Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Multivariate process parameter change identification by neural network
Luleå tekniska universitet, Institutionen för samhällsbyggnad och naturresurser, Drift, underhåll och akustik.
Luleå tekniska universitet, Institutionen för samhällsbyggnad och naturresurser, Drift, underhåll och akustik.
Luleå tekniska universitet, Institutionen för teknikvetenskap och matematik, Matematiska vetenskaper.
2013 (Engelska)Ingår i: The International Journal of Advanced Manufacturing Technology, ISSN 0268-3768, E-ISSN 1433-3015, Vol. 69, nr 9-12, s. 2261-2268Artikel i tidskrift (Refereegranskat) Published
Abstract [en]

Whenever there is an out-of-control signal in process parameter control charts, maintenance engineers try to diagnose the cause near the time of the signal which is not always lead to prompt identification of the source(s) of the out-of-control condition and this in some cases yields to extremely high monetary loses for manufacture owner. This paper applies multivariate exponentially weighted moving average (MEWMA) control charts and neural networks to make the signal identification more effective. The simulation of this procedure shows that this new control chart can be very effective in detecting the actual change point for all process dimension and all shift magnitudes considered. This methodology can be used in manufacturing and process industries to predict change points and expedite the search for failure causing parameters, resulting in improved quality at reduced overall cost. This research shows development of MEWMA by usage of neural network for identifying the step change point and the variable responsible for the change in the process mean vector.

Ort, förlag, år, upplaga, sidor
2013. Vol. 69, nr 9-12, s. 2261-2268
Nationell ämneskategori
Annan samhällsbyggnadsteknik
Forskningsämne
Drift och underhållsteknik
Identifikatorer
URN: urn:nbn:se:ltu:diva-12696DOI: 10.1007/s00170-013-5200-xISI: 000327095900030Scopus ID: 2-s2.0-84892371787Lokalt ID: bdbcaab3-37f3-415c-9607-e6abe6dde418OAI: oai:DiVA.org:ltu-12696DiVA, id: diva2:985647
Anmärkning
Validerad; 2013; 20130708 (farahm)Tillgänglig från: 2016-09-29 Skapad: 2016-09-29 Senast uppdaterad: 2018-07-10Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Förlagets fulltextScopus

Personposter BETA

Ahmadzadeh, FarzanehLundberg, JanStrömberg, Thomas

Sök vidare i DiVA

Av författaren/redaktören
Ahmadzadeh, FarzanehLundberg, JanStrömberg, Thomas
Av organisationen
Drift, underhåll och akustikMatematiska vetenskaper
I samma tidskrift
The International Journal of Advanced Manufacturing Technology
Annan samhällsbyggnadsteknik

Sök vidare utanför DiVA

GoogleGoogle Scholar

doi
urn-nbn

Altmetricpoäng

doi
urn-nbn
Totalt: 363 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf