Geometric Moving Average Control Charts

Predicción del proceso con promedios geométricos móviles Alexander, Melvin T. Macklin, Christine (1989, ASQC) Westinghouse Electric Corp Glen Burnie, MD Annual Quality Congress, Toronto, Ontario, Canadá Vol. 43 No. 0 QICID: 3556 Mayo 1989 pp. 140-148 Lista 10.00 Miembro 5.00 Este artículo no está disponible en línea. Contáctenos para recibir un escaneo del archivo, en formato PDF. Nuevo en ASQ Regístrese aquí. Las tablas de control de Shewhart han sido una herramienta primaria para controlar el control de procesos durante más de 60 años. Estos gráficos son útiles en el rastreo de variaciones de procesos a dos fuentes. (1) causas naturales o inherentes y (2) causas especiales o asignables. La industria estadounidense ha reactivado recientemente el interés en estos gráficos porque han jugado un papel importante en los éxitos de mejora de la calidad de los japoneses. Se han desarrollado herramientas de gráficos de control más avanzadas desde los gráficos de Shewhart, p. CUSUM y gráficos geométricos de media móvil (GMA). La utilización de estas técnicas más avanzadas puede ayudar a Estados Unidos a mejorar su ventaja competitiva. Este trabajo se centrará en el gráfico de GMA que es particularmente interesante, ya que proporciona una previsión de dónde será un proceso en la próxima instancia de tiempo y permite la transición de un papel de vigilancia pasiva en una función de predicción activa para el control del proceso de mejora. Figura 1: Nuestro sistema capta y rastrea la dinámica de la expresión facial de los usuarios (Ejemplares de la gráfica, gráficos, diagramas de control, gráficos geométricos de la media móvil (GMA) por Thibaut Weise, Sofien Bouaziz, Hao Li, Figura 1: Nuestro sistema capta y rastrea la expresión facial (representaciones en gris) en tiempo real y los traza a un carácter digital (representaciones coloreadas) en la pantalla opuesta para permitir el acoplamiento de encuentros virtuales en el ciberespacio. Dinámicas de los usuarios (representaciones en gris) en tiempo real y los mapas a un carácter digital (representaciones de colores) en la pantalla opuesta para permitir la participación de encuentros virtuales en el ciberespacio. Este documento presenta un sistema de animación de carácter basado en rendimiento que permite a cualquier usuario a controlar Las expresiones faciales de un avatar digital en tiempo real. El usuario se registra en un entorno natural utilizando un sensor 3D no intrusivo, comercialmente disponible. La simplicidad de este dispositivo de adquisición se produce a costa de altos niveles de ruido en los datos adquiridos. Para mapear eficazmente imágenes 2D de baja calidad y mapas de profundidad 3D a expresiones faciales realistas, introducimos un nuevo algoritmo de seguimiento de rostros que combina el registro de geometría y textura con priores de animación pregrabados en una sola optimización. Formulado como una estimación máxima a posteriori en un espacio de parámetro reducido, nuestro método explora implícitamente la coherencia temporal para estabilizar el seguimiento. Demostramos que la dinámica facial 3D convincente se puede reconstruir en tiempo real sin el uso de marcadores de cara, iluminación intrusiva o hardware de escaneado complejo. Esto hace que nuestro sistema sea fácil de desplegar y facilite una gama de nuevas aplicaciones, p. En el juego digital o las interacciones sociales. Por Igor Malioutov, Regina Barzilay - En las Actas de la Reunión Anual de la Asociación de Lingüística Computacional (COLING-ACL 2006. 2006) Consideramos la tarea de la segmentación de conferencias no supervisadas, formalizando la segmentación como una tarea de partición gráfica que optimiza el corte normalizado El enfoque de la segmentación de las clases no supervisada es una tarea de partición de gráficas que optimiza el criterio de corte normalizado Nuestro enfoque se centra más en las comparaciones localizadas y toma en cuenta las dependencias de cohesión de largo alcance. Se desplaza más allá de las comparaciones localizadas y toma en cuenta las dependencias de cohesión de largo alcance. Nuestros resultados demuestran que el análisis global mejora la precisión de la segmentación y es robusto en la presencia de errores de reconocimiento de la voz. Los enfoques de suavizado - el suavizado EWMA y la difusión anisotrópica 43sEWMA El suavizado de media móvil ponderado exponencialmente desarrollado por SW Roberts (-Roberts, 1959--) se calcula sumando cuentas de palabras que ocurren en oraciones adyacentes al vector de característica de oración actual. Estos cargos se ponderan de acuerdo con su distancia con la oración actual:. Por Nong Ye, Miembro Senior, Sean Vilbert, Qiang Chen - IEEE Trans. Rel. 2003. ResumenLa fiabilidad y la calidad del servicio de los sistemas de información ha sido amenazada por intrusiones cibernéticas. Para proteger los sistemas de información de las intrusiones y así asegurar la fiabilidad y la calidad del servicio, es altamente deseable desarrollar técnicas que detecten intrusiones. Muchas intrusiones manife. ResumenLa fiabilidad y la calidad del servicio de los sistemas de información ha sido amenazada por intrusiones cibernéticas. Para proteger los sistemas de información de las intrusiones y así asegurar la fiabilidad y la calidad del servicio, es altamente deseable desarrollar técnicas que detecten intrusiones. Muchas intrusiones se manifiestan en cambios anómalos en la intensidad de los eventos que ocurren en los sistemas de información. En este estudio, aplicamos, probamos y comparamos dos técnicas EWMA para detectar cambios anómalos en la intensidad del evento para la detección de intrusos: EWMA para datos autocorrelados y EWMA para datos no correlacionados. También se investigan parámetros de parámetros diferentes y sus efectos sobre el rendimiento de estas técnicas EWMA para proporcionar directrices para el uso práctico de estas técnicas. Índice TérminosAnomalía de detección, datos de auditoría de la computadora, media móvil ponderada expo nencialmente (EWMA), aseguramiento de la información, detección de intrusos. N 3642. Los gráficos de control EWMV 37, 43 están diseñados para detectar cambios de varianza, pero también pueden ser sensibles a cambios de media. Los gráficos de control EWMA son robustos a la - normonalidad de los datos 37, -39--. Dado que la anormalidad de la intensidad de los acontecimientos que ocurren en un sistema de información no puede garantizarse, sólo los gráficos de control EWMA se consideran en este estudio. EWMA se sugirió por primera vez en 39. Mor. Por Martin A. Lindquist. 2008. En los últimos años ha habido un crecimiento explosivo en el número de estudios de neuroimagen realizados utilizando imágenes de resonancia magnética funcional (fMRI). El campo que ha crecido en torno a la adquisición y el análisis de los datos fMRI es intrínsecamente interdisciplinario en la naturaleza e implica contribuciones de. En los últimos años ha habido un crecimiento explosivo en el número de estudios de neuroimagen realizados utilizando imágenes de resonancia magnética funcional (fMRI). El campo que ha crecido en torno a la adquisición y análisis de datos de fMRI es intrínsecamente interdisciplinario en su naturaleza e implica aportes de investigadores en neurociencia, psicología, física y estadística, entre otros. Un estudio fMRI estándar da lugar a cantidades masivas de datos ruidosos con una estructura de correlación espacio-temporal complicada. Las estadísticas desempeñan un papel crucial en la comprensión de la naturaleza de los datos y la obtención de resultados relevantes que pueden ser utilizados e interpretados por los neurocientíficos. En este artículo se analiza el análisis de los datos fMRI, desde la adquisición inicial de los datos brutos hasta su uso en la localización de la actividad cerebral, haciendo inferencias sobre conectividad cerebral y predicciones sobre estados psicológicos o de enfermedad. A lo largo del camino, ilustramos temas interesantes e importantes donde las estadísticas ya desempeñan un papel crucial. También tratamos de ilustrar áreas en las que las estadísticas tal vez se han subutilizado y tendrán un mayor papel en el futuro. Por Steffen Unkel, C. Paddy Farrington, Paul H. Garthwaite, Chris Robertson, Nick Andrews. Se deben detectar rápidamente racimos de enfermedades inusuales para que se introduzcan intervenciones eficaces de salud pública. En la última década ha habido un aumento en el interés en los métodos estadísticos para la detección temprana de brotes de enfermedades infecciosas. Este crecimiento en el interés ha dado lugar a mucho nuevo. Se deben detectar rápidamente racimos de enfermedades inusuales para que se introduzcan intervenciones eficaces de salud pública. En la última década ha habido un aumento en el interés en los métodos estadísticos para la detección temprana de brotes de enfermedades infecciosas. Este crecimiento en el interés ha dado lugar a mucho nuevo trabajo metodológico, que abarca todo el espectro de los métodos estadísticos. En este artículo se presenta una revisión exhaustiva de los enfoques estadísticos que se han propuesto. Se proporcionan aplicaciones tanto a datos de vigilancia de laboratorio como de síndromo para ilustrar los diversos métodos. Por O. Hadjiliadis, G. V. Moustakides. 