This paper proposes a new type of m

This paper proposes a new type of multivariate EWMA control chart for detecting the process mean shift on the basis of a series of most recent T-squared statistics. We established a multiple hypothesis testing which uses the false discovery rate as the error to be controlled. Particularly, Benjamini–Hochberg procedure is applied to develop a new control scheme. A nonparametric density estimation based on the Parzen windows is adopted to approximate the distribution of the T-square statistics, from which the p-values are calculated. The performance of the proposed control charts is evaluated in terms of the outof-control average run length and the in-control average run length according to various non-centrality parameters associated with the mean shifts. The result shows that the proposed control chart performs better than the existing multivariate EWMA chart for all mean shifts. The proposed method seems to be rigorous in the sense that error rates for the multiple hypotheses are considered in an integrated way via FDR rather than considering type I and II errors separately

ผลลัพธ์ (ไทย) 1:

กระดาษนี้เสนอของแผนภูมิควบคุม EWMA แบบหลายตัวแปรชนิดใหม่สำหรับการตรวจจับกะหมายถึงกระบวนการพื้นฐานของสถิติ T-squared ล่าสุด เราก่อตั้งสมมติฐานหลายทดสอบซึ่งใช้อัตราเท็จค้นพบข้อผิดพลาดการควบคุม โดยเฉพาะ Benjamini – Hochberg ตอนถูกนำไปใช้การพัฒนาแบบการควบคุมใหม่ การประเมินความหนาแน่น nonparametric ที่อิง Parzen windows ถูกนำมาใช้ประมาณการแจกแจงของสถิติฉาก คำนวณค่า p ที่ ประสิทธิภาพของแผนภูมิควบคุมเสนอจะถูกประเมินในแง่ของการออกแบบค่าเฉลี่ยที่รันยาวและรันยาวตามพารามิเตอร์แห่งต่าง ๆ ที่เกี่ยวข้องกับกะหมายถึงค่าเฉลี่ยในการควบคุมของตัวควบคุม ผลแสดงว่า แผนภูมิควบคุมเสนองานได้ดีกว่าแผนภูมิ EWMA แบบหลายตัวแปรที่มีอยู่สำหรับกะหมายถึงทั้งหมด วิธีการนำเสนอน่าจะเข้มงวดในแง่อัตราข้อผิดพลาดสำหรับ hypotheses หลายถือว่า เป็นในทางแบบบูรณาการ ผ่านไปมากกว่าที่ จะ พิจารณาชนิดของฉันและข้อผิดพลาดที่สองแยกต่างหาก

ผลลัพธ์ (ไทย) 2:

กระดาษนี้นำเสนอรูปแบบใหม่ของแผนภูมิควบคุม EWMA หลายตัวแปรสำหรับการตรวจสอบกระบวนการหมายถึงการเปลี่ยนบนพื้นฐานของชุดล่าสุดสถิติเสื้อยืดที่ เราจัดตั้งการทดสอบสมมติฐานหลายที่ใช้อัตราการค้นพบที่ผิดพลาดเป็นข้อผิดพลาดที่จะควบคุม โดยเฉพาะอย่างยิ่งขั้นตอน Benjamini-Hochberg ถูกนำไปใช้ในการพัฒนารูปแบบการควบคุมใหม่ การประเมินความหนาแน่นอิงพารามิเตอร์ขึ้นอยู่กับหน้าต่าง Parzen ถูกนำมาใช้ที่ใกล้เคียงกับการกระจายของสถ​​ิติ T-ตารางจากการที่ค่าพีคำนวณ ประสิทธิภาพของแผนภูมิควบคุมที่นำเสนอได้รับการประเมินในแง่ของ outof การควบคุมระยะเวลาในการทำงานเฉลี่ยและระยะเวลาในการทำงานในการควบคุมค่าเฉลี่ยตามพารามิเตอร์ที่ไม่ใช่ศูนย์กลางต่างๆที่เกี่ยวข้องกับกะเฉลี่ย ผลที่ได้แสดงให้เห็นว่าแผนภูมิควบคุมที่นำเสนอประสิทธิภาพดีกว่าแผนภูมิ EWMA หลายตัวแปรที่มีอยู่ทั้งหมดหมายถึงการเปลี่ยนแปลง วิธีการที่นำเสนอน่าจะเป็นอย่างเข้มงวดในแง่ที่ว่าอัตราความผิดพลาดสำหรับสมมติฐานหลายได้รับการพิจารณาในลักษณะบูรณาการผ่าน FDR มากกว่าพิจารณาประเภท I และ II ข้อผิดพลาดที่แยกจากกัน