The analysis shows that some combin

The analysis shows that some combinations of parameters considered in the optimal projects produce
large ARL1 values, which are unacceptable in practice. However, these projects are of interest
for the analysis and to compare the DS np chart performance with SS improved control charts. It also
allows the analysis of the sensitivity of the charts with these values.
Notice that for some observed values of the upper control limit in the SS improved chart, the procedure
produces two possibilities for analysis. This arises because the lowest integer value of the control
limit was considered and, this value does not meet one of the constraints of optimization established
as input of the problem. That is, ARL0min is lower than the prefixed value.
What happens is that in the attribute control charts the control limits are fractional values, but the
statistic plotted is an integer. For example, if UCL = 2.880 it means that if in the process there are
more than two defective items the process is considered out of control. The same would happen if
UCL = 2.043 since the binomial variable considers only the integer value of the number. Obviously
the control limits can be ‘‘rounded’’ to integer values (as is done here) but the higher the upper limit
value of control (for the same sample size and p value) the greater it will be the ARL1 or the number
of samples until the detection of one out-of-control item in the process. In Tables 2–5, two possibilities
are placed, one that is real but does not meet the constraints, and the other which satisfies the
constraints. However, although the first does not meet the constraints in single sampling, it has the
best performance in double sampling.
Other comments about Tables 2–5 are the following: (i) In general, ARL1 values of the SS improved
chart are higher than ARL1 values of the DS chart. This makes the DS chart more reliable for a quicker
detection of points out of control. (ii) On the other hand, ARL0 values of the SS improved chart are in
general much higher than the specified ARL0min of 200 or 300 (according to the case). This happens
because it is not possible to achieve an exact match to the ARL0 specified value, due to the discreteness
of the sample statistic and n fixed. However, this is not what happens with DS charts since this
procedure has more parameters and admits a better adjustment of the ARL0. (iii) It may be noted that
the values of ARL1 and ARL0 are not well suited to the SS improved chart. This is due to the small value
of p0 and the small sample size too. However, in the case of the DS chart these values are closer to the
specified values, which make this procedure even more attractive as a control method. (iv) Another
feature of the tables is that the optimal WL, UCL1, UCL2 values change very little as long as np0 and γ are
constants. The ARL1 values change very little too, for different values of n and p0 as long as np0 and γ
are constants. For example, from Table 2, for γ = 1.5 and np0 = 0.4 (n = 80, 40, 20), the ARL1 values
are 64.0, 63.67, 63.03, respectively. And from Table 3, for γ = 2.0 and np0 = 0.4 (n = 80, 40, 20), the
ARL1 values are 21.42, 21.19, 20.77, respectively. This makes it possible to choose a control scheme
based on the value of p0 and the sample size n that have similar values for the average run length of
an out of control process. (v) For different values of n and p0, the values of n1 and n2 are proportional
to n, as long as np0 is constant.
To illustrate the operation of optimization consider the optimal projects and their performance
measures for the np control chart with DS for the data in Table 5.
The input data are:
γ = 2.0, αmax = 0.005 or ARL0min = 200; p0 = 0.5%, ⌊UCL⌋ = 2 and
ASSmax = 60.
The optimal design with DS np chart is (50, 242, 1.5, 2.5, 4.5) because n1 = 50, n2 = 242, ⌊WL⌋ =
1, ⌈UCL1⌉ = 3 and ⌊UCL2⌋ = 4. With these parameters ASS = 55.83 and the performance measurements
are ARL0 = 200.04 and ARL1 = 21.37.
The project np control chart with SS that achieves the same conditions with; n ≤ 60 and α = 0.005
is the improved control chart with SS (60, 2.5) where n = 60, ⌊UCL⌋ = 2, ARL0 = 289.17 and
ARL1 = 44.60.
Therefore, the np chart with double sampling and the improved np chart with single sampling are
comparable in the sense that they satisfy the same constraints in ASS and ARL0 and that the np chart
in DS has a lower ARL1.
In the next section an example with real data using this double sampling plan is shown.

