Den eksponentielt vektede flytende gjennomsnittet (EWMA) er en statistikk for overvåking av prosessen som gjennomsnittlig dataene på en måte som gir mindre og mindre vekt på data etter hvert som de blir fjernet i tide. Sammenligning av Shewhart kontroll diagram og EWMA kontroll diagram teknikker For Shewhart diagram kontroll teknikken, avgjørelsen om tilstanden av kontroll av prosessen når som helst, (t), er bare avhengig av den nyeste måling fra prosessen og, selvfølgelig, graden av sannhet av estimatene av kontrollgrensene fra historiske data. For EWMA-kontrollteknikken er avgjørelsen avhengig av EWMA-statistikken, som er et eksponentielt vektet gjennomsnitt av alle tidligere data, inkludert den siste måling. Ved valg av vektningsfaktor (lambda) kan EWMA-kontrollprosedyren gjøres følsom for en liten eller gradvis drift i prosessen, mens Shewhart-kontrollprosedyren kun kan reagere når det siste datapunktet ligger utenfor en kontrollgrense. Definisjon av EWMA Statistikken som beregnes er: mbox t lambda Yt (1-lambda) mbox ,,, mbox ,,, t 1, 2, ldots ,, n. hvor (mbox 0) er middelverdien av historiske data (mål) (Yt) er observasjonen til tiden (t) (n) er antall observasjoner som skal overvåkes inkludert (mbox 0) (0 Tolkning av EWMA kontrollkort Den røde punktene er de rå dataene som den kippede linjen er EWMA-statistikken over tid. Tabellen forteller oss at prosessen er i kontroll fordi alle (mbox t) ligger mellom kontrollgrensene. Det ser imidlertid ut til å være en trend oppover for de siste 5 Perioder. Kontakt Info Nettstedssøk Kunnskapssenter Eksponentielt vektet Flytende Gjennomsnittlig (EWMA) Diagrammer En (EWMA) Eksponentielt vektet Flytende Gjennomsnittlig Diagram er et kontrolldiagram for variabler data (data som er både kvantitative og kontinuerlige i måling, for eksempel en målt dimensjon eller tid). Den plotter vektede glidende gjennomsnittsverdier. En vektingsfaktor er valgt av brukeren for å bestemme hvor eldre datapunkter påvirker middelverdien sammenlignet med nyere. Fordi EWMA-kontrolldiagrammer bruker informasjon fra alle prøver, oppdager de mye mindre prosess Skift enn et normalt kontrollskjema ville. Når det ikke er tilgjengelig, gir et flytende gjennomsnittskart som for eksempel tilbudt i vår SPC-programvare de samme fordelene. Selv om standard EWMA-diagrammer er utformet for å overvåke prosesser med stabilt gjennomsnitt, kan et modifisert EWMA kontrollkort brukes til autokorrelerte prosesser med langsomt drivende middel. Siden 1982: Kunstvitenskapen for å forbedre bunnlinjen Kvalitet Amerika tilbyr statistisk prosesskontroll programvare, samt opplæringsmateriell til Lean Six Sigma, Quality Management og SPC. Vi tar imot en kundedrevet tilnærming, og leder i mange programvareinnovasjoner, og søker kontinuerlig måter å gi våre kunder de beste og rimeligste løsningene. Ledere i sitt felt, har Quality America levert programvare og trening produkter og tjenester til titusenvis av selskaper i over 25 land. Copyright copy 2013 Quality America Inc. EWMA-diagram i Excel Bruk EWMA-diagrammet når du har en prøve og vil oppdage små skift i ytelse. EWMA (eksponentielt vektet glidende gjennomsnitt) diagrammer ytelsen ligner på Cusum-diagrammet. Eksempel på et EWMA-diagram som er opprettet i QI-makroene for Excel For å opprette et EWMA-kontrollskjema i QI-makroene: Fremhev dataene dine og velg quotEWMAquot fra rullegardinmenyen quotControl Charts (SPC) (vi tilbyr en EWMA-fill-in - den blanke malen, så vel). Når du er valgt, vil du bli bedt om å enten godta standard alpha-parameteren på 0,2 eller skrive inn din egen: Per Montgomery 4th Edition, ldquovalues av i intervallet 0,05 fungerer godt i praksis, med 0,05, 0,10 og 0,20 er populære valg. En god tommelfingerregel er å bruke mindre verdier for å oppdage mindre skift. rdquo Etter at du har opprettet diagrammet ditt, kan du oppdatere din alfaparameter under categorien 1 Dataquot-fanen i quotWeightquot-cellen: Merk. Jo lavere verdien av alfaparametre, desto nærmere blir UCL og LCL til CL og omvendt. Lære mer. Å lage et Ewma-diagram ved hjelp av QI Macros. EWMA-mal Hva er det: En EWMA (eksponentielt vektet flytte-gjennomsnittlig) diagram er et kontrollskjema for variabler data (data som er både kvantitative og kontinuerlige i måling, for eksempel en målt dimensjon eller tid ). Diagrammene vektet glidende gjennomsnittsverdier, en vektningsfaktor er valgt av brukeren for å bestemme hvor eldre datapunkter påvirker gjennomsnittsverdien sammenlignet med nyere. Fordi EWMA-diagrammet bruker informasjon fra alle prøver, oppdager det mye mindre prosessskift enn et normalt kontrollskjema ville. Som med andre kontrolldiagrammer brukes EWMA-diagrammer til å overvåke prosesser over tid. Hvorfor bruke det: Gjelder vektningsfaktorer som reduseres eksponentielt. Vektingen