เรขาคณิต เคลื่อนไหว ค่าเฉลี่ย การควบคุม แผนภูมิ

แผนภูมิการควบคุมค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักแบบเลขยกกำลังสำหรับผลิตภัณฑ์สามระดับบทความนี้มีชื่อว่า Tsai, TR Yen, WP Stat Papers 2011 52 419 doi 10 1007 s00362-009-0239-3 ในบทความนี้มีแผนภูมิควบคุม EWMA ถ่วงน้ำหนักแบบถ่วงน้ำหนักแบบเมตริก ข้อมูลการทดลองหลาย ๆ ชนิดได้รับการพัฒนาขึ้นโดยมีการจัดรูปแบบการจำแนกระดับสามระดับข้อ จำกัด ด้านล่างและด้านบนของแผนภูมิควบคุม EWMA ที่นำเสนอจะได้รับการประเมินโดยใช้การประมาณค่าของ Markov chain เทียบกับแผนภูมิการควบคุม Shewhart สามระดับผลการคำนวณตัวเลขแสดงให้เห็นว่าแผนภูมิควบคุม EWMA ที่เสนอค่อนข้าง มีความไวต่อการเปลี่ยนแปลงเล็ก ๆ น้อย ๆ ในกระบวนการระดับสามระดับภาพและตารางมีให้สำหรับผู้ปฏิบัติงานเพื่อเลือกค่าของค่าสัมประสิทธิ์ของแผนภูมิซึ่งจะให้ความยาวในการควบคุมโดยเฉลี่ยที่ต้องการความยาววิ่งเฉลี่ย EWMA chart chart Markov Chain Value quality function แผนภูมิการควบคุมของ Shewhart Dray D, Lyon D, Burr I 1973 แผนภาพคุณลักษณะสามระดับในการสุ่มตัวอย่างการยอมรับ Technometrics 15 3 575 585 CrossRef Goog le Scholar. Brror C, Champ C, Rigdon S 1998 Poisson แผนภูมิการควบคุม EWMA J Qual Technol 30 352 361 Google Scholar. Brror C, Montgomery D, Runger G 1999 ความทนทานของแผนภูมิการควบคุม EWMA ที่ไม่เป็นปกติ J Qual Technol 21 242 250 Google Scholar. Clements J 1978 มาตรฐานและแผนการสุ่มตัวอย่างสำหรับความปลอดภัยของผลิตภัณฑ์ ASQC Technical Conference Transactions, 483 490.Clements J 1983 การสุ่มตัวอย่างแบบ Trinomial มีเป้าหมายเพื่อให้ตรงกับมาตรฐาน MIL-STD-105D ASQC Qual Congr Trans 37 256 264 Google Scholar. Crowder SV 1989 การออกแบบแบบเลขยกกำลัง แผนการถายเทาที่จะยอมรับได 3 ระดับ Qual Qual 15 3 361 369 CrossRef Google Scholar. Cassady C, Nachlas J 2006 การประเมินและดําเนินการระดับ 3 ระดับ แผนภูมิควบคุม Qual Eng 18 285 292 CrossRef Google Scholar. Lucas JM, Saccucci MS 1987 การควบคุมค่าเฉลี่ยแบบพลวัตโดยใช้ค่าทดแทนคุณสมบัติและการปรับปรุง Drexel University Working Working Series 87-4, Phil adelphia, PA. Lucas JM, Saccucci MS 1990 การคำนวณสมบัติและการปรับปรุงสมบัติการควบคุมค่าเฉลี่ยถ่วงน้ำหนักแบบเลขยกกำลัง Technometrics 32 1 12 MathSciNet CrossRef Google Scholar. Marcucci M 1985 การตรวจสอบกระบวนการหลายสาย J Qual Technol 17 2 86 91 Google Scholar. Montgomery DC 2005 ข้อมูลเบื้องต้นทางสถิติ การควบคุมคุณภาพ, 5th edn Wiley, New York MATH Google Scholar. Newcombe P, Allen O 1988 ขั้นตอนสามระดับสำหรับการสุ่มตัวอย่างการยอมรับตามตัวแปร Technometrics 30 4 415 421 CrossRef Google Scholar. Ng C, Case K 1989 การพัฒนาและประเมินแผนภูมิควบคุม โดยใช้ค่าเฉลี่ยถ่วงน้ำหนักแบบถ่วงน้ำหนักที่ถ่วงน้ำหนัก J Qual Technol 31 309 315 Google Scholar. Roberts SW 1959 การทดสอบแผนภูมิควบคุมตามค่าเฉลี่ยเคลื่อนที่ทางเรขาคณิตเทคนิค 1 239 250 CrossRef Google Scholar. Shah D, Phatak A 1973 การประมาณค่าความเป็นไปได้สูงสุดภายใต้แผนคุณลักษณะสามชั้นที่ จำกัด Technometrics 19 2 159 166 MathSciNet CrossRef Google Scholar. Shapiro S, Zahedi H 1990 การทดลอง Bernoulli และไม่ต่อเนื่อง การแจกแจง J Qual Technol 22 3 193 205 Google Scholar ข้อมูลโดยย่อข้อมูลเฉลี่ย - ค่าเฉลี่ยที่เรียบง่ายและค่าเฉลี่ย Exponential. Moving - ง่ายและค่า Exponential. Moving เฉลี่ยเรียบข้อมูลราคาเพื่อสร้างตัวบ่งชี้แนวโน้มตามพวกเขาไม่ได้คาดการณ์ทิศทางราคา แต่ค่อนข้างกำหนด ทิศทางในปัจจุบันที่มีความล่าช้าค่าเฉลี่ยค่าเฉลี่ยเคลื่อนที่ล่าช้าเนื่องจากขึ้นอยู่กับราคาที่ผ่านมาแม้จะมีความล่าช้านี้ค่าเฉลี่ยเคลื่อนที่ที่ช่วยให้การดำเนินการของราคาที่ราบรื่นและกรองสัญญาณรบกวนนอกจากนี้ยังเป็นตัวสร้างตัวชี้วัดทางเทคนิคและการวางซ้อนหลายแบบเช่น