ผลลัพธ์ (ไทย) 1:

การวิเคราะห์การแสดงบางชุดของพารามิเตอร์ที่พิจารณาในโครงการเหมาะสมผลิตขนาดใหญ่ ARL1 ค่า ซึ่งในทางปฏิบัติไม่ อย่างไรก็ตาม โครงการเหล่านี้ที่น่าสนใจสำหรับการวิเคราะห์ และเปรียบเทียบ DS ประสิทธิภาพภูมิ np กับ SS ปรับปรุงแผนภูมิควบคุม มันยังการวิเคราะห์ความไวของแผนภูมิที่มีค่าเหล่านี้ได้โปรดสังเกตว่า บางสังเกตค่าของขีดจำกัดควบคุมด้านบนใน SS ปรับปรุงแผนภูมิ ขั้นตอนสร้างสองทางสำหรับการวิเคราะห์ นี้เกิดขึ้นเนื่องจากจำนวนเต็มค่าต่ำสุดของตัวควบคุมถือเป็นข้อจำกัด และ ค่านี้ไม่ตรงกับข้อจำกัดของก่อตั้งขึ้นอย่างใดอย่างหนึ่งเป็นอินพุตของปัญหา นั่นคือ ARL0min จะต่ำกว่าค่าที่ prefixedอะไรเกิดขึ้นที่ในแอตทริบิวต์ตัวควบคุมแผนภูมิการควบคุมจำกัดเป็นค่าเศษส่วน แต่สถิติที่นำมาลงจุดเป็นจำนวนเต็ม ตัวอย่าง ถ้าของประชาชนสสส. = 2.880 หมายความ ว่า ถ้าในกระบวนการมีสินค้ามีข้อบกพร่องมากกว่า 2 กระบวนการคือพิจารณาออกจากการควบคุม เดียวกันจะเกิดขึ้นถ้าของประชาชนสสส. = 2.043 เนื่องจากตัวแปรทวินามพิจารณาเฉพาะจำนวนเต็มค่าของหมายเลข เห็นได้ชัดสามารถ ''ปัด '' ค่าจำนวนเต็ม (เท่าที่จะทำที่นี่) แต่สูงกว่าขีดจำกัดควบคุมบนจำกัดค่าของตัวควบคุม (หาตัวอย่างขนาดและ p) ยิ่งจะ ARL1 หรือหมายเลขตัวอย่างจนถึงการตรวจพบสินค้าออกของตัวควบคุมหนึ่งในกระบวนการ ในตาราง 2-5 สองทางวาง ที่แท้จริง แต่ไม่ตรงกับข้อจำกัด และที่อื่น ๆ ซึ่งเป็นไปตามข้อจำกัดต่าง ๆ อย่างไรก็ตาม แม้ว่าครั้งแรกตรงกับข้อจำกัดในการสุ่มตัวอย่างเดียว มีการประสิทธิภาพสูงที่สุดในการสุ่มตัวอย่างที่สองข้อคิดเห็นอื่น ๆ เกี่ยวกับตาราง 2 – 5 ต่อไปนี้: (i) โดยทั่วไป ค่า ARL1 ของ SS มีการปรับปรุงแผนภูมิสูงกว่า ARL1 ค่าของแผนภูมิ DS ทำให้แผนภูมิ DS ความน่าเชื่อถือสำหรับการได้อย่างรวดเร็วการตรวจหาจุดออกจากการควบคุม (ii) บนมืออื่น ๆ ค่า ARL0 ของ SS ปรับปรุงแผนภูมิอยู่ในทั่วไปสูงกว่า ARL0min ระบุ 200 หรือ 300 (ตามกรณี) นี้เกิดขึ้นเนื่องจากไม่สามารถให้ข้อมูลตรงกับ ARL0 ที่ระบุค่า เนื่องจากการ discretenessตัวอย่างสถิติและ n คงที่ อย่างไรก็ตาม นี้จะไม่เกิดอะไรขึ้นกับ DS แผนภูมิตั้งแต่นี้ขั้นตอนมีพารามิเตอร์ และยอมรับการปรับปรุง ARL0 ดีขึ้น (iii) นั้นอาจตั้งข้อสังเกตที่ค่าของ ARL1 และ ARL0 ซึ่งไม่เหมาะสมไปยัง SS ปรับปรุงแผนภูมิ นี่คือเนื่องจากค่าขนาดเล็กp0 และขนาดเล็กอย่างขนาดเกินไป อย่างไรก็ตาม ในกรณีของแผนภูมิ DS ค่าเหล่านี้จะต้องการระบุค่า ซึ่งทำให้กระบวนการนี้น่าสนใจมากยิ่งขึ้นเป็นวิธีการควบคุม (iv) อีกคุณสมบัติของตารางเป็นที่ UCL2 WL, UCL1 ดีที่สุดค่าการเปลี่ยนแปลงน้อยมากตราบใดที่ np0 และγค่าคงที่ ค่า ARL1 เปลี่ยนแปลงน้อยมากเกินไป ค่าแตกต่างกัน n และ p0 ตราบ np0 และγมีค่าคงที่ ตัวอย่าง จากตารางที่ 2 สำหรับγ = 1.5 และ np0 = 0.4 (n = 80, 40, 20), ค่า ARL1มี 64.0, 63.67, 63.03 ตามลำดับ และจากตาราง 3 สำหรับγ = 2.0 และ np0 = 0.4 (n = 80, 40, 20), การค่า ARL1 มี 21.42, 21.19, 20.77 ตามลำดับ นี้ช่วยให้สามารถเลือกแผนควบคุมค่า p0 และตัวอย่างขนาด n ที่มีค่าเหมือนกันสำหรับระยะเวลาใช้งานเฉลี่ยของความว่าการควบคุม (v) สำหรับค่าต่าง ๆ ของ n และ p0 ค่า n1 และ n2 เป็นสัดส่วนให้ n ยาวเป็น np0 คงเพื่อแสดง การดำเนินงานของพิจารณาโครงการเหมาะสมและการปฏิบัติมาตรการสำหรับแผนภูมิควบคุม np กับ DS สำหรับข้อมูลในตาราง 5ข้อมูลที่ป้อนเข้าจะ:Γ = 2.0, αmax = 0.005 หรือ ARL0min = 200 p0 = 0.5%, ⌊UCL⌋ = 2 และASSmax = 60การออกแบบที่ดีที่สุดแผนภูมิ np DS เป็น (50, 242, 1.5, 2.5, 4.5) เนื่องจาก n1 = 50, n2 = 242, ⌊WL⌋ =1, ⌈UCL1⌉ = 3 และ ⌊UCL2⌋ = 4 มีพารามิเตอร์เหล่านี้ตูด = 55.83 และการประเมินประสิทธิภาพมี ARL0 = 200.04 และ ARL1 = 21.37แผนภูมิควบคุม np โครงการกับ SS ที่ได้รับเงื่อนไขเดียวกับ ด้วยกองทัพและ n ≤ 60 = 0.005เป็นแผนภูมิควบคุมที่ปรับปรุง ด้วย SS (60, 2.5) n = 60, ⌊UCL⌋ = 2, ARL0 = 289.17 และARL1 = 44.60ดังนั้น แผนภูมิ np กับคู่สุ่มและ np ปรับปรุงแผนภูมิ ด้วยการสุ่มตัวอย่างเดียวคือเปรียบในแง่ที่ว่า พวกเขาตอบสนองข้อจำกัดเดียวกันในตูด และ ARL0 และแผนภูมิ npใน DS มี ARL1 ต่ำในส่วนถัดไป เป็นแสดงตัวอย่างข้อมูลจริงโดยใช้แผนการสุ่มตัวอย่างคู่นี้

ผลลัพธ์ (ไทย) 2:

การวิเคราะห์แสดงให้เห็นว่าการรวมกันบางส่วนของพารามิเตอร์ในการพิจารณาโครงการที่ดีที่สุดในการผลิตค่า ARL1 ขนาดใหญ่ซึ่งเป็นที่ยอมรับไม่ได้ในทางปฏิบัติ อย่างไรก็ตามโครงการเหล่านี้เป็นที่สนใจสำหรับการวิเคราะห์และเปรียบเทียบประสิทธิภาพการทำงานที่ดีเอสเอ็นพีชาร์เอสเอสที่มีการปรับปรุงแผนภูมิควบคุม นอกจากนี้ยังช่วยให้การวิเคราะห์ความไวของชาร์ตที่มีค่าเหล่านี้. the