Χρήση διαγραμμάτων ελέγχου για την ανίχνευση μετατοπίσεων σε διεργασίες που μοντελοποιούνται απο την POISSON κατανομή

Δανασή, Μαρία; Danasi, Maria

dc.contributor.author	Δανασή, Μαρία	el
dc.contributor.author	Danasi, Maria	en
dc.date.accessioned	2020-10-14T11:46:34Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/51467
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.19165
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Στατιστικός έλεγχος ποιότητας	el
dc.subject	Διαγράμματα ελέγχου	el
dc.subject	CUSUM	en
dc.subject	PEWMA	en
dc.subject	FIR	en
dc.subject	Statistical quality control	en
dc.subject	Control charts	en
dc.subject	PDEWMA	en
dc.subject	PGWMA	en
dc.subject	PDGWMA	en
dc.title	Χρήση διαγραμμάτων ελέγχου για την ανίχνευση μετατοπίσεων σε διεργασίες που μοντελοποιούνται απο την POISSON κατανομή	el
dc.title	Control charts for monitoring shifts in poisson	en
dc.contributor.department	Τομέας Μαθηματικών	el
heal.type	bachelorThesis
heal.classification	Στατιστικός έλεγχος ποιότητας--Μαθηματικά	el
heal.classification	Statistical quality control--Mathematics	en
heal.dateAvailable	2021-10-13T21:00:00Z
heal.language	el
heal.access	embargo
heal.recordProvider	ntua	el
heal.publicationDate	2020-10-01
heal.abstract	Ένα από τα χρησιμότερα στατιστικά εργαλεία για την παρακολούθηση και τον έλεγχο των παραγωγικών διεργασιών αποτελούν, στην εποχή μας, τα διαγράμματα ελέγχου. Σκοπός τους είναι η έγκαιρη ανίχνευση της αφύσικης συμπεριφοράς μίας διεργασίας. Για χαρακτηριστικά ποιότητας που δεν μετρώνται σε συνεχή κλίμακα και το μέτρο της ποιότητας είναι ο αριθμός των ελαττωμάτων/μη συμμορφωμένων μονάδων γίνεται, συνήθως, χρήση της Poisson κατανομής. Στην παρούσα εργασία παρουσιάζονται, κατά κύριο λόγο, τα διαγράμματα ελέγχου με κινητούς μέσους και εκθετικά βάρη (EWMA) για δεδομένα που ακολουθούν την Poisson κατανομή καθώς και εφαρμογές αυτών στην Πολεμική Αεροπορία (ΠΑ). Στο 1ο Κεφάλαιο περιγράφονται τα κύρια χαρακτηριστικά του Στατιστικού Ελέγχου Ποιότητας, του Στατιστικού Ελέγχου Διεργασιών (ΣΕΔ), καθώς και των διαγραμμάτων ελέγχου. Στο 2ο Κεφάλαιο παρουσιάζονται τα διαγράμματα ελέγχου για τον αριθμό των ελαττωμάτων (c charts). Στο 3ο Κεφάλαιο γίνεται συνοπτική αναφορά στα συσσωρευμένα αθροιστικά διαγράμματα ελέγχου (Cumulative Sum, CUSUM) και διενεργείται η τεχνική γρήγορης αρχικής απόκρισης (Fast Initial Response, FIR), για δεδομένα που ακολουθούν την Poisson κατανομή. Στο 4ο Κεφάλαιο αναλύονται αρκετά διαγράμματα ελέγχου τύπου Exponentially Weighted Moving Average, EWMA για δεδομένα που ακολουθούν Poisson κατανομή. Στο 5ο Κεφάλαιο παρουσιάζεται το διάγραμμα ελέγχου προοδευτικού μέσου (Progressive Mean, PM) και σύγκριση αυτού με άλλα διαγράμματα. Στο 6ο Κεφάλαιο παρουσιάζονται δύο εφαρμογές των παραπάνω διαγραμμάτων σε δεδομένα που προέρχονται από τον χώρο της βιομηχανίας και της πολεμικής αεροπορίας. Τέλος, στο 7ο Κεφάλαιο συνοψίζονται τα συμπεράσματα από την παρούσα διατριβή.	el
heal.abstract	One of the most useful statistical tools for monitoring and controlling production processes are, in our time, control charts. Their purpose is to detect the abnormal behavior of a process in a timely manner. For quality characteristics that are not measured on a continuous scale and the measure of quality is the number of defective units/ non-conformities, the Poisson distribution is usually used. The present study presents mainly the exponentially weighted moving average (EWMA) control charts for data following the Poisson distribution, as well as their applications in industryand the Royal Norwegian Air Force (RnoAF). Chapter 1 describes the main features of Statistical Quality Control, Statistical Process Control, as well as control charts. Chapter 2 presents the control charts for non-conformities (c charts). Chapter 3 summarizes the cumulative sum (CUSUM) control charts and is carried out the fast initial response technique (FIR) for data following the Poisson distribution. Chapter 4 analyzes several EWMA control charts for data following Poisson distribution. Chapter 5 presents the progressive mean control chart (PM) and its comparison with other charts. Chapter 6 presents two applications of the above control charts in data from the field of industry and of air force. Finally, Chapter 7 summarizes the conclusions of this thesis.	en
heal.advisorName	Κουκουβίνος, Χρήστος	el
heal.committeeMemberName	Παπαγεωργίου, Νικόλαος	el
heal.committeeMemberName	Στεφανέας, Πέτρος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών. Τομέας Μαθηματικών	el
heal.academicPublisherID	ntua
heal.numberOfPages	110 σ.	el
heal.fullTextAvailability	false