Although there are various methods

Although there are various methods of improving the quality of products, the statistical process control (SPC) is regarded as the most scientific and valid approach. Since the
¯ X-chart uses only
current observations, it is not sensitive to small means shift. To overcome this weakness, the cumulative sum (CUSUM) control chart [1] and the exponentially weighted moving average (EWMA) control chart [2] have been developed. Since these charts use not only the current observations but also historical information, they are more sensitive to small changes than the
¯ X-chart. Hunter [3]
argued that the EWMA facilitates the acquisition of control limits and allows for an empirical dynamic control equation. Lucas and Saccucci [4] showed that the performance of the EWMA chart is similar to the CUSUM chart.
In most industries, quality variables to be monitored are not just single but multiple. In this situation, the univariate control chart can be applied to each of quality variables separately. However, the univariate control chart may not detect the process shift if the variables are correlated with each other. To overcome this difficulty, multivariate control charts have been proposed based on chi-squared statistics and Hotelling’s T-squared statistics [5]

ผลลัพธ์ (ไทย) 1:

แม้ว่าจะมีวิธีการต่าง ๆ การปรับปรุงคุณภาพของผลิตภัณฑ์ การควบคุมกระบวนการเชิงสถิติ (SPC) ถือเป็นที่สุด scientific และวิธีการที่ถูกต้อง ตั้งแต่การชื่อแผนภูมิ X ใช้เท่านั้นสังเกตปัจจุบัน ไม่สำคัญหมายความเล็กกะ เพื่อเอาชนะความอ่อนแอนี้ แผนภูมิควบคุมผลรวมสะสม (CUSUM) [1] และการถ่วงน้ำหนักชี้แจงย้ายเฉลี่ย (EWMA) แผนภูมิควบคุม [2] ได้รับการพัฒนา เนื่องจากแผนภูมิเหล่านี้ใช้ไม่เพียงแต่การสังเกตปัจจุบันมีข้อมูลทางประวัติศาสตร์ พวกเขามีความไวต่อการเปลี่ยนแปลงเล็ก ๆ กว่านี้ชื่อแผนภูมิ X ฮันเตอร์ [3]โต้เถียงว่า EWMA การอำนวยความสะดวกในการซื้อของขีดจำกัดควบคุม และช่วยให้สมการควบคุมเชิงประจักษ์แบบไดนามิก Lucas และ Saccucci [4] พบว่า ประสิทธิภาพของแผนภูมิ EWMA จะคล้ายกับแผนภูมิ CUSUMในอุตสาหกรรมส่วนใหญ่ ตัวแปรคุณภาพจะตรวจสอบไม่ได้เพียงเดียวแต่หลาย ในสถานการณ์นี้ แผนภูมิควบคุมไร univariate สามารถจะใช้ตัวแปรคุณภาพแต่ละแยกต่างหาก อย่างไรก็ตาม แผนภูมิควบคุมไร univariate อาจตรวจพบกะกระบวนการถ้าตัวแปรมีความสัมพันธ์กัน จะเอาชนะนี้ difficulty แผนภูมิควบคุมแบบหลายตัวแปรได้รับการเสนอโดยใช้สถิติไคสแควร์และสถิติของ Hotelling T-squared [5]

ผลลัพธ์ (ไทย) 2:

แม้ว่าจะมีวิธีการต่างๆในการปรับปรุงคุณภาพของผลิตภัณฑ์, การควบคุมกระบวนการทางสถิติ (SPC) ถือได้ว่าเป็นสายคมากที่สุดทางวิทยาศาสตร์และวิธีการที่ถูกต้อง ตั้งแต่¯ X-แผนภูมิใช้เพียงข้อสังเกตในปัจจุบันก็ไม่ได้มีความไวต่อการเปลี่ยนแปลงวิธีการขนาดเล็ก เพื่อเอาชนะความอ่อนแอนี้ผลรวมสะสม (CUSUM) แผนภูมิควบคุม [1] และน้ำหนักชี้แจงค่าเฉลี่ยเคลื่อนที่ (EWMA) แผนภูมิควบคุม [2] ได้รับการพัฒนา ตั้งแต่ชาร์ตเหล่านี้ใช้ไม่ได้เป็นเพียงข้อสังเกตในปัจจุบัน แต่ยังข้อมูลทางประวัติศาสตร์ที่พวกเขาจะมีความไวต่อการเปลี่ยนแปลงขนาดเล็กกว่า¯ X-แผนภูมิ ฮันเตอร์ [3] แย้งว่า EWMA อำนวยความสะดวกในการซื้อกิจการของข้อ จำกัด การควบคุมและช่วยให้สมการควบคุมการทดลองแบบไดนามิก ลูคัสและ Saccucci [4] แสดงให้เห็นว่าการปฏิบัติงานของแผนภูมิ EWMA จะคล้ายกับแผนภูมิ CUSUM. ในอุตสาหกรรมส่วนใหญ่ตัวแปรที่มีคุณภาพที่จะตรวจสอบไม่ได้เพียงแค่ครั้งเดียว แต่หลาย ๆ ในสถานการณ์เช่นนี้แผนภูมิควบคุม univariate สามารถนำไปใช้ในแต่ละตัวแปรที่มีคุณภาพแยกต่างหาก อย่างไรก็ตามแผนภูมิควบคุม univariate อาจตรวจไม่พบการเปลี่ยนแปลงกระบวนการหากตัวแปรที่มีความสัมพันธ์กับคนอื่น ๆ เพื่อเอาชนะ culty ไฟแตกนี้แผนภูมิควบคุมหลายตัวแปรได้รับการเสนอขึ้นอยู่กับสถิติไคสแควร์และ Hotelling สถิติ T-แควร์ [5]