Последовательный критерий мониторинга процесса на основе данных контроля по альтернативному признаку по суженному допуску

Мастеренко Дмитрий Александрович


	1		Введение
	3		Постановка задачи Рисунок. Показатели для вероятностной модели контроля по суженным границам
	4		Последовательное оценивание параметров процесса
	5		Критерии на основе последовательных оценок
	6		Заключение
	7		Источники

Теории управления качеством Квалиметрия

Ключевые слова: калибр, суженный допуск, ступенчатые калибры, контрольные карты, оценки типа Питмена, последовательный критерий

Аннотация

В статье рассмотрены последовательные оценки параметров процесса по результатам группировки изготавливаемых изделий при помощи калибра, настроенного на суженный допуск. На основе последовательных оценок построены последовательные критерии проверки гипотез о неизменности параметров процесса. Приведен пример, в котором средний объем выборки последовательного критерия на 45% меньше, чем у плана контроля с фиксированным объемом выборки.

Журнал: «Менеджмент качества» — №1, 2020 (© Издательский дом Гребенников)

Объем в страницах: 7

Кол-во знаков: около 15,436

DOI

10.36627/2619-1385-2020-1-1-38-44 — https://doi.org/10.36627/2619-1385-2020-1-1-38-44

Библиографическая ссылка: печать / интернет

* Деятельность Meta (соцсети Facebook и Instagram) запрещена в России как экстремистская.

1. Мастеренко Д.А. Обзор методов статистического управления процессами, основанных на группировке изделий при помощи суженных и ступенчатых калибров // Менеджмент качества. — 2018. — №2. — С. 118–130.

2. Розно М.И. Статистический контроль качества продукции по альтернативному признаку при измененном допуске (метод АКУД) // Надежность и контроль качества. — 1992. — №2. — С. 44–52.

3. Розно M.И. Регулирование процессов на основе данных по альтернативному признаку по суженному допуску // Методы менеджмента качества. — 2001. — №12. — С. 27–33.

4. Steiner S.H., Geyer P.L., Wesolowsky G.O. (1994). «Control charts based on grouped observations». International Journal of Production Research, Vol. 32(1), pp. 75–91. — DOI: 10.1080/00207549408956917.

5. Steiner S.H., Geyer P.L., Wesolowsky G.O. (1996). «Shewhart control charts to detect mean and standard deviation shifts based on grouped data». Quality and Reliability Engineering International, Vol. 12(5), pp. 345–353. — DOI: 10.1002/(SICI)1099-1638(199609)12:53.0.CO;2-M.

6. Aparisi F., Epprecht E.K., Mosquera J. (2017). Statistical Process Control Based on Optimum Gages. — Подробнее . — DOI: 10.1002/qre.2135.

7. Bezerra E.L., Ho L.L., Quinino R.C. (2018). «GS2: аn optimized attribute control chart to monitor process variability». International Journal of Production Economics, Vol. 195, pp. 287–295.

8. Steiner S.H. (1998). «Grouped data exponentially weighted moving average control charts». Journal of the Royal Statistical Society. Series C (Applied Statistics), Vol. 47(2), pp. 203–216.

9. Steiner S.H., Geyer P.L., Wesolowsky G.O. (1996). «Grouped data-sequential probability ratio tests and cumulative sum control charts». TECHNOMETRICS, Vol. 38(3), pp. 230–237.

10. Masterenko D.A., Metel A.S. (2017). Estimation of Process Capability Indices from the Results of Limit Gauge Inspection. — Подробнее .

11. Гpигорович В.Г., Козлова Н.О., Юдин С.В. Информационно-статистические методы регулирования технологических процессов // Кузнечно-штамповочное производство. — 2000. — Выпуск9. — С. 27–29.

12. Мастеренко Д.А. О возможностях применения методов анализа сильно дискретизованных наблюдений при статистическом управлении процессами // Вестник МГТУ «Станкин». — 2012. — №4(23). — С. 104–107.

13. Мастеренко Д.А. Сравнение методов регулирования процессов на основе измерительной информации контроля по альтернативному признаку по суженному допуску // Вестник МГТУ «Станкин». — 2017. — №3(42). — С. 74–79.

14. Мастеренко Д.А. Информационный аспект статистической обработки сильно дискретизованных наблюдений (байесовский подход) // Вестник МГТУ «Станкин». — 2011. — №3(15). — С. 150–155.

15. Мастеренко Д.А. Повышение точности информационно-измерительных систем автоматизированного производства на основе методов статистической обработки сильно дискретизованных наблюдений: Дисс. на соискание ученой степени доктора технических наук. — Москва: МГТУ «Станкин», 2015. — 420 с.

16. Куллдорф Г. Введение в теорию оценивания по группированным и частично группированным выборкам. — М.: ФИЗМАТЛИТ, 1966. — 176 с.

17. Вальд А. Последовательный анализ / Пер. с англ. — М.: Физматгиз, 1960. — 328 с.

18. Мастеренко Д.А. Статистическая обработка измерительной информации в системах управления при наличии сильной дискретизации наблюдений // Сборник «Системы проектирования, технологической подготовки производства и управления этапами жизненного цикла промышленного продукта (CAD/CAM/PDM — 2012). Труды 12-й Международной конференции» / Под ред. Е.И. Артамонова. — М.: Аналитик, 2012. — С. 65–68.

19. Мастеренко Д.А. Измерения в реальном времени при наличии сильной дискретизации наблюдений: рекуррентная модификация оценок типа Питмена // Нейрокомпьютеры: разработка, применение. — 2013. — №4. — С. 9–13.

20. Мастеренко Д.А. Последовательное оценивание параметров технологического процесса при статистическом управлении на основе данных контроля по альтернативному признаку по суженным допускам // Вестник МГТУ «Станкин». — 2018. — №4(47). — С. 105–110.

Мастеренко Дмитрий Александрович
д. т. н.
профессор

Профессор кафедры измерительных информационных систем и технологий ФГБОУ ВО «МГТУ «СТАНКИН».

г. Москва

Имеет многолетний опыт разработки методов статистической обработки измерительной информации.

Другие статьи автора 2

Электронная библиотека