Hibridā statistiskā procesa vadība — kombinētā SPC
Hibridā statistiskā procesa vadība (Hybrid Statistical Process Control, turpmāk — hibridā SPC) apvieno klasiskās vadības diagrammu metodes (Shewhart, CUSUM, EWMA) ar papildu paņēmieniem — piemēram, neironu tīkliem, fuzilojas loģiku, ekonomisko dizainu vai daudzvarianto statistiku — lai uzraudzītu un vadītu ražošanas vai pakalpojumu procesus efektīvāk nekā jebkura atsevišķa pieeja. Hibridā arhitektūra novērš tradicionālās SPC zināmās nepilnības, tostarp lēnu mazu izmaiņu noteikšanu, modeļu atpazīšanas ierobežojumus un nespēju apstrādāt nenormālus vai autokorelatīvus datus.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Montgomery, D. C. (2009). Introduction to Statistical Quality Control (6th ed.). Wiley. ISBN: 978-0-470-16992-6
- Guh, R.-S., & Hsieh, Y.-C. (2008). A Neural Network-Based Model for Abnormal Pattern Recognition of Control Charts. Computers and Industrial Engineering, 35(1–2), 35–38. link ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Hybrid Statistical Process Control. ScholarGate. https://scholargate.app/lv/experimental-design/hybrid-statistical-process-control
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- KUMULATĪVĀS SUMMAS (CUSUM) KONTROLKARTEStatistika↔ compare
- Statistiskā procesa vadībaEksperimentu plānošana↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →