Nonparametric Rank-Based Process Monitoring Methods on Manifold Spaces for Additive Manufacturing Applications
In this presentation, we propose nonparameteric control charts based on the rank of depths for monitoring processes defined on manifold spaces $\mathcal{M}$. The proposed process monitoring methods are ranking based version of exponentially weighted moving average (EWMA), CUSUM, and Shewhart chart (SHC) which are implemented using the formulation of a control chart on general metric spaces. A Monte-Carlo simulation is carried out to investigate the performance of the proposed methods. The efficacy of the method is demonstrated using real-world examples related to additive manufacturing. It is observed that the ranking based methods show superior performance with respect to in-control average run length (IC-ARL) and out of control average run length (OC-ARL) in the presence of extreme data and outliers, compared to well-known nonparametric methods available in the literature.
Méthodes non paramétriques de surveillance des processus basées sur le rang dans les espaces de variété pour les applications de fabrication additive
Dans cette présentation, nous proposons des graphiques de contrôle non paramétriques basées sur le rang des profondeurs pour le suivi des processus définis sur des espaces de variété $\mathcal{M}$. Les méthodes de surveillance des processus proposées sont des versions basées sur le rang de la moyenne mobile à pondération exponentielle (EWMA), du CUSUM et du graphique de Shewhart (SHC) qui sont mises en œuvre à l'aide de la formulation d'un graphique de contrôle sur des espaces métriques généraux. Une simulation de Monte-Carlo est réalisée pour étudier les performances des méthodes proposées. L'efficacité de la méthode est démontrée à l'aide d'exemples réels liés à la fabrication additive. Il est observé que les méthodes basées sur le classement montrent des performances supérieures en ce qui concerne la longueur d'exécution moyenne sous contrôle (IC-ARL) et la longueur d'exécution moyenne hors contrôle (OC-ARL) en présence de données extrêmes et de valeurs aberrantes, par rapport aux méthodes non paramétriques bien connues qui sont offertes dans la littérature.
Date and Time
-
Langue de la présentation orale
Anglais
Langue des supports visuels
Anglais