О сравнительной эффективности обнаружения разладки в многопараметрических технологических процессах с помощью многомерных двойных контрольных карт
(Стр. 67-78)
Чесалин Александр Николаевич
Гродзенский Сергей Яковлевич
Ушкова Надежда Николаевна
Болотин Кирилл Викторович
Ставцев Алексей Вячеславович
Подробнее об авторах
Чесалин Александр Николаевич
кандидат технических наук; заведующий кафедрой компьютерной и информационной безопасности
МИРЭА – Российский технологический университет
г. Москва, Российская Федерация Гродзенский Сергей Яковлевич доктор технических наук, профессор; профессор кафедры компьютерной и информационной безопасности Ушкова Надежда Николаевна ассистент кафедры компьютерной и информационной безопасности Болотин Кирилл Викторович ассистент кафедры компьютерной и информационной безопасности Ставцев Алексей Вячеславович кандидат физико-математических наук; доцент кафедры компьютерной и информационной безопасности
МИРЭА – Российский технологический университет
г. Москва, Российская Федерация Гродзенский Сергей Яковлевич доктор технических наук, профессор; профессор кафедры компьютерной и информационной безопасности Ушкова Надежда Николаевна ассистент кафедры компьютерной и информационной безопасности Болотин Кирилл Викторович ассистент кафедры компьютерной и информационной безопасности Ставцев Алексей Вячеславович кандидат физико-математических наук; доцент кафедры компьютерной и информационной безопасности
Нажимая на кнопку купить вы соглашаетесь с условиями договора оферты
Аннотация:
Исследуется проблема обнаружения разладки в многопараметрических технологических процессах, имеющих нормальное распределение, и заключающейся в отклонении от заданного значения выборочного среднего и выборочной дисперсии. Рассматриваются различные виды контрольных карт, позволяющие эффективно обнаруживать одновременное изменение среднего значения и дисперсии в многопараметрических технологических процессах. Методом статистического моделирования, проводится анализ сравнительной эффективности контрольных карт, даются практические рекомендации.
Образец цитирования:
Чесалин А.Н., Гродзенский С.Я., Ушкова Н.Н., Болотин К.В., Ставцев А.В. О сравнительной эффективности обнаружения разладки в многопараметрических технологических процессах с помощью многомерных двойных контрольных карт // Computational Nanotechnology. 2023. Т. 10. № 1. С. 67-78. DOI: 10.33693/2313-223X-2023-10-1-67-78
Список литературы:
Montgomery D. Introduction to statistical quality control. 7th ed. Wiley, 2013. 754 p.
Уилер Д., Чамберc Д. Статистическое управление процессами: Оптимизация бизнеса с использованием контрольных карт Шухарта: справочное пособие. М.: Альпина Паблишер, 2017. 409 с.
Jalilibal Z., Amiri A., Castagliola, P., Khoo M. Monitoring the coefficient of variation: A literature review // Computers & Industrial Engineering. 2021. No. 161. DOI: 10.1016/j.cie.2021.107600.
Sabahno H., Celano G. Monitoring the multivariate coe-cient of variation in presence of autocorrelation with variable parameters control charts // Quality Technology and Quantitative Management. 2022. DOI: 10.1080/16843703.2022.2075193.
Алексеева А.В., Клячкин В.Н. Выбор параметров алгоритма обобщенной дисперсии при многомерном статистическом контроле рассеяния процесса // Известия Самарского научного центра Российской академии наук. 2021. Т. 23. № 1. C. 79–83.
Адлер Ю.П., Шпер В.Л. Учение доктора Деминга и его судьба: учеб. пособие. М.: Издат. дом НИТУ «МИСиС», 2021. 352 с.
Клячкин В. Н. Многомерный статистический контроль технологического процесса. М.: Финансы и статистика, 2022. 192 с.
Фам Ван Ты, Чесалин А.Н., Гродзенский Я.С, Еманаков И.В. Повышение эффективности контрольной карты с помощью нечетких множеств // Качество и жизнь. 2021. № 2 (30). С. 37–43.
Чесалин А.Н., Гродзенский С.Я., Нилов М.Ю., Фам Ван Ты. Интеллектуальные инструменты управления качеством цифрового производства // Стандарты и качество. 2020. № 3. С. 68–72.
Bersimis S., Sgora A., Psarakis S. A robust meta‐method for interpreting the out‐of‐control signal of multivariate control charts using artificial neural networks // Quality and Reliability Engineering International. 2021. Pp. 1–34. DOI: 10.1002/qre.2955.
