• 한국신뢰성학회지:신뢰성응용연구
• /
• 제18권1호
• /
• pp.20-32
• /
• 2018

Purpose: The purpose of this study is to set up an anomaly detection criteria for sensor data coming from a motorcycle. Methods: Five sensor values for accelerator pedal, engine rpm, transmission rpm, gear and speed are obtained every 0.02 second from a motorcycle. Exploratory data analysis is used to find any pattern in the data. Traditional process control methods such as X control chart and time series models are fitted to find any anomaly behavior in the data. Finally unsupervised learning algorithm such as k-means clustering is used to find any anomaly spot in the sensor data. Results: According to exploratory data analysis, the distribution of accelerator pedal sensor values is very much skewed to the left. The motorcycle seemed to have been driven in a city at speed less than 45 kilometers per hour. Traditional process control charts such as X control chart fail due to severe autocorrelation in each sensor data. However, ARIMA model found three abnormal points where they are beyond 2 sigma limits in the control chart. We applied a copula based Markov chain to perform statistical process control for correlated observations. Copula based Markov model found anomaly behavior in the similar places as ARIMA model. In an unsupervised learning algorithm, large sensor values get subdivided into two, three, and four disjoint regions. So extreme sensor values are the ones that need to be tracked down for any sign of anomaly behavior in the sensor values. Conclusion: Exploratory data analysis is useful to find any pattern in the sensor data. Process control chart using ARIMA and Joe's copula based Markov model also give warnings near similar places in the data. Unsupervised learning algorithm shows us that the extreme sensor values are the ones that need to be tracked down for any sign of anomaly behavior.

• 산업경영시스템학회지
• /
• 제20권42호
• /
• pp.73-85
• /
• 1997

In the product liability age the demand on quality is extremely high and inspection and test are automated. The process capability indices $C_p, {\;}C_{pk}$ and p control chart widely used to provide unitless measure of process performance and process control. Traditional process capability indices $C_p, {\;}C_{pk}$ do not represent the process variation from target value. The convention p chart for control of fraction nonconforming becomes inadequate when the fraction nonconforming becomes very small such as PPM level production system. This paper proposes process performance measure considering quadratic loss function and cumulative counts control chart for control of PPM level production system.

• 대한산업공학회지
• /
• 제27권3호
• /
• pp.289-296
• /
• 2001

This paper proposes multivariate control chart for autocorrelated data which are common in chemical and process industries and lead to increase in the number of false alarms when conventional control charts are applied. The effect of autocorrelated data is modeled as a vector autoregressive process, and canonical analysis is used to reduce the dimensionality of the data set and find the canonical variables that explain as much of the data variation as possible. Charting statistics are constructed based on the residual vectors from the canonical variables which are uncorrelated over time, and therefore the control charts for these statistics can attenuate the autocorrelation in the process data. The charting procedures are illustrated with a numerical example and Monte Carlo simulation is conducted to investigate the performances of the proposed control charts.

• 품질경영학회지
• /
• 제25권1호
• /
• pp.100-115
• /
• 1997

Shewhart control chart is a basic technique to monitor the state of a process. We observe samples of size four or five and plot some statistic(e.g., mean or range) of each sample on the chart. When setting up the chart, we need to obtain u, pp.r and lower control limits. It is common practice that those limits are calculated from the preliminary 20-40 samples presumed to be homogeneous. However, it may ha, pp.n in practice that the samples are contaminated by outlying observations caused by various reasons. The presence of outlying observations make the control limits wider and hence decrease the sensitivity of the charts. In this paper, we introduce robust control charts with tighter control limits when outlying observations are present in the preliminary samples. Examples will be given via simulation study.

• Journal of the Korean Data and Information Science Society
• /
• 제15권2호
• /
• pp.285-295
• /
• 2004

Statistical process control(SPC) and engineering process control(EPC) are two complementary strategies for quality improvement. An integrated process control(IPC) can use EPC to reduce the effect of predictable quality variations and SPC to monitor the process for detection of special causes. In this paper we assume an IMA(1,1) model as a disturbance process and an occurrence of a level shift in the process, and we consider the economic performance for applying an EWMA chart to monitor MMSE-controlled processes. The numerical results suggest that the IPC scheme in an IMA(1,1) disturbance model does not give additional advantages in the economic aspect.

• 산업경영시스템학회지
• /
• 제21권45호
• /
• pp.365-374
• /
• 1998

Control Chart is a powerful tool to detect that process is in control or out of control. CIM can have real effect when CIM involve automated quality control. A neural network approach is used for unnatural pattern detecting of control chart. The previous moving window method uses all unnatural pattern that is detected as moving time window. Therefore, It trains a large number of unnatural pattern and takes training time long. In this paper, the proposed method tests a small number of training unnatural pattern which modifies test data without repeating time. We shows that the proposed method has differences In training time and identification rate on the previous moving windows method. As results, we reduced training time and obtain the same identification rate.

• 융합보안논문지
• /
• 제8권3호
• /
• pp.33-39
• /
• 2008

소트프웨어 고장 시간은 테스팅 시간과 관계없이 일정하거나. 단조증가 혹은 단조 감소 추세를 가지고 있다. 이러한 소프트웨어 신뢰모형들을 분석하기 위한 자료척도로 자료에 대한 추세 검정이 개발되어 있다. 추세 분석에는 산술평균 검정과 라플라스 추세 검정등이 있다. 추세분석들은 전체적인 자료의 개요의 정보만 제공한다. 본 논문에서는 고장시간을 측정하는 도중에 지수가중 이동 평균 관리도를 이용하여 관리 상태에 있는 자료만 가지고 정보분석을 해야 효율성이 있을 것으로 판단된다. 따라서 본 논문에서는 기존의 추세 검정과 지수가중이동평균 관리도를 사용하여 실제 소프트웨어 자료를 비교 분석하는 것을 목표로 하고 있다.

• Journal of the Korean Data and Information Science Society
• /
• 제28권2호
• /
• pp.339-348
• /
• 2017

전통적인 통계적 공정관리에서 품질특성치의 위치모수와 척도모수의 변화를 탐지하는 것은 주된 관심사였고, 이를 위해 일반적으로 두 개의 관리도를 병행하여 사용한다. 그러나 하나의 관리도를 사용하여 두 모수의 변화를 동시에 탐지하는 절차에 대한 연구도 많이 진행되어 왔다. 하나 또는 두 개의 관리도를 사용할 때, 제1국면 (phase I)을 통하여 모수를 추정하여 관리한계를 설정하여 제2국면(phase II)의 관리도를 운영하는데 이때 정규성 가정의 만족 여부는 아주 중요한 점검 사항이다. 실제 공정에서는 종종 분포에 대한 가정을 하기 어렵거나 정규분포를 따른다고 가정하기 어려운 경우가 있는데, 이러한 경우에는 비모수적 관리도를 사용할 수 있다. 이 논문에서는 비모수적 관리도이면서, 하나의 관리도를 사용하여 위치모수와 척도모수의 변화를 탐지하는 Shewhart-Lepage 관리도를 소개하고, 위치모수와 척도모수가 동시에 변화할 때 진단 단계에서 변화의 원인을 가장 정확하게 진단할 수 있는 최적의 진단한계를 모의실험을 통해 제시하고 그 효율에 대해 연구하였다.

• 한국산업정보학회논문지
• /
• 제6권3호
• /
• pp.65-70
• /
• 2001

이 논문에서는 초기공정에서 개별관측치를 이용하여 공정변화를 지적하는 효율적인 관리도 패턴을 제시한다. 신경망 모델을 적용한 공정관리 기법이 부분적으로 통계적이거나 다른 분석기법보다 우월하지 않을 수도 있지만 학습된 자료관계는 분석적 가정이나 잘못된 모수 때문에 발생되는 오류를 평가할 수 있는 능력이 있으므로 완벽한 공정관리 모델을 추구할 수 있다. 이 논문에서는 BP 알고리즘을 사용하며, 신경망을 이용한 관리도는 작은 공정변화에 특히 예민하다. 공정관리에 영향을 주는 최적의 모수를 구하는 유용한 방법이 신경망을 이용하는 방법임을 제시하며 신경망을 이용한 관리도와 X, EWMA 관리도 비교를 위해 평균 런의 길이를 이용한다.

• 한국컴퓨터정보학회논문지
• /
• 제25권12호
• /
• pp.187-194
• /
• 2020

오늘날 반도체나 석유 화학 공정과 같이 프로세스 중심의 산업에서는 관측된 자료들 사이에 자기 상관이 존재한다. 자기상관이 존재하는 공정에 대한 관리 방법으로는 관측치를 이용하여 뱃치 평균이 독립에 가까워지도록 뱃치를 구성하여 관리하거나, 관측치의 EWMA (지수 가중치 이동 평균) 통계량을 EWMA 관리도에 적용하는 방법등이 주로 사용되고 있다. 본 논문에서는 관찰치에 대한 관리 방법으로 일반적으로 사용되는 UBM 의 뱃치 크기를 결정하는 방법을 소개하고, ARL(평균 실행 길이)을 기반으로 최적 뱃치 크기를 정하는 방법과 그러한 뱃치 구성에서 공정의 표준 편차를 추정하는 방법을 제안 한다. 자기상관이 존재하는 공정에 대한 개선된 관리도를 제안하고자 한다.