For the step shifts, the ARL curves

For the step shifts, the ARL curves behaved differently from what had been observed before (Fig. 7a). For shifts greater than 2%, the configuration with the smallest q value is the optimal (here q = 0.6), but for shifts of 1%, the ARL curve for q = 0.6 was the least efficient; the higher q values became more interesting. This behavior was a direct cause of the statistical inertia created by using of a q value close to 1 (or a λ value close to 0, in the EWMA case). When smoothing was significant, the control chart would take some time to register an instantaneous variation. In the case of step variations, the GWMA performed better than the EWMA for a 1% shift with an ARL of 39 days for q = 0.9. It might be complicated to decide what optimal value of the smoothing factor would be, given the fact that the optimal values changed according to the shift's amplitude. This kind of behavior was also observable for the EWMA with a step variation, but at much higher underperformance values. However, the focus should be on the performance of the control chart for small shifts. With the results provided by the validation bench, the difference in the ARL in function the smoothing parameter is bigger for small shifts (1–2%) than for relatively medium shifts (5–15%). So in a way, we could choose q = 0.9 as the optimal value. Various values of α were been tested from 0.6 to 1.2, but it appears that their influence on the ARL was small.

ผลลัพธ์ (ไทย) 1:

สำหรับขั้นตอนกะ เส้นโค้ง ARL ประพฤติตัวต่างจากสิ่งที่ได้ถูกตรวจสอบก่อน (รูปที่ 7a) เป็นที่เหมาะสมสำหรับกะที่มากกว่า 2% การกำหนดค่า ด้วยค่า q ที่เล็กที่สุด (นี่ q = 0.6), แต่สำหรับกะ 1%, ARL โค้ง q = 0.6 ถูกน้อยประสิทธิภาพ ค่า q สูงกลายเป็นน่าสนใจมากขึ้น ปัญหานี้มีสาเหตุโดยตรงของความเฉื่อยสถิติที่สร้างขึ้น โดยใช้ค่า q ใกล้เคียง 1 (หรือค่าλใกล้ 0 ในกรณี EWMA) เมื่อปรับเป็นสำคัญ แผนภูมิควบคุมจะใช้เวลาในการลงทะเบียนการเปลี่ยนแปลงทันที ในกรณีที่มีการเปลี่ยนแปลงขั้นตอน GWMA การดำเนินการดีกว่า EWMA สำหรับกะ 1% กับการ ARL วัน 39 สำหรับ q = 0.9 มันอาจจะยากต่อการตัดสินใจว่า จะเป็นค่าใดที่เหมาะสมของปัจจัยเรียบ ให้ความจริงที่ว่า ค่าที่เหมาะสมเปลี่ยนแปลงตามการเปลี่ยนคลื่น ชนิดของพฤติกรรมนี้ก็สังเกตได้สำหรับ EWMA กับรูปแบบขั้นตอน แต่สูงค่า underperformance อย่างไรก็ตาม การโฟกัสควรบนประสิทธิภาพของแผนภูมิควบคุมสำหรับกะขนาดเล็ก มีผลมาจากม้านั่งตรวจสอบ ความแตกต่างของ ARL ในฟังก์ชันพารามิเตอร์เรียบไม่ใหญ่สำหรับเล็กกะ (1-2%) มากกว่าสำหรับกะค่อนข้างปานกลาง (5-15%) ในทาง เราจึงสามารถเลือก q = 0.9 เป็นค่าที่เหมาะสม ค่าต่าง ๆ ของαได้ถูกทดสอบจาก 0.6 1.2 แต่ปรากฏว่า อิทธิพลที่ ARL มีขนาดเล็ก

ผลลัพธ์ (ไทย) 2:

สำหรับการเปลี่ยนแปลงขั้นตอนโค้ง ARL ประพฤติที่แตกต่างจากสิ่งที่ได้รับการปฏิบัติก่อน (รูป. 7a) สำหรับการเปลี่ยนแปลงมากขึ้นกว่า 2%, การกำหนดค่าที่มีค่า Q ที่เล็กที่สุดเป็นที่ดีที่สุด (ที่นี่ q = 0.6) แต่สำหรับการเปลี่ยนแปลงของ 1%, เส้นโค้ง ARL สำหรับ q = 0.6 เป็นที่มีประสิทธิภาพน้อย; ค่า Q สูงขึ้นกลายเป็นน่าสนใจมากขึ้น ลักษณะการทำงานนี้เป็นสาเหตุโดยตรงของความเฉื่อยสถิติสร้างขึ้นโดยใช้มูลค่า AQ ใกล้ถึง 1 (หรือค่าλที่ใกล้เคียงกับ 0 ในกรณี EWMA) ที่ เมื่อปรับให้เรียบอย่างมีนัยสำคัญแผนภูมิควบคุมจะใช้เวลาในการลงทะเบียนการเปลี่ยนแปลงทันที ในกรณีของการเปลี่ยนแปลงขั้นตอนการดำเนินการ GWMA ดีกว่า EWMA สำหรับการเปลี่ยนแปลง 1% กับ ARL 39 วันสำหรับ q = 0.9 มันอาจจะมีความซับซ้อนในการตัดสินใจสิ่งที่มีค่าที่ดีที่สุดของปัจจัยที่ราบเรียบจะได้รับความจริงที่ว่าค่าที่ดีที่สุดเปลี่ยนไปตามความกว้างของการเปลี่ยนแปลง ชนิดของพฤติกรรมนี้ก็ยังเป็นที่สังเกตสำหรับ EWMA กับการเปลี่ยนแปลงขั้นตอน แต่ในค่า underperformance ที่สูงขึ้นมาก แต่โฟกัสควรจะอยู่ในประสิทธิภาพของแผนภูมิควบคุมสำหรับการเปลี่ยนแปลงเล็ก ๆ กับผลที่ได้รับจากม้านั่งตรวจสอบความแตกต่างใน ARL ในการทำงานพารามิเตอร์เรียบมีขนาดใหญ่สำหรับการเปลี่ยนแปลงขนาดเล็ก (1-2%) จะสูงกว่าการเปลี่ยนแปลงค่อนข้างกลาง (5-15%) ดังนั้นในทางที่เราสามารถเลือก q = 0.9 เป็นค่าที่ดีที่สุด ค่าต่างๆของαถูกรับการทดสอบ 0.6-1.2 แต่ปรากฏว่าอิทธิพลของพวกเขาใน ARL มีขนาดเล็ก

ผลลัพธ์ (ไทย) 3:

สำหรับขั้นตอนกะ , ARL เส้นโค้งทำตัวแตกต่างจากสิ่งที่ถูกสังเกตก่อน ( รูปที่ 68 ) ทำงานมากกว่า 2% , ค่าที่มีค่า Q ที่เล็กที่สุดคือที่เหมาะสม ( ที่นี่ Q = 0.6 ) แต่สำหรับกะ 1% , ARL โค้ง Q = 0.6 เป็นอย่างน้อยที่มีประสิทธิภาพ ; สูงกว่าค่า Q กลายเป็นน่าสนใจมากขึ้น พฤติกรรมนี้เป็นสาเหตุโดยตรงของเครื่องมือที่สร้างขึ้นโดยใช้ของความเฉื่อย Q มูลค่าใกล้เคียงกับ 1 ( หรือค่าλใกล้ 0 ใน ewma คดี ) เมื่อเรียบอย่างมีนัยสำคัญทางสถิติ แผนภูมิควบคุม จะใช้เวลาในการลงทะเบียนการเปลี่ยนแปลงฉับพลัน ในกรณีของขั้นตอนการเปลี่ยนแปลง , gwma แสดงดีกว่า ewma สำหรับกะ 1% ด้วย ARL 39 วัน q = 0.9 มันอาจจะยากที่จะตัดสินใจเลือกสิ่งที่เหมาะสมของค่าทำให้เรียบตัวประกอบจะให้ข้อเท็จจริงว่า ค่านิยมที่เปลี่ยนไปตามเปลี่ยนขนาด . พฤติกรรมแบบนี้ก็ยังสังเกตได้ สำหรับ ewma ด้วยขั้นตอนการเปลี่ยนแปลง แต่ที่ค่า underperformance สูงกว่ามาก อย่างไรก็ตาม จะต้องเน้นประสิทธิภาพของแผนภูมิควบคุมสําหรับกะเล็ก กับผลลัพธ์โดยการตรวจสอบผู้พิพากษา ความแตกต่างในเป้าหมายในหน้าที่เรียบเป็นค่าใหญ่กะเล็ก ( 1 - 2 % ) สูงกว่าค่อนข้างกลางกะ ( 5 – 15 % ) ดังนั้นในทางที่เราสามารถเลือก Q = 0.9 เป็นค่าที่เหมาะสมที่สุด ค่าต่างๆของαกำลังถูกทดสอบจาก 0.6 ถึง 1.2 แต่ปรากฏว่าอิทธิพลของพวกเขาในเป้าหมายที่มีขนาดเล็ก