Monitoreo de perfiles lineales utilizando modelo mixto lineal en presencia de errores de medición
Autores: Liu, Wenhui; Li, Zhonghua; Wang, Zhaojun
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Monitoreo de perfiles lineales utilizando modelo mixto lineal en presencia de errores de medición
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Aplicación
Gráficos de control
Monitoreo de perfiles
Errores de medición
Modelos mixtos lineales
Gráficos multivariados
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 19
Citaciones: Sin citaciones
En la aplicación de gráficos de control, la mayoría de la investigación en monitoreo de perfiles se basa en mediciones precisas. Sin embargo, los errores de medición a menudo existen en muchos entornos de manufactura y servicios. En este documento, aplicamos modelos mixtos lineales en presencia de errores de medición en efectos fijos. Discutimos tres gráficos multivariados modificados, a saber, el gráfico de control de Hotelling, el gráfico de promedio móvil ponderado exponencial multivariado (MEWMA) y el gráfico de suma acumulativa multivariado (MCUSUM). Se realizan comparaciones de rendimiento en términos de la longitud media de carrera (ARL) y la pérdida cuadrática extra promedio (AEQL). Finalmente, se utiliza un ejemplo de datos reales sobre gastos de atención médica para ilustrar la implementación de los esquemas de monitoreo propuestos.
Descripción
En la aplicación de gráficos de control, la mayoría de la investigación en monitoreo de perfiles se basa en mediciones precisas. Sin embargo, los errores de medición a menudo existen en muchos entornos de manufactura y servicios. En este documento, aplicamos modelos mixtos lineales en presencia de errores de medición en efectos fijos. Discutimos tres gráficos multivariados modificados, a saber, el gráfico de control de Hotelling, el gráfico de promedio móvil ponderado exponencial multivariado (MEWMA) y el gráfico de suma acumulativa multivariado (MCUSUM). Se realizan comparaciones de rendimiento en términos de la longitud media de carrera (ARL) y la pérdida cuadrática extra promedio (AEQL). Finalmente, se utiliza un ejemplo de datos reales sobre gastos de atención médica para ilustrar la implementación de los esquemas de monitoreo propuestos.