for hvert eldre datapunkt faller eksponentielt, noe som gir mye større betydning for de siste observasjonene, mens det fortsatt ikke fjernes eldre observasjoner helt. Graden av veiing reduseres uttrykt som en konstant utjevningsfaktor, et tall mellom 0 og 1. kan uttrykkes i prosent, slik at en utjevningsfaktor på 10 er ekvivalent med 0,1. Alternativt kan det uttrykkes som N tidsperioder hvor. For eksempel er N19 ekvivalent med 0,1. Observasjonen på en tidsperiode t er betegnet Yt, og verdien av EMA når som helst t er betegnet, er St. S1 udefinert. S2 kan initialiseres på flere forskjellige måter, oftest ved å sette S2 til Y1, selv om det finnes andre teknikker, for eksempel S2 til et gjennomsnitt av de første 4 eller 5 observasjonene. Fremtredningen av S2 initialiseringseffekten på det resulterende glidende gjennomsnittet avhenger av mindre verdier, gjør valget av S2 relativt viktigere enn større verdier, siden en høyere reduserer eldre observasjoner raskere. Fordelen med EWMA-diagrammer er at hvert plottet punkt inneholder flere observasjoner, slik at du kan bruke Central Limit Theorem til å si at gjennomsnittet av poengene (eller glidende gjennomsnitt i dette tilfellet) er normalt fordelt og kontrollgrensene er klart definert. Hvor skal du bruke det: Kartene x-aksene er tidsbaserte, slik at diagrammene viser en historie av prosessen. Av denne grunn må du ha data som er tidsbestilt, som er skrevet inn i sekvensen som den ble generert fra. Hvis dette ikke er tilfelle, kan trender eller endringer i prosessen kanskje ikke oppdages, men i stedet tilskrives tilfeldig (vanlig årsak) variasjon. Når skal du bruke den: EWMA (eller eksponentielt vektet Flytende Gjennomsnitt) Diagrammer brukes vanligvis til å oppdage små skift i prosessmiddelet. De vil oppdage skift på .5 sigma til 2 sigma mye raskere enn Shewhart-diagrammer med samme utvalgsstørrelse. De er imidlertid langsommere i å oppdage store skift i prosessmiddelet. I tillegg kan typiske testtester ikke brukes på grunn av datapunktens inneboende avhengighet. EWMA-diagrammer kan også foretrekkes når undergruppene er av størrelse n1. I dette tilfellet kan et alternativt diagram være det individuelle X-diagrammet. I så fall må du estimere distribusjonen av prosessen for å definere sine forventede grenser med kontrollgrenser. Når du velger verdien av lambda som brukes til veiing, anbefales det å bruke små verdier (for eksempel 0,2) for å oppdage små skift og større verdier (mellom 0,2 og 0,4) for større skift. Et EWMA-diagram med lambda 1.0 er et X-bar-diagram. EWMA-diagrammer brukes også til å jevne ut effekten av kjent, ukontrollabel støy i dataene. Mange regnskapsprosesser og kjemiske prosesser passer inn i denne kategoriseringen. For eksempel, mens fluktuasjoner i regnskapsprosesser kan være store, er de ikke bare en indikasjon på ustabilitet i prosessen. Valget av lambda kan bestemmes for å gjøre diagrammet mer eller mindre følsomt for disse daglige svingningene. Slik bruker du det: Tolkning av et EWMA-diagram Standard-tilfelle (ikke-vandrende middel) Se alltid på rekkefølge først. Kontrollgrensene på EWMA-diagrammet er avledet fra gjennomsnittlig rekkevidde (eller flytende rekkevidde, hvis n1), så hvis rekkeviddekartet er ute av kontroll, så er kontrollgrensene på EWMA-kartet meningsløse. På rekkevidde-diagrammet, se etter av kontrollpunkter. Hvis det er noen, må de spesielle årsakene fjernes. Husk at rekkevidden er estimatet for variasjonen i en undergruppe, så se etter prosesselementer som vil øke variasjonen mellom dataene i en undergruppe. Etter å ha vurdert rekkefølgeoversikten, tolk punktene på EWMA-diagrammet i forhold til kontrollgrensene. Kjør Tester blir aldri brukt på et EWMA-diagram, siden de plottede punktene er iboende avhengige, og inneholder vanlige punkter. Vurder aldri poengene på EWMA-diagrammet i forhold til spesifikasjoner, siden observasjonene fra prosessen varierer mye mer enn eksponentielt vektede bevegelige gjennomsnitt. Hvis prosessen viser kontroll i forhold til de statistiske grensene i en tilstrekkelig periode (lenge nok til å se alle mulige spesielle årsaker), kan vi analysere evnen sin i forhold til kravene. Evnen er bare meningsfull når prosessen er stabil, siden vi ikke kan forutsi utfallet av en ustabil prosess. Wandering Mean Chart Se etter kontrollpunkter. Disse representerer et skifte i den forventede løpet av prosessen, i forhold til sin tidligere oppførsel. Diagrammet er ikke særlig følsomt for subtile endringer i en drivprosess, da det aksepterer noe nivå av drift som prosessen. Husk at kontrollgrensene er basert på en eksponensielt jevn forutsigelsesfeil for tidligere observasjoner, så jo større den tidligere driften er, jo mer ufølsom vil diagrammet være å oppdage endringer i mengden drift.
No comments:
Post a Comment