento se muestra en la Figura 2. Tenga en cuenta que hay una racha de 12 puntos en una fila por debajo del rango promedio. Una causa especial está presente. Algo ha sucedido para disminuir la variación del proceso. Si pudiéramos averiguar qué ha ocurrido y poner en práctica de forma permanente, se podría reducir a la variación en el proceso. Vamos a volver a esta cuestión más adelante. El valor de sigma (la desviación estándar) se puede calcular de la gama media móvil. Para un rango de movimiento de 2, el valor estimado de sigma es la gama media, dividido por 1.128. Para este ejemplo, el valor estimado de sigma es de 1.95. Esto será utilizado más adelante en el cálculo de los límites de control EWMA. Ahora vamos a echar un vistazo a lo que la carta EWMA se parece en esta situación. Para cada resultado de la muestra, se calcula un valor de EWMA. Vamos a cubrir esos cálculos a continuación. Recuerde, la EWMA se ve influenciada por los datos del pasado. Como se muestra a continuación, se da menos importancia a los puntos de datos más antiguos. El valor de EWMA se representa a continuación, junto con los límites de control. La figura 3 es la carta EWMA sobre la base de los datos de la Tabla 1. Figura 3: Gráfico de control EWMA Tenga en cuenta que, con la carta EWMA, la línea central es el valor objetivo. No tiene que ser. Usted puede utilizar el promedio, pero si el objetivo es mantener el proceso en el blanco, la línea central debe ser el valor objetivo. Los límites de control en la EWMA comienzan curva y luego se nivelan. Vamos a explorar esto más adelante. Tenga en cuenta que estos límites de control son más estrictos que los de los individuos control gráfico. La prueba sólo fuera de control que se aplica a la carta EWMA es un punto más allá de los límites de control. A partir de la Figura 3, se puede ver que hay un punto más allá de la UCL. Se produce en el punto 19. Esta es una señal de que el proceso se ha desviado del valor objetivo. La razón de este cambio debe ser investigada y corregida. Como mínimo, el proceso tiene que ser ajustado para que vuelva a atacar. Por lo tanto, la carta EWMA hizo producir una señal de que el gráfico X se perdió. Pero sólo mirar el gráfico EWMA nos hizo perder la señal en el rango de gráfico en movimiento a largo plazo por debajo de la media. Por lo tanto, es probable que sea ventajoso para mirar el gráfico de rango cuando usted está haciendo una carta EWMA. Ahora, vamos a echar un vistazo a cómo la estadística EWMA se calcula y cómo influir en la sensibilidad de la carta EWMA para recoger cambios en el proceso. El cálculo de la EWMA Para calcular la EWMA, usted tiene que decidir en un factor de ponderación, l. Esto define cómo se da mucha importancia a los puntos de datos anteriores. Es común el uso de 0,2. Ese fue el valor de L usado en la Figura 3. El valor de EWMA para la muestra i se define de la siguiente manera: X ii ésima muestra como resultado el factor de ponderación (0 lt 1) Dado que los cálculos utilizan i 1, usted tiene que encontrar la manera para manejar la primera muestra cuando i 1. Después de todo, no hay ninguna muestra de 0. manejar esta estableciendo el zi-1 para la muestra 1 a la media de todos los datos o al objetivo. El promedio de todos los datos es 30,6, pero vamos a utilizar el valor objetivo de 30. De este modo z 0 30. El primer resultado de la muestra es de 32. El valor de z para la muestra 1 es: El segundo resultado de la muestra es de 27. El valor de z para la muestra 2 es la siguiente: Tabla 2 muestra los resultados de los cálculos para todas las muestras. Tabla 2: Cálculos de EMWA Los valores de z se representan en el gráfico de control EWMA. La línea central de la tabla se encuentra ya sea el objetivo (que estamos utilizando) o el promedio del proceso. Todo lo que queda es para calcular los límites de control. El cálculo de los límites de control para