비모수적 Shewhart-Lepage 관리도의 최적 설계 = Optimal design of a nonparametric Shewhart-Lepage control chart

다국어 초록 (Multilingual Abstract)

One of the major issues of statistical process control for variables data is monitoring both the mean and the standard deviation. The traditional approach to monitor these parameters is to simultaneously use two seperate control charts. However there have been some works on developing a single chart using a single plotting statistic for joint monitoring, and it is claimed that they are simpler and may be more appealing than the traditonal one from a practical point of view. When using these control charts for variables data, estimating in-control parameters and checking the normality assumption are the very important step. Nonparametric Shewhart-Lepage chart, proposed by Mukherjee and Chakraborti (2012), is an attractive option, because this chart uses only a single control statistic, and does not require the in-control parameters and the underlying continuous distribution. In this paper, we introduce the Shewhart-Lepage chart, and propose the design procedure to find the optimal diagnosis limits when the location and the scale parameters change simultaneously. We also compare the efficiency of the proposed method with that of Mukherjee and Chakraborti (2012).

국문 초록 (Abstract)

전통적인 통계적 공정관리에서 품질특성치의 위치모수와 척도모수의 변화를 탐지하는 것은 주된관심사였고, 이를 위해 일반적으로 두 개의 관리도를 병행하여 사용한다. 그러나 하나의 관리도를 사용하여 두 모수의 변화를 동시에 탐지하는 절차에 대한 연구도 많이 진행되어 왔다. 하나 또는 두 개의 관리도를 사용할 때, 제1국면 (phase I)을 통하여 모수를 추정하여 관리한계를 설정하여 제2국면(phase II)의 관리도를 운영하는데 이때 정규성 가정의 만족 여부는 아주 중요한 점검 사항이다. 실제공정에서는 종종 분포에 대한 가정을 하기 어렵거나 정규분포를 따른다고 가정하기 어려운 경우가 있는데, 이러한 경우에는 비모수적 관리도를 사용할 수 있다. 이 논문에서는 비모수적 관리도이면서, 하나의 관리도를 사용하여 위치모수와 척도모수의 변화를 탐지하는 Shewhart-Lepage 관리도를 소개하고, 위치모수와 척도모수가 동시에 변화할 때 진단 단계에서 변화의 원인을 가장 정확하게 진단할 수있는 최적의 진단한계를 모의실험을 통해 제시하고 그 효율에 대해 연구하였다.

참고문헌 (Reference)

1 정상현, "하나의 관리도로 공정 평균과 분산의 변화를 탐지하는 절차" 한국통계학회 21 (21): 509-521, 2008

2 Memar, A. O., "The max EWMAMS control chart for joint monitoring of process mean and variance for individual observations" 27 : 499-514, 2010

3 Montgomery, D. C., "Statistical quality control : A modern introduction" John Wiley & Sons, Inc 2013

4 Cheng, S. W., "Single variables control charts : An overview" 22 : 811-820, 2006

5 Chao, M. T., "Semicircle control chart for variables data" 8 : 441-446, 1996

6 Song, M. S., "Nonparametric statistics with R" Free Academy 2016

7 최화영, "Multivariate CUSUM control charts for monitoring the covariance matrix" 한국데이터정보과학회 27 (27): 539-548, 2016

8 황창하, "Multioutput LS-SVR based residual MCUSUM control chart for autocorrelated process" 한국데이터정보과학회 27 (27): 523-530, 2016

9 Costa, A. F. B., "Monitoring process mean and variability with one non-central chi-square chart" 31 : 1171-1183, 2004

10 Chen G., "Monitoring process mean and variability with one EWMA chart" 33 : 223-233, 2001

11 Chen, G., "Max-chart : Combining ¯X and S chart" 8 : 263-271, 1998

12 Rahim, M. A., "Joint economic design of ¯X and R charts under Weibull shock models" 38 : 2871-2889, 2000

13 Reynolds, M. R., Jr, "Individuals control schemes for monitoring the mean and variance of processes subject to drifts" 19 : 863-892, 2001

14 Chakraborti, S., "Handbook of Methods and Applications of Statistics: Engineering, Quality Control, and Physical Sciences" John Wiley & Sons, Inc. 298-329, 2010

15 Saniga, E. M., "Economic statistical control-chart designs with an application to ¯X and R charts" 31 : 313-320, 1989

16 Jones, L., "Economic design of a joint ¯X and R chart" 13 : 182-195, 1981

17 Reynolds, M. R., Jr., "Comparisons of some exponentially weighted moving average control charts for monitoring the process mean and variance" 48 : 550-567, 2006

18 Mukherjee, A., "A distribution-free control chart for the joint monitoring of location and scale" 28 : 335-352, 2012

19 Zhang, J., "A control chart based on likelihood ratio test for monitoring process mean and variability" 26 : 63-73, 2010