ارسل ملاحظاتك

ارسل ملاحظاتك لنا







Monitoring of Serially Correlated and Non-Normal Processes

العنوان بلغة أخرى: مراقبة العمليات المرتبطة ذاتياً وغير الطبيعية
المؤلف الرئيسي: Aning, Richard Osel (Author)
مؤلفين آخرين: Abbasi, Saddam Akber (Advisor), Riazi, Mohammad R. (Advisor)
التاريخ الميلادي: 2015
موقع: الظهران
الصفحات: 1 - 130
رقم MD: 775145
نوع المحتوى: رسائل جامعية
اللغة: الإنجليزية
الدرجة العلمية: رسالة ماجستير
الجامعة: جامعة الملك فهد للبترول والمعادن
الكلية: عمادة الدراسات العليا
الدولة: السعودية
قواعد المعلومات: Dissertations
مواضيع:
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.

صورة الغلاف QR قانون
حفظ في:
المستخلص: الاختلاف والتغيير أمر لا مفر منه أي عملية. تستخدم أدوات التحكم الإحصائي في العمليات مثل رسوم (مخططات) السيطرة البيانية لرصد هذه التغيرات بهدف تحسين نتائج العملية أو الأداء. تعمل رسوم المراقبة هذه على افتراض أن المعلومات مستقلة وموزعة بشكل طبيعي، ولكن الواقع أن هذه الفرضيات غير صحيحة. يضعف الارتباط الذاتي أداء رسوم السيطرة البيانية من خلال إنتاج الإنذارات الكاذبة المتكررة في عملية مستقرة أو يقلل من حساسية الرسوم هذه عندما تكون العملية خارجة عن السيطرة. تطبيق الرسوم المعدلة والمتبقية هي وسائل لإزالة أثر الارتباط الذاتي. نقترح استخدام رسوم السيطرة البيانية التالية: خليط EWMA-CUSUM (MEC) وخليط CUSUM-EWMA (MCE) المتبقية والمعدلة لمراقبة المعلومات الأحادية المرتبطة ذاتيا. ثم نقارن أداء هذه الرسوم المقترحة حديثا مع بعض المخططات القائمة مثل شيوارت، CUSUM وEWMA المتبقية والمعدلة. في حالة عدم اتباع التوزيع الطبيعي، قد يكون لمخططات السيطرة البيانية المعتادة عواقب سيئة على احتمالات الخطأ في هذه العملية. نقدم رسوم سيطرة للتشتت في حالة المتغيرات المتعددة لرصد فعال وقوي من التحولات في مصفوفة التغاير من العمليات ذات المتغيرين غير الطبيعية. مخططات السيطرة هذه SMAX، QMAX، MDMAX وMADMAX تعتمد على تقديرات تشتت مثل الانحراف المعياري (S)، المدى الربعي الوسطي (Q)، متوسط الانحراف المطلق من المتوسط (MD)، الانحراف المطلق المتوسط (MAD) على التوالي. ثم نقارن أداء هذه المخططات مع مخططات التباين متعدد المتغيرات العامة القائمة ومخططات RMAX. يستند تقييم الأداء والمقارنات من رسوم السيطرة البيانية على متوسط طول المدى (ARL) والخسارة الإضافية من الدرجة الثانية (EQL). وسوف نستخدم بيانات حقيقية وبيانات محاكاة لشرح كيفية أداء الرسوم البيانية. وجميع هذه المخططات المقترحة في هذه الأطروحة تساعد مهندس الجودة لتحسين كفاءة أداء العملية.

عناصر مشابهة