變動抽樣間隔ewma管制圖之經濟性設計.ppt

變動抽樣間隔EWMA 管制圖之經濟性設計 作者：韋祿甄 主講：廖乃毅 主講要項 緒論 變動抽樣間隔EWMA管制圖 EWMA 管制圖之經濟性設計 基因演算法(ＧＡ) 模式建構 使用ＧＡ求解模式 敏感度分析 結論 緒論-背景與動機 Shewhart管制圖對製程較大變動之偵測，對於製程的小變動反應相對地不靈敏。 EWMA為一特殊時間序列模型，它除了在品質管制上有監控品質的功能外，尚可達到預測的效果，且有較CUSUM管制圖易於解讀的優點。 管制圖在監控及維護製程上，有很多時候容易造成經由統計最佳化的管制圖其成本比從經濟考量點來設計參數的管制圖來的高。 緒論-研究目的 建構變動抽樣間隔EWMA 管制圖之經濟性設計模式。 運用遺傳基因演算法，找出管制參數最佳值：抽樣樣本數n、管制界限係數k、警告界限係數w、長抽樣間隔時間h1、短抽樣間隔時間h2和EWMA 加權常數λ。 透過敏感度分析，探討模式參數與成本參數對管制圖設計之影響。 研究架構 變動抽樣間隔EWMA管制圖(一) 出指數加權移動平均(EWMA)管制圖：將資料中的每一觀測值給予其權數，並透過加權平均的觀念將過去資料之訊息考慮進來。且EWMA 可有效偵測到製程中的小幅度變動且當製程偏移愈小時其監控效果愈佳。 EWMA管制圖的統計量定義如下： Zi = λYi + (1?λ)Zi ? 1 其中i =1,2,3… 變動抽樣間隔EWMA管制圖(二) 變動抽樣比率(VSR)克服了抽樣本比率(FSR)的缺點：當製程發生變異時，管制圖無法即時偵測到異常。其中變動抽樣間隔(VSI)提出抽樣樣本數應隨著當時製程情況而有所變動的觀念。 管制程序如下： 　1.當樣本統計量落在中間區域(即安全區域)，則下一次採取較長的抽樣間隔h1 。 　2.當樣本統計量落在警告區域內，則下一次採用較短的抽樣間隔h2。 　3.當樣本統計量落在管制界限外，則找出非機遇性原因並修復製程。 　 變動抽樣間隔EWMA管制圖(二) EWMA管制圖之經濟性設計 利用Lorenzen and Vance [1986]所建立的每小時期望成本函數，目的是尋找最佳參數組合(抽樣樣本數n、抽樣間隔時間h、管制界限係數k和EWMA加權常數λ)，將管理監控成本最小化。其成本函數定義如下： 基因演算法（ＧＡ）- 簡介 基因演算法是在解集合中選擇一組稱為族群(population)之隨機解，族群內的每一個個體(individual)均被稱為染色體(chromosome)，此染色體就代表我們所求問題的一個解。 在每一世代當中，每個染色體運用一些標準來做評估，以產生相對應的適應值(fitness value)而利用適應值篩選優良染色體再運用複製(Reproduction)、交配(Crossover)及突變(Mutation)產生新世代(generation)。 基因演算法（ＧＡ）- 流程 基因演算法（ＧＡ）- 特色 避免只得到局部最佳值，可獲得整體最佳值。 僅計算適應函數值，不需要複雜的運算。 隨機性比一般最佳化方法來的多 。 模式建構 – 簡介 本研究以Saccucci[1992]提出的變動抽樣間隔，分別以長抽樣間隔h1與短抽樣間隔h2為抽樣之機制，經濟性設計的部分是以Montgomery[1995]所提出EWMA管制圖之經濟統計性設計為基礎架構，然後結合兩者模式以建構變動抽樣區間EWMA管制圖之經濟性設計。 模式建構 – 步驟 Step1.根據本研究所提出的研究假設，以Saccucci [1992]提出的變動抽樣間隔機制為基礎，來建構初步模式，在雙變動抽樣間隔的條件下，找出ARL與ATS的轉換方式。 Step2.將Step1.所得之ARL與ATS的轉換方式修正Montgomery[1995]所提出EWMA管制圖之經濟統計性設計中的成本函數模式。 Step3. 整合兩個模式，成為一新的完整模式，完成建構變動抽樣間隔EWMA管制圖之經濟性設計模式。 模式建構 – ARL與ATS的轉換方式 P1 h1 +(1 ? P1) h2 = h0 其中P1：管制狀態下轉移機率矩陣 　　　　　　　　　 h0：平均抽樣間隔時間 且 ATS = h0 × ARL，其中，將h0設為一單位時間的抽樣間隔時，則 ATSFSI = ARLFSI及ATSVSI = ARLVSI 。 模式建構 – 經濟模式修正 修正原成本函數的兩個部份： 一、找出適合適應性管制圖評估指標ATS的轉換方　　　　　　　　　　　　　式，進而取代並修正EWMA管制圖之經濟統計性設　計中所提及的ARL。 二、將管制中的ATS分為長抽樣間隔及短抽樣