A มาร์คอฟ โซ่ แบบ สำหรับ ที่ หลายตัวแปร ชี้แจง ถัว เฉลี่ยเคลื่อนที่ ควบคุม แผนภูมิ

160Quest-ce que CAT. INIST Cat. inist cest le signalement บวกบวก 20 ล้าน de recacutefeacuterences บรรณานุกรม (depuis 1973) ประเด็น des คอลเลกชัน du fonds documentaire de lintist-cnrs และ couvrant เลนส์ des champs de la recherche mondiale en วิทยาศาสตร์, เทคโนโลยี, meacutedecine, humaines วิทยาศาสตร์และสังคม. Si vous tes membre เดอลา communaut CNRS (ศูนย์แห่งชาติเดอลา Recherche Scientifique) o ESR franccedilais (Enseignement Suprieur เอต Recherche), ลาบาร์เรย์เดอเมดิเพล็กซ์ Repdoc แคตตาล็อก contenant บวก 53 ล้าน de rfrences bibliographiques ศูนย์การประชุมแห่งชาติสิริกิติ์ - CNRS (Centre National de la Recherche Scientifique) vous pouvez เอกสาร obtenir gratuitement le - ESR franccedilais (Enseignement Suprieur et Recherche) vous pouvez commander le document มีการทำสำเนา reprographie. - Secteur public franais et tranger vous pouvez commander le document มีการทำสำเนา reprographie. 160Whats หลัง CAT. INIST Cat. inist ประกอบด้วยบันทึกข้อมูลบรรณานุกรมมากกว่า 20 ล้านฉบับ (ตั้งแต่ปีพ. ศ. 2516 เป็นต้นไป) สำหรับเอกสารจากคอลเลกชัน Inist-Cnrs ที่ครอบคลุมสาขาการวิจัยทั่วโลกทั้งหมดในด้านวิทยาศาสตร์เทคโนโลยีการแพทย์มนุษยศาสตร์และสังคมศาสตร์ ด้วยแถบค้นหาคุณสามารถเข้าถึงได้โดยตรงและให้คำปรึกษามากกว่า 53 ล้านระเบียนบรรณานุกรมฟรี ระเบียนเหล่านี้หลายแห่งมีลิงก์ไปยังเอกสารที่สามารถเข้าถึงได้ หากคุณเป็นสมาชิกของ CNRS (ศูนย์วิจัยวิทยาศาสตร์แห่งชาติ) หรือชุมชนการศึกษาและการวิจัยระดับสูงของฝรั่งเศส คุณสามารถใช้แถบค้นหาเพื่อเข้าถึง Refdoc แคตตาล็อกที่มีระเบียนบรรณานุกรมมากกว่า 53 ล้านรายการ หากคุณเป็นสมาชิกของ - CNRS (National Center for Scientific Research): คุณสามารถขอรับเอกสารฟรี - French Higher Education and Research คุณสามารถสั่งซื้อเอกสารได้หากได้รับอนุญาตให้ทำสำเนา reprographical - ภาครัฐในประเทศฝรั่งเศสและประเทศอื่น ๆ คุณสามารถสั่งซื้อเอกสารได้หากได้รับอนุญาตให้ทำสำเนา reprographical โดย Bowei Xi, George Michailidis, Vijayan N. Nair การตรวจเอกซเรย์เครือข่ายที่ใช้งานหมายถึงคลาสที่น่าสนใจของปัญหาผกผันขนาดใหญ่ที่เกิดขึ้นในการประมาณค่าคุณภาพของพารามิเตอร์การบริการของคอมพิวเตอร์และเครือข่ายการสื่อสาร บทความนี้มุ่งเน้นไปที่การประเมินอัตราการสูญเสียของการเชื่อมโยงภายในของเครือข่ายโดยใช้ end-to-end measurem