สังเกตว่าบางค่าสังเกตของวงเงินการควบคุมบนในเอสเอสดีขึ้นแผนภูมิขั้นตอนการผลิตสองเป็นไปได้สำหรับการวิเคราะห์ นี้เกิดขึ้นเพราะค่าจำนวนเต็มต่ำสุดของการควบคุมการ จำกัด ได้รับการพิจารณาและค่านี้ไม่เป็นไปตามข้อ จำกัด หนึ่งของการเพิ่มประสิทธิภาพที่จัดตั้งขึ้นเป็นinput ของปัญหา นั่นคือ ARL0min ต่ำกว่ามูลค่าที่นำหน้าได้. สิ่งที่เกิดขึ้นก็คือว่าในแผนภูมิควบคุมแอตทริบิวต์ข้อ จำกัด การควบคุมที่มีค่าบางส่วน แต่สถิติที่พล็อตเป็นจำนวนเต็ม ตัวอย่างเช่นถ้ายูซีแอล = 2.880 หมายความว่าถ้าในกระบวนการมีมากกว่าสองรายการที่มีข้อบกพร่องกระบวนการพิจารณาออกจากการควบคุม เช่นเดียวกับที่จะเกิดขึ้นถ้ายูซีแอล = 2.043 ตั้งแต่ตัวแปรทวินามพิจารณาเฉพาะค่าจำนวนเต็มของตัวเลข เห็นได้ชัดว่าข้อ จำกัด การควบคุมที่สามารถ '' กลม '' ไปเป็นค่าจำนวนเต็ม (เท่าที่จะทำที่นี่) แต่สูงกว่าขีด จำกัด บนค่าของตัวควบคุม(สำหรับขนาดของกลุ่มตัวอย่างเดียวกันและความคุ้มค่า P) มากขึ้นมันจะเป็น ARL1 หรือจำนวนของตัวอย่างจนกว่าการตรวจสอบของรายการหนึ่งออกจากการควบคุมในกระบวนการ ในตารางที่ 2-5 สองเป็นไปได้ที่มีอยู่คนหนึ่งที่เป็นจริงแต่ไม่เป็นไปตามข้อ จำกัด และอื่น ๆ ซึ่งสอดคล้องกับข้อจำกัด อย่างไรก็ตามแม้ว่าครั้งแรกไม่เป็นไปตามข้อ จำกัด ในการเก็บตัวอย่างเดียวก็มีประสิทธิภาพที่ดีที่สุดในการสุ่มตัวอย่างคู่. ความคิดเห็นอื่น ๆ เกี่ยวกับตาราง 2-5 ดังต่อไปนี้: (i) โดยทั่วไปค่า ARL1 ของเอสเอสดีขึ้นแผนภูมิจะสูงกว่าค่า ARL1 ของแผนภูมิ DS นี้จะทำให้ชาร์ DS น่าเชื่อถือมากขึ้นสำหรับเร็วการตรวจสอบจุดที่ออกจากการควบคุม (ii) ในทางกลับกันค่า ARL0 ของเอสเอสดีขึ้นอยู่ในแผนภูมิทั่วไปสูงกว่าที่ระบุไว้ARL0min 200 หรือ 300 (ตามกรณี) เรื่องนี้เกิดขึ้นเพราะมันเป็นไปไม่ได้ที่จะบรรลุตรงกับค่าที่ระบุ ARL0 เนื่องจาก discreteness สถิติตัวอย่างและ n คงที่ แต่นี้ไม่ได้เป็นสิ่งที่เกิดขึ้นกับดีเอสชาร์ตตั้งแต่นี้ขั้นตอนที่มีค่ามากขึ้นและยอมรับว่าการปรับตัวที่ดีขึ้นของ ARL0 (iii) มันอาจจะตั้งข้อสังเกตว่าค่าของARL1 ARL0 และไม่เหมาะกับการปรับปรุงแผนภูมิเอสเอส นี่คือสาเหตุที่ค่าขนาดเล็กของ p0 และขนาดของกลุ่มตัวอย่างขนาดเล็กเกินไป อย่างไรก็ตามในกรณีของเอสชาร์ทค่าเหล่านี้มีความใกล้ชิดกับค่าที่ระบุซึ่งทำให้ขั้นตอนนี้น่าสนใจยิ่งขึ้นเป็นวิธีการควบคุม (iv) อีกคุณลักษณะของตารางเป็นที่ที่ดีที่สุดWL, UCL1 ค่า UCL2 เปลี่ยนแปลงน้อยมากตราบเท่าที่ NP0 และγมีค่าคงที่ ค่า ARL1 เปลี่ยนแปลงน้อยมากเกินไปสำหรับการที่แตกต่างกันของค่า n และ p0 ตราบเท่าที่ NP0 และγมีค่าคงที่ ยกตัวอย่างเช่นจากตารางที่ 2 สำหรับγ = 1.5 และ 0.4 NP0 = (n = 80, 40, 20) ค่า ARL1 เป็น 64.0, 63.67, 63.03 ตามลำดับ และจากตารางที่ 3 สำหรับγ = 2.0 และ 0.4 NP0 = (n = 80, 40, 20) ซึ่งเป็นค่าARL1 เป็น 21.42, 21.19, 20.77 ตามลำดับ นี้จะทำให้มันเป็นไปได้ที่จะเลือกรูปแบบการควบคุมตามค่าของ n p0 และขนาดของกลุ่มตัวอย่างที่มีค่าที่คล้ายกันสำหรับความยาววิ่งเฉลี่ยของออกมาจากขั้นตอนการควบคุม (V) สำหรับค่าที่แตกต่างของ n และ p0 ค่าของ n1 และ n2 ที่มีสัดส่วนถึงn ตราบ NP0 เป็นค่าคงที่. เพื่อแสดงให้เห็นการดำเนินงานของการเพิ่มประสิทธิภาพพิจารณาโครงการที่ดีที่สุดและประสิทธิภาพการทำงานของพวกเขามาตรการสำหรับแผนภูมิควบคุมเอ็นพีกับดีเอสสำหรับข้อมูลในตารางที่ 5 การป้อนข้อมูลที่: γ = 2.0 αmax = 0.005 หรือ ARL0min = 200; p0 = 0.5% ⌊UCL⌋ = 2 และASSmax = 60 การออกแบบที่ดีที่สุดกับดีเอสเอ็นพีเป็นแผนภูมิ (50, 242, 1.5, 2.5, 4.5) เนื่องจาก n1 = 50, 2 = 242, ⌊WL⌋ = 1, ⌈ UCL1⌉ = 3 และ⌊UCL2⌋ = 4 กับพารามิเตอร์เหล่านี้ ASS = 55.83 และการวัดประสิทธิภาพการทำงานเป็นARL0 = 200.04 และ ARL1 = 21.37. โครงการแผนภูมิควบคุมเอ็นพีเอสเอสที่มีประสบความสำเร็จในเงื่อนไขเดียวกันกับ; n ≤ 60 และα = 0.005 เป็นแผนภูมิควบคุมที่ดีขึ้นกับเอสเอส (60, 2.5) โดยที่ n = 60, ⌊UCL⌋ = 2 ARL0 = 289.17 และARL1 = 44.60. ดังนั้นแผนภูมิเอ็นพีที่มีการสุ่มตัวอย่างคู่และเอ็นพีดีขึ้น แผนภูมิที่มีการสุ่มตัวอย่างเดียวเปรียบในแง่ที่ว่าพวกเขาตอบสนองข้อจำกัด เดียวกันใน ASS และ ARL0 และแผนภูมิเอ็นพีในDS มี ARL1 ต่ำ. ในส่วนถัดไปตัวอย่างเช่นมีข้อมูลจริงโดยใช้แผนการสุ่มตัวอย่างคู่นี้ก็แสดงให้เห็น

ผลลัพธ์ (ไทย) 3:

จากการวิเคราะห์ พบว่า บางชุดของพารามิเตอร์ที่เหมาะสมพิจารณาในโครงการผลิต
ค่า arl1 ขนาดใหญ่ซึ่งเป็นที่ยอมรับไม่ได้ในการปฏิบัติ อย่างไรก็ตาม โครงการนี้น่าสนใจ
สำหรับการวิเคราะห์และเปรียบเทียบประสิทธิภาพของแผนภูมิกับ DS NP SS ปรับปรุงแผนภูมิควบคุม มันยัง
ช่วยให้การวิเคราะห์ความไวของแผนภูมิที่มีค่าเหล่านี้ .
สังเกตว่าบางสังเกตค่าของขีดจำกัดควบคุมบนใน SS ปรับปรุงแผนภูมิขั้นตอน
ผลิตสองความเป็นไปได้สำหรับการวิเคราะห์ นี้เกิดขึ้นเพราะนค่าจำนวนเต็มของขีดจำกัดควบคุม
ถือว่าและ ค่านี้ไม่ตรงกับหนึ่งในข้อจำกัดของการก่อตั้ง
เป็น input ของปัญหา นั่นคือ arl0min ต่ำกว่า
- ค่าสิ่งที่เกิดขึ้นก็คือในการควบคุมคุณลักษณะแผนภูมิขีดจำกัดควบคุมค่าเศษส่วนแต่
สถิติวางแผนเป็นจำนวนเต็ม ตัวอย่างเช่น ถ้า UCL = 2.880 หมายความว่าถ้าในกระบวนการมี
มากกว่าสองรายการกระบวนการบกพร่องเป็นออกจากการควบคุม เดียวกันจะเกิดขึ้นหาก
UCL = 2.043 เนื่องจากตัวแปรทวินาม จะพิจารณาเฉพาะค่าจำนวนเต็มของตัวเลขแน่นอน
'rounded การควบคุมจำกัดสามารถ ' ' ' ค่าจำนวนเต็ม ( เสร็จแล้ว ) แต่สูงกว่าขีด จำกัด บน
ค่าควบคุม ( เหมือนกันขนาดตัวอย่างและค่า P ) มากกว่าจะเป็น arl1 หรือหมายเลข
ตัวอย่างจนกว่าการตรวจสอบออกรายการควบคุมใน กระบวนการ ตารางที่ 2 – 5 สองเป็นไปได้
วางอยู่ ที่เป็นของแท้ แต่ไม่ตรงตามข้อบังคับและอีกที่ตรง
ข้อจำกัด อย่างไรก็ตาม แม้ว่าแรกไม่ตรงกับเงื่อนไขในตัวอย่างเดียว มันมี

คู่ประสิทธิภาพที่ดีที่สุดในคน ความเห็นอื่น ๆเกี่ยวกับตาราง 2 – 5 มีดังนี้ : ( 1 ) ทั่วไป arl1 ค่า SS ดีขึ้น
แผนภูมิจะสูงกว่าค่า arl1 ของ DS แผนภูมิ นี้จะทำให้น่าเชื่อถือมากขึ้นสำหรับ DS ชาร์ตเร็ว
การตรวจหาจุดที่ออกจากการควบคุม ( 2 ) บนมืออื่น ๆ , arl0 ค่า SS ปรับปรุงแผนภูมิใน
ทั่วไปสูงกว่าที่ระบุไว้ arl0min 200 หรือ 300 ( ตามกรณี ) นี้เกิดขึ้น
เพราะมันเป็นไปไม่ได้ที่จะบรรลุตรงกันกับ arl0 ระบุมูลค่า เนื่องจากการ discreteness
ของตัวอย่างสถิติและคงที่ อย่างไรก็ตามนี่ไม่ใช่สิ่งที่เกิดขึ้นกับ DS ชาร์ตตั้งแต่ขั้นตอนนี้
มีพารามิเตอร์เพิ่มเติมและรับการปรับตัวที่ดีขึ้นของ arl0 . ( 3 ) อาจจะสังเกตได้ว่าค่าของ arl1 arl0
และไม่เหมาะกับ SS ปรับปรุงแผนภูมิ ทั้งนี้ค่า
ของ PO และขนาดตัวอย่างเล็กเกินไป อย่างไรก็ตาม ในกรณีของ DS ชาร์ตค่าเหล่านี้อยู่ใกล้กับ
ค่าที่ระบุซึ่งทำให้ขั้นตอนนี้แม้จะน่าสนใจมากขึ้นเป็นวิธีการควบคุม . ( 4 ) อีก
คุณลักษณะของตารางที่เหมาะสม ucl1 WL , ค่านิยม , ucl2 เปลี่ยนแปลงน้อยมาก เท่าที่ np0 γ
และเป็นค่าคงที่ การเปลี่ยนแปลงค่า arl1 น้อยมากเหมือนกัน สำหรับค่าที่แตกต่างกันของ N และ PO และตราบใดที่ np0 γ
เป็นค่าคงที่ ตัวอย่าง จากตารางที่ 2 สำหรับγ = 1.5 และ np0 = 0.4 ( n = 80 , 40 , 20 )การ arl1 ค่า
เป็น 64.0 63.67 , 63.03 , ตามลำดับ จากตารางที่ 3 , γ = 2.0 และ np0 = 0.4 ( n = 80 , 40 , 20 ) ,
arl1 ค่า 21.42 21.19 , ต้อหิน , ตามลำดับ นี้จะทำให้มันเป็นไปได้เพื่อเลือกรูปแบบการควบคุม
ตามค่าของ PO และขนาดตัวอย่าง n ที่มีค่าใกล้เคียงกันเฉลี่ยความยาวของ
ออกจากกระบวนการควบคุม ( 5 ) สำหรับค่าที่แตกต่างกันของ N และ P0 ,ค่าของ N1 และ N2 เป็นสัดส่วน
n ตราบเท่าที่ np0 จะคงที่ เพื่อให้การดำเนินงานของ
เหมาะสมพิจารณาโครงการที่เหมาะสมและประสิทธิภาพของพวกเขา
มาตรการสำหรับแผนภูมิควบคุม NP ด้วยสำหรับข้อมูลในตารางที่ 5 .
ข้อมูลเข้า :
γ = 2.0 , α max = 0.005 หรือ arl0min = 200 ; P0 = 0.5% , ⌊ UCL ⌋ = 2
assmax = 60 .
การออกแบบที่เหมาะสมกับ DS ของแผนภูมิ ( 50 , 242 , 1.5 , 2.5 ,4.5 ) เพราะ N1 N2 = = 50 , 242 , ⌊ WL ⌋ =
1 , ⌈ ucl1 ⌉ = 3 และ⌊ ucl2 ⌋ = 4 กับพารามิเตอร์เหล่านี้ก้น = 55.83 และประสิทธิภาพการวัด
เป็น arl0 200.04 arl1 = = และ 21.37 .
โครงการ NP แผนภูมิควบคุมกับ SS ที่ใช้เงื่อนไขเดียวกันกับ ; n ≤ 60 และα = 0.005
คือการปรับปรุงแผนภูมิควบคุมกับ SS ( 60 , 2.5 ) เมื่อ n = 60 , ⌊ UCL ⌋ = 2 , arl0 = = 44.60 arl1 289.17 และ
.
ดังนั้นโดย np แผนภูมิที่มีเตียงคู่ ) และขึ้น NP กับแผนภูมิเดี่ยวสุ่มตัวอย่าง
เปรียบในความรู้สึกที่พวกเขาตอบสนองข้อจำกัดเดียวกันในก้นแล้ว arl0 และที่ NP แผนภูมิ
ใน DS มี arl1 ล่าง .
ในส่วนถัดไปตัวอย่างกับข้อมูลจริง ใช้แผนการสุ่มตัวอย่างคู่แสดง