인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
High-frequency sensor data in modern manufacturing environments are typically autocorrelated, which violates the independence assumption of conventional Shewhart control charts and results in excessive false alarms or delayed shift detection. The batch means control chart offers a simple alternative by aggregating consecutive observations to mitigate autocorrelation without explicit time-series modeling. This study evaluates the performance of batch means control charts for detecting mean shifts in first-order autocorrelated processes. Through simulation, the effects of batch size and batch interval on the average run length are analyzed under varying autocorrelation levels, and practical design guidelines are proposed. A case study using sound signal data from a thread turning process demonstrates the applicability of the method. Results confirm effective false-alarm reduction and reliable mean shift detection in autocorrelated manufacturing processes.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
