tThis paper proposes a new type of

tThis paper proposes a new type of multivariate EWMA control chart for detecting the process meanshift on the basis of a series of most recent T-squared statistics. We established a multiple hypothesistesting which uses the false discovery rate as the error to be controlled. Particularly, Benjamini–Hochbergprocedure is applied to develop a new control scheme. A nonparametric density estimation based on theParzen windows is adopted to approximate the distribution of the T-square statistics, from which thep-values are calculated. The performance of the proposed control charts is evaluated in terms of the out-of-control average run length and the in-control average run length according to various non-centralityparameters associated with the mean shifts. The result shows that the proposed control chart performsbetter than the existing multivariate EWMA chart for all mean shifts. The proposed method seems to berigorous in the sense that error rates for the multiple hypotheses are considered in an integrated way viaFDR rather than considering type I and II errors separately.

ผลลัพธ์ (ไทย) 1:

กระดาษ tThis เสนอชนิดใหม่ของแผนภูมิควบคุม EWMA ตัวแปรพหุการตรวจ meanshift การประมวลผลตามชุดข้อมูลสถิติล่าสุด T-squared เราก่อตั้งขึ้น hypothesistesting หลายซึ่งใช้อัตราการค้นพบที่ผิดพลาดเป็นข้อผิดพลาดการควบคุม โดยเฉพาะ Benjamini – Hochbergprocedure ใช้ในการพัฒนาแผนควบคุม ประเมินความหนาแน่น nonparametric ที่ตาม theParzen windows จะนำการประมาณการแจกแจงของสถิติฉาก เทพค่าจะถูกคำนวณ เป็นประเมินประสิทธิภาพของแผนภูมิควบคุมเสนอในเฉลี่ยออกควบคุมทำความยาว และเลื่อนค่าเฉลี่ยในตัวควบคุมเรียกใช้ความยาวตามที่ต่าง ๆ ไม่ใช่-centralityparameters เกี่ยวข้องกับค่าเฉลี่ย ผลแสดงที่ performsbetter แผนภูมิควบคุมเสนอกว่าภูมิ EWMA ตัวแปรพหุที่มีอยู่สำหรับหมายถึงกะทั้งหมด วิธีการนำเสนอดูเหมือนว่าจะ berigorous ในความรู้สึกว่า ข้อผิดพลาดและสมมุติฐานหลายราคาพิเศษถือ ใน viaFDR วิธีรวมตัว แทน พิจารณาชนิดฉันและข้อผิดพลาดที่สองแยกต่างหาก

ผลลัพธ์ (ไทย) 2:

กระดาษ tThis เสนอรูปแบบใหม่ของแผนภูมิควบคุม EWMA หลายตัวแปรสำหรับการตรวจสอบ meanshift กระบวนการบนพื้นฐานของชุดล่าสุดสถิติเสื้อยืดที่ เราจัดตั้ง hypothesistesting หลายที่ใช้อัตราการค้นพบที่ผิดพลาดเป็นข้อผิดพลาดที่จะควบคุม โดยเฉพาะอย่างยิ่ง Benjamini-Hochbergprocedure ถูกนำไปใช้ในการพัฒนารูปแบบการควบคุมใหม่ การประเมินความหนาแน่นอิงพารามิเตอร์ขึ้นอยู่กับหน้าต่าง theParzen ถูกนำมาใช้ที่ใกล้เคียงกับการกระจายของสถ​​ิติ T-ตารางจากการที่เทพค่าคำนวณ ประสิทธิภาพของแผนภูมิควบคุมที่นำเสนอได้รับการประเมินในแง่ของการทำงานออกจากการควบคุมค่าเฉลี่ยความยาวและระยะเวลาในการทำงานในการควบคุมค่าเฉลี่ยตาม centralityparameters ที่ไม่ใช่ต่างๆที่เกี่ยวข้องกับกะเฉลี่ย ผลที่ได้แสดงให้เห็นว่าแผนภูมิควบคุมเสนอ performsbetter กว่าแผนภูมิ EWMA หลายตัวแปรที่มีอยู่ทั้งหมดหมายถึงการเปลี่ยนแปลง วิธีการที่นำเสนอน่าจะ berigorous ในแง่ที่ว่าอัตราความผิดพลาดสำหรับสมมติฐานหลายได้รับการพิจารณาในทางที่ viaFDR แบบบูรณาการมากกว่าที่จะพิจารณาประเภท I และ II ข้อผิดพลาดที่แยกจากกัน

ผลลัพธ์ (ไทย) 3:

กระดาษนี่เสนอใหม่ประเภทของแผนภูมิควบคุม ewma หลายตัวแปรเพื่อตรวจสอบกระบวนการ meanshift บนพื้นฐานของชุดของสถิติล่าสุด t-squared . เราสร้างหลาย hypothesistesting ซึ่งใช้อัตราการค้นพบเท็จเป็นข้อผิดพลาดที่จะถูกควบคุม โดยเฉพาะอย่างยิ่ง benjamini – hochbergprocedure ประยุกต์ เพื่อพัฒนาโครงการควบคุมใหม่มีความหนาแน่นประมาณ 3 ขึ้นอยู่กับ Windows theparzen เป็นลูกบุญธรรมเพื่อประมาณค่าการกระจายของไม้ทีสถิติ ซึ่งเทพค่าการคำนวณ ประสิทธิภาพของแผนภูมิควบคุมเสนอให้ประเมินในแง่ของการออกจากการควบคุมค่าเฉลี่ยความยาวและความยาวเฉลี่ยในการควบคุมตามงานต่างๆ ที่เกี่ยวข้องกับ หมายถึงไม่ centralityparameters กะผลการศึกษาพบว่า การนำเสนอแผนภูมิควบคุม performsbetter กว่าที่มีอยู่หลายตัวแปร ewma แผนภูมิกะหมายถึงทั้งหมด วิธีการดู berigorous ในความรู้สึกที่อัตราความคลาดเคลื่อนสำหรับสมมติฐานหลายมีการพิจารณาในลักษณะผสมผสาน viafdr แทนที่จะพิจารณาประเภท I และ II ผิดต่างหาก