[논문]상관된 시계열 자료 모니터링을 위한 다변량 누적합 관리도

이규영; 이미림

doi:10.7469/jksqm.2021.49.4.539

Abstract ▼ AI-Helper

Purpose: The purpose of this study is to propose a multivariate CUSUM control chart that can detect the out-of-control state fast while monitoring the cross- and auto- correlated multivariate time series data. Methods: We first build models to estimate the observation data and calculate the correspo...

Purpose: The purpose of this study is to propose a multivariate CUSUM control chart that can detect the out-of-control state fast while monitoring the cross- and auto- correlated multivariate time series data. Methods: We first build models to estimate the observation data and calculate the corresponding residuals. After then, a multivariate CUSUM chart is applied to monitor the residuals instead of the original raw observation data. Vector Autoregression and Artificial Neural Net are selected for the modelling, and Separated-MCUSUM chart is selected for the monitoring. The suggested methods are tested under a number of experimental settings and the performances are compared with those of other existing methods. Results: We find that Artificial Neural Net is more appropriate than Vector Autoregression for the modelling and show the combination of Separated-MCUSUM with Artificial Neural Net outperforms the other alternatives considered in this paper. Conclusion: The suggested chart has many advantages. It can monitor the complicated multivariate data with cross- and auto- correlation, and detects the out-of-control state fast. Unlike other CUSUM charts finding their control limits by trial and error simulation, the suggested chart saves lots of time and effort by approximating its control limit mathematically. We expect that the suggested chart performs not only effectively but also efficiently for monitoring the process with complicated correlations and frequently-changed parameters.

주제어

표/그림 (5)

그림 Figure 1. Methodology
표 Table 1. ARL₁ Results in 2-dimensional Cases
그림 Figure 2. ARL₁ Results in 5-dimensional Cases
표 Table 2. Mean Shifts in 5 and 10 dimensional Space
그림 Figure 3. ARL₁ Results in 10-dimensional Cases

참고문헌 (13)

Arkat, J., Niaki, S. T. A., and Abbasi, B. 2007. Artificial Neural Networks in Applying MCUSUM Residuals Charts for AR (1) Processes. Applied Mathematics and Computation 189(2):1889-1901.

상세보기
Fricker, R. D., Hegler, B. L. and Dunfee, D. A. 2008. Comparing Syndromic Surveillance Detection Methods: EARS versus a CUSUM Based Methodology. Statistics in Medicine 27:3407-3429.

상세보기
Issam, B. K. and Mohamed, L. 2008. Support Vector Regression Based Residual MCUSUM Control Chart for Atocorrelated Process. Applied Mathematics and Computation 201(1):565-574.

상세보기
Jiang, W., Han, S. W., Tsui, K. L., and Woodall, W. H. 2011. Spatiotemporal Surveillance Methods in the Presence of Spatial Correlation. Statistics in Medicine 30(5):569-583.

상세보기
Kim, H. J. and Sohn, S. Y. 2020. CUSUM Chart Applied to Monitoring Areal Population Mobility. Journal of Korean Society for Quality Management 48(2):241-256.

원문보기 상세보기
Kim, M. J., Park, Y., Kim, T. K., and Jung, J.-S. 2019. A Study on the Prediction Diagnosis System Improvement by Error Terms and Learning Methodologies Application. Journal of Korean Society for Quality Management 47(4):783-793.
Kim, S. B., Jitpitaklert, W., Park, S. K., and Hwang, S. J. 2012. Data Mining Model-based Control Charts for Multivariate and Autocorrelated Processes. Expert Systems with Applications 39(2):2073-2081.

상세보기
Kim, S. H., Alexopoulos, C., Tsui, K. L., and Wilson, J. R. 2007. A Distribution-free Tabular CUSUM Chart for Auto-correlated Data. IIE Transactions 39(3):317-330.

상세보기
Lee, M. L., Goldsman, D., Kim, S. H., and Tsui, K. L. 2014. Spatiotemporal Biosurveillance with Spatial Clusters: Control Limit Approximation and Impact of Spatial Correlation. IIE Transactions 46(8):813-827.

상세보기
Montgomery, D.C. 2009. Introduction to Statistical Quality Control, sixth edition, New York: Wiley.
Noorossana, R. and Vaghefi, S. J. M. 2006. Effect of Auto-correlation on Performance of the MCUSUM Control Chart. Quality and Reliability Engineering International 22(2):191-197.

상세보기
Seo, M. K. and Yun, W. Y. 2019. Condition Monitoring and Diagnosis of a Hot Strip Roughing Mill Using an Autoencoder. Journal of Korean Society for Quality Management 47(1):75-86.

원문보기 상세보기
Woodall, W.H. and Ncube, M.M. 1985. Mutivariate CUSUM Quality Control Procedures. Technometrics 27: 285-292.

상세보기

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

상관된 시계열 자료 모니터링을 위한 다변량 누적합 관리도
Multivariate CUSUM Chart to Monitor Correlated Multivariate Time-series Observations 원문보기

Abstract ▼ AI-Helper

주제어

표/그림 (5)

표/그림 (5)

참고문헌 (13)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

상관된 시계열 자료 모니터링을 위한 다변량 누적합 관리도 Multivariate CUSUM Chart to Monitor Correlated Multivariate Time-series Observations 원문보기

Abstract ▼ AI-Helper

주제어

표/그림 (5) 모든 표/그림 보기

표/그림 (5) 슬라이드로 보기

참고문헌 (13)

이 논문을 인용한 문헌

저자의 다른 논문 :

이미림 (5)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

상관된 시계열 자료 모니터링을 위한 다변량 누적합 관리도
Multivariate CUSUM Chart to Monitor Correlated Multivariate Time-series Observations 원문보기

표/그림 (5)

표/그림 (5)