International Journal of Production Research· 2026Q1
Ortalama vektörünün izlenmesi için bazı yenilikçi çok değişkenli Bayesçi şemalar ve üretim süreçlerinin izlenmesine yönelik uygulamalar
Some innovative multivariate Bayesian schemes for monitoring the mean vector with applications to monitoring production processes
- 0atıf
- Q1SCImago
- 2026yıl
Kısa özet
Çok değişkenli Bayesçi genelleştirilmiş olabilirlik oranı (MBGLR) şeması, üretim süreçlerinin izlenmesinde genel olarak güçlü bir performans sergileyerek, çeşitli kayma büyüklüklerinde mevcut MGLR, MEB ve CUSUM-MEB şemalarından daha iyi sonuç vermiştir.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- Çok değişkenli süreç izleme için MBGLR, MBCUSUM ve 2MBCUSUM Bayesçi şemaları tanıtılmış ve değerlendirilmiştir.
- MBGLR şeması, tüm kayma büyüklüklerinde MGLR, MEB ve CUSUM-MEB şemalarına kıyasla üstün genel performans göstermiştir.
- MBCUSUM ve 2MBCUSUM şemaları, belirli küçük kaymaları tespit etmede avantajlar sergilemiştir.
- Performans, kararlı durum ortalama sinyal süresi (SSATS) temelinde Monte Carlo simülasyonları kullanılarak değerlendirilmiştir.
- Pratik uygulanabilirlik, kereste ve karbon-elyaf üretim veri kümeleri kullanılarak gösterilmiştir.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Bayesian approaches have gained popularity for addressing operational research and management problems, including process monitoring and product quality assessment. In particular, Bayesian approaches are often used to address complex multivariable processes. This paper analyses and evaluates a multivariate Bayesian generalised likelihood ratio (MBGLR) scheme, a multivariate Bayesian cumulative sum (MBCUSUM) scheme and a combination of two MBCUSUM (2MBCUSUM) schemes to monitor the mean vector of a multivariate Gaussian process distribution. Monte Carlo simulations are employed to evaluate the detection performance of these three schemes. Furthermore, they are compared with the multivariate generalised likelihood ratio (MGLR) scheme, the multivariate empirical Bayes (MEB) scheme, and a CUSUM-type multivariate empirical Bayes (CUSUM-MEB) scheme based on the steady-state average time to signal (SSATS). Simulation results show that the MBGLR scheme exhibits strong overall monitoring performance when suitable prior parameters and window sizes are selected. While the MBCUSUM and 2MBCUSUM schemes outperform the MBGLR scheme in detecting certain small shifts, the MBGLR scheme consistently outperforms the MGLR, MEB, and CUSUM-MEB schemes across all shift magnitudes for the different instances considered in this study. Finally, a lumber manufacturing dataset and a carbon-fibre tubing manufacturing dataset are used to illustrate the practical applicability of the proposed schemes.
Yazarların özeti; kaynağından alınmıştır. International Journal of Production Research, 2026 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Statistics, Probability and UncertaintyDecision Sciences