Ortalamadaki değişimi izleyen Bayesci süreç kontrolü
Bayesian process control to monitor mean shifts
- Tez No: 244941
- Danışmanlar: DOÇ. DR. GÜL ERGÜN
- Tez Türü: Doktora
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2009
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Gözlem sayısının az olduğu atölye tipi üretimlerde klasik süreç kontrolü yaklaşımları uygun değildir. Bu çalışmada normal dağılımlı gözlemler için bilinmeyen süreç ortalamasının tahmininde Bayesci bir yaklaşım ele alınmış ve ortalamadaki değişimleri yakalayan Bayesci bir süreç kontrolü modeli geliştirilmiştir. Süreç ortalamasının zaman boyunca olası değişimleri üç farklı durumu içerecek şekilde tanımlanarak hem pozitif hem de negatif sıçramaları içerecek şekilde model genişletilmiştir. Süreç ortalamasının her n. zamanda değişiminin önceden belirlenmiş alt ve üst eşik değerlerinin içinde olmasının yanında bu değerleri aşan sıçramaları da içerecek şekilde modellenmesinde rasgele yürüyüş yapısı ve normal-karma model tanımlarından yararlanılmıştır. Süreç ortalamasına ilişkin sonsal tahminler, her bir zaman noktasında önsel bilgiler ile olabilirlik fonksiyonunun harmanlanmasıyla elde edilmiş ve buna ilişkin işlemler tezde adım adım sunulmuştur. Elde edilen model MATLAB 7.1'de yazılan bir algoritma yardımıyla bir veri seti üzerine farklı başlangıç değerleri ile uygulanmış ve elde edilen sonuçlardan önerilen modelin ortalamadaki değişimini yakalamada başarılı sonuçlar verdiği gözlenmiştir.
Özet (Çeviri)
Classical process control methods are not suitable for short run processes when the number of observations is low. In this study, a Bayesian approach is considered for normal observations to estimate the process mean and to develope a framework for detecting the changes in the mean. The changes of the mean are defined for three different cases at each time and the model is extended for both negative and positive jumps. A random walk definition and a normal mixture model are used to detect any change in the process mean. Posterior estimates of the process mean which are presented step by step in the thesis are obtained by using prior information and likelihood function at each time. The model is implemented on a artificial data set for different initial values by using a program designed in Matlab 7.1. It is seen that the proposed model is successul to detect the changes in the mean.
Benzer Tezler
- Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini
Forecasting the spread of covid-19 using deep learning and big data analytics methods
CYLAS KIGANDA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. MUHAMMET ALİ AKCAYOL
- Metropolitan bir kentte gecekondu bölgelerinde, bebeklikte anne sütü ile beslenme ve sütten kesme davranışı
Başlık çevirisi yok
YILDIZ TÜMERDEM SİNOPLU
- Gelişmekte olan ülkelerin dış borç sorunu ve Türkiye'nin dış borçları
Başlık çevirisi yok
MUSTAFA KARAGÖZ
- İklim değişikliğinin Mauritius kıyı alanına etkileri
The impacts of climate change on the coastal zone of Mauritius
YUVNA DEVİ PERIANEN
Yüksek Lisans
Türkçe
2015
Deniz Bilimleriİstanbul ÜniversitesiDenizel Çevre Ana Bilim Dalı
PROF. DR. ZİNET SELMİN BURAK