2006. Abstracto. Este trabajo examina el problema de la detección de cambios secuenciales en el desplazamiento constante de un movimiento browniano en el caso de múltiples alternativas. Como medida de rendimiento se propone un criterio de Lordens extendido. Cuando las derivas posibles, asumidas después del cambio, tienen el mismo signo, la CU. Abstracto. Este trabajo examina el problema de la detección de cambios secuenciales en el desplazamiento constante de un movimiento browniano en el caso de múltiples alternativas. Como medida de rendimiento se propone un criterio de Lordens extendido. Cuando las derivas posibles, asumidas después del cambio, tienen el mismo signo, la regla de CUSUM, diseñada para detectar el más pequeño en deriva del valor absoluto, se demuestra ser el óptimo. Si las derivas tienen signos opuestos, entonces se muestra que una regla específica de 2-CUSUM es asintóticamente óptima ya que la frecuencia de las falsas alarmas tiende al infinito. Shiryaev en 13 y el tiempo medio de demora condicional (CADT): sup E () gt. El primero se utiliza en la comparación entre la regla de las promedias móviles ponderadas exponencialmente (EWMA) de Roberts y la regla de ShiryaevRoberts (ver 13 y 12) que aparece en el documento Por Srivastava y Wu 16 para la alternativa unilateral en el mo browniano. Por George V. Moustakides, Aleksey S. Polunchenko, Er G. Tartakovsky. 907. Resumen: Para las reglas de detección de cambios secuenciales más populares como CUSUM, EWMA y la prueba de Shiryaev-Roberts, desarrollamos ecuaciones integrales y un método numérico conciso para calcular una serie de métricas de rendimiento, incluyendo el retardo promedio de detección y el tiempo promedio hasta falsas alarmas. Pagamos specia. Resumen: Para las reglas de detección de cambios secuenciales más populares como CUSUM, EWMA y la prueba de Shiryaev-Roberts, desarrollamos ecuaciones integrales y un método numérico conciso para calcular una serie de métricas de rendimiento, incluyendo el retardo promedio de detección y el tiempo promedio hasta falsas alarmas. Prestamos especial atención al procedimiento Shiryaev-Roberts y evaluamos su desempeño para diversas estrategias de inicialización. Con respecto a la variante de inicialización aleatoria propuesta por Pollak, que se sabe que es asintóticamente óptima de orden-3, ofrecemos por primera vez un medio para calcular numéricamente la distribución cuasi-estacionaria, que es la distribución de la variable aleatoria inicializadora, Lo que hace que esta prueba sea aplicable en la práctica. Un producto secundario significativo de nuestra técnica computacional es la observación de que las inicializaciones deterministas del procedimiento de Shiryaev-Roberts también pueden disfrutar de la misma propiedad de optimalidad del orden 3 que la prueba aleatoria de Pollaks y, después de una selección cuidadosa, incluso superarla uniformemente. Por Nong Ye, Connie Borror, Yebin Zhang - Internacional. La detección de intrusos se utiliza para supervisar y capturar intrusiones en sistemas informáticos y de red, que intentan comprometer la seguridad de los sistemas informáticos y de red. Para proteger los sistemas de información contra intrusiones y así asegurar la fiabilidad y calidad de servicio de los sistemas de información, La detección de intrusos se utiliza para supervisar y capturar intrusiones en sistemas informáticos y de red, que intentan comprometer la seguridad de los sistemas informáticos y de red. Para proteger los sistemas de información de las intrusiones y así asegurar la fiabilidad y calidad del servicio de los sistemas de información, es altamente deseable desarrollar técnicas que detecten intrusiones en los sistemas de información. Muchas intrusiones se manifiestan en cambios dramáticos en la intensidad de los eventos que ocurren en los sistemas de información. Debido a la capacidad de los gráficos de control de media móvil ponderada exponencialmente (EWMA) para monitorear la tasa de ocurrencias de eventos basados ​​en su intensidad, aplicamos tres estadísticas EWMA para detectar cambios anómalos en la intensidad de eventos para detecciones de intrusión. Incluyen el gráfico EWMA para datos autocorrelados, el gráfico EWMA para datos no correlacionados y el gráfico EWMA para supervisar la desviación estándar del proceso. Los objetivos de este documento son proporcionar procedimientos de diseño para la realización de estos gráficos de control e investigar su desempeño utilizando diferentes parámetros basados ​​en un conjunto de datos grande. La capacidad de detección temprana de estas técnicas EWMA también se examina para proporcionar la orientación sobre la capacidad de diseño de los sistemas de información. 