MEWMA管理図(多変量EWMA)

MEWMA管理図は、相関のある2つ以上の変数を、重みλ(デフォルト0.1)で同時に平滑化して、一度に監視します。Hotelling T²管理図では反応が遅れる、小さく持続的な多変量のドリフトを捉えるために使います。基準となる平均ベクトルと共分散は、安定した期間から求められます。平滑化したT²統計量を、α 0.0027のカイ二乗分布に基づくUCLに対してプロットします。

最終レビュー

重要なポイント

MEWMA管理図は、相関のある2つ以上の変数をまとめて平滑化する多変量EWMA管理図で、同時分布の小さく持続的なシフトに対して、Hotelling T²管理図より高い感度を持ちます。

このページの内容
  1. 目的
  2. 主な機能
  3. 統計手法
  4. 入力フィールドとオプション
  5. 出力の説明
  6. 計算例

目的

MEWMA(Multivariate Exponentially Weighted Moving Average、多変量指数加重移動平均)管理図は、本アプリの1変量EWMA管理図の多変量版であり、Hotelling T²管理図に対する、小さく持続的なシフト向けの対応版でもあります。T²管理図が新しい観測値のそれぞれに独立に反応するのに対し、MEWMA管理図は、相関のある複数の変数を観測値にわたってまとめて平滑化するため、同時分布の小さくても持続的なドリフト(たとえば、関連する2つの品質測定値にまとめて影響する、徐々に汚れていく触媒など)に対して、平滑化しないT²管理図よりはるかに高い感度を持ちます。

主な機能

  • 相関のある2つ以上の変数を、調整可能な1つの重み定数(λ)を使って同時に平滑化します。
  • 小さく持続的な多変量シフトを、平滑化しないHotelling T²管理図よりはるかに速く検出します。その代償として、単独の大きな孤立したシフトへの反応はわずかに遅くなります。
  • 設定可能なα(誤警報率)。デフォルトはアプリ全体の慣例である0.0027です。
  • 行の包含/除外と、既知の安定した期間に基づいて平均ベクトルと共分散行列の基準を決める、別個の「estimate observations to estimate parameters」セレクター。

統計手法

x_iを観測値iにおける選択した変数のベクトル、x̄を推定した管理状態の平均ベクトル(すべての行、または指定した基準のサブセットから推定)とします。MEWMAの平滑化ベクトルは、すべての観測値について順に再帰的に更新されます:Z_i = λ·(x_i − x̄) + (1 − λ)·Z_{i−1}、Z_0 = 0。ここでλ(Weightフィールド)は平滑化定数で、0 < λ ≤ 1です。λが小さい値(たとえばデフォルトの0.1)では、各平滑化点により多くの過去の観測値が重み付けされるため、小さく持続的なシフトに対する管理図の感度が高まります。λが大きい値では、最近の観測値がより重く重み付けされ、管理図は平滑化しないHotelling T²管理図にますます近い挙動になります。

観測値が蓄積するにつれて、平滑化ベクトル自体の共分散は小さくなるため、固定の共分散ではなく、その正確な時間変化する共分散が使われます:Σ_Zi = [λ/(2−λ)]·[1 − (1−λ)^(2i)]·Σ。ここでΣは変数の標本共分散行列です(MEWMAの標準的な閉形式の結果。Lowry, Woodall, Champ & Rigdon, 1992)。プロットされる統計量は、T²_i = Z_i′ Σ_Zi⁻¹ Z_i です。

上方管理限界には、ARLを最適化したシミュレーション表がない場合の慣例的で実用的な選択である、標準的なカイ二乗近似を使います:UCL = chi2.ppf(1 − alpha, p)、デフォルトはalpha = 0.0027です。Hotelling T²管理図と同様に、これは片側で非正規の距離統計量であるため、ルール1(点がUCLを超える)のみが評価されます。

入力フィールドとオプション

項目

説明

Variables

必須。各観測値で測定した、相関のある2つ以上の変数を選択します。

Weight (lambda)