Bollinger Bands MACD และ Oscillator McClellan สองประเภทความนิยมมากที่สุดของค่าเฉลี่ยเคลื่อนที่คือ Simple Moving Average SMA และ Exponential Moving Average EMA ค่าเฉลี่ยเคลื่อนที่เหล่านี้สามารถใช้เพื่อระบุทิศทางของแนวโน้มหรือกำหนดระดับการสนับสนุนและความต้านทานที่อาจเกิดขึ้นได้ที่นี่แผนภูมิทั้งสอง SMA และ EMA ในคลิกที่แผนภูมิสำหรับแบบสดๆการคำนวณโดยเฉลี่ยที่เคลื่อนที่ได้โดยเฉลี่ยค่าเฉลี่ยเคลื่อนที่แบบง่ายคือรูปแบบ d โดยการคำนวณราคาเฉลี่ยของการรักษาความปลอดภัยในช่วงเวลาเฉพาะช่วงเวลาส่วนใหญ่ค่าเฉลี่ยเคลื่อนที่อยู่บนพื้นฐานของราคาปิดราคาเฉลี่ยเคลื่อนที่ 5 วันเป็นผลรวมของราคาปิดห้าวันหารด้วย 5 ตามที่ชื่อหมายถึงค่าเฉลี่ยเคลื่อนที่ ค่าเฉลี่ยที่ย้ายข้อมูลเก่าจะลดลงเมื่อมีข้อมูลใหม่มาซึ่งจะทำให้ค่าเฉลี่ยเคลื่อนที่ไปตามช่วงเวลาดังต่อไปนี้เป็นตัวอย่างของค่าเฉลี่ยเคลื่อนที่ 5 วันที่มีการเปลี่ยนแปลงไปสามวันวันแรกของค่าเฉลี่ยเคลื่อนที่จะครอบคลุมค่าเฉลี่ยล่าสุด ห้าวันวันที่สองของค่าเฉลี่ยเคลื่อนที่จะปล่อยจุดข้อมูลแรก 11 และเพิ่มจุดข้อมูลใหม่ 16 วันที่สามของค่าเฉลี่ยเคลื่อนที่จะลดลงต่อจุดข้อมูลแรก 12 และเพิ่มจุดข้อมูลใหม่ในตัวอย่างข้างต้นราคา ค่อยๆเพิ่มขึ้นจาก 11 ถึง 17 ในช่วงเจ็ดวันทั้งหมดสังเกตว่าค่าเฉลี่ยเคลื่อนที่ยังเพิ่มขึ้นจาก 13 ถึง 15 ในช่วงการคำนวณสามวันด้วยเช่นกันสังเกตได้ว่าค่าเฉลี่ยเคลื่อนที่แต่ละตัวอยู่ต่ำกว่าราคาล่าสุดตัวอย่างเช่น ค่าเฉลี่ยเคลื่อนที่ของวันที่หนึ่งเท่ากับ 13 และราคาสุดท้ายคือ 15 ราคาก่อนหน้านี้สี่วันนั้นลดลงและทำให้ค่าเฉลี่ยเคลื่อนที่ลดลงการคำนวณโดยเฉลี่ยที่เกินกว่าค่าเฉลี่ยที่คำนวณได้ค่าเฉลี่ยเคลื่อนที่ที่ลดลงจะช่วยลดความล่าช้าโดยการใช้น้ำหนักมากขึ้นกับราคาล่าสุด ราคาล่าสุดขึ้นอยู่กับจำนวนงวดในค่าเฉลี่ยเคลื่อนที่โดยมีขั้นตอนสามขั้นตอนในการคำนวณค่าเฉลี่ยเคลื่อนที่ที่เป็นไปได้ขั้นแรกคำนวณค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายค่าเฉลี่ยเคลื่อนที่ที่มีการระบุเป็นเส้นตรง EMA ต้องเริ่มต้นที่อื่นเพื่อให้ค่าเฉลี่ยเคลื่อนที่แบบง่ายถูกใช้เป็นค่า ระยะเวลาก่อนหน้าของ EMA ในการคำนวณครั้งที่สองคำนวณตัวคูณที่ถ่วงน้ำหนักประการที่สามคำนวณค่าเฉลี่ยเคลื่อนที่แบบเสวนาสูตรด้านล่างมีไว้สำหรับ EMA 10 วันค่าเฉลี่ยเคลื่อนที่แบบเสด็จมาในระยะ 10 ปีใช้การชั่งน้ำหนัก 18 18 กับราคาล่าสุด A EMA 10 ระยะเวลายังสามารถเรียกว่า EMA 18 18 EMA 20 ระยะเวลาการชั่งน้ำหนัก 9 52 ใช้ราคาล่าสุด 2 20 1 0952 สังเกตว่าน้ำหนักสำหรับ t ระยะเวลาที่สั้นกว่าช่วงเวลาที่ยาวนานกว่าการถ่วงน้ำหนักเป็นเวลานานในความเป็นจริงการถ่วงน้ำหนักจะลดลงครึ่งหนึ่งทุกครั้งที่รอบระยะเวลาเฉลี่ยที่เคลื่อนที่ได้สองเท่าหากคุณต้องการให้เราเป็นเปอร์เซ็นต์เฉพาะสำหรับ EMA คุณสามารถใช้สูตรนี้เพื่อแปลงค่าได้ ไปเป็นช่วงเวลาและป้อนค่าดังกล่าวเป็นพารามิเตอร์ของ EMA ด้านล่างเป็นตัวอย่างของสเปรดชีตของค่าเฉลี่ยเคลื่อนที่ 10 วันและค่าเฉลี่ยเคลื่อนที่แบบก้าวร้าว 10 วันสำหรับ Intel Simple moving averages จะต้องตรงไปตรงมาและต้องใช้คำอธิบายเล็กน้อย 10- วันเฉลี่ยจะเลื่อนไปตามราคาใหม่และราคาเก่าจะลดลงค่าเฉลี่ยเคลื่อนที่เฉลี่ยเริ่มต้นด้วยค่าเฉลี่ยเคลื่อนที่ 22 22 ในการคำนวณครั้งแรกหลังจากการคำนวณครั้งแรกสูตรปกติใช้เวลาเนื่องจาก EMA เริ่มต้นด้วยค่าเฉลี่ยเคลื่อนที่ที่เรียบง่าย , ค่าที่แท้จริงของมันจะไม่ได้รับรู้จนกระทั่ง 20 หรือดังนั้นระยะเวลาในภายหลังในคำอื่น ๆ ค่าใน Excel สเปรดชีตอาจแตกต่างจากค่าแผนภูมิเพราะระยะเวลามองย้อนกลับสั้น สเปรดชีตจะย้อนกลับไป 30 งวดซึ่งหมายความว่าผลกระทบของค่าเฉลี่ยเคลื่อนที่แบบง่ายๆมีระยะเวลาในการกระจายสต๊อกชิพ 20 ช่วงเวลาอย่างน้อย 250 รอบซึ่งโดยมากแล้วจะมากขึ้นสำหรับการคำนวณดังนั้นผลกระทบของค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายในการคำนวณครั้งแรกมีค่าอย่างเต็มที่ ความล่าช้าปัจจัยความล่าช้าอีกต่อไปค่าเฉลี่ยเคลื่อนที่ค่าความล่าช้ามากขึ้นค่าเฉลี่ยเคลื่อนที่ 10 วันจะกอดราคาค่อนข้างใกล้ชิดและเปิดไม่นานหลังจากที่ราคาเปิดค่าเฉลี่ยเคลื่อนที่สั้นเช่นเดียวกับเรือความเร็วเร็วและว่องไวในการเปลี่ยนแปลงในทางตรงกันข้าม, ค่าเฉลี่ยเคลื่อนที่ 100 วันมีจำนวนข้อมูลในอดีตที่ลดลงค่าเฉลี่ยของการเคลื่อนที่ที่ยาวขึ้นเป็นเหมือนเรือบรรทุกน้ำมันทางทะเล - เซื่องซึมและชะลอการเปลี่ยนแปลงการเคลื่อนไหวของราคาที่ยาวขึ้นและยาวนานขึ้นสำหรับค่าเฉลี่ยเคลื่อนที่ 100 วันเพื่อเปลี่ยนเส้นทางคลิกที่ แผนภูมิสำหรับแผนภูมิสดแผนภูมิด้านบนแสดง SP 500 ETF ที่มี EMA 10 วันใกล้เคียงกับราคาและ SMA 100 วันที่สูงขึ้นแม้จะมีการลดลงในเดือนมกราคมถึงกุมภาพันธ์ SMA 100 วัน d หลักสูตรและไม่ได้เปิดลง SMA 50 วันเหมาะกับบางระหว่าง 10 และ 100 วันย้ายค่าเฉลี่ยเมื่อมันมาถึงปัจจัยล่าช้าเรียบง่ายและค่าเฉลี่ยเคลื่อนที่แม้ว่าจะมีความแตกต่างระหว่างค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายและการเคลื่อนย้ายเลขยกตัวอย่างเช่น ค่าเฉลี่ยหนึ่งไม่จำเป็นต้องดีกว่าค่าเฉลี่ยเคลื่อนที่อื่น ๆ ที่มีความล่าช้าน้อยลงและมีความอ่อนไหวต่อราคาล่าสุดและการเปลี่ยนแปลงราคาล่าสุดค่าเฉลี่ยเคลื่อนที่เฉลี่ยก่อนหักล้างจะเปลี่ยนแปลงก่อนค่าเฉลี่ยเคลื่อนที่ง่ายค่าเฉลี่ยเคลื่อนที่แบบธรรมดาในทางกลับกันแสดงถึงความจริง ค่าเฉลี่ยของราคาสำหรับช่วงเวลาทั้งหมดเช่นนี้ค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายอาจเหมาะสมกับการระบุระดับการสนับสนุนหรือความต้านทานค่าเฉลี่ยของค่าเฉลี่ยที่ขึ้นอยู่กับวัตถุประสงค์รูปแบบการวิเคราะห์และเส้นขอบเวลา Chartists ควรทดลองทั้งสองค่าเฉลี่ยเคลื่อนที่โดยรวม ระยะเวลาในการค้นหาพอดีที่ดีที่สุดแผนภูมิด้านล่างแสดง IBM ที่มี SMA 50 วันเป็นสีแดงและ EMA 50 วันในสีเขียวทั้งสองแบบ ปรับตัวลดลงในช่วงปลายเดือนมกราคม แต่ EMA ลดลงมากกว่า SMA ที่ลดลง EMA เปิดขึ้นในช่วงกลางเดือนกุมภาพันธ์ แต่ SMA ยังคงลดลงไปจนถึงสิ้นเดือนมี. ค. ที่ประกาศว่า SMA ปรับตัวขึ้นหลังจากผ่านไปหนึ่งเดือนหลังจาก EMA ความยาวและระยะเวลาความยาวของค่าเฉลี่ยเคลื่อนที่ขึ้นอยู่กับวัตถุประสงค์ในการวิเคราะห์โดยรวมระยะสั้น 5-20 ช่วงเหมาะสมที่สุดสำหรับแนวโน้มระยะสั้นและการซื้อขาย Chartists สนใจในแนวโน้มระยะกลางจะเลือกใช้ค่าเฉลี่ยเคลื่อนที่ที่ยาวขึ้นซึ่งอาจขยายระยะเวลา 20- นักลงทุนระยะยาวจะชอบเคลื่อนไหวค่าเฉลี่ยที่มีระยะเวลา 100 หรือมากกว่าระยะเวลาในการเคลื่อนที่เฉลี่ยบางส่วนเป็นที่นิยมมากกว่าคนอื่น ๆ ค่าเฉลี่ยเคลื่อนที่ 200 วันอาจเป็นที่นิยมมากที่สุดเพราะความยาวของค่าเฉลี่ยนี้เป็นระยะยาว ถัดไปค่าเฉลี่ยเคลื่อนที่ 50 วันค่อนข้างเป็นที่นิยมสำหรับแนวโน้มระยะกลางนักเกรเทอร์หลายคนใช้ค่าเฉลี่ยเคลื่อนที่ 50 วันและ 200 วันโดยรวมระยะสั้นค่าเฉลี่ยเคลื่อนที่ 10 วันเป็นที่นิยมมากในอดีตเนื่องจากเป็น ง่าย เพื่อคำนวณหนึ่งเพียงแค่เพิ่มตัวเลขและย้ายทศนิยม point. Trend Identification. สัญญาณเดียวกันสามารถสร้างขึ้นโดยใช้ค่าเฉลี่ยเคลื่อนที่ง่ายหรืออธิบายดังที่ระบุไว้ข้างต้นการตั้งค่าขึ้นอยู่กับแต่ละตัวอย่างด้านล่างนี้จะใช้ทั้งค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายและเลขยกกำลัง ค่าเฉลี่ยเคลื่อนที่ที่สูงขึ้นหมายถึงค่าเฉลี่ยของค่าเฉลี่ยที่ลดลงค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่ที่ลดลงหมายถึงค่าเฉลี่ยถ่วงน้ำหนัก (average average) ค่าเฉลี่ยเคลื่อนที่ระยะยาวสะท้อนถึงแนวโน้มขาขึ้นในระยะยาวค่าเฉลี่ยเคลื่อนที่ระยะยาวที่ลดลงสะท้อนถึงแนวโน้มขาลงในระยะยาวแผนภูมิข้างต้นแสดงถึง 3M MMM ที่มีค่าเฉลี่ยเลขยกกำลัง 150 วันตัวอย่างนี้แสดงให้เห็นว่าค่าเฉลี่ยเคลื่อนที่ที่เคลื่อนที่ได้ดีเพียงใดเมื่อมีแนวโน้ม แข็งแกร่ง EMA 150 วันพังลงในเดือนพฤศจิกายน 2550 และอีกครั้งในเดือนมกราคม 2551 แจ้งให้ทราบว่าต้องใช้เวลาลดลง 15 ครั้งในการเปลี่ยนดัชนี ection ของค่าเฉลี่ยเคลื่อนที่นี้ตัวบ่งชี้ lagging ระบุ reversations ตามที่เกิดขึ้นที่ดีที่สุดหรือหลังจากที่เกิดขึ้นที่เลวร้ายที่สุด MMM ต่ำลงอย่างต่อเนื่องในเดือนมีนาคม 2009 และเพิ่มขึ้นแล้ว 40-50 สังเกตว่า EMA 150 วันไม่ปรากฏขึ้นจนกระทั่งหลังจาก surge นี้ อย่างไรก็ตาม MMM ยังคงมีการเติบโตต่อเนื่องในอีก 12 เดือนข้างหน้าการเคลื่อนไหวโดยเฉลี่ยมีแนวโน้มที่ดีขึ้นอย่างมาก Double Crossovers. Two ค่าเฉลี่ยเคลื่อนที่สามารถใช้ร่วมกันเพื่อสร้างสัญญาณไขว้ในการวิเคราะห์ทางเทคนิคของตลาดการเงิน John Murphy เรียกวิธีนี้ว่า double crossover Double ไขว้หมายถึงค่าเฉลี่ยเคลื่อนที่ที่ค่อนข้างสั้นและค่าเฉลี่ยเคลื่อนที่ที่ค่อนข้างยาวเช่นเดียวกับค่าเฉลี่ยเคลื่อนที่ทั้งหมดความยาวโดยเฉลี่ยของค่าเฉลี่ยเคลื่อนที่จะกำหนดระยะเวลาของระบบระบบที่ใช้ EMA 5 วันและ EMA 35 วันจะถือเป็นระยะเวลาสั้น ๆ ระยะยาวระบบที่ใช้ SMA 50 วันและ SMA 200 วันจะถือว่าเป็นระยะปานกลางถึงแม้จะเป็นระยะยาวการทับถมของ bullish จะเกิดขึ้นเมื่อค่าเฉลี่ยเคลื่อนที่ที่สั้นลงไปข้างบน ค่าเฉลี่ยของการเคลื่อนที่ที่ยาวขึ้นเครื่องหมายนี้เป็นที่รู้จักกันในชื่อว่าเครื่องหมายกากบาทสีน้ำเงินเครื่องหมายไขว้แบบหยาบคายเกิดขึ้นเมื่อค่าเฉลี่ยเคลื่อนที่ที่สั้นลงต่ำกว่าค่าเฉลี่ยเคลื่อนที่ที่ยาวกว่านี้เรียกว่า cross cross ที่ตายแล้วค่า crossovers เฉลี่ยที่เกิดขึ้นในช่วงปลาย ๆ ตัวบ่งชี้ระยะเวลาการเคลื่อนไหวที่ยาวนานขึ้นความล่าช้าในสัญญาณสัญญาณเหล่านี้ทำงานได้ดีเมื่อมีแนวโน้มดีขึ้นอย่างไรก็ตามระบบครอสโอเวอร์เฉลี่ยเคลื่อนที่จะทำให้เกิด whipsaws จำนวนมากในกรณีที่ไม่มีแนวโน้มที่แข็งแกร่งนอกจากนี้ยังมีสามส่วน crossover method ซึ่งมีค่าเฉลี่ยเคลื่อนที่สามตัวอีกครั้งหนึ่งสัญญาณจะถูกสร้างขึ้นเมื่อค่าเฉลี่ยเคลื่อนที่ที่สั้นที่สุดข้ามค่าเฉลี่ยเคลื่อนที่อีก 2 เส้นระบบครอสโอเวอร์สามตัวที่เรียบง่ายอาจเกี่ยวข้องกับค่าเฉลี่ยเคลื่อนที่ 5 วัน 10 วันและ 20 วันแผนภูมิข้างบนแสดงถึงหน้าแรก Depot HD ด้วยเส้นสีเขียว EMA 10 วันและเส้นสีแดง EMA 50 วันเส้นสีดำคือการปิดใช้ประจำวันการใช้ครอสโอเวอร์เฉลี่ยเคลื่อนที่จะทำให้เกิดแส้สามตัว ก่อนที่จะเริ่มมีการซื้อขายที่ดี EMA 10 วันพังลงมาต่ำกว่า EMA 50 วันในช่วงปลายเดือนตุลาคมที่ผ่านมา แต่ก็ไม่ได้นานนักเมื่อ 10 วันย้อนกลับไปในช่วงกลางเดือนพฤศจิกายนที่ผ่านมาเครื่องหมายนี้ใช้เวลานานกว่า การครอสโอเวอร์ในเดือนม. ค. ที่เกิดขึ้นในช่วงปลายเดือน พ. ย. ระดับราคาส่งผลให้เกิดการแส้วข้ามอีกครั้งการปรับตัวลดลงนี้ไม่นานจน EMA 10 วันกลับมาอยู่เหนือ 50 วันในอีกไม่กี่วันต่อมา 4 หลังจากสัญญาณไม่ดีสามสัญญาณสัญญาณที่สี่ การเคลื่อนไหวที่แข็งแกร่งเมื่อหุ้นสูงกว่า 20.There สอง takeaways ที่นี่แรกไขว้มีแนวโน้มที่จะ whipsaw สามารถใช้ตัวกรองราคาหรือเวลาเพื่อช่วยป้องกัน whipsaws ผู้ค้าอาจต้องครอสโอเวอร์ 3 วันก่อนที่จะทำหน้าที่หรือต้อง 10 วัน EMA ยกตัวเหนือเส้น EMA 50 วันก่อนดีดตัวขึ้นอีกครั้ง MACD 10,50,1 จะแสดงเส้นที่เป็นตัวแทนของความแตกต่างระหว่างค่าเฉลี่ยเลขสองเส้นค่าเฉลี่ย MACD เป็นบวก ในระหว่าง เครื่องหมายกากบาทสีทองและค่าลบระหว่างช่วงที่ตายแล้วค่าร้อยละราคา Oscillator PPO สามารถใช้วิธีเดียวกันในการแสดงความแตกต่างของเปอร์เซ็นต์หมายเหตุ MACD และ PPO ใช้ค่าเฉลี่ยเคลื่อนที่ที่เป็นตัวชี้วัดและจะไม่ตรงกับค่าเฉลี่ยที่เคลื่อนที่โดยเฉลี่ยแผนภูมินี้แสดง Oracle ORCL พร้อมด้วย EMA 50 วัน EMA 200 วันและ MACD 50,200,1 หุ้นมีการครอสโอเวอร์ 4 เส้นโดยเฉลี่ยในช่วง 2 1 2 ปีสามตัวแรกส่งผลให้เกิด whipsaws หรือการค้าที่ไม่ดีแนวโน้มเริ่มมีเสถียรภาพขึ้นโดยการครอสโอเวอร์ที่สี่เป็น ORCL ขั้นสูง ถึงช่วงกลางยุค 20 อีกครั้งการเคลื่อนไหวไขว้เฉลี่ยทำงานได้ดีเมื่อมีแนวโน้มแข็งแกร่ง แต่สร้างความสูญเสียในกรณีที่ไม่มีแนวโน้มราคา Crossovers. Moving เฉลี่ยนอกจากนี้ยังสามารถใช้ในการสร้างสัญญาณด้วยไขว้ราคาง่ายสัญญาณรั้นเกิดขึ้นเมื่อ ราคาขยับขึ้นเหนือเส้นค่าเฉลี่ยเคลื่อนที่สัญญาณหยาบคายถูกสร้างขึ้นเมื่อราคาเคลื่อนตัวต่ำกว่าค่าเฉลี่ยที่เคลื่อนที่โดยรวมไขว้ราคาสามารถรวมเข้ากับการค้าภายในแนวโน้มที่ใหญ่ขึ้น เขาเสียงสำหรับแนวโน้มที่ใหญ่กว่าและค่าเฉลี่ยเคลื่อนที่ที่สั้นลงจะใช้ในการสร้างสัญญาณหนึ่งจะมองหาราคารั้นผ่านเมื่อราคามีอยู่แล้วสูงกว่าค่าเฉลี่ยเคลื่อนที่อีกต่อไปนี้จะซื้อขายในความสามัคคีกับแนวโน้มที่ใหญ่กว่าตัวอย่างเช่นถ้าราคาเป็น สูงกว่าค่าเฉลี่ยเคลื่อนที่ 200 วันแผนภูมิชาตินิยมจะมุ่งเน้นไปที่สัญญาณเมื่อราคาเคลื่อนตัวเหนือค่าเฉลี่ยเคลื่อนที่ 50 วันเท่านั้นการเคลื่อนตัวต่ำกว่าค่าเฉลี่ยเคลื่อนที่ 50 วันจะนำมาสู่สัญญาณดังกล่าว แต่สัญญาณดังกล่าวจะถูกละเลยเนื่องจาก การกลับข้ามด้านหลังเส้นค่าเฉลี่ยเคลื่อนที่ 50 วันจะส่งสัญญาณถึงการปรับตัวขึ้นของราคาและความผันผวนของแนวโน้มขาขึ้นที่ใหญ่ขึ้นกราฟถัดไปแสดง Emerson Electric EMR พร้อมด้วย 50- วัน EMA และ EMA 200 วันหุ้นขึ้นไปเหนือระดับเฉลี่ย 200 วันในเดือนสิงหาคมมีการปรับตัวลงต่ำกว่า EMA 50 วันในช่วงต้นเดือนพฤศจิกายนและอีกครั้งในช่วงต้นเดือนกุมภาพันธ์ราคาปรับตัวลงอย่างรวดเร็ว EMA 50 วันเพื่อให้สัญญาณรั้นสัญญาณลูกศรสีเขียวสอดคล้องกับขาขึ้นที่ใหญ่ขึ้น MACD 1,50,1 จะแสดงในหน้าต่างตัวบ่งชี้เพื่อยืนยันการข้ามผ่านด้านล่างหรือด้านล่าง EMA 50 วัน EMA ระยะเวลา 1 วันจะเท่ากับการปิด ราคา MACD 1,50,1 เป็นบวกเมื่อการดีดตัวอยู่ใกล้เส้น EMA 50 วันและเป็นลบเมื่อระยะสั้นอยู่ด้านล่าง EMA 50 วันความช่วยเหลือและแนวต้านค่าเฉลี่ยค่าเฉลี่ยยังสามารถทำหน้าที่เป็นแนวรับและแนวต้านใน downtrend ขาขึ้นระยะสั้นอาจได้รับแรงหนุนจากเส้นค่าเฉลี่ยเคลื่อนที่ 20 วันซึ่งใช้ใน Bollinger Bands ขาขึ้นในระยะยาวอาจได้รับแรงสนับสนุนจากค่าเฉลี่ยเคลื่อนที่ 200 วันซึ่งเป็นระยะยาวที่ได้รับความนิยมมากที่สุด moving average ถ้าความเป็นจริงค่าเฉลี่ยเคลื่อนที่ 200 วันอาจให้การสนับสนุนหรือความต้านทานได้เนื่องจากมีการใช้งานกันอย่างแพร่หลายเกือบจะเหมือนกับคำทำนายของตัวเองที่ทำเองแผนภูมิข้างบนแสดง NY Composite ที่มีค่าเฉลี่ยเคลื่อนที่ 200 วันจากกลาง 2004 จนถึงสิ้นปี 2008 200 วันให้การสนับสนุน numerou ครั้งที่มีแนวโน้มผกผันกับการหยุดพักการสนับสนุนด้านบนสองครั้งค่าเฉลี่ยเคลื่อนที่ 200 วันทำหน้าที่เป็นความต้านทานบริเวณ 9500 ไม่ควรคาดหวังว่าระดับการสนับสนุนและความต้านทานที่แท้จริงจะมาจากค่าเฉลี่ยเคลื่อนที่โดยเฉพาะค่าเฉลี่ยที่เคลื่อนไหวได้ยาวนานขึ้นตลาดมีการขับเคลื่อนด้วยอารมณ์ความรู้สึก, ซึ่งจะทำให้พวกเขามีแนวโน้มที่จะ overshoots แทนระดับที่แน่นอนค่าเฉลี่ยเคลื่อนที่สามารถใช้เพื่อระบุโซนการสนับสนุนหรือความต้านทานข้อดีของการใช้ค่าเฉลี่ยเคลื่อนที่จะต้องมีการชั่งน้ำหนักกับข้อเสียการเคลื่อนที่โดยเฉลี่ยมีแนวโน้มตามหรือล้าหลังตัวชี้วัดที่จะเป็น ขั้นตอนหลังนี้ไม่จำเป็นต้องเป็นสิ่งที่ไม่ดีแม้ว่าหลังจากที่ทุกแนวโน้มเป็นเพื่อนของคุณและที่ดีที่สุดคือการค้าในทิศทางของแนวโน้มการย้ายค่าเฉลี่ยประกันว่าผู้ประกอบการค้าจะสอดคล้องกับแนวโน้มปัจจุบันแม้ว่าแนวโน้มเป็นของคุณ เพื่อน, หลักทรัพย์ใช้จ่ายมากเวลาในช่วงการซื้อขายซึ่งทำให้ค่าเฉลี่ยเคลื่อนที่ไม่ได้ผลเมื่ออยู่ในแนวโน้มค่าเฉลี่ยเคลื่อนที่จะทำให้คุณอยู่ใน แต่ยังให้สาย s ignals Don t คาดว่าจะขายที่ด้านบนและซื้อที่ด้านล่างโดยใช้ค่าเฉลี่ยเคลื่อนที่เช่นเดียวกับเครื่องมือวิเคราะห์ทางเทคนิคส่วนใหญ่ค่าเฉลี่ยเคลื่อนที่ไม่ควรใช้ด้วยตัวเอง แต่ร่วมกับเครื่องมือเสริมอื่น ๆ Chartists สามารถใช้ค่าเฉลี่ยเคลื่อนที่เพื่อกำหนดค่าโดยรวม แนวโน้มและใช้ RSI เพื่อกำหนดระดับซื้อเกินหรือ oversold การเพิ่มค่าเฉลี่ยของการเคลื่อนไหวไปยัง StockCharts Charts. Moving ค่าเฉลี่ยจะมีเป็นคุณลักษณะการวางซ้อนราคาบนโต๊ะทำงาน SharpCharts โดยใช้เมนูแบบเลื่อนลง Overlays ผู้ใช้สามารถเลือกค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายหรือ ค่าพารามิเตอร์แรกจะใช้เพื่อกำหนดจำนวนรอบระยะเวลาคุณสามารถเพิ่มพารามิเตอร์ที่เป็นตัวเลือกเพื่อระบุฟิลด์ราคาที่ควรใช้ในการคำนวณ O สำหรับ Open, H สำหรับ High, L สำหรับ Low และ C สำหรับเครื่องหมายจุลภาคปิดเครื่องหมายจุลภาคใช้เพื่อแยกพารามิเตอร์พารามิเตอร์ที่เป็นตัวเลือกอื่นสามารถเพิ่มเพื่อเลื่อนค่าเฉลี่ยเคลื่อนที่ไปทางซ้ายหรือขวาในอนาคตจำนวนลบ -10 จะเปลี่ยน movi ng ค่าเฉลี่ยไปทางซ้าย 10 ช่วงจำนวนบวก 10 จะเปลี่ยนค่าเฉลี่ยเคลื่อนที่ไปทางขวา 10 periods. Multiple moving averages สามารถ overlaid พล็อตราคาโดยเพียงแค่เพิ่มอีกชั้นวางซ้อนทับกับสมาชิก Workbench StockCharts สามารถเปลี่ยนสีและรูปแบบเพื่อแยกความแตกต่าง ระหว่างค่าเฉลี่ยเคลื่อนที่หลายรายการหลังจากเลือกตัวบ่งชี้ให้เปิดตัวเลือกขั้นสูงโดยคลิกที่สามเหลี่ยมสีเขียวเล็กน้อย ตัวเลือกขั้นสูงสามารถใช้เพื่อเพิ่มการวางซ้อนค่าเฉลี่ยเคลื่อนไหวสำหรับตัวชี้วัดทางเทคนิคอื่น ๆ เช่น RSI, CCI และ Volume คลิกที่นี่เพื่อดูกราฟสดที่มีค่าเฉลี่ยเคลื่อนที่แตกต่างกันโดยใช้เส้นค่าเฉลี่ยเคลื่อนที่ที่มีการสแกนสต็อกช็อต สมาชิกสามารถใช้เพื่อสแกนหาค่าเฉลี่ยของสถานการณ์ที่เคลื่อนไหวได้โดยทั่วไปการเคลื่อนไหวเฉลี่ยข้ามเฉลี่ยการสแกนนี้จะหาหุ้นที่มีค่าเฉลี่ยเคลื่อนที่ 150 วันที่เพิ่มขึ้นและการข้ามผ่านแนวราบของ EMA 5 วันและ EMA 35 วันค่าเฉลี่ยเคลื่อนที่ 150 วัน จะเพิ่มขึ้นตราบเท่าที่มีการซื้อขายเหนือระดับของห้าวันที่ผ่านมาข้ามรั้นเกิดขึ้นเมื่อ EMA 5 วันเคลื่อนตัวเหนือเส้น EMA 35 วันเมื่อเทียบกับค่าเฉลี่ยสูงกว่าค่าเฉลี่ยการเคลื่อนที่ข้ามเส้นขยับ Crossish Moving Average Cross การสแกนนี้จะมองหาหุ้นที่ลดลง 150- วันค่าเฉลี่ยการเคลื่อนไหวแบบถดถอยและเส้นค่าเฉลี่ยถดถอยในระยะสั้น EMA 5 วันและ EMA 35 วันค่าเฉลี่ยเคลื่อนที่ 150 วันจะลดลงตราบเท่าที่ราคาซื้อขายอยู่ในระดับต่ำกว่า 5 วันที่ผ่านมา ต่ำกว่า EMA 35 วันที่ ABO หนังสือเล่มนี้มีบทที่อุทิศให้กับค่าเฉลี่ยเคลื่อนที่และการใช้งานต่างๆของพวกเขา Murphy ครอบคลุมข้อดีและข้อเสียของการย้ายค่าเฉลี่ยนอกจากนี้เมอร์ฟี่แสดงให้เห็นว่าการเคลื่อนไหวโดยเฉลี่ยทำงานร่วมกับ Bollinger Bands และระบบการซื้อขายบนช่องทางอย่างไรเทคนิค การวิเคราะห์ตลาดการเงิน John Murphy. Control Chart Tests ใช้ค่าเฉลี่ยเคลื่อนที่แบบเรขาคณิตค่าเฉลี่ยเคลื่อนที่โดยทางเรขาคณิตช่วยให้การสังเกตการณ์ล่าสุดมีน้ำหนักมากที่สุดและข้อสังเกตก่อนหน้าทั้งหมดนี้ลดน้ำหนักลงในความคืบหน้าทางเรขาคณิตจากการย้อนกลับไปเป็นขั้นตอนแรก สำหรับการสร้างค่าเฉลี่ยเคลื่อนที่ทางเรขาคณิตอธิบายไว้ในที่สังเกตล่าสุดมีการกำหนดน้ำหนัก r คุณสมบัติของการทดสอบแผนภูมิควบคุมตามค่าเฉลี่ยเคลื่อนที่ทางเรขาคณิตจะถูกเปรียบเทียบกับการทดสอบตามค่าเฉลี่ยเคลื่อนที่โดยทั่วไปคุณต้องการอ่านส่วนที่เหลือของบทความนี้ แผนภูมิการควบคุมคุณภาพที่รู้จักกันแพร่หลายมากที่สุดคือแผนภูมิ Shewhart ถูกเสนอโดย Shewhart 1924 เนื่องจากข้อกำหนดนี้ t แผนภูมิมีความสำคัญสำหรับการตรวจจับการเปลี่ยนแปลงหรือการรบกวนที่มีขนาดใหญ่ในกระบวนการ Roberts 1959 และ 1954 ได้เสนอแผนภูมิ EWMA แบบถ่วงน้ำหนักแบบถ่วงน้ำหนักแบบถ่วงน้ำหนักที่เป็นตัวเลขและแผนภูมิสะสม CUSUM ตามลำดับซึ่งใช้ประโยชน์จากข้อมูลเมื่อกระบวนการได้รับออกจาก ควบคุมและแม้กระทั่งเมื่อกระบวนการอยู่ในการควบคุมจึงแผนภูมิเหล่านี้มีความไวต่อการเปลี่ยนแปลงขนาดเล็กและปานกลางในกระบวนการการปรับเปลี่ยนอื่น ๆ ของแผนภูมิเหล่านี้ได้รับการเสนอเพื่อเพิ่มประสิทธิภาพในแง่ของเวลาค่าใช้จ่ายและความเรียบง่ายของการใช้งานและ การแสดงออก บทคัดย่อแผนภูมิควบคุมเป็นเครื่องมือทางสถิติที่สำคัญสำหรับการตรวจสอบความวุ่นวายในกระบวนการทางสถิติและเป็นการนำไปใช้อย่างกว้างขวางในภาคอุตสาหกรรมภาคสุขภาพและภาคเกษตรกรรมรวมทั้งแผนภูมิ Shewhart และ Cumulum Sum CUSUM ใช้เพื่อตรวจจับการเปลี่ยนแปลงขนาดใหญ่และการเปลี่ยนแปลงเล็ก ๆ น้อย ๆ ตามลำดับขณะที่ Shewhart-CUSUM CSC จะตรวจสอบการเปลี่ยนแปลงทั้งขนาดเล็กและขนาดใหญ่โดยใช้ข้อมูลเสริมเราขอเสนอแผนภูมิ CSC MiCSC ใหม่ด้วยเครื่องประเมินที่มีประสิทธิภาพมากขึ้นซึ่งเป็นเครื่องประมาณค่าการถดถอย, เราเปรียบเทียบแผนภูมิโดยใช้ความยาวเฉลี่ยส่วนเบี่ยงเบนมาตรฐานของระยะเวลาในการทำงานและการสูญเสียสมรรถนะอื่น