1.We, usamos esta técnica para monitorear y detectar los cambios anómalos en la intensidad del evento en una información sistema. El gráfico de control EWMA para la media de un proceso fue introducido por Roberts -8--. Crowder 9,10, Hunter 11 y Lucas y Saccucci 12 proporcionan sugerencias y evaluaciones de la tabla de control de EWMA y su uso en el monitoreo y control de procesos. MacGregor y Harris 13 presen. Por Weng-ween Wong, Andrew Moore, Gregory Cooper, Michael Wagner, Dale Schuurmans. Los algoritmos tradicionales de biosurveillance detectan brotes de enfermedades buscando picos en una serie temporal univariada de datos de atención médica. Sin embargo, los datos actuales de vigilancia de la atención de la salud ya no son simplemente flujos de datos univariados. En cambio, una gran cantidad de información espacial, temporal, demográfica y sintomática. Los algoritmos tradicionales de biosurveillance detectan brotes de enfermedades buscando picos en una serie temporal univariada de datos de atención médica. Sin embargo, los datos actuales de vigilancia de la atención de la salud ya no son simplemente flujos de datos univariados. En su lugar, una gran cantidad de información espacial, temporal, demográfica y sintomática está disponible. Presentamos un algoritmo de detección precoz de brotes de enfermedad, llamado Whats Strange About Recent Events (WSARE), que utiliza un enfoque multivariado para mejorar su puntualidad de detección. WSARE emplea una técnica basada en reglas que compara los datos recientes de la atención médica con los datos de una distribución basal y encuentra subgrupos de los datos recientes cuyas proporciones han cambiado más de los datos de la línea de base. Además, los datos de salud también plantean dificultades para los algoritmos de vigilancia debido a las tendencias temporales inherentes, como los efectos estacionales y las variaciones del día de la semana. WSARE aborda este problema utilizando una red Bayesiana para producir una distribución de línea de base que explique estas tendencias temporales. El propio algoritmo incorpora una amplia gama de ideas, incluyendo reglas de asociación, redes bayesianas, pruebas de hipótesis y pruebas de permutación para producir un algoritmo de detección que tiene cuidado de evaluar la importancia de las alarmas que plantea. Mintió a la biosurveillance. Las tres técnicas más comunes del control estadístico de la calidad incluyen el diagrama de control de Shewhart (Montgomery, 2001), CUSUM (Page, 1954 Hutwagner et al., 2003) y EWMA (-Roberts, 1959- Williamson y Hudson, 1999). Aunque estos tres algoritmos son fáciles de implementar, tienen dificultad para lidiar con las tendencias temporales. Algoritmos univariados basados ​​en regresión y series de tiempo mo. Por Er Tartakovsky, Skirmantas Kligys, Anton Petrov - Procedimientos de SPIE: Procesamiento de señales y datos de objetivos pequeños, (O. E. Drummond, Ed.), 3809. 1999. Los misiles de crucero sobre la tierra y el fondo desordenado del mar son amenazas serias para buscar y seguir sistemas. En general, estas amenazas son cautelosas tanto en el infrarrojo como en las bandas de radiofrecuencia. Es decir, su firma de infrarrojos térmicos y su sección transversal de radar puede ser bastante pequeña. Este artículo discute. Los misiles de crucero sobre la tierra y el fondo desordenado del mar son amenazas serias para buscar y seguir sistemas. En general, estas amenazas son cautelosas en las bandas de infrarrojos y de radiofrecuencia. Es decir, su firma de infrarrojos térmicos y su sección transversal de radar puede ser bastante pequeña. En este artículo se analizan los métodos de detección secuencial adaptativa que explotan la tecnología track-before-detect para detectar objetivos de SNR bajos en sistemas IRST (Infrared Search and Track). A pesar de que nos centramos en un IRST contra misiles de crucero sobre tierra y fondos desordenados del mar, los resultados son aplicables a otros sensores y otros tipos de objetivos. Los algoritmos desarrollados nos permiten detectar aprioriunknown número de objetivos que aparecen y desaparecen en momentos desconocidos en el tiempo. En contraste con el método tradicional de Walds, el problema de la detección de un objetivo con momento de aparición desconocido se formula y resuelve como un problema de detección más rápido (problema de detección del punto de cambio). Este problema implica la optimización de un trade-off entre el retardo de detección y la tasa de falsas alarmas. El algoritmo secuencial desarrollado detecta un objetivo con un retraso medio tan pequeño como sea posible (después de que aparezca) bajo la restricción de la frecuencia de falsas alarmas. Además, el algoritmo detecta la desaparición del objetivo también con el menor retardo, lo que hace posible casi inmediatamente interrumpir el rastreo cuando el objetivo desaparece. Las estadísticas de decisión utilizan los resultados de la pista antes de detectar las estimaciones de los objetivos de ubicación espacial basada en el óptimo filtrado no lineal espacio-temporal. Se presentan los resultados de la simulación utilizando datos IRST reales (estrellados). Estos resultados