la carta EWMA Los límites de control dependen del número de muestras. El LCS y LCI para la muestra i-ésima vienen dados por: m 0 del objetivo y S la desviación estándar estimada a partir de la tabla de rango de movimiento. Tenga en cuenta que no es el valor del 2i bajo la raíz cuadrada. Por esta razón, los límites de control son variables y parecen curva al principio y luego se estabilizan. Como me hace muy grande, los límites de control se acercan a estos valores: Los límites de control para la primera muestra a continuación, se dan por: Como me hace muy grande, los límites de control se acercan a los valores siguientes: Los límites de control calculados se añaden a continuación a la EWMA gráfico junto con los valores de Z y la línea central. El gráfico terminado se muestra en la Figura 3. La muestra 19a está fuera de control que está más allá del límite de control superior. Los valores de Lambda El ejemplo anterior utilizan un factor de ponderación, l. igual a 0,2. Las ecuaciones de límite de control también utilizaron 3 como el multiplicador de sigma es decir, utilizamos 3 límites sigma. Puede variar los valores de L y el multiplicador de Sigma para cambiar la sensibilidad de la tabla. Los valores de 0,2 y 3 proporcionan muy buena sensibilidad en la mayoría de los casos, recogiendo los cambios de 1 sigma con una decena de muestras. Más información sobre este tema se puede encontrar en el documento ponderado exponencialmente en movimiento Esquemas de control Promedio: Propiedades y mejoras, Technometrics. Vol. 32. Otra buena referencia para la carta EWMA es el libro Introducción al control estadístico de la calidad de Douglas Montgomery. Pero quedarse con los valores que se utilizó en este ejemplo no tendrán ningún problema para la mayoría de aplicaciones. Resumen Esta publicación meses introdujo la Tabla de Movimiento ponderado exponencialmente (EWMA). Este tipo de gráfico de control es útil cuando se trata de mantener un proceso en el objetivo o para detectar pequeños cambios en el promedio del proceso. La estadística EWMA se representa en el tiempo. La línea central en el gráfico de control es por lo general el objetivo. Los límites de control dependen del número de muestras y empezarán a cabo curvas antes de que se nivelan. Sólo los puntos más allá de los límites de control se aplican porque de los puntos de control. Próximo lanzamiento de CCP para Excel versión 5 Estamos preparando el lanzamiento de la versión 5 de nuestra SPC para el software Excel. Esta nueva versión está repleto de nuevas técnicas. Estos incluyen: 26 opciones de gráficos diferentes para controlar sus procesos múltiples histogramas Grupo histogramas no normal la capacidad del proceso de Box-Cox y Johnson transformación de datos de distribución se ajusta cálculos del tamaño de alimentación y de la muestra mantener el formato personalizado en las cartas al actualizar Compra nuestra versión 4 en el precio actual de aquí y el 1 de octubre y calificar para una actualización gratuita a la versión 5. Nuestros datos esperado lanzamiento es el 15 de octubre de 2014. para más detalles sobre SPC para Excel versión 5, por favor haga clic aquí. Enlaces rápidos Gracias por leer nuestra publicación. Esperamos que sea informativa y útil. trazando feliz y los datos pueden siempre apoyar su posición. El Dr. Bill McNeese BPI Consulting, LLC Conectar con análisis de series USTIME Abraham, B. y Ledolter, J. (1983). Métodos estadísticos para el pronóstico. Wiley, New York, NY. Box, G. E. P. Jenkins, M. y G. Reinsel, G. C. (1994). Análisis de series de tiempo, predicción y control. 3ª ed. Prentice Hall, Englewood, NJ Clifs. Box, G. E. P. y McGregor, J. F. (1974). El análisis de ciclo cerrado in estocásticos Sistemas Dinámicos, Technometrics. Vol. 16-3. Brockwell, Peter J. y Davis, Richard A. (1987). Series de tiempo: Teoría y Métodos. Springer-Verlang. Brockwell, Peter J. y Davis, Richard A. (2002). Introducción a las series de tiempo y de Predicción. 