ๆ ที่มีอยู่ในชาร์ตที่มีอยู่ของ Chart วัตถุประสงค์เดียวกันและพบว่าบางส่วนของแผนภูมิ MiCSC มีประสิทธิภาพดีกว่า counterparts ที่มีอยู่ของพวกเขาในที่สุด rea l - ชีวิตยกตัวอย่างเช่นอุตสาหกรรมโดยเฉพาะอย่างยิ่งมันก็แสดงให้เห็นผ่านการศึกษากรณีจำนวนมากที่เกี่ยวข้องกับข้อมูลที่ซับซ้อนจริงในโลกที่รุ่น SSAs Page s 25 ฉลอง Cumulum Sum CUSUM โครงการตรวจสอบสามารถ มีประสิทธิภาพในการตรวจจับการเปลี่ยนแปลงของโครงสร้างที่ค่อนข้างซับซ้อนเช่นในความถี่ขององค์ประกอบเป็นระยะ ๆ ของซีรีส์เวลาที่น่าสนใจอย่างไรก็ตามเกือบทั้งหมดของการวิจัยในหัวข้อที่ทำจนถึงวันที่ revolves รอบเพียงสามวิธีการตรวจสอบจุดเปลี่ยน Shewhart X - chart 40, 41 แผนผังการตรวจสอบ CUSUM 25 และแผนภูมิ EWMA ถ่วงน้ำหนักแบบถ่วงน้ำหนักที่ถ่วงน้ำหนักเป็นตัวเลข 38 ในช่วงหลายปีที่ผ่านมาทั้งสามมีพฤตินัยกลายเป็นเครื่องมือตรวจหากระแสหลักในการวิเคราะห์ตามลำดับโดยเฉพาะอย่างยิ่งในด้านการควบคุมคุณภาพ บทสรุปเราพิจารณาปัญหาของการเฝ้าระวังทางการเงินที่มีประสิทธิภาพเพื่อตรวจสอบความผิดปกติของโครงสร้างที่เบี้ยวในชุดข้อมูลทางการเงินแบบสดที่มีการติดตามด้วยปัญหาที่เกิดขึ้นในทางสถิติเช่นเดียวกับการเปลี่ยนแปลงจุดที่มีการเปลี่ยนแปลงเร็วที่สุดหลายจุดตามลำดับ เราเสนอวิธีการตรวจหาจุดเปลี่ยนจุดกึ่งกลางแบบกึ่งพารา - พาราลิเคเตอร์เพื่อตรวจจับความผิดปรกติที่เกิดขึ้นในช่วงเวลาที่อยู่ภายใต้การเฝ้าระวังขั้นตอนที่เสนอคืออนุพันธ์ของกระบวนการ Shiryaev-Roberts SR ที่ใช้อัตราส่วนเป็นไปได้ วิธีการเฝ้าระวังกึ่ง Bayesian ที่รู้จักกันในการส่งมอบที่เร็วที่สุดในความเร็วในการรับรู้หลายวัฏจักรของการตรวจสอบสิ่งที่เป็นความถี่สัญญาณเตือนเท็จเรามีกรณีศึกษาที่เราแรกดำเนินการทีละขั้นตอนการวิเคราะห์ทางสถิติของชุดของโลกแห่งความจริง ข้อมูลทางการเงินและจากนั้นตั้งค่าและวางแผนขั้นตอนการตรวจสอบความผิดปกติที่ใช้ SR และ b แผนภูมิ Cumulum Sum Cumulus ที่โด่งดังเพื่อตรวจหาโครงสร้าง ในขณะที่ทั้งสองขั้นตอนทำงานได้ดี SR-derivative ที่เสนอให้สอดคล้องกับสัญชาตญาณดูเหมือนจะดีกว่าเล็กน้อยข้อความเต็มมกราคมมกราคม 2017.Andrey Pepelyshev Aleksey S Polunchenko สองสมมติฐานจะสันนิษฐานโดยทั่วไปในบริบทของการควบคุมกระบวนการทางสถิติ ตัวแปรปกติและอิสระภายใต้โมเดล Gaussien ค่าเฉลี่ยหมายถึงเป้าหมายของกระบวนการและการตรวจสอบของมันเป็นเรื่องของเอกสารหลายแผนภูมิควบคุม X Shewhart 1925, EWMA Roberts 1959 และ CUSUM หน้า 1954 หลังมีประสิทธิภาพมากกว่าแผนภูมิ X โดยเฉพาะอย่างยิ่งสำหรับ กะขนาดเล็ก บทคัดย่อบทคัดย่อในบทความนี้เรานำเสนอผลการกระจายความน่าจะเป็นของสัมประสิทธิ์ wavelets ซึ่งจะขยายทฤษฎีบทที่ 1 ซึ่งนำเสนอในงานก่อนหน้านี้ของเรา Cohen, A et al การออกแบบการทดลองและการควบคุมกระบวนการทางสถิติโดยใช้การวิเคราะห์เวฟเล็ต ปฏิบัติ 2015- เพื่อรวม Wavelets Biorthogonal แล้วแผนภูมิควบคุมใหม่ที่เรียกว่า OWave Orthogonal Wavelets ถูกเสนอเพื่อตรวจสอบการเปลี่ยนแปลงค่าเฉลี่ยในกระบวนการสถิติของแผนภูมิควบคุมที่เสนอขึ้นอยู่กับค่าสัมประสิทธิ์ wavelets น้ำหนักการศึกษาผลการดำเนินงานแสดงให้เห็นว่าแผนภูมิการควบคุม OWave มีประสิทธิภาพดีขึ้นเล็กน้อยจากรุ่นควบคุมที่ดีที่สุดของ EWMA chart. Full-text Article Dec 2016 International Journal of Advanced Manufacturing Technology. Achraf Cohen Teodor Tiplica Abdessamad Kobi หลังจากนั้นก็กลายเป็นเครื่องมือมาตรฐานสำหรับการประเมินคุณภาพของกระบวนการผลิตอีกขั้นตอนหนึ่งในการควบคุมที่เป็นที่นิยม ได้รับการพัฒนาโดย Roberts 1959 ซึ่งเรียกว่า mov geometric กราฟค่าเฉลี่ยซึ่งเป็นที่รู้จักกันว่าเป็นแผนภูมิ EWMA ถ่วงน้ำหนักแบบถ่วงน้ำหนักเชิงตัวเลขเนื่องจากแผนภูมิ Shewhart ไม่มีประสิทธิภาพในการตรวจจับการเปลี่ยนแปลงเล็ก ๆ ของการเปลี่ยนแปลงกระบวนการแผนภูมิ EWMA แสดงให้เห็นว่ามีประสิทธิภาพมากกว่าแผนภูมิ Shewhart