muestran que el rendimiento es alto incluso para objetivos SNR muy bajos. CABA DE CONTROL DE WMA Nombre: CARTA DE CONTROL DE EWMA Tipo: Comando de gráficos Propósito: Genera un gráfico de control de promedio móvil ponderado exponencialmente (EWMA). Estos también se conocen como gráficos geométricos de control del promedio móvil. Descripción: Un gráfico de control EWMA es una técnica de análisis de datos para determinar si un proceso de medición ha pasado del control estadístico. Al igual que en el gráfico de control de cusum, es mejor que el gráfico de control xbar estándar para detectar pequeños cambios en la media del proceso. Para el gráfico de control EWMA, tracemos donde p es una fracción entre 0 y 1 y (bar) es el promedio del subgrupo En el tiempo t. Es decir, trazamos un promedio ponderado de la media actual del subgrupo con el promedio ponderado anterior. El valor inicial de y se ajusta a la media general. Cuanto más se aproxima el valor de p a 1, menos datos previos afectan a la estimación actual. Los límites de control se calculan como donde (bar) es la media general y (hat) es una estimación de la desviación estándar del proceso. En algunos casos, puede haber datos históricos o consideraciones de ingeniería que determinan los límites de control. Puede establecer sus propios límites de control introduciendo los comandos: LET TARGET ltvaluegt LET USL ltvaluegt LET LSL ltvaluegt donde TARGET es el valor objetivo deseado y USL y LSL son los límites de control superior e inferior deseados. Puede controlar la apariencia de este gráfico estableciendo los conmutadores para los comandos LINE, CHARACTER, SPIKE y BAR apropiadamente. Por ejemplo, para dibujar los valores de EWMA como una línea continua y una X, la línea de referencia y los límites de control calculados de Dataplot como líneas punteadas y ningún límite de control especificado por el usuario, escriba los comandos: Sintaxis 1: CARTA DE CONTROL DE EWMA ltygt ltgroupgt ltSUBSET / EXCEPT / FOR calificacióngt donde ltygt es una variable de respuesta ltgroupgt es una variable de identificador de subgrupo y donde el parámetro ltSUBSET / EXCEPT / FOR qualificationgt es opcional. Esta sintaxis se utiliza para el caso más común donde los datos se dividen en subgrupos. Sintaxis 2: CARTA DE CONTROL DE EWMA ltygt ltSUBSET / EXCEPT / FOR calificacióngt donde ltygt es una variable de respuesta y donde la clasificación de ltSUBSET / EXCEPT / FOR es opcional. Esta sintaxis se utiliza para el caso de datos desagrupados. Ejemplos: CARTA DE CONTROL EWMA Y1 X CARTA DE CONTROL EWMA Y CARTA DE CONTROL EWMA Y1 X SUBSET X 1 Por defecto: Ninguna Sinónimos: EWMA CHART es un sinónimo de EWMA CONTROL CHART. WEIGHT es un sinónimo del parámetro P. Es decir, puede introducir LET PESO ltvaluegt para especificar el parámetro de ponderación. Comandos relacionados: Genera varios tipos de gráficos de control. Referencia: Thomas Ryan (1989), Métodos estadísticos para el mejoramiento de la calidad, John Wiley and Sons, págs. 122-124. Aplicaciones: Control de calidad Fecha de implementación: 1997/9 Programa: TÍTULO Análisis de espesor de la oblea de silicio CASO DE LA ETIQUETA CASO DEL TÍTULO ASIS ASIS Y1LABEL Espesor de la oblea X1LABEL Día LEGEND 1 Control estadístico del proceso LEGEND 2 EWMA Control Chart. SALTA 25 LEA CCXBAR. DAT Y X. CARACTERES CARTA DE CONTROL CARACTERES LLENAR A LAS LINEAS CARTA DE CONTROL. LET P 0.5 CUADRO DE CONTROL DE EWMA Y X Fecha de creación: 06/05/2001 Última actualización: 11/03/2015 Por favor, envíe sus comentarios por correo electrónico a esta página de WWW a alan. heckertnist. gov. by Fredrik Gustafsson. Este informe describe los algoritmos implementados en una caja de herramientas Matlab para la detección de cambios y la segmentación de datos. Se proporcionan funciones para simular cambios, elegir parámetros de diseño y detectar cambios abruptos en las señales. 1 Introducción Se dice que una señal o sistema está cambiando abruptamente cuando. Este informe describe los algoritmos implementados en una caja de herramientas Matlab para la detección de cambios y la segmentación de datos. Se proporcionan funciones para simular cambios, elegir parámetros de diseño y detectar cambios abruptos en las señales. 1 Introducción Se dice que una señal o sistema está cambiando abruptamente cuando puede ser descrito por un modelo paramétrico con un vector de parámetros constante por partes. De interés primario es el vector de tiempos de cambio y también la secuencia de vectores de parámetros. Estos se conocen como saltos y thseg, respectivamente. Un detector de cambios compara los residuos de los filtros con las diferentes hipótesis sobre los posibles tiempos de cambio. El diseño de un detector de cambios incluye los siguientes subproblemas: ffl Elija una estructura de modelo de datos (nnn) utilizada para calcular los residuos a partir de los datos de entrada y salida (z). Ffl Elija un esquema de búsqueda para reducir el número de hipótesis. Ffl Elija una medida de distancia (DM) para comparar diferentes hipótesis, que es una función de los residuos. Ffl Algunos. Por Dong Han, Fugee Tsung, Yanting Li, Kaibo Wang - Estadística Sínica. 