A New SPC Monitoring Method: The ARMA Chart

Jiang, Wei; Tsui, Kwok‐Leung; Woodall, William H.

doi:10.1080/00401706.2000.10485713

Cited by 114 publications

(69 citation statements)

References 19 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…169,9 ,0000 169,2 ,0000 169,1 ,0000 168, 3 ,0000 165, 6 ,0000 163, 5 ,0000 160, 6 ,0000 159, 8 ,0000 159, 7 ,0000 150, 6 ,0000 149, 9 ,0000 146, 6 ,0000 143,2 ,0000 142, 9 ,0000 138, 5 , S.E. As we can see, the data are highly autocorrelated.…”

Section: Autocorrelations Coefficients Thread's Resistancementioning

confidence: 80%

Applications of Control Charts Arima for Autocorrelated Data

Russo¹,

Camargo²,

Fabris³

2012

Practical Concepts of Quality Control

View full text Add to dashboard Cite

Section: Autocorrelations Coefficients Thread's Resistancementioning

confidence: 80%

Applications of Control Charts Arima for Autocorrelated Data

Russo¹,

Camargo²,

Fabris³

2012

Practical Concepts of Quality Control

View full text Add to dashboard Cite

“…Jiang et al (2000) tiene en cuenta la estructura de autocorrelación de los datos en la construcción de los límites de las cartas de control, obteniendo límites fijos.…”

Section: Introductionunclassified

Implementación de cartas de control en el paquete estadístico R para el monitoreo de procesos en media con datos autocorrelacionados

Gonzáles

Zambrano

2011

RevComEst

View full text Add to dashboard Cite

ResumenLas cartas de control estadístico son gráficos que dentro del control de proceso estadístico permiten monitorear la(s) característica(s) de calidad de un proceso industrial o de servicios y son ampliamente usadas en la actualidad. Para la implementación de las cartas usuales se asume que las observaciones no presentan una estructura de autocorrelación, pero en la práctica esta condición es violada con frecuencia. La presencia de autocorrelación tiene un serio impacto sobre el incremento sustancial en la frecuencia de falsas alarmas en dichas cartas. En loś ultimos 20 años, varias propuestas de cartas de control se han presentado teniendo en cuenta la estructura de autocorrelación en los datos para su construcción. En este artículo se presenta la construcción y comparación en forma ilustrativa de dos de dichas propuestas, una dada por Alwan & Roberts (1988) basada sobre los residuales del modelo tipo ARMA que mejor se ajuste a los datos, y la otra dada por Montgomery & Mastrangelo (1991) basada sobre la estadística EWMA, con el objeto de que sirvan como instrumento de enseñanza y aprendizaje de este tipo de cartas, ya que paquetes especializados en control estadístico de la calidad no tienen implementadas estas cartas. Tal es el caso del paquete estadístico R (R Development Core Team 2009), el cual es usado en este trabajo para la programación e implementación de las cartas mencionadas.Palabras clave: cartas de control estadístico, autocorrelación, modelos ARMA, estadística EWMA, enseñanza y aprendizaje del control de calidad, paquete estadístico R.

show abstract

“…The varieties of CUSUM and EWMA control charts have been developed [4]- [8]. However, the studies of control charts in detecting the mean changes in autocorrelated process in the above papers are mainly based on numerical simulations of ARL.…”

Section: Introductionmentioning

confidence: 99%

Numerical Integration of Average Run Length of CUSUM Control Chart for ARMA Process

Phanyaem¹,

Areepong²,

Sukparungsee³

2014

IJAPM

View full text Add to dashboard Cite

Abstract-The main purpose of this paper is to present the numerical integration of average run length (ARL) for the Cumulative Sum (CUSUM) control chart. In addition, we compare the ARL between the cumulative sum (CUSUM) and the exponentially weighted moving average (EWMA) control charts for an autoregressive and moving average process, ARMA(p, q) with exponential distribution white noise. The results show that the EWMA control chart is superior to the CUSUM control chart when the process has small shifts in the process mean.Index Terms-Autoregressive and moving average (ARMA), cumulative sum (CUSUM), exponentially weighted moving average (EWMA), average run length (ARL).

show abstract

A New SPC Monitoring Method: The ARMA Chart

Cited by 114 publications

References 19 publications

Applications of Control Charts Arima for Autocorrelated Data

Applications of Control Charts Arima for Autocorrelated Data

Implementación de cartas de control en el paquete estadístico R para el monitoreo de procesos en media con datos autocorrelacionados

Numerical Integration of Average Run Length of CUSUM Control Chart for ARMA Process

Contact Info

Product

Resources

About