DSpace Repository

การเปรียบเทียบประสิทธิภาพของแผนภูมิควบคุม สำหรับการตรวจวัดการเปลี่ยนแปลงในสัดส่วนของเสีย

Show simple item record

dc.contributor.advisor มานพ วราภักดิ์
dc.contributor.author เพ็ญนภา เจริญศิลป์, 2518-
dc.contributor.other จุฬาลงกรณ์มหาวิทยาลัย. คณะพาณิชยศาสตร์และการบัญชี
dc.date.accessioned 2006-06-29T11:33:07Z
dc.date.available 2006-06-29T11:33:07Z
dc.date.issued 2547
dc.identifier.isbn 9741770413
dc.identifier.uri http://cuir.car.chula.ac.th/handle/123456789/610
dc.description วิทยานิพนธ์ (สต.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2547 en
dc.description.abstract ในการทำวิจัยครั้งนี้มีวัตถุประสงค์ เพื่อเปรียบเทียบประสิทธิภาพของแผนภูมิควบคุมทั้ง 3 แบบ ได้แก่ แผนภูมิอาร์คไซน์ แผนภูมิเรขาคณิต และแผนภูมิควบคุมสังเคราะห์ โดยใช้เกณฑ์ควบคุมความน่าจะเป็นของความผิดพลาดแบบที่ 1 (alpha) เมื่อกระบวนการอยู่ในการควบคุม ในกรณีที่ควบคุมค่า alpha ได้จะทำการเปรียบเทียบค่าความยาววิ่งโดยเฉลี่ย (ARL) ของแต่ละแผนภูมิในแต่ละสถานการณ์ ถ้าแผนภูมิใดให้ค่า ARL ต่ำที่สุด จะถือว่าแผนภูมินั้นมีประสิทธิภาพสูงที่สุดในสถานการณ์นั้นๆ ในการวิจัยครั้งนี้ได้กำหนดค่าสัดส่วนของเสียมาตรฐานที่ต้องการควบคุม (P[subscript 0]) แบ่งเป็น 3 ระดับ คือ ระดับขนาดเล็ก P[subscript 0] = 0.0001, 0.0003, 0.0005, 0.0007, 0.0009 ระดับขนาดปานกลาง (P[subscript 0]) = 0.001, 0.003, 0.005, 0.007, 0.009, 0.01, 0.03, 0.05, 0.07, 0.09 และระดับขนาดใหญ่ P[subscript 0] = 0.10, 0.15, 0.20 โดยขนาดตัวอย่าง (n) ขึ้นอยู่กับค่า P[subscript 0] เมื่อค่า P[subscript 0] อยู่ในระดับขนาดเล็ก ค่า n = 100, 125, 150, 175, 200, 250, 300, 350, 400, 450, 500 ค่า (P[subscript 0]) อยู่ในระดับขนาดปานกลาง ค่า n = 5, 10, 15, 25, 30, 35, 40, 45, 50, 100, 125, 150, 175, 200, 250, 300, 350, 400, 450, 500 และค่า P[subscript 0] อยู่ในระดับขนาดใหญ่ค่า n = 5, 10, 15, 20, 25, 30, 35, 40, 45, 50 ที่ระดับการเปลี่ยนแปลงของเสียเพิ่มขึ้นเมื่อกระบวนการผิดปกติ 1%, 3%, 5%, 7%, 9%, 10% ข้อมูลที่ใช้ในการวิจัยครั้งนี้ได้จากการจำลองด้วยเทคนิคมอนติคาร์โล 1,000 ครั้ง ในแต่ละสถานการณ์ของการทดลอง ผลการวิจัยสามารถสรุปได้ดังนี้ 1. แผนภูมิควบคุมสัดส่วนของเสียสามารถควบคุมค่า alpha ได้ในกรณีต่อไปนี้ แผนภูมิเรขาคณิตควบคุมได้เมื่อ P[subscript 0] [is less than or equal to] 0.0009 แผนภูมิอาร์คไซน์ควบคุมได้เมื่อ np[subscript 0] [is less than or equal to] 2 และแผนภูมิควบคุมสังเคราะห์ควบคุมได้เมื่อ np[subscript 0] [is more than or equal to] 0.1 2. ที่ทุกระดับการเปลี่ยนแปลงให้ผลการตรวจสอบดังต่อไปนี้ ค่า p[subscript 0] อยู่ในระดับขนาดเล็กแผนภูมิเรขาคณิตให้ค่า ARL ต่ำที่สุด ค่า p[subscript 0] อยู่ในระดับขนาดปานกลางและขนาดใหญ่ แผนภูมิควบคุมสังเคราะห์ให้ค่า ARL ต่ำที่สุด เมื่อ np[subscript 0] [ is more than or equal to] 0.1 แผนภูมิอาร์คไซน์ให้ค่า ARL ต่ำที่สุดเมื่อ 0.005 [is less than or equal to] np[subscript 0] < 0.1 en
