Monitoring Multivariate Categorical Processes in Phase II: An Economic–Statistical Design of the GLT Control Chart

Technische Samenvatting: Monitoring van Multivariaat Categorische Processen in Fase II: Een Economisch–Statistisch Ontwerp van de GLT-regelkaart

Probleemstelling
Hedendaagse productiesystemen vertrouwen steeds vaker op meerdere onderling gerelateerde categorische variabelen (bijv. defectclassificaties, productgraden) om de productkwaliteit te karakteriseren. Hoewel Statistical Process Control (SPC) de standaard is voor het handhaven van stabiliteit, zijn traditionele regelkaarten vaak ontworpen voor univariate continue variabelen en kunnen zij er niet in slagen de afhankelijkheidsstructuren te vangen die inherent zijn aan multivariate categorische gegevens. Bovendien heeft de bestaande literatuur over het monitoren van dergelijke processen, met name die gebruikmaakt van contingentietabellen en Generalized Linear Tests (GLT), voornamelijk gefocust op statistische prestatie-indicatoren (bijv. Average Run Length) terwijl economische overwegingen zijn verwaarloosd. Bijgevolg is er een gebrek aan geïntegreerde kaders die tegelijkertijd de statistische gevoeligheid adresseren die vereist is voor het detecteren van kleine, geleidelijke verschuivingen in afhankelijkheidsstructuren, en de economische efficiëntie die nodig is voor praktische industriële implementatie.

Methodologie
De studie stelt een geïntegreerd economisch–statistisch kader voor voor Fase II-monitoring van multivariate categorische processen gerepresenteerd door contingentietabellen. De methodologie bestaat uit drie primaire componenten:

1. Statistische Modellering en Monitoring:

   • Log-lineaire Modellering: De afhankelijkheidsstructuur tussen categorische variabelen wordt gemodelleerd met behulp van log-lineaire modellen om de verwachte celfrequenties onder in-control condities vast te stellen.
   • GLT-statistiek: Een Generalized Linear Test (GLT) statistiek, aangeduid als $F^*$, wordt afgeleid om de afwijking te kwantificeren tussen geobserveerde celfrequenties en die voorspeld door het log-lineaire model. Deze statistiek dient als de primaire maatstaf voor het detecteren van structurele veranderingen in de contingentietabel.
   • EWMA-integratie: Om de gevoeligheid voor kleine en geleidelijke verschuivingen te vergroten, wordt de GLT-statistiek geïntegreerd in een Exponentially Weighted Moving Average (EWMA) structuur. De EWMA-statistiek ($Z_t$) combineert huidige en historische informatie, waarbij een smoothing parameter ($L$) bepaalt welk gewicht aan het verleden wordt toegekend. De regelkaart geeft een signaal van een out-of-control staat wanneer $Z_t$ een berekende Upper Control Limit (UCL) overschrijdt.

2. Economische Formulering:

   • De studie hanteert een Expected Total Cost (ETC) functie om de economische prestaties van de kaart te evalueren. De ETC aggregeert kosten die verbonden zijn aan bemonstering, inspectie, valse alarmen, het zoeken naar en verwijderen van assignable causes, en productieverliezen tijdens out-of-control periodes.
   • Het kostenmodel houdt rekening met de waarschijnlijkheid van valse alarmen (afgeleid van de in-control Average Run Length, $ARL_0$) en de verwachte vertragingsduur bij het detecteren van verschuivingen.

3. Optimalisatiekader:

   • Een optimalisatieprocedure wordt ontwikkeld om de ontwerpparameters gezamenlijk te bepalen: steekproefomvang ($n$), bemonsteringsinterval ($h$), control limit coëfficiënt ($K$), smoothing parameter ($L$), en de resulterende UCL.
   • Het doel is om de ETC te minimaliseren onder een restrictie op de in-control Average Time to Signal ($ATS_0$), om zo een vooraf gedefinieerd niveau van statistische prestatie (doel $ARL_0 \approx 200$) te waarborgen.
   • De optimalisatie gaat uit van een vaste inspectieratio ($r$), waarbij $h = n/r$, om de operationele beperkingen die gebruikelijk zijn in industriële omgevingen te weerspiegelen.