平滑化定数で、0 < λ ≤ 1です。デフォルトは0.1です。小さい値ほど小さく持続的なシフトを速く検出し、大きい値ほど平滑化しないT²管理図に近い反応をします。

Alpha (false alarm rate)

デフォルトは0.0027で、標準的な3シグマ相当の誤警報率に対応します。

X scale

任意。観測値の軸の独自のラベル付けです。

Include or Exclude / Specify which rows / Row numbers

プロットする行を制御します。

Specify observations to estimate parameters (mean vector & covariance matrix) / Observations

任意で、すべての行をプロットしたまま、基準となる平均ベクトルと共分散行列の推定に使う行を制限します。

 

mewma-chart-inputa


図1 — C1〜C2に貼り付けた、粘度とモノマー%のペアの25バッチ分の測定値。両方をVariablesとして選択し、Weight (lambda) = 0.1。

 

出力の説明

  • MEWMA Chart plot — 時間順の各観測値について、平滑化したMEWMA T²統計量を、UCLと(ほぼ0の)LCLとともに示します。
  • Summary table — 使用した変数、p(変数の数)、m(パラメーターの推定に使った観測値の数)、Weight (lambda)、Alpha、UCL。
  • Nelson's Rules / Potential Special Cause Points — どの点(あれば)が管理限界を超えたか。
  • Download as PDFによるPDFエクスポート。
mewma-chart-output


図2 — MEWMA Chartの出力:UCLとともにバッチごとの平滑化したMEWMA T²統計量と、Variables/p/m/Weight/Alpha/UCLの要約表。

 

計算例

バッチ反応器の製品品質は、最終的な粘度(C1、cP)と残留モノマー%(C2)に共同で依存し、これらは、触媒が25回連続のバッチにわたって徐々に汚れていくにつれて、一緒にドリフトします。Weight (lambda) = 0.1、Alpha = 0.0027で、平滑化したMEWMA T²統計量は、組み込まれた緩やかなドリフトが平滑化した統計量に蓄積するにつれ、バッチ1からおよそバッチ4〜5まで着実に上昇し(UCLの約11.8に対して約9.7に達する)、その後は下降に転じます。これはまさに、MEWMA管理図が、平滑化しないT²管理図より早く見つけ出すために作られた、小さく持続的で、相関のあるシフトです。

よくある質問

MEWMA管理図とは何ですか?

MEWMA(Multivariate Exponentially Weighted Moving Average、多変量指数加重移動平均)管理図は、EWMA管理図の多変量版です。相関のある2つ以上の変数を観測値にわたって同時に平滑化し、平滑化したベクトルのT²統計量をプロットするため、同時分布の小さくても持続的なドリフトに対して、平滑化しないHotelling T²管理図より高い感度を持ちます。

Hotelling T²管理図の代わりにMEWMA管理図を使うのはどのような場合ですか?

触媒が徐々に汚れて2つの品質測定値が変化する場合のように、相関のある複数の変数にまとめて影響する、小さく持続的なシフトが懸念される場合は、MEWMA管理図を使用します。MEWMA管理図は、そのようなシフトをHotelling T²管理図よりはるかに速く検出しますが、その代償として、単独の大きな孤立したシフトへの反応はわずかに遅くなります。

MEWMA管理図のλの重みはどのように選びますか?

λは平滑化定数で、0 < λ <= 1、デフォルトは0.1です。小さい値では、各平滑化点により多くの過去の観測値が重み付けされるため、小さく持続的なシフトに対する感度が高まります。大きい値では、最近の観測値がより重く重み付けされるため、管理図は平滑化しないHotelling T²管理図にますます近い挙動になります。

MEWMA管理図の上方管理限界はどのように計算しますか?

上方管理限界にはカイ二乗近似を使います:UCL = chi2.ppf(1 - alpha, p)。ここでpは変数の数で、alphaのデフォルトは3シグマ相当の誤警報率である0.0027です。プロットされる統計量は片側で非正規の距離尺度であるため、ルール1(点がUCLを超える)のみが評価されます。