MEWMA 관리도(다변량 EWMA)

MEWMA 관리도는 가중치 lambda(기본값 0.1)로 상관된 둘 이상의 변수를 함께 평활하여 동시에 모니터링합니다. Hotelling T² 관리도가 더 느리게 반응하는 작고 지속적인 다변량 드리프트를 포착하는 데 사용합니다. 기준 평균 벡터와 공분산은 안정적인 기간에서 구할 수 있습니다. 평활된 T² 통계량을 alpha 0.0027의 카이제곱 UCL과 비교하여 그립니다.

최종 검토

핵심 요점

MEWMA 관리도는 상관된 둘 이상의 변수를 함께 평활하는 다변량 EWMA 관리도로, 결합 공정의 작고 지속적인 이동에 Hotelling T² 관리도보다 더 민감합니다.

이 페이지 내용
  1. 목적
  2. 주요 기능
  3. 통계적 방법
  4. 입력 항목 및 옵션
  5. 출력 설명
  6. 계산 예제

목적

MEWMA(Multivariate Exponentially Weighted Moving Average, 다변량 지수 가중 이동 평균) 관리도는 앱의 단변량 EWMA 관리도에 대응하는 다변량 관리도이며, Hotelling T² 관리도에 대응하는 작고 지속적인 이동용 관리도입니다. T² 관리도는 새로운 관측값마다 독립적으로 반응하지만, MEWMA 관리도는 관측값에 걸쳐 상관된 여러 변수를 함께 평활하므로, 평활하지 않은 T² 관리도보다 결합 공정의 작지만 지속적인 드리프트(예: 서서히 오염되는 촉매가 관련된 두 품질 측정값에 함께 영향을 미치는 경우)에 훨씬 더 민감합니다.

주요 기능

  • 하나의 조정 가능한 가중 상수(lambda)로 상관된 둘 이상의 변수를 함께 평활합니다.
  • 평활하지 않은 Hotelling T² 관리도보다 작고 지속적인 다변량 이동을 훨씬 빠르게 탐지하며, 그 대가로 단일의 크고 고립된 이동에는 반응이 약간 느립니다.
  • 앱 전체의 0.0027 규약을 기본값으로 하는 설정 가능한 alpha(오경보율).
  • 행 포함/제외, 그리고 알려진 안정 기간을 기준으로 평균 벡터와 공분산 행렬을 구하기 위한 별도의 “estimate observations to estimate parameters” 선택기.

통계적 방법

x_i를 관측값 i에서 선택한 변수들의 벡터, x̄를 추정된 관리 상태 평균 벡터(모든 행 또는 지정한 기준 부분집합에서 추정)라고 하겠습니다. MEWMA 평활 벡터는 모든 관측값에 대해 순서대로 재귀적으로 갱신됩니다. Z_i = λ·(x_i − x̄) + (1 − λ)·Z_{i−1}이며 Z_0 = 0입니다. 여기서 λ(Weight 항목)는 평활 상수로 0 < λ ≤ 1입니다. λ 값이 작을수록(예: 기본값 0.1) 각 평활된 점에 더 많은 과거 관측값이 반영되어 작고 지속적인 이동에 관리도가 더 민감해지고, λ 값이 클수록 최근 관측값에 더 큰 가중치가 주어져 관리도가 평활하지 않은 Hotelling T² 관리도처럼 점점 더 동작합니다.

관측값이 쌓일수록 평활 벡터 자체의 공분산이 줄어들기 때문에, 고정된 공분산 대신 정확한 시간 가변 공분산을 사용합니다. Σ_Zi = [λ/(2−λ)]·[1 − (1−λ)^(2i)]·Σ이며, 여기서 Σ는 변수들의 표본 공분산 행렬입니다(MEWMA의 표준 닫힌 형식 결과, Lowry, Woodall, Champ & Rigdon, 1992). 그리면 그려지는 통계량은 T²_i = Z_i′ Σ_Zi⁻¹ Z_i입니다.

관리 상한은 ARL 최적화 모의 표가 없을 때 관례적인 실무 선택인 표준 카이제곱 근사를 사용합니다. UCL = chi2.ppf(1 − alpha, p)이며 기본값은 alpha = 0.0027입니다. Hotelling T² 관리도와 마찬가지로 이 통계량은 단측이며 정규가 아닌 거리 통계량이므로 규칙 1(UCL을 초과하는 점)만 평가합니다.

입력 항목 및 옵션

항목

설명

Variables

필수. 각 관측값에서 측정한 상관된 변수 2개 이상을 선택합니다.

