О сравнительной эффективности обнаружения разладки в многопараметрических технологических процессах с помощью многомерных двойных контрольных карт

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Исследуется проблема обнаружения разладки в многопараметрических технологических процессах, имеющих нормальное распределение, и заключающейся в отклонении от заданного значения выборочного среднего и выборочной дисперсии. Рассматриваются различные виды контрольных карт, позволяющие эффективно обнаруживать одновременное изменение среднего значения и дисперсии в многопараметрических технологических процессах. Методом статистического моделирования, проводится анализ сравнительной эффективности контрольных карт, даются практические рекомендации.

Об авторах

Александр Николаевич Чесалин

МИРЭА – Российский технологический университет

Email: chesalin_an@mirea.ru
ORCID iD: 0000-0002-1154-6151

кандидат технических наук; заведующий кафедрой компьютерной и информационной безопасности МИРЭА – Российского технологического университета

Россия, Москва

Сергей Яковлевич Гродзенский

МИРЭА – Российский технологический университет

Email: chesalin_an@mirea.ru
ORCID iD: 0000-0003-1965-5624

доктор технических наук, профессор; профессор кафедры компьютерной и информационной безопасности МИРЭА – Российского технологического университета

Россия, Москва

Надежда Николаевна Ушкова

МИРЭА – Российский технологический университет

Email: chesalin_an@mirea.ru

ассистент кафедры компьютерной и информационной безопасности МИРЭА – Российского технологического университета

Россия, Москва

Кирилл Викторович Болотин

МИРЭА – Российский технологический университет

Email: chesalin_an@mirea.ru

ассистент кафедры компьютерной и информационной безопасности МИРЭА – Российского технологического университета

Россия, Москва

Алексей Вячеславович Ставцев

МИРЭА – Российский технологический университет

Автор, ответственный за переписку.
Email: chesalin_an@mirea.ru

кандидат физико-математических наук; доцент кафедры компьютерной и информационной безопасности МИРЭА – Российского технологического университета

Россия, Москва

Список литературы

  1. Montgomery D. Introduction to statistical quality control. 7th ed. Wiley, 2013. 754 p.
  2. Уилер Д., Чамберc Д. Статистическое управление процессами: Оптимизация бизнеса с использованием контрольных карт Шухарта: справочное пособие. М.: Альпина Паблишер, 2017. 409 с.
  3. Jalilibal Z., Amiri A., Castagliola, P., Khoo M. Monitoring the coefficient of variation: A literature review // Computers & Industrial Engineering. 2021. No. 161. doi: 10.1016/j.cie.2021.107600.
  4. Sabahno H., Celano G. Monitoring the multivariate coe-cient of variation in presence of autocorrelation with variable parameters control charts // Quality Technology and Quantitative Management. 2022. doi: 10.1080/16843703.2022.2075193.
  5. Алексеева А.В., Клячкин В.Н. Выбор параметров алгоритма обобщенной дисперсии при многомерном статистическом контроле рассеяния процесса // Известия Самарского научного центра Российской академии наук. 2021. Т. 23. № 1. C. 79–83.
  6. Адлер Ю.П., Шпер В.Л. Учение доктора Деминга и его судьба: учеб. пособие. М.: Издат. дом НИТУ «МИСиС», 2021. 352 с.
  7. Клячкин В. Н. Многомерный статистический контроль технологического процесса. М.: Финансы и статистика, 2022. 192 с.
  8. Фам Ван Ты, Чесалин А.Н., Гродзенский Я.С, Еманаков И.В. Повышение эффективности контрольной карты с помощью нечетких множеств // Качество и жизнь. 2021. № 2 (30). С. 37–43.
  9. Чесалин А.Н., Гродзенский С.Я., Нилов М.Ю., Фам Ван Ты. Интеллектуальные инструменты управления качеством цифрового производства // Стандарты и качество. 2020. № 3. С. 68–72.
  10. Bersimis S., Sgora A., Psarakis S. A robust meta‐method for interpreting the out‐of‐control signal of multivariate control charts using artificial neural networks // Quality and Reliability Engineering International. 2021. Pp. 1–34. doi: 10.1002/qre.2955.
  11. Ширяев А. Н. Вероятностно-статистические методы в теории принятия решений. 2-е изд. М.: МЦНМО, 2014. 144 с.
  12. Чесалин А.Н. Исследование эффективности обнаружения разладки технологических процессов на основе статистического моделирования // Нелинейный мир. 2022. Т. 20. № 3. С. 28−34. doi: 10.18127/j20700970-202203-03.
  13. Chen G., Cheng S.W. Multivariate Max-Chart // Economic Quality Control. 2006. Vol. 21. No. 1. Pp. 113–125.
  14. Kruba R., Mashuri M., Prastyo D. The effectiveness of Max-half-Mchart over Max-Mchart in simultaneously monitoring process mean and variability of individual observations // Quality and Reliability Engineering International. 2021. Pp. 1–14. doi: 10.1002/qre.2860.
  15. Cheng S.W., Mao H. A Multivariate semi-circle control chart for variables data // Quality Technology & Quantitative Management. 2008. Vol. 5. No. 4. Pp. 331–338, doi: 10.1080/16843703.2008.11673405.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Стабильное состояние процесса (серые точки) и три случая разладки (красные точки): а – по смещению среднего значения; b – по увеличению разброса; c – по одновременному смещению среднего значения и увеличению разброса

Скачать (394KB)
Метаданные
3. Рис. 2. Блок-схема алгоритма моделирования

Скачать (357KB)
Метаданные
4. Таблица 1. Тепловые карты ASN исследуемых контрольных карт для случая средней корреляции ρij ∈ [0,4; 0,6], пяти контролируемых параметров и одновременного изменения µ и σ у всех контролируемых параметров

Скачать (1008KB)
Метаданные
5. Таблица 2. Тепловые карты оценки относительной эффективности исследуемых контрольных карт при различном числе контролируемых параметров (2, 5, 10 параметров) для случая средней корреляции ρij ∈ [0,4; 0,6], одновременного изменения µ и σ всех контролируемых параметров

Скачать (1MB)
Метаданные
6. Таблица 3. Тепловые карты оценки относительной эффективности исследуемых контрольных карт при изменении величины корреляции (сильная корреляция – ρij ∈ [0,1; 0,3], средняя – ρij ∈ [0,4; 0,6], высокая – ρij ∈ [0,7; 0,9]) для случая пяти контролируемых параметров и их одновременного изменения

Скачать (1MB)
Метаданные
7. Таблица 4. Тепловые карты оценки относительной эффективности исследуемых контрольных карт при изменении количества изменяемых параметров (1, 3, 5 параметров) для случая средней корреляции ρij ∈ [0,4; 0,6] и пяти контролируемых параметров

Скачать (1MB)
Метаданные


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».