ข้อมูลจากบทคัดย่อ
ยังไม่มีสรุปภาษาไทยสำหรับระเบียนนี้
ด้านล่างเป็นบทคัดย่อต้นฉบับภาษาอังกฤษจากข้อมูลบรรณานุกรม โปรดตรวจบทความต้นฉบับก่อนอ้างอิง
The original Shewhart p- and c-charts monitor binomial and Poisson attribute data using normal-approximation control limits, which may be unreliable for small or moderate samples, low defect levels, or sparse nonconformities. This study proposes Improved Square Root Transformation-based modified exponentially weighted moving average charts, namely ISRT p-MEWMA and ISRT c-MEWMA, to improve detection of small and moderate shifts in attribute processes. The charts integrate the variance-stabilizing capability of ISRT with the memory mechanism of MEWMA. Monte Carlo simulations were performed under various baseline parameters, subgroup sizes, and shift magnitudes, with all charts calibrated to a common in-control average run length. Results indicate that ISRT p-MEWMA performs well for low-defect binomial data, whereas ISRT c-MEWMA is effective for low-count Poisson data. Real-data applications confirm the practical usefulness of the proposed charts.
เหตุผลที่อยู่ในฐานติดตาม
ระเบียนนี้ได้รับ Impact Signal 71/100 จากความใหม่ แหล่งเผยแพร่ ความร่วมมือ และสัญญาณในข้อมูลบรรณานุกรม คะแนนนี้ใช้จัดลำดับการติดตาม ไม่ใช่การตัดสินคุณภาพงานวิจัย
ประเด็นที่เกี่ยวข้อง: Advanced Statistical Process Monitoring · Fault Detection and Control Systems · Management Systems and Quality Improvement
บทบาทของนักวิจัยและสถาบันไทย
Suganya Phantu · Yupaporn Areepong · Saowanit Sukparungsee · King Mongkut's University of Technology North Bangkok
ข้อจำกัดของข้อมูล
หน้านี้เป็นระเบียนบรรณานุกรมและข้อมูลจากบทคัดย่อ ยังไม่ใช่บทวิเคราะห์ฉบับเต็มหรือการประเมินคุณภาพงานวิจัย ควรตรวจสอบ DOI และเอกสารต้นฉบับก่อนนำไปอ้างอิง