การตรวจเอกซเรย์เครือข่ายที่ใช้งานหมายถึงคลาสที่น่าสนใจของปัญหาผกผันขนาดใหญ่ที่เกิดขึ้นในการประมาณค่าคุณภาพของพารามิเตอร์การบริการของคอมพิวเตอร์และเครือข่ายการสื่อสาร บทความนี้มุ่งเน้นไปที่การประเมินอัตราการสูญเสียของการเชื่อมโยงภายในของเครือข่ายโดยใช้การวัดปลายของโหนดที่อยู่บนขอบ มีการแนะนำชั้นเรียนของการทดสอบแบบยืดหยุ่นสำหรับการตรวจสอบเครือข่ายอย่างละเอียดและเงื่อนไขที่ข้อมูลทั้งหมดของลิงก์ระดับจะเป็นที่คาดหมาย การประมาณค่าความเป็นไปได้สูงสุดโดยใช้อัลกอริธึม EM, โครงสร้างของอัลกอริทึมและคุณสมบัติของตัวประมาณค่าความเป็นไปได้สูงสุดจะถูกตรวจสอบ ซึ่งรวมถึงการศึกษาการจำลองโดยใช้ ns (โปรแกรมจำลองเครือข่าย) เพื่อให้ได้ปริมาณการใช้งานเครือข่ายที่เหมือนจริง ยังได้มีการศึกษาการออกแบบที่ดีที่สุดของการทดลองการทดลอง ในที่สุดการใช้ผลการตรวจสอบเครือข่ายจะแสดงเป็นภาพสั้น ๆ โดย Changliang Zou, Fugee Tsung, Zhaojun Wang - Technometrics 2007 เราเสนอวิธีการควบคุมกระบวนการทางสถิติ (SPC) ที่สามารถนำมาประยุกต์ใช้ในทางปฏิบัติอุตสาหกรรมซึ่งคุณภาพของกระบวนการสามารถกำหนดลักษณะโดยทั่วไปได้ เราเริ่มต้นด้วยการทบทวนรูปแบบเส้นตรงทั่วไปและวิธีการตรวจสอบที่มีอยู่ ขึ้นอยู่กับว่านวนิยาย เราเสนอวิธีการควบคุมกระบวนการทางสถิติ (SPC) ที่สามารถนำมาประยุกต์ใช้ในทางปฏิบัติอุตสาหกรรมซึ่งคุณภาพของกระบวนการสามารถกำหนดลักษณะโดยทั่วไปได้ เราเริ่มต้นด้วยการทบทวนรูปแบบเส้นตรงทั่วไปและวิธีการตรวจสอบที่มีอยู่ จากข้อมูลดังกล่าวได้มีการเสนอโครงการการตรวจสอบค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักแบบพหุคูณ (MEWMA) แบบหลายตัวแปร คุณลักษณะการปรับปรุง 3 ประการคือเพื่อปรับปรุงประสิทธิภาพของโครงการที่เสนอซึ่งรวมถึง 1) ช่วงการสุ่มตัวอย่างตัวแปร 2) ฟังก์ชันการเริ่มต้นด้วยตนเองและ 3) วิธีการวินิจฉัยตัวแปรพาราเมทริก ตลอดบทความนี้มีการใช้รูปแบบการกัดด้วยไอออนในเชิงลึก (DRIE) จากการผลิตเซมิคอนดักเตอร์ซึ่งมีโปรไฟล์ที่เหมาะสมกับรูปแบบการถดถอยพหุนามแบบสองสมการที่ใช้กันอย่างแพร่หลายเพื่อแสดงให้เห็นถึงการใช้แนวทางที่เสนอ 1 1 โดย Manuel Cabral Morais, Antnio Pacheco - การสื่อสารในการจำลองสถิติและการคำนวณ คะแนนความยาวร้อยละความน่าจะเป็นของสัญญาณที่ทำให้เข้าใจผิด การเปลี่ยนแปลงในกระบวนการหมายถึง () หรือในส่วนเบี่ยงเบนมาตรฐานของกระบวนการ () ควรถือเป็นข้อบ่งชี้ว่ากระบวนการผลิตอยู่นอกการควบคุม บทความนี้พิจารณาปัญหาของการตรวจสอบร่วมกันของทั้งสองพารามิเตอร์ คะแนนความยาวร้อยละความน่าจะเป็นของสัญญาณที่ทำให้เข้าใจผิด การเปลี่ยนแปลงในกระบวนการหมายถึง () หรือในส่วนเบี่ยงเบนมาตรฐานของกระบวนการ () ควรถือเป็นข้อบ่งชี้ว่ากระบวนการผลิตอยู่นอกการควบคุม