Belangrijkste Bijdragen
Het artikel identificeert vier specifieke bijdragen aan het vakgebied van quality engineering:

1. Extensie naar Categorische Data: Het breidt het economisch–statistisch ontwerpparadigma uit naar multivariate categorische processen gerepresenteerd door contingentietabellen, een gebied dat voorheen ondervertegenwoordigd was in de literatuur.
2. Verenigd Kader: Het vestigt een verenigde aanpak die log-lineaire modellen, GLT-statistieken en EWMA-geheugenstructuren integreert, in plaats van deze componenten geïsoleerd te behandelen.
3. Gelijktijdige Optimalisatie: Het beschouwt tegelijkertijd economische en statistische doelstellingen tijdens het optimalisatieproces van de parameters om efficiënte kaartconfiguraties af te leiden.
4. Praktisch Instrument: Het biedt een praktische monitoringsstrategie voor industriële omgevingen die gekenmerkt worden door meerdere gecorreleerde categorische kwaliteitskenmerken.

Resultaten
Het voorgestelde kader werd geëvalueerd met behulp van Monte Carlo-simulaties in MATLAB met een $4 \times 4$ contingentietabel en een totale steekproefomvang van $N=500$. Belangrijkste bevindingen zijn:

• Gevoeligheid voor Interactie-effecten: De EWMA–GLT kaart vertoonde een significant hogere gevoeligheid voor veranderingen in de interactieparameters van het log-lineaire model (die de afhankelijkheidsstructuur vertegenwoordigen) vergeleken met algemene effecten of main effects. De "Effect Index" voor interactieverschuivingen was substantieel hoger, wat de bekwaamheid van de kaart bevestigt om structurele veranderingen in de afhankelijkheden tussen variabelen te detecteren.
• Optimale Ontwerpparameters: De economisch–statistische optimalisatie identificeerde de optimale configuratie als een steekproefomvang van $n=50$, een bemonsteringsinterval van $h=1$, een smoothing parameter van $L=0.30$, en een control limit coëfficiënt van $K=1.50$. Deze configuratie leverde een minimale Expected Total Cost (ETC) van 77.786 terwijl een in-control $ARL_0$ van 201.42 werd gehandhaafd.
• Vergelijkende Prestaties:
  • Vergeleken met een puur statistisch ontwerp bereikte het economisch–statistische ontwerp lagere operationele kosten terwijl het aan statistische restricties voldeed.
  • Vergeleken met een puur economisch ontwerp (dat de kosten minimaliseerde zonder statistische restricties) voorkwam het voorgestelde kader excessieve valse alarmen ($ARL_0$ van 45.95 in het onbeperkte economische geval versus 201.42 in het voorgestelde ontwerp).
  • De EWMA–GLT kaart presteerde beter dan zowel de standalone GLT-kaart als de klassieke EWMA-kaart bij het detecteren van kleine tot matige verschuivingen, zoals blijkt uit lagere Average Time to Signal (ATS) waarden.
• Gevoeligheidsanalyse: Het model bleek het meest gevoelig voor variaties in de kosten van out-of-control productie ($C_d$) en de variabele bemonsteringskosten ($C_1$). De smoothing parameter ($L$) had een grotere impact op de detectiesnelheid en kosten dan de control limit coëfficiënt ($K$); het verhogen van $L$ verminderde zowel $ARL_1$ als de ETC.

Betekenis en Claims
Het artikel claimt dat het voorgestelde EWMA–GLT kader een effectieve en praktische strategie biedt voor het monitoren van multivariate categorische processen. Door een balans te vinden tussen economische en statistische doelstellingen, biedt de aanpak een robuustere oplossing voor industriële toepassingen dan ontwerpen die uitsluitend op één criterium rusten. De studie concludeert dat het geïntegreerde kader erin slaagt om structurele veranderingen in contingentietabellen te detecteren, met name die betrokken zijn bij interactie-effecten, terwijl de operationele kosten worden geminimaliseerd. De auteurs positioneren het werk als een beslissingsondersteunend instrument voor omgevingen met gecorreleerde categorische gegevens en suggereren toekomstige onderzoeksrichtingen met betrekking tot hogere-dimensie tabellen, onzekerheidsmodellering (fuzzy/robust benaderingen) en het gebruik van echte industriële datasets.