dc.description.abstractalternative The objective of this research is to compare the efficiency of fraction nonconforming charts: Arcsine Chart, Geometric Chart and Synthetic Control Chart. The charts that are in type-I error (alpha) control will be compared their efficiency. The efficiency of each chart is measured by its average run lengths (ARL). The chart having smallest ARL is considered to be the best. There are three levels of standard fraction nonconforming p[subscript 0] : low level p[subscript 0] = 0.0001, 0.0003, 0.0005, 0.0007, 0.0009, medium level p[subscript 0] = 0.001, 0.003 , 0.005 , 0.007, 0.009 , 0.01, 0.03, 0.05 , 0.07, 0.09 and high level p[subscript 0] = 0.10,0.15, 0.20. Sample size (n) is set depending on p[subscript 0]. 1) If p[subscript 0] is in low level then (n) are 100, 125, 150, 175, 200, 250, 300, 350, 400, 450, 500, 2) If p[subscript 0] is in medium level then n are 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 60, 70, 80, 90, 100, 125, 150, 175, 200, 250, 300, 350, 400, 450, 500, 3) If p[subscript 0] is in high level then n are 5, 10, 15, 20, 25, 30, 35, 40, 45, 50. Shift of the fraction of nonconforming are 1%, 3%, 5%, 7%, 9% and 10%, respectively. Data used in this research are generated from the Bernoulli distribution through the Monte Carlo simulation method. The average run length computed for each situation run. The simulation is repeated 1,000 times in each situation. The results of this research are as follows: 1. In case of usual process. Geometric Chart is in alpha control if p[subscript 0] [is less than or equal to] 0.0009, Arcsine Chart is in alpha control if np[subscript 0] [is less than or equal to] 2 and Synthetic Control Chart is in alpha control if np[subscript 0] [is more than or equal to] 0.1. 2. In case of unusual process. If the standard fraction nonconforming p[subscript 0] is in low level, the Geometric Chart gives smallest ARL. If p[subscript 0] is in medium and high levels np[subscript 0] [is more than or equal to] 0.1, the Synthetic Control Chart gives smallest ARL and 0.005 [is less than or equal to] np[subscript 0]< 0.1, the Arcsine Chart gives smallest ARL. en
dc.format.extent 874180 bytes
dc.format.mimetype application/pdf
dc.language.iso th en
dc.publisher จุฬาลงกรณ์มหาวิทยาลัย en
dc.relation.uri http://doi.org/10.14457/CU.the.2004.290
dc.rights จุฬาลงกรณ์มหาวิทยาลัย en
dc.subject การแจกแจงทวินาม en
dc.subject การแจกแจง (ทฤษฎีความน่าจะเป็น) en
dc.subject แผนภูมิควบคุม en
dc.title การเปรียบเทียบประสิทธิภาพของแผนภูมิควบคุม สำหรับการตรวจวัดการเปลี่ยนแปลงในสัดส่วนของเสีย en
dc.title.alternative A comparison on efficiency of control charts for detecting a shift in fraction nonconforming en
dc.type Thesis en
dc.degree.name สถิติศาสตรมหาบัณฑิต en
dc.degree.level ปริญญาโท en
dc.degree.discipline สถิติ en
dc.degree.grantor จุฬาลงกรณ์มหาวิทยาลัย en
dc.email.advisor fcommva@acc.chula.ac.th
dc.identifier.DOI 10.14457/CU.the.2004.290


Files in this item

This item appears in the following Collection(s)

Show simple item record