2010. Resumen: Todos los gráficos de control convencionales se pueden ver como trazar la salida de un filtro lineal aplicado a los datos del proceso. En este artículo, presentamos un gráfico de control de filtro no lineal (NFC) en el que el estadístico de control consiste en una combinación no lineal de un proceso de datos. También presentamos un theo. Resumen: Todos los gráficos de control convencionales se pueden ver como trazar la salida de un filtro lineal aplicado a los datos del proceso. En este artículo, presentamos un gráfico de control de filtro no lineal (NFC) en el que el estadístico de control consiste en una combinación no lineal de un proceso de datos. También presentamos un teorema sobre una estimación de la longitud de ejecución promedio para el gráfico NFC, y teóricamente comparar la potencia de detección de cualquiera de dos de tales cuadros de control. Se proporciona un criterio para seleccionar un gráfico NFC óptimo. En particular, discutimos algunos gráficos especiales de control de filtro no lineal para detectar cambios dinámicos en la media del proceso que pueden ser vistos como extensiones de los gráficos de control CUSUM convencionales. Palabras clave y frases: Longitud media de la carrera, detección del punto de cambio, cambios dinámicos, control estadístico del proceso. 1. por Jan Palmqvist, Jan Palmqvist Linkoping. Los sistemas mundiales de navegación por satélite (GNSS) tienen la capacidad de cumplir con los requisitos de precisión de navegación de la mayoría de las aplicaciones. Los sistemas sin embargo carecen de continuidad e integridad para satisfacer los requisitos de aplicaciones de navegación de alta precisión. El uso de una combinación de Navegación Inercial S. Los Sistemas Globales de Navegación por Satélite (GNSS) tienen la capacidad de cumplir con los requisitos de precisión de navegación de la mayoría de las aplicaciones. Los sistemas sin embargo carecen de continuidad e integridad para satisfacer los requisitos de aplicaciones de navegación de alta precisión. Sin embargo, el uso de una combinación de sistemas de navegación inercial (INS) e información GNSS muestra resultados prometedores en el cumplimiento de estos requisitos. Se investigan métodos para monitorear la integridad de los sistemas integrados del SIN-GNSS. La integración de INS y GNSS se realiza usualmente utilizando un filtro de Kalman para la estimación recursiva de los parámetros de interés. El residuo usado para el monitoreo de integridad es la innovación del filtro Kalman. Se analizan las firmas de innovación de diferentes tipos de fallas. Dado que dos de los tipos más probables de fallas en una solución integrada son desplazamientos de sesgo del sensor INS y desviaciones o saltos de sesgo de los rangos de satélites, estos tipos aditivos de cambios se estudian con más detalle. Tomando el enfoque de la hipótesis te. Por Swarnendu Kar, Kishan G. Mehrotra, Pramod K. Varshney. 908. Entre los diversos procedimientos utilizados para detectar posibles cambios en un proceso estocástico los algoritmos de suma móvil son muy populares debido a su atractivo intuitivo y buen rendimiento estadístico. Uno de los parámetros de diseño importantes de un algoritmo de detección de cambios es el intervalo esperado entre fal. Entre los diversos procedimientos utilizados para detectar posibles cambios en un proceso estocástico los algoritmos de suma móvil son muy populares debido a su atractivo intuitivo y buen rendimiento estadístico. Uno de los parámetros de diseño importantes de un algoritmo de detección de cambios es el intervalo esperado entre falsos positivos, también conocido como longitud de ejecución promedio (ARL). El cálculo de la ARL generalmente implica procedimientos numéricos, pero en algunos casos puede ser aproximado usando una serie que involucra probabilidades multivariantes. En este artículo, se presenta un análisis de este enfoque en serie, proporcionando condiciones suficientes para la convergencia y derivar un límite de error. Usando estudios de simulación, mostramos que el enfoque en serie es aplicable al promedio móvil ya los algoritmos derivados derivados. Para algoritmos de media móvil, comparamos nuestros resultados con límites previamente conocidos. Usamos dos casos especiales para ilustrar nuestras observaciones. Por Elsayed Ali Habib, cómo citar, teoría de la distribución de la probabilidad. 