Weight (lambda)

평활 상수, 0 < lambda ≤ 1. 기본값 0.1. 값이 작을수록 작고 지속적인 이동을 더 빨리 탐지하고, 값이 클수록 평활하지 않은 T² 관리도처럼 반응합니다.

Alpha (false alarm rate)

기본값 0.0027이며, 표준 3 시그마에 해당하는 오경보율과 같습니다.

X scale

관측값 축에 대한 선택적 사용자 지정 레이블.

Include or Exclude / Specify which rows / Row numbers

어떤 행을 그릴지 제어합니다.

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

모든 행을 그리면서도, 기준 평균 벡터와 공분산 행렬을 추정하는 데 사용할 행을 선택적으로 제한합니다.

 

mewma-chart-inputa


그림 1 — 점도/단량체 % 배치 측정값 25쌍을 C1–C2에 붙여넣고, 둘 다 Variables로 선택, Weight (lambda) = 0.1.

 

출력 설명

  • MEWMA Chart 그림 — 시간 순서에 따른 각 관측값의 평활된 MEWMA T² 통계량과 UCL, (0에 가까운) LCL.
  • 요약 표 — 사용된 변수, p(변수 수), m(모수 추정에 사용된 관측값 수), Weight (lambda), Alpha, UCL.
  • Nelson's Rules / Potential Special Cause Points — 관리 한계를 초과한 점(있는 경우).
  • Download as PDF를 통한 PDF 내보내기.
mewma-chart-output


그림 2 — MEWMA Chart 출력: 배치별 평활된 MEWMA T² 통계량과 UCL, 그리고 Variables/p/m/Weight/Alpha/UCL 요약 표.

 

계산 예제

배치 반응기 제품의 품질은 최종 점도(C1, cP)와 잔류 단량체 %(C2)에 함께 좌우되며, 이 둘은 25개의 연속 배치에 걸쳐 촉매가 서서히 오염됨에 따라 함께 드리프트합니다. Weight (lambda) = 0.1, Alpha = 0.0027일 때, 평활된 MEWMA T² 통계량은 내장된 느린 드리프트가 평활된 통계량에 누적되면서 배치 1부터 대략 배치 4~5까지 꾸준히 상승하다가(UCL ≈ 11.8에 대해 ≈ 9.7에 도달) 다시 내려옵니다. 이는 MEWMA 관리도가 평활하지 않은 T² 관리도보다 더 일찍 드러내도록 만들어진, 작고 지속적이며 함께 상관된 이동의 전형적인 사례입니다.

자주 묻는 질문

MEWMA 관리도란 무엇입니까?

MEWMA(Multivariate Exponentially Weighted Moving Average, 다변량 지수 가중 이동 평균) 관리도는 EWMA 관리도에 대응하는 다변량 관리도입니다. 상관된 둘 이상의 변수를 관측값에 걸쳐 함께 평활하고 평활된 벡터의 T² 통계량을 그리므로, 결합 공정의 작지만 지속적인 드리프트에 평활하지 않은 Hotelling T² 관리도보다 더 민감합니다.

Hotelling T² 관리도 대신 MEWMA 관리도는 언제 사용해야 합니까?

서서히 오염되는 촉매가 두 품질 측정값을 변화시키는 경우처럼, 상관된 여러 변수에 함께 영향을 미치는 작고 지속적인 이동이 우려될 때 MEWMA 관리도를 사용하십시오. MEWMA 관리도는 이러한 이동을 Hotelling T² 관리도보다 훨씬 빠르게 탐지하며, 그 대가로 단일의 크고 고립된 이동에는 반응이 약간 느립니다.

MEWMA 관리도의 lambda 가중치는 어떻게 선택합니까?

Lambda는 평활 상수이며 0 < lambda <= 1이고 기본값은 0.1입니다. 값이 작을수록 각 평활된 점에 더 많은 과거 관측값이 반영되어 작고 지속적인 이동에 관리도가 더 민감해집니다. 값이 클수록 최근 관측값에 더 큰 가중치가 주어져 관리도가 평활하지 않은 Hotelling T² 관리도처럼 점점 더 동작합니다.

MEWMA 관리도의 관리 상한은 어떻게 계산합니까?

관리 상한은 카이제곱 근사를 사용합니다. UCL = chi2.ppf(1 - alpha, p)이며, p는 변수 수이고 alpha의 기본값은 3 시그마에 해당하는 오경보율인 0.0027입니다. 그려지는 통계량이 단측이며 정규가 아닌 거리 측도이므로 규칙 1(UCL을 초과하는 점)만 평가합니다.