臺灣博碩士論文加值系統

(44.192.15.251) 您好！臺灣時間：2024/03/05 02:03

:::

詳目顯示

:

• 被引用:0
• 點閱:211
• 評分:
• 下載:0
• 書目收藏:0
 對於製程能力指標在非常態的情況下, Clements (1989) 在皮爾森家族的 假設下提出以Up - Lp 取代 6倍標準差 和利用中位數取代平均數的方法, 並且應用在Cp, Cpk 這兩個指標上. Pearn 和 kotz (1994) 把此方法應 用在Cpm, Cpmk. 在此篇論文中, 我們選了六個皮爾森家族的分配作為母 體假設. 另外為了觀察非皮爾森家族分配下的Clements估計量的表現, 我 們選了五個非皮爾森家族分配作為母體假設. 觀察發現Clements估計量的 偏誤頗大而且會隨著kurtosis增加而變大. 所以使用者需要謹慎.
 Process capability indices (PCIs) provide numerical measures for process performance. Most research and resulting statistical properties of PCIs are usually obtained under the normal distribution assumption. Clements (1989)proposed a method based on the assumption that the process distribution canbe characterized by a Pearsonian distribution. The main idea of Clements'method is to replace 6 sigma by Up - Lp and mu by M, where mu and sigma are the mean and standsrd deviation, while Up and Lp are the 0.99865 and 0.00135percentile of the process. Clements (1989) applied this method to Cp and Cpk indices. Pearn and Kotz (1994) extended the method to Cpk and Cpmk indices. In this paper, we conduct a simulation to generate a very large sample forClements' estimators to calculate the relative bias of these estimatorsto investigate the performance. We choose six Pearsonian distributions as our population distributions. In addition, we choose five non - Pearsonian distributions as our population distributions to see how the method performswhen the distribution is non - Pearsonian. We find that the relative bias increaseas kurtosis of the process distribution increases. The simulation results show that the relative bias of the Clements' estimators are fairly large. Therefore practitioner should be very careful when using Clements' estimators. Tables of the relative biasof Clements' estimators for the above mentioned distributions are reported for practitioner reference.
 國圖紙本論文
 推文當script無法執行時可按︰推文 網路書籤當script無法執行時可按︰網路書籤 推薦當script無法執行時可按︰推薦 評分當script無法執行時可按︰評分 引用網址當script無法執行時可按︰引用網址 轉寄當script無法執行時可按︰轉寄

 無相關論文

 無相關期刊

 1 貝氏方法在製程能力評估上的應用 2 逆高斯分布之計參數估計 3 短相關資料模型具觀測誤差的估計與預測 4 由對稱型分位向量建造品質管制圖及Bootstrap方法在分位向量之應用 5 正子斷層掃描中可平行化之混合型加速的ECM和SAGE演算法 6 基因和蛋白質的序列定位法 7 無母數分配中心點已知條件下之對稱型分位數及截斷變異數 8 運用視覺模型和碎形波所作的紋理切割 9 有關Akaike資訊準則及其在因子分析模型的應用 10 具冪次轉換,隨機效應與AR(1)相依之成長曲線模式的貝式分析 11 廣義成長曲線模型的預測分析 12 視覺模型與區域競爭法在超音波影像上的應用 13 無訊息統計量 14 區域多項式迴歸平滑方法應用在改變點問題上之研究 15 運用空間和頻譜分析與遞迴切片逆迴歸進行紋理切割

 簡易查詢 | 進階查詢 | 熱門排行 | 我的研究室