2ª. ed. Springer-Verlang. Chatfield, C. (1996). El análisis de series temporales. 5ª ed. Chapman amp Hall, Nueva York, Nueva York. DeLurgio, S. A. (1998). La previsión de Principios y Aplicaciones. Irwin McGraw-Hill, Boston, MA. Ljung, G. y Box, G. (1978). En una medida de la falta de ajuste en modelos de series temporales, Biométrika. 65, 297-303. Nelson, C. R. (1973). Análisis de Series de Tiempo Aplicada de Previsión Empresarial. Holden-Day, Boca-Ratón, FL. Makradakis, S. Wheelwright, S. C. y McGhee, V. E. (1983). Previsión: Métodos y Aplicaciones. 2ª ed. Wiley, New York, NY. Estadístico de Procesos y Control de Calidad del Cuerpo Químico del Ejército (1953). Planes de muestreo para maestros individual, Duplicar, doble y muestreo múltiple. Manual No. 2. Bissell, A. F. (1990). ¿Qué tan confiable es su capacidad Índice, Estadística Aplicada, 39, 331-340. Champ, C. W. y Woodall, W. H. (1987). Exactos Resultados para gráficos de control Shewhart con Complementario Runs Reglas, Technometrics. 29, 393-399. Chen, Jann-Pygn y Ding, Cherng. G. (2001). Un nuevo índice de capacidad del proceso para las distribuciones no normales, Revista Internacional de Calidad amp Confiabilidad Mangement. Vol. 18, No. 7, pp. 762-770. Duncan, A. J. (1986). Control de Calidad y Estadística Industrial. 5ª ed. Irwin, Homewood, Illinois. Hotelling, H. (1947). Control de calidad multivariado. En C. Eisenhart, M. W. Hastay, y W. A. Wallis, eds. Técnicas de análisis estadístico. Nueva York: McGraw-Hill. Juran, JM (1997). SQC temprana: Un suplemento histórico, Quality Progress. 30 (9) 73-81. Montgomery, D. C. (2000). Introducción al control estadístico de la calidad. 4ª ed. Wiley, New York, NY. Kotz, S. y Johnson, N. L. (1992). Índices de Capacidad del Proceso. Chapman amp Hall, Londres. Lowry, C. A. Woodall, W. H. Champ, C. W. y Rigdon, S. E. (1992). A multivariante ponderado exponencialmente en movimiento Gráfico media, Technometrics. 34, 46-53. Lucas, J. M. y Saccucci, M. S. (1990). Exponencialmente móvil ponderado promedio esquemas de control: Propiedades y mejoras, Technometrics 32. 1-29. Ott, E. R. y Schilling, E. G. (1990). Proceso de control de calidad. 2ª ed. McGraw-Hill, Nueva York, NY. Pearn, W. L. Tai, Y. T. Hsiao, F. y Ao, Y. P. (2014). Aproximadamente imparcial Estimador para no normal Capacidad del Proceso de Clasificación por NPK, Diario de prueba y evaluación. Vol. 42, No. 6, pp. 1-10. Quesenberry, C. P. (1993). El efecto del tamaño de la muestra de los límites estimados para los gráficos de control y X, Journal of Quality Technology. 25 (4) 237-247. Ryan, T. P. (2000). Métodos Estadísticos para la Mejora de la Calidad. 2ª ed. Wiley, New York, NY. Ryan, T. P. y Schwertman, N. C. (1997). límites óptimos para controlar atributos gráficos, Journal of Quality Technology. 29 (1), 86-98. Schilling, E. G. (1982). Muestreo de aceptación de Control de Calidad. Marcel Dekker, New York, NY. Tracy, N. D. Young, J. C. y Mason, R. L. (1992). Gráficos de control multivariable para las observaciones individuales, Journal of Quality Technology. 24 (2), 88-95. Woodall, W. H. (1997). El control de gráficos Sobre la base de datos de atributos: Bibliografía y Review, Journal of Quality Technology. 29, 172-183. Woodall, W. H. y Adams, B. M. (1993) El diseño estadístico de las gráficas de CUSUM, Ingeniería de Calidad. 5 (4), 559-570. Zhang, Stenback, y Wardrop (1990). La estimación del intervalo del Índice de Capacidad de Procesos, Comunicaciones en Estadística: Teoría y Métodos, 19 (21), 4455-4470. Anderson, T. W. (1984). Introducción al análisis estadístico multivariado. 2ª ed. Wiley New York, NY. Johnson, R. A. y Wichern, D. W. (1998). Análisis estadístico multivariante aplicado. Cuarta Ed. Prentice Hall, Upper Saddle River, Nueva Jersey.
No comments:
Post a Comment