Ширяев А. Н. Вероятностно-статистические методы в теории принятия решений. 2-е изд. М.: МЦНМО, 2014. 144 с.
Чесалин А.Н. Исследование эффективности обнаружения разладки технологических процессов на основе статистического моделирования // Нелинейный мир. 2022. Т. 20. № 3. С. 28−34. DOI: 10.18127/j20700970-202203-03.
Chen G., Cheng S.W. Multivariate Max-Chart // Economic Quality Control. 2006. Vol. 21. No. 1. Pp. 113–125.
Kruba R., Mashuri M., Prastyo D. The effectiveness of Max-half-Mchart over Max-Mchart in simultaneously monitoring process mean and variability of individual observations // Quality and Reliability Engineering International. 2021. Pp. 1–14. DOI: 10.1002/qre.2860.
Cheng S.W., Mao H. A Multivariate semi-circle control chart for variables data // Quality Technology & Quantitative Management. 2008. Vol. 5. No. 4. Pp. 331–338, DOI: 10.1080/16843703.2008.11673405.
Уилер Д., Чамберc Д. Статистическое управление процессами: Оптимизация бизнеса с использованием контрольных карт Шухарта: справочное пособие. М.: Альпина Паблишер, 2017. 409 с.
Jalilibal Z., Amiri A., Castagliola, P., Khoo M. Monitoring the coefficient of variation: A literature review // Computers & Industrial Engineering. 2021. No. 161. DOI: 10.1016/j.cie.2021.107600.
Sabahno H., Celano G. Monitoring the multivariate coe-cient of variation in presence of autocorrelation with variable parameters control charts // Quality Technology and Quantitative Management. 2022. DOI: 10.1080/16843703.2022.2075193.
Алексеева А.В., Клячкин В.Н. Выбор параметров алгоритма обобщенной дисперсии при многомерном статистическом контроле рассеяния процесса // Известия Самарского научного центра Российской академии наук. 2021. Т. 23. № 1. C. 79–83.
Адлер Ю.П., Шпер В.Л. Учение доктора Деминга и его судьба: учеб. пособие. М.: Издат. дом НИТУ «МИСиС», 2021. 352 с.
Клячкин В. Н. Многомерный статистический контроль технологического процесса. М.: Финансы и статистика, 2022. 192 с.
Фам Ван Ты, Чесалин А.Н., Гродзенский Я.С, Еманаков И.В. Повышение эффективности контрольной карты с помощью нечетких множеств // Качество и жизнь. 2021. № 2 (30). С. 37–43.
Чесалин А.Н., Гродзенский С.Я., Нилов М.Ю., Фам Ван Ты. Интеллектуальные инструменты управления качеством цифрового производства // Стандарты и качество. 2020. № 3. С. 68–72.
Bersimis S., Sgora A., Psarakis S. A robust meta‐method for interpreting the out‐of‐control signal of multivariate control charts using artificial neural networks // Quality and Reliability Engineering International. 2021. Pp. 1–34. DOI: 10.1002/qre.2955.
Ширяев А. Н. Вероятностно-статистические методы в теории принятия решений. 2-е изд. М.: МЦНМО, 2014. 144 с.
Чесалин А.Н. Исследование эффективности обнаружения разладки технологических процессов на основе статистического моделирования // Нелинейный мир. 2022. Т. 20. № 3. С. 28−34. DOI: 10.18127/j20700970-202203-03.
Chen G., Cheng S.W. Multivariate Max-Chart // Economic Quality Control. 2006. Vol. 21. No. 1. Pp. 113–125.
Kruba R., Mashuri M., Prastyo D. The effectiveness of Max-half-Mchart over Max-Mchart in simultaneously monitoring process mean and variability of individual observations // Quality and Reliability Engineering International. 2021. Pp. 1–14. DOI: 10.1002/qre.2860.
Cheng S.W., Mao H. A Multivariate semi-circle control chart for variables data // Quality Technology & Quantitative Management. 2008. Vol. 5. No. 4. Pp. 331–338, DOI: 10.1080/16843703.2008.11673405.
Ключевые слова:
многопараметрический технологический процесс, обнаружение разладки, многомерные двойные контрольные карты, статистический контроль технологических процессов, метод Монте-Карло, тепловые карты.
Статьи по теме
