完整後設資料紀錄
DC 欄位 | 值 | 語言 |
---|---|---|
dc.contributor.author | 洪志真 | en_US |
dc.contributor.author | SHIAU JYH-JEN HORNG | en_US |
dc.date.accessioned | 2014-12-13T10:31:16Z | - |
dc.date.available | 2014-12-13T10:31:16Z | - |
dc.date.issued | 2005 | en_US |
dc.identifier.govdoc | NSC94-2118-M009-006 | zh_TW |
dc.identifier.uri | http://hdl.handle.net/11536/90817 | - |
dc.identifier.uri | https://www.grb.gov.tw/search/planDetail?id=1094182&docId=206134 | en_US |
dc.description.abstract | 在品管上,一般而言,製程或產品之品質特性都是一個變數。然而對某些製程而言,品質特性是由反應變數和一或多個解釋變數間之關係來界定。因此一個品質特性乃以一個函數、一條曲線或是一個曲面之資料型式來呈現,稱之為profile (縱斷面或剖面)。本計畫主旨在於研究探討如何有效地監控製程profiles。Kang and Albin (2000) 和Kim, Mahmound, and Woodall (2003)在假設所有的profiles是同一條直線加上常態隨機誤差下,提出一個監控方法來監控profiles。九十三年度之研究計畫中,考慮直接將Kang and Albin (2000)之簡單線性模型推廣成無母數迴歸模型,讓profiles 的函數形式更具彈性。計畫執行相當順利,已有甚佳的研究結果。本研究計畫擬考慮一個更合乎許多真實狀況的模型:這些profiles有類似形式,但卻又有個別差異性。在此情形下何謂in control尚需定義,如何執行SPC更是一個全新,也很有趣的課題,有非常多的研究空間。目前已想到兩種完全不同方式(approaches)的作法,都深具研究價值。第一個想法是採用隨機效應(random effect)模型來描述這樣的profiles;此又可分參數迴歸模型和無母數迴歸模型兩種情形來探討。第二個想法是由函數資料分析(Functional Data Analysis)的角度來研究這個問題:將製程profiles用一個隨機過程來描述,而將這些profiles看成此隨機過程之realizations。由這些profiles資料我們估計此隨機過程的特性,如平均函數和共變異函數等;然後利用這些特性來判定一個新產品profile是否為此隨機過程之一個realization,亦即製程是否為in control。我們將先定義in-control profiles,然後研究在SPC phase I 中如何由歷史資料估出in control下之參考模型,及如何建構profiles的管制準則,包含在phase I 如何判定historical profiles資料是否為in control,和在phase II 中如何監控新profiles 的管制準則。Profile monitoring之研究正在起步,本計畫所提之研究在學術上和實際應用上都有相當的貢獻。 | zh_TW |
dc.description.sponsorship | 行政院國家科學委員會 | zh_TW |
dc.language.iso | zh_TW | en_US |
dc.title | 製程品質特性為曲線時之監控方法 | zh_TW |
dc.title | Profile Monitoring Techniques | en_US |
dc.type | Plan | en_US |
dc.contributor.department | 國立交通大學統計學研究所 | zh_TW |
顯示於類別: | 研究計畫 |