Monitoring the mean vector and the covariance ­matrix of multivariate processes with sample means and sample ranges

Carregando...
Imagem de Miniatura

Data

2011-06-01

Autores

Costa, Antônio Fernando Branco [UNESP]
Machado, Marcela Aparecida Guerreiro [UNESP]

Título da Revista

ISSN da Revista

Título de Volume

Editor

Associação Brasileira de Engenharia de Produção

Resumo

Os gráficos conjuntos de e R e S² são os mais utilizados para o monitoramento da média e da dispersão do processo. Com os tamanhos de amostra usuais de 4 e 5, os gráficos de R em uso conjunto são ligeiramente inferior aos gráficos de e S² em uso conjunto em termos da eficiência em detectar alterações no processo. Neste artigo, mostra-se que para o caso multivariado, os gráficos baseados nas médias amostrais padronizadas e amplitudes amostrais (gráfico MRMAX) ou nas médias amostrais padronizadas e variâncias amostrais (gráfico MVMAX) são similares em termos da eficiência em detectar alterações no vetor de médias e/ou na matriz de covariâncias. A familiaridade do usuário com o cálculo de amplitudes amostrais é um aspecto favorável do gráfico MRMAX. Um exemplo é apresentado para ilustrar a aplicação do gráfico proposto.
The joint and S² charts are the most common charts used for monitoring the process mean and dispersion. With the usual sample sizes of 4 and 5, the joint and R charts are slightly inferior to the joint and S² charts in terms of efficiency in detecting process shifts. In this article, we show that for the multivariate case, the charts based on the standardized sample means and sample ranges (MRMAX chart) or on the standardized sample means and sample variances (MVMAX chart) are similar in terms of efficiency in detecting shifts in the mean vector and/or in the covariance matrix. User's familiarity with the computation of sample ranges is a point in favor of the MRMAX chart. An example is presented to illustrate the application of the proposed chart.

Descrição

Palavras-chave

Gráficos de controle, Vetor de médias, Matriz de covariância, Processos multivariados, Control charts, Mean vector, Covariance matrix, Multivariate processes

Como citar

Produção. Associação Brasileira de Engenharia de Produção, v. 21, n. 2, p. 197-208, 2011.