บทความนี้จะพิจารณาปัญหาของการตรวจสอบร่วมกันของพารามิเตอร์ทั้งสองนี้เมื่อคุณลักษณะด้านคุณภาพมีการกระจายตามปกติโดยใช้รูปแบบการถ่วงน้ำหนักแบบถ่วงน้ำหนักแบบกระจายน้ำหนักรวม (CEWMA) การวัดประสิทธิภาพของโครงการควบคุมร่วมนี้จะมีการตรวจสอบภายใต้การเปลี่ยนแปลงค่าเฉลี่ยของกระบวนการหรืออัตราการไหลของส่วนเบี่ยงเบนมาตรฐานของกระบวนการและภายใต้การเริ่มต้นของการเริ่มต้น: ความยาวในการวิ่งเฉลี่ยระยะเวลาในการวิ่งและความน่าจะเป็นของสัญญาณที่ทำให้เข้าใจผิด ประมาณสามตัวชี้วัดประสิทธิภาพจะได้รับพิจารณาโซ่ Markov สองมิติ ความเป็นอิสระระหว่างการเปลี่ยนแนวนอนและแนวตั้งของห่วงโซ่มาร์คอฟแบบสองมิตินี้มีบทบาทสำคัญในการแสดงออกอย่างง่ายต่อมาตรการด้านประสิทธิภาพซึ่งจะหลีกเลี่ยงการคำนวณเมทริกซ์การเปลี่ยนแปลงความน่าจะเป็นที่มีขนาดผิดปกติ การเปรียบเทียบตัวเลขระหว่างทั้งสามมาตรการด้านประสิทธิภาพและการเปรียบเทียบกันของแผนการรวม Shewhart (CShewhart) X, S 2 () จะนำเสนอด้วยซึ่งจะนำไปสู่ข้อสรุปว่าการรวมกันของโครงการรวมนี้ด้วยโครงการ CEWMA สามารถปรับปรุง การตรวจสอบร่วมกันของค่าเฉลี่ยของกระบวนการและส่วนเบี่ยงเบนมาตรฐาน 1 โดย Christian Sonesson, Christian Sonesson พ. ศ. 2544 วิธีการตรวจสอบกระบวนการที่มีจุดมุ่งหมายเพื่อตรวจหาการเปลี่ยนแปลงในค่าเฉลี่ยจะมีการศึกษาทั้งแบบด้านเดียวและแบบสองด้านวิธีการวิเคราะห์ EWMA (ค่าถ่วงน้ำหนักถ่วงน้ำหนักเชิงตัวเลข) หลายรุ่น นอกจากนี้ยังศึกษาผลของการใช้อุปสรรคสำหรับสถิติการเตือนภัยแบบด้านเดียว หนึ่ง importan วิธีการตรวจสอบกระบวนการที่มีจุดมุ่งหมายเพื่อตรวจหาการเปลี่ยนแปลงในค่าเฉลี่ยจะมีการศึกษาทั้งแบบด้านเดียวและแบบสองด้านวิธีการวิเคราะห์ EWMA (ค่าถ่วงน้ำหนักถ่วงน้ำหนักเชิงตัวเลข) หลายรุ่น นอกจากนี้ยังศึกษาผลของการใช้อุปสรรคสำหรับสถิติการเตือนภัยแบบด้านเดียว ประเด็นหนึ่งที่สำคัญคือผลกระทบจากการ จำกัด การแจ้งเตือนประเภทต่างๆ วัดความแตกต่างของการประเมินผลเช่นความล่าช้าที่คาดไว้ ARLI ความน่าจะเป็นของการตรวจจับที่ประสบความสำเร็จและการคาดการณ์ค่าของการเตือนภัยเพื่อให้ภาพรวมของคุณสมบัติของวิธีการ ผลลัพธ์จะถูกนำเสนอทั้งสำหรับ ARLO แบบคงที่และความน่าจะเป็นคงที่ของการแจ้งเตือนที่ผิดพลาด ความแตกต่างเน้นปัญหาสำคัญของวิธีการกำหนดความสามารถในการเปรียบเทียบระหว่างวิธีการเฝ้าระวัง ผลจากการศึกษาการจำลองสถานการณ์ขนาดใหญ่ ความสนใจเป็นพิเศษจะส่งผลต่อความเชื่อมั่นในผลสุดท้ายด้วยรูปแบบสุ่มในการสอบเทียบวิธีการ ปรากฏว่ามีความแตกต่างที่สำคัญจากจุดอนุมานของมุมมองระหว่างวิธีการหนึ่งและสองด้าน มันแสดงให้เห็นว่าวิธีการที่มักจะพิจารณาว่าเป็นความสะดวกในการประมาณเป็นที่ต้องการมากกว่ารุ่นที่แน่นอนในหลาย ๆ โดย Changliang Zou, Peihua Qiu บทความนี้พัฒนาวิธีการควบคุมกระบวนการทางสถิติแบบหลายตัวแปร (Multivariate Statistical Process Control) ซึ่งใช้วิธีการเลือกตัวแปรตัวแปร LASSO กับปัญหา SPC วิธี LASSO มีคุณสมบัติ sparsity ที่สามารถเลือกชุดค่าสัมประสิทธิ์การถดถอยไม่ใช่ศูนย์ในการถดถอยหลายตัวแปร m. บทความนี้พัฒนาวิธีการควบคุมกระบวนการทางสถิติแบบหลายตัวแปร (Multivariate Statistical Process Control) ซึ่งใช้วิธีการเลือกตัวแปรตัวแปร LASSO กับปัญหา SPC วิธี LASSO มีคุณสมบัติ sparsity ที่สามารถเลือกชุดค่าสัมประสิทธิ์การถดถอยเป็นแบบ nonzero ในแบบจำลองการถดถอยหลายตัวแปรซึ่งเป็นประโยชน์อย่างยิ่งในกรณีที่จำนวนค่าสัมประสิทธิ์ที่ไม่ใช่ศูนย์น้อย ในการใช้งาน SPC หลายตัวแปรโพรเซสเซอร์หมายถึงเวกเตอร์มักมีการเปลี่ยนแปลงในส่วนประกอบเพียงเล็กน้อย เป้าหมายหลักของเราคือการตรวจสอบการเปลี่ยนแปลงดังกล่าวทันทีที่เกิดขึ้นและระบุส่วนประกอบที่มีการเปลี่ยนแปลง เมื่อใช้การเชื่อมต่อระหว่างสองปัญหานี้จะมีการนำเสนอสถิติการทดสอบหลายตัวแปรตาม LASSO ซึ่งจะรวมอยู่ในรูปแบบแผนภูมิ EWMA แบบหลายตัวแปรสำหรับการตรวจสอบกระบวนการหลายตัวแปรขั้นที่ 2 แสดงให้เห็นว่าวิธีนี้ช่วยให้สามารถป้องกันระดับการเปลี่ยนและทิศทางการเปลี่ยนต่างๆได้เป็นอย่างดีและด้วยเหตุนี้จึงเป็นเครื่องมือที่มีประสิทธิภาพสำหรับการใช้งาน SPC หลายตัวแปร การวิเคราะห์ตัวแปรทางสถิติตัวแปรหลายตัวแปรการปรับตัวแปรการถดถอยพหุคูณ โดย Alexander Novikov, Nino Kordzakhia 2549 โดยใช้วิธีการ martingale เราหาเงื่อนไขที่เพียงพอสำหรับการ จำกัด ขอบเขต exponential ของ passage ครั้งแรกในระดับสำหรับลำดับ autregressive ลำดับแรก ergodic (AR (1)) นอกจากนี้เราพิสูจน์ตัวตน martingale ที่จะใช้ในการได้รับขอบเขตที่ชัดเจนสำหรับความคาดหวังของ t ผ่านแรก โดยใช้วิธีการ martingale เราหาเงื่อนไขที่เพียงพอสำหรับการ จำกัด ขอบเขต exponential ของ passage ครั้งแรกในระดับสำหรับลำดับ autregressive ลำดับแรก ergodic (AR (1)) นอกจากนี้เราพิสูจน์ตัวตนของ martingale เพื่อนำมาใช้ในการได้รับขอบเขตที่ชัดเจนสำหรับความคาดหวังของเวลาการเดินครั้งแรก เมื่อ H (1) (x, a) ในการใช้งานการแจกจ่ายและความคาดหวังของเวลาในการเดินทางดังกล่าวมักจะถูกประมาณด้วยการจำลองแบบ Monte-Carlo หรือใช้การประมาณค่าของโซ่ Markov (ดูเช่น -16--) อย่างไรก็ตามขอบเขตการวิเคราะห์ยังน่าสนใจ (เช่นเพื่อควบคุมความถูกต้องของอัลกอริทึมการจำลอง) ในบทความนี้เราจะอธิบายถึง martingales บางส่วนที่เกี่ยวข้องกับลำดับ AR (1) ในกรณีที่เมื่อมาถึงโดย Marion R. Reynolds, Zachary G. Stoumbos 2008 เมื่อตรวจสอบกระบวนการที่มีตัวแปรตามตัวแปรหลายตัวแปรแผนภูมิควบคุมแบบ Shewhart (Hotelling (1947)) ซึ่งใช้กันทั่วไปสำหรับการตรวจสอบกระบวนการหมายถึงเวกเตอร์มีประสิทธิภาพในการตรวจจับการเปลี่ยนแปลงที่มีขนาดใหญ่ แต่สำหรับการตรวจจับการเปลี่ยนแปลงเล็ก ๆ น้อย ๆ จะมีประสิทธิภาพมากขึ้นในการใช้ตัวแปรหลายตัวแปร exponen เมื่อตรวจสอบกระบวนการที่มีตัวแปรตามตัวแปรหลายตัวแปรแผนภูมิควบคุมแบบ Shewhart (Hotelling (1947)) ซึ่งใช้กันทั่วไปสำหรับการตรวจสอบกระบวนการหมายถึงเวกเตอร์มีประสิทธิภาพในการตรวจจับการเปลี่ยนแปลงที่มีขนาดใหญ่ แต่สำหรับการตรวจจับการเปลี่ยนแปลงเล็ก ๆ น้อย ๆ จะมีประสิทธิภาพมากขึ้นในการใช้ตัวแปรหลายตัวแปร (MEWMA) แผนภูมิการควบคุมที่เสนอโดย Lowry et al (1992) ได้มีการเสนอว่าประสิทธิภาพโดยรวมในการตรวจจับการเปลี่ยนแปลงขนาดเล็กและขนาดใหญ่ในค่าเฉลี่ยสามารถหาได้โดยใช้แผนภูมิ MEWMA 1 ร่วมกับแผนภูมิ Shewhart ต่อไปนี้เราจะตรวจสอบประสิทธิภาพของชุดค่าผสมนี้ในบริบทของปัญหาทั่วไปในการตรวจหาการเปลี่ยนแปลงค่าเฉลี่ยหรือความแปรปรวนเพิ่มขึ้น Reynolds and Cho (2006) เมื่อเร็ว ๆ นี้ได้ตรวจสอบการผสมผสานของแผนภูมิ MEWMA สำหรับแผนภูมิค่าเฉลี่ยและ MEWMA จากการเบี่ยงเบนความยาวของการสังเกตการณ์จากเป้าหมายและพบว่าชุดค่าผสมเหล่านี้มีประสิทธิภาพดีเยี่ยมในการตรวจจับการเปลี่ยนแปลงอย่างยั่งยืนในค่าเฉลี่ยหรือความแปรปรวน . ที่นี่เราพิจารณาทั้งการเปลี่ยนแปลงอย่างยั่งยืนและชั่วคราวและแสดงให้เห็นว่าการรวมกันของสองแผนภูมิ MEWMA มีประสิทธิภาพโดยรวมดีกว่าการรวมกันของแผนภูมิ MEWMA และ Shewhart นอกจากนี้เรายังพิจารณาการรวมกันแบบสามผังซึ่งประกอบด้วยกราฟ MEWMA สำหรับค่าเฉลี่ยแผนภูมิชนิด MEWMA ของการเบี่ยงเบนจากเป้าหมายและแผนภูมิ Shewhart เมื่อขนาดตัวอย่างเป็น n 1 ชุดค่าผสมสามแผนภูมินี้ดูเหมือนจะไม่มีประสิทธิภาพดีกว่าชุดค่าผสม MEWMA ทั้งสองแบบ เมื่อ nampgt 1 ชุดค่าผสมสามแผนภูมิมีประสิทธิภาพที่ดีขึ้นอย่างมีนัยสำคัญสำหรับการเปลี่ยนค่าเฉลี่ยบางส่วน แต่มีประสิทธิภาพแย่กว่าในบางกรณีที่มีการเปลี่ยนแปลงความแปรปรวน . บทคัดย่อ: แผนภูมิควบคุมหลายตัวแปรมาตรฐานมักใช้ขนาดตัวอย่างคงที่ในช่วงสุ่มตัวอย่าง (FSI) เพื่อตรวจสอบกระบวนการ ในการศึกษานี้จะมีการตรวจสอบกราฟค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักแบบทวีคูณ (MEWMA) ซึ่งมีหลายตัวแปรด้วยช่วงการสุ่มตัวอย่างตัวแปร (VSI) แผนภูมิ MEWMA กับ VS บทคัดย่อ: แผนภูมิควบคุมหลายตัวแปรมาตรฐานมักใช้ขนาดตัวอย่างคงที่ในช่วงสุ่มตัวอย่าง (FSI) เพื่อตรวจสอบกระบวนการ ในการศึกษานี้จะมีการตรวจสอบกราฟค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักแบบทวีคูณ (MEWMA) ซึ่งมีหลายตัวแปรด้วยช่วงการสุ่มตัวอย่างตัวแปร (VSI) กราฟ MEWMA กับ VSI จะแปรผันช่วงเวลาการสุ่มตัวอย่างจากกระบวนการเป็นข้อมูลจากกระบวนการ การวัดสมรรถนะของแผนภูมิ VSI MEWMA ได้มาจากวิธี Markov Chain และเปรียบเทียบกับกราฟ FSI MEWMA มาตรฐานที่สอดคล้องกันในแง่ของเวลาเฉลี่ยในการส่งสัญญาณสำหรับขนาดของการเปลี่ยนแปลงในกระบวนการที่แตกต่างกัน แสดงให้เห็นว่าแผนภูมิ VSI MEWMA มีประสิทธิภาพมากกว่ามาตรฐาน FSI MEWMA ที่สอดคล้องกันในการตรวจจับการเปลี่ยนแปลงในกระบวนการนี้ d หากไม่มีข้อบ่งชี้ดังกล่าว การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อนำเสนอแผนภูมิ VSI MEWMA เพื่อปรับปรุงประสิทธิภาพของแผนภูมิควบคุม วิธี Markov chain ที่อธิบายไว้ใน Runger และ Prabhu-9-- ได้รับการแก้ไขเพื่อประเมินเวลาเฉลี่ยในการส่งสัญญาณ (ATS) ของแผนภูมิ VSI MEWMA จากนั้นประสิทธิภาพของแผนภูมิ VSI MEWMA จะถูกเปรียบเทียบกับกราฟมาตรฐาน FSI MEWMA ที่สอดคล้องกัน 2 Design of V. จาก F. Camciy, R. B. Chinnamz, R. D. Ellisz พ. ศ. 2548 เป็นสิ่งสำคัญในการตรวจสอบกระบวนการผลิตเพื่อปรับปรุงคุณภาพผลิตภัณฑ์และลดต้นทุนการผลิต การควบคุมกระบวนการทางสถิติ (Statistical Process Control - SPC) เป็นวิธีการที่ใช้กันโดยทั่วไปสำหรับการตรวจสอบกระบวนการโดยเฉพาะอย่างยิ่งการทำให้ความแตกต่างระหว่างรูปแบบที่เกิดจากความแปรปรวนของกระบวนการปกติ เป็นสิ่งสำคัญในการตรวจสอบกระบวนการผลิตเพื่อปรับปรุงคุณภาพผลิตภัณฑ์และลดต้นทุนการผลิต การควบคุมกระบวนการทางสถิติ (Statistical Process Control - SPC) เป็นวิธีการที่ใช้กันมากที่สุดสำหรับการตรวจสอบกระบวนการโดยเฉพาะอย่างยิ่งการทำให้เกิดความคลาดเคลื่อนระหว่างรูปแบบที่เกิดจากความแปรปรวนของกระบวนการปกติกับที่เกิดจากสาเหตุพิเศษ วิธีการของ SPC และ SPC แบบหลายตัวแปร (MSPC) เป็นตัวแปรที่ทำให้พวกเขาตั้งสมมติฐานเกี่ยวกับคุณสมบัติการแจกจ่ายและโครงสร้างความสัมพันธ์แบบอิสระของพารามิเตอร์ในกระบวนการควบคุมและถ้าพอใจจะมีผลในการจัดการสัญญาณเตือนผิดพลาดและบวกเชิงลบเท็จ อย่างไรก็ตามเมื่อกระบวนการไม่เป็นไปตามสมมติฐานเหล่านี้ประสิทธิภาพของวิธีการของ SPC จะถูกทำลาย หลายแผนภูมิการควบคุมที่ไม่เป็น parametric ตามแถวลำดับของข้อมูลเชิงลึกได้รับการเสนอในวรรณคดี แต่การพัฒนาและการใช้งานของพวกเขาค่อนข้างช้าในการควบคุมกระบวนการทางอุตสาหกรรม นอกจากนี้ยังมีการนำเสนอแผนภูมิควบคุมแบบไม่อิงพารามิเตอร์หลายแบบที่อิงกับหลักการเรียนรู้เกี่ยวกับเครื่องจักรในวรรณคดีเพื่อแก้ไขข้อ จำกัด เหล่านี้ อย่างไรก็ตามวิธีการเหล่านี้ไม่เหมือนกับวิธีดั้งเดิมของ SPC ซึ่งเป็นตัวแปรที่ไม่เป็นตัวแปรหลายตัวแปร (Montgomery 2001) MSC ประเภทหนึ่งคือแผนภูมิหลายตัวแปรที่ขยายจากวิธี SPC แบบเดียว ได้แก่ แผนภูมิ Hotellings T2 (Hotelling 1947) หลายตัวแปร EWMA (Lowry et al. 1992, - Runger and Prabhu 1996 - Testik and Borror 2004) และแผนภูมิ CUSUM หลายตัวแปร (Ngai และ Zhang 2001, Runger and Testik 2004) ประเภทของ MSPC อื่นขึ้นอยู่กับการฉายตัวแปรแฝงเช่นการวิเคราะห์องค์ประกอบหลัก โดยผู้เขียนที่ไม่รู้จัก การตรวจเอกซเรย์เครือข่ายที่ใช้งานหมายถึงคลาสที่น่าสนใจของปัญหาผกผันขนาดใหญ่ที่เกิดขึ้นในการประมาณค่าคุณภาพของพารามิเตอร์การบริการของคอมพิวเตอร์และเครือข่ายการสื่อสาร บทความนี้มุ่งเน้นไปที่การประเมินอัตราการสูญเสียของการเชื่อมโยงภายในของเครือข่ายโดยใช้ตัววัดแบบ end-to-end การตรวจเอกซเรย์เครือข่ายที่ใช้งานหมายถึงคลาสที่น่าสนใจของปัญหาผกผันขนาดใหญ่ที่เกิดขึ้นในการประมาณค่าคุณภาพของพารามิเตอร์การบริการของคอมพิวเตอร์และเครือข่ายการสื่อสาร บทความนี้มุ่งเน้นไปที่การประเมินอัตราการสูญเสียของการเชื่อมโยงภายในของเครือข่ายโดยใช้การวัดปลายของโหนดที่อยู่บนขอบ ชั้นของการทดสอบแบบยืดหยุ่นสำหรับการตรวจสอบเครือข่ายอย่างกระตือรือร้นและเงื่อนไขที่ข้อมูลทั้งหมดของลิงค์ระดับเป็นค่าที่ได้รับ การประมาณค่าความเป็นไปได้สูงสุดโดยใช้อัลกอริธึม EM, โครงสร้างของอัลกอริทึมและคุณสมบัติของตัวประมาณค่าความเป็นไปได้สูงสุดจะถูกตรวจสอบ ซึ่งรวมถึงการศึกษาการจำลองโดยใช้ ns (โปรแกรมจำลองเครือข่าย) เพื่อให้ได้ปริมาณการใช้งานเครือข่ายที่เหมือนจริง ยังได้มีการศึกษาการออกแบบที่ดีที่สุดของการทดลองการทดลอง ในที่สุดการใช้ผลการตรวจสอบเครือข่ายจะแสดงเป็นภาพสั้น ๆ กระบวนการที่อยู่ภายใต้ข้อ จำกัด ของการควบคุม (ขอบเขตหนึ่งหรือสองด้าน) วิธีการที่ใช้กันโดยทั่วไปในการคำนวณ ARLs (นอกเหนือจากการจำลอง) ใช้การประมาณของห่วงโซ่มาร์คอฟ (Brook and Evans 1972 - Ringer and Prabhu 1996 -) โดยการปรับเปลี่ยนพื้นที่ของรัฐ Crowder (1987) ได้พัฒนาวิธีการที่ดีกว่าซึ่งเป็นสมการเชิงอนุพันธ์สำหรับสถิติที่ใช้ EWMA มีการใช้ตัวเลขใน SAS ในการคำนวณค่า ARLs เมื่อโมเดลโซ่ Markov ของ Unde. A Mark สำหรับการคำนวณ ARL สำหรับแผนภูมิควบคุมแบบ Bayesian multivariate Chart แผนภูมิการควบคุมค่าเฉลี่ยแบบถ่วงน้ำหนักแบบหลายตัวแปรเป็นแบบแผนภูมิควบคุมที่ใช้การถ่วงน้ำหนัก ค่าเฉลี่ยของเวกเตอร์สุ่มที่สังเกตได้ก่อนหน้านี้ โครงการนี้ซึ่งกำหนดโดยใช้ Z0 0, Zi rXi (1 r) Zi 1 (i 1) โดยที่ X1, X2 หมายถึงผลลัพธ์ที่ได้จากเวกเตอร์ของกระบวนการสามารถใช้เพื่อตรวจจับการเปลี่ยนแปลงในเวกเตอร์หมายถึงกระบวนการได้มากขึ้น ได้อย่างรวดเร็วโดยเฉลี่ยมากกว่าปกติแผนภูมิ Hotelling T2 เราพิสูจน์ได้ว่าสำหรับกรณีพิเศษ 0, I ระยะเวลาในการวิ่งโดยเฉลี่ย (ARL) ขึ้นอยู่กับค่าเริ่มต้น z0 สำหรับสถิติ MEWMA โดยใช้ค่าความกว้างและมุมที่ทำด้วยเวกเตอร์หมายถึง ทฤษฎีบทนี้ถูกนำมาใช้เพื่อหาสมการหนึ่งของ ARL สมการเชิงอนุพันธ์นี้เกี่ยวข้องกับอินทิกรัลสองตัวและฟังก์ชันที่ไม่รู้จักคือฟังก์ชันของสองตัวแปร ARLs สามารถหาได้จากการประมาณสมการหนึ่งสมการ ก่อนหน้านี้จำเป็นต้องใช้การจำลองเพื่อประมาณค่า ARLs บทความฉบับเต็มกรกฎาคม 1995 Steven E Rigdon บทคัดย่อ: ความก้าวหน้าทางเทคโนโลยีล่าสุดได้ทำให้การควบคุมกระบวนการแบบไดนามิกเป็นทางเลือกที่ทำงานได้ เสนอวิธีการเขียนโปรแกรมแบบไดนามิกสำหรับการสร้างแบบจำลองและการลดต้นทุนของกิจกรรมการควบคุมกระบวนการเชิงสถิติ พารามิเตอร์การตัดสินใจของแผนภูมิควบคุมสามารถเปลี่ยนแปลงได้แบบไดนามิกเนื่องจากข้อมูลใหม่เกี่ยวกับกระบวนการนี้จะพร้อมใช้งาน วิธีการทั่วไปนี้ได้รับการยอมรับว่าเป็นไปได้ทางทฤษฎีเป็นเวลาหลายปี แต่ผลการปฏิบัติงานของมันได้รับการตรวจสอบอย่างชัดเจนในเอกสารฉบับนี้ แสดงให้เห็นด้วยตัวอย่างเชิงตัวเลขว่าโซลูชันการเขียนโปรแกรมแบบไดนามิกสามารถประหยัดได้มากกว่าโซลูชันแบบคงที่ทั่วไปที่มีพารามิเตอร์แผนภูมิควบคุมแบบคงที่ การประหยัดต้นทุนที่เป็นไปได้และความเป็นไปได้ของกระบวนการควบคุมแบบไดนามิกช่วยให้การควบคุมกระบวนการแบบไดนามิกควรแทนที่การออกแบบสถิติหรือเศรษฐกิจแบบมาตรฐานของแผนภูมิควบคุมเป็นวิธีการที่ต้องการในกระบวนการผลิตแบบอัตโนมัติ บทความพฤษภาคม 1994 GEORGE TAGARAS บทคัดย่อ: สองวิธีที่มักใช้ในการประเมินการกระจายความยาวของแผนภูมิควบคุมคุณภาพเป็นวิธีการของ Markov chain และสมการเชิงอนุพันธ์ ทั้งสองวิธีถูกนำมาใช้เพื่อประเมินแผนภูมิสะสม (CUSUM) และแผนภูมิควบคุมถ่วงน้ำหนักแบบถ่วงน้ำหนักแบบทวีคูณ (EWMA) วิธีการของ Markov chain เกี่ยวข้องกับการประเมินค่าที่เป็นไปได้ซึ่งสามารถวางแผนได้ การใช้สมบัติของโซ่ Markov ที่ จำกัด การแสดงออกของการกระจายระยะการวิ่งและระยะเวลาในการวิ่งโดยเฉลี่ย (ARL) สามารถหาได้ สำหรับแผนภูมิ CUSUM และ EWMA จะมีสมการที่สมบูรณ์ซึ่งโซลูชันจะให้ค่า ARL จากนั้นจะสามารถใช้วิธีประมาณเพื่อแก้สมการเชิงอนุพันธ์ได้ ในบทความนี้เราจะแสดงให้เห็นว่าถ้ากฎของจุดกึ่งกลางของผลิตภัณฑ์ถูกใช้เพื่อประมาณสมการหนึ่งในสมการหนึ่งแล้ววิธีการทั้งสองจะให้ค่าประมาณเดียวกันสำหรับ ARL นอกจากนี้เราแสดงให้เห็นว่านิพจน์ recursive สำหรับฟังก์ชันความน่าจะเป็นเหมือนกันสำหรับทั้งสองวิธี ผลการค้นหาเหล่านี้จะสร้างสมการของสมการเชิงอนุพันธ์ที่เป็นที่นิยมเมื่อสมการหนึ่งสมบูรณสามารถพบไดเต็มรูปแบบบทความ ม. ค. 1991 Charles W Champ Steven E Rigdon