فایل ورد کامل نیرومندی نمودارهای کنترل ترکیبی و EWMA با فواصل نمونه برداری متغیر نسبت به غیر نرمال بودن

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل نیرومندی نمودارهای کنترل ترکیبی و EWMA با فواصل نمونه برداری متغیر نسبت به غیر نرمال بودن،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۲ صفحه

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.

عنوان انگلیسی:Robustness of the EWMA and the combined X¯ –EWMA control charts with variable sampling intervals to non-normality~~en~~

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 , 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 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 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.

$$en!!