2001. Política de uso El texto completo puede ser usado y / o reproducido, y dado a terceros en cualquier formato o medio, sin permiso previo o cargo, para investigación personal o estudio, educativo o sin fines de lucro, siempre que: Se hace referencia bibliográfica completa a la fuente original a. Política de uso El texto completo puede ser usado y / o reproducido, y dado a terceros en cualquier formato o medio, sin permiso previo o cargo, para investigación personal o estudio, educativo o sin fines de lucro, siempre que: Se hace referencia bibliográfica completa a la fuente original se hace un enlace al registro de metadatos en Durham E-Theses el texto completo no se cambia de ninguna manera El texto completo no debe ser vendido en cualquier formato o medio sin el permiso formal de Los titulares de los derechos de autor. Por favor consulte la política completa de Durham E-Theses para más detalles. Por Razmy A. M. 2013. Resumen Los gráficos de control para el monitoreo de la varianza del proceso se desarrollan en base a los gráficos de control de Shewhart, promedio móvil ponderado exponencialmente (EWMA) y acumulativo (CUSUM) para la media. En todos estos gráficos de control de varianza, se utiliza la transformación logarítmica de la varianza muestral. El procedimiento de diseño. Resumen Los gráficos de control para el monitoreo de la varianza del proceso se desarrollan en base a los gráficos de control Shewhart, promedio móvil ponderado exponencialmente (EWMA) y acumulativo (CUSUM) para la media. En todos estos gráficos de control de varianza, se utiliza la transformación logarítmica de la varianza muestral. El procedimiento de diseño de esta tabla es complejo y es poco entendido por la industria. En este trabajo se desarrolla una tabla EWMA para monitorear la varianza estandarizada, que tiene varias ventajas sobre las tablas existentes, tales como el diseño libre de número de muestra, el uso en el esquema de monitoreo conjunto de la media y la varianza del proceso y el ajuste a monitoreo multivariante. En la aplicación industrial este gráfico se puede utilizar para controlar pocas variables en una pantalla simultáneamente. Index Term Longitud media de ejecución, límites de control, media móvil ponderada exponencialmente, varianza del proceso, por Ian J. Rehmert, J. William Schmidt, C. Patrick Koelling, Ian J. Rehmert. 1997. Se realiza un análisis de rendimiento de tres diferentes gráficos de control de Minimax con respecto a sus homólogos de la tabla de control Chi-cuadrado bajo varias condiciones diferentes. Se debe construir un diagrama de control único para cada proceso descrito por una combinación única de la media característica de calidad v. Se realiza un análisis de rendimiento de tres diferentes gráficos de control de Minimax con respecto a sus contrapartes de la carta de control Chi-Square en varias condiciones diferentes. Se debe construir un gráfico de control único para cada proceso descrito por una combinación única de vector de media característica de calidad y matriz de covarianza asociada. Las tres diferentes cartas en consideración difieren en el número de variables características de calidad de interés. En cada caso, sin pérdida de generalidad, se supone que el vector medio característico de calidad en control tiene cero entradas y se asume que la matriz de covarianza asociada tiene entradas no negativas. El desempeño de los gráficos Chi-Square y Minimax se compara con diferentes valores del tamaño de la muestra, la probabilidad de un error de Tipo I y cambios seleccionados en el vector medio característico de la calidad. Las cartas Minimax y Chi-Square que se comparan comparten idénticas longitudes de ejecución en control (ARL) que hacen que la ARL fuera de control sea la medida de rendimiento apropiada. Se utiliza un generador combinado de números pseudoaleatorios Tausworthe para generar los vectores medios fuera de control. Se abordan las cuestiones relativas a la generación de números pseudoaleatorios uniformes multivariados. Por Ankur Jain, Yuan-fang Wang. En este trabajo se propone un algoritmo de detección de cambios en línea. El algoritmo es aplicable para detectar los cambios en los procesos aleatorios independientes y dependientes. Está diseñado específicamente para aplicaciones en línea, y utiliza sólo una pequeña cantidad de memoria y un esfuerzo de cálculo razonable. En este trabajo se propone un algoritmo de detección de cambios en línea. El algoritmo es aplicable para detectar los cambios en los procesos aleatorios independientes y dependientes. Está diseñado específicamente para aplicaciones en línea, y utiliza sólo una pequeña cantidad de memoria y un esfuerzo de cálculo razonable. El algoritmo propuesto no requiere el conocimiento de la forma (por ejemplo, la distribución es gaussiana) o el parámetro (por ejemplo, la distribución tiene media cero) de las distribuciones de probabilidad de los procesos antes y después del cambio. Esto representa una relajación significativa de los supuestos en la mayoría de otros algoritmos (por ejemplo CUSUM y GLR) que deben conocer la forma y el valor del parámetro del proceso antes del cambio (a menudo el proceso después del cambio también). While such knowledge is available in, say, the process control applications, it is not true for many others. For example, in signal segmentation, the statistical properties of the before and the after processes are often not known. What is important is that if a certain statistical property has changed in the signal, then the signal should be broken into pieces. Theoretically, it is proven that the proposed algorithm produces the correct detection results in the expected sense, and is an unbiased estimator of the changeover location under certain general conditions. In practice, not only the proposed technique is more general than the traditional techniques, but it is significantly more accurate, especially in the difficult cases where the populations of the before and after processes are not well separated. As will be demonstrated in the experimental results, the CUSUM method, widely regarded as one of the best techniques for process monitoring, performs significantly worse than the new technique in terms of both the detection accuracy and the detection bias. 1 1 ess is provably optimal based on Neyman-Pearson Lemma 6, in real-world applications a number of refinements and alternative formulations are possible. Geometric Moving Average Control Chart (GMA) -35--. The idea is to weigh different si by their recency. This conforms to the intuition that the recent samples are more relevant in making the changeover decision. Frequently, an exponential weight is e. An economic comparison of Xbar, cumulative sum and geometric moving average control charts for controlling process mean In production processes, there are two types of13 variations that affect production quality - - variations13 produced by chance causes and variations produced by13 assignable causes. One of the main instruments in quality13 control used to control quality by distinguishing between13 variations produced by chance causes and a real process13 change is the control chart. Each type of control chart13 has advantages and disadvantages in a specified situation.13 For example, some control charts fail to detect small13 shifts, while the others are ineffective to detect large13 shifts in process mean.13 In this study, three types of control charts, namely,13 Xbar, cumulative sum, and geometric moving average control13 charts were compared on an economic basis. A simulation13 model was developed to simulate the control chart13 functions in a typical production process. The simulation was executed in BASIC on an IBM PC/XT. Before comparison,13 each control chart was matched so that all the control13 charts have the same characteristics when the process13 operates in-control for a certain period of time. The13 effects of the type of control chart, sample size,13 sampling interval, and the magnitude of shift in process13 mean on profit per hour were observed and analyzed using13 Analysis of Variance (ANOVA).13 The results show that, in general, the cumulative sum13 control chart has advantage over the other two types of13 control charts when shift of small magnitude of about 0.513 is present. Xbar-control chart is ineffective to detect13 small shifts however, its effectiveness increases13 sharply as the magnitude of shift increases to values of13 1.5 or beyond. Geometric moving average control chart13 gives best results at intermediate shift levels of about13 l.0.13 Of the three sample sizes (3, 4 and 5) used in this13 study, sample size of five yields the highest profit per13 hour. However, too large a sample size may result in a13 decrease of profit per hour if the testing causes the13 destruction of items and the cost of sampling per item is13 very high.13 Small sampling interval of one hour yields the13 highest profit per hour among three sampling intervals (1,13 2 and 4 hours) used in this study. Too small sampling interval could yield lower profit per hour if the13 increased cost of more frequent sampling, more13 investigations caused by false alarms, and more frequent13 shut down of the production process exceeds the savings13 from early detection of the shift, particularly, when the13 cost of sampling, the cost of searching for an assignable13 cause, and the income per hour of production are very13 high. Quality control -- Charts, diagrams, etc. An economic comparison of Xbar, cumulative sum and geometric moving average control charts for controlling process mean Search ScholarsArchiveOSU Browse My Account Statistics