ในการตรวจหาการเปลี่ยนแปลงเล็ก ๆ ในกระบวนการและ ความแปรปรวน Hunter 1986 Ng และกรณี 1989 Crowder 1989, Lucas and Saccucci 1990 Amin and Searcy 1991 Wetherill and Brown 1991 บทคัดย่อแผนภูมิ EWMA ที่ถ่วงน้ำหนักแบบถ่วงน้ำหนักแบบเม็ททอลเป็นที่นิยมอย่างมากในการควบคุมกระบวนการเชิงสถิติสำหรับการตรวจจับการเปลี่ยนแปลงเล็ก ๆ ในกระบวนการ เราได้พัฒนาแผนภูมิ EWMA ภายใต้ตัวประมาณค่าที่มีประสิทธิภาพแตกต่างกันในวรรณคดีและเปรียบเทียบประสิทธิภาพของแผนภูมิเหล่านี้ด้วยการคำนวณคาดว่าจะได้ผลตามที่คาดหวังไว้ out-of-control point และความกว้างที่คาดว่าจะอยู่ภายใต้การแจกแจงที่ไม่สมมาตร ไอออนเช่นรังสีแกมมาและเอกซ์โพเนนการศึกษาแบบจำลองมีการดำเนินการเพื่อวัตถุประสงค์และผลการทดลองแสดงให้เห็นว่าในหมู่เครื่องประเมินที่มีค่าประมาณ 6 ตัวแผนภูมิขึ้นอยู่กับตัวประมาณ Qn ค่อนข้างดีสำหรับกระบวนการที่ไม่ปกติในแง่ของความกว้างที่คาดว่าจะสั้นลงและจำนวนที่คาดว่าจะมากขึ้น จุดควบคุมที่ไม่อยู่ในจุดควบคุมซึ่งแสดงถึงความไวในการตรวจจับสัญญาณออกจากสัญญาณควบคุมธันวาคม 2016.Nadia Saeed Shahid Kamal. Page 2 และค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักแบบเสวนา EWMA cf Roberts 3 ถูกใช้เพื่อตรวจจับการเปลี่ยนแปลงขนาดเล็กถึงปานกลางและยังผ่อนปรน เกี่ยวกับสมมติฐานเกี่ยวกับภาวะปกติของประชากรโครงสร้างของแผนภูมิเหล่านี้ช่วยให้พวกเขาสามารถใช้ข้อมูลที่ผ่านมาพร้อมกับข้อมูลปัจจุบันซึ่งทำให้พวกเขาได้ชื่อว่าเป็นแผนภูมิควบคุมหน่วยความจำ บทคัดย่อกระบวนการอุตสาหกรรมทุกรูปแบบต้องพบกับความแตกต่างของลักษณะผลิตภัณฑ์ที่มีอยู่ 2 ประเภทซึ่งสามารถจำแนกได้ว่าเป็นรูปแบบที่พบได้ทั่วไปและรูปแบบพิเศษรูปแบบเหล่านี้อาจมีอยู่ในพารามิเตอร์เช่นตำแหน่งการกระจายตัวรูปร่าง ฯลฯ ของการกระจายตัวของลักษณะกระบวนการ สถิติการควบคุมแผนภูมิเป็นหนึ่งในแผนภูมิการควบคุมที่มีชื่อเสียงมากที่สุดคือ Shewhart ค่าเฉลี่ยเคลื่อนที่ที่ถ่วงน้ำหนักและสะสมและแผนภูมิสะสมรวมและการปรับเปลี่ยนที่สำคัญของพวกเขาจะมีอยู่ใน ในบทความนี้เราได้นำเสนอแผนภูมิควบคุมใหม่ชื่อว่า CUSUM-EWMA ซึ่งมีชื่อว่า CCEUM-EWMA แบบผสมซึ่งมีชื่อว่า MCE control chart สำหรับการตรวจสอบการกระจายตัวของกระบวนการอย่างมีประสิทธิภาพแผนภูมิ MCE ที่นำเสนอเปรียบเทียบกับแผนภูมิควบคุมอื่น ๆ ที่มีอยู่และบางส่วนของการปรับเปลี่ยน การสูญเสียสมการกำลังสอง, ความยาวเฉลี่ยของการวิ่งและ performan ce เปรียบเทียบดัชนีเป็นมาตรการที่ใช้ในการตัดสินการปฏิบัติงานของแผนภูมิสำหรับการพิจารณาในทางปฏิบัติตัวอย่างตัวอย่างที่มีข้อมูลจริงนอกจากนี้ยังมีบทความเต็มรูปแบบบทความตุลาคม 2016.Barar Zaman Nasir Abbas Muhammed Riaz Muhammad Hisyam Lee ระยะเวลาของการ ค่าเฉลี่ยเคลื่อนที่ขึ้นอยู่กับปริมาณการตรวจสอบและระยะเวลาที่จะเกิดปัญหาขึ้นหลังจากที่ใช้ค่าเฉลี่ยเคลื่อนที่แล้วแผนภูมิควบคุม EWMA ถูกนำไปใช้ 26 นิพจน์ของ EWMA Z i, jt สำหรับ xi, jt ได้แสดงดังนี้ บทคัดย่อวิธีการตรวจสอบเครื่องกำเนิดกังหันลม WTG โดยใช้ข้อมูลที่ได้จากระบบ SCADA ถูกนำเสนอวิธีนี้อาศัยการเปรียบเทียบ WTG กับค่าเฉลี่ยของ WTG ทั้งหมดที่เหลืออยู่ในฟาร์มกังหันลมเนื่องจากสภาพแวดล้อมของฟาร์มกังหันลมมีลักษณะใกล้เคียงกัน ความแตกต่างระหว่าง WTG กับค่าเฉลี่ยของ WTG ที่เหลืออยู่ในฟาร์มกังหันลมจะคงที่ตลอดเวลาความเฉื่อยเชิงสถิติของสภาวะเฉลี่ยสำหรับฟาร์มทั้งฟาร์มเป็นเกณฑ์ที่ดีในการติดตามผลของ WTG ผลการตรวจสอบสี่ด้าน WTG ถูกนำเสนอที่นี่เป็นพลังงานไฟฟ้าที่ผลิตหอ vibrate nacelle อ้าและเกียร์อุณหภูมิควบคุมแผนภูมิใช้ในการตรวจสอบลักษณะผิดปกติเกี่ยวกับพลังงานไฟฟ้าผลิตการเปิดใช้งานโดยไม่ตั้งใจหนึ่งของอัลกอริทึมการตัดทอนพบสำหรับการสั่นสะเทือนหอเราอธิบายโปรแกรมประยุกต์ สำหรับการตรวจหาความไม่สมดุลของใบพัดสำหรับ yaw ตัวอย่างที่แสดงการตรวจหา na อุณหภูมิของกระปุกเกียร์วิธีการที่เสนอประสบความสำเร็จในการตรวจสอบปัญหาสองเดือนก่อนที่จะเกิดความล้มเหลวเราได้รวมข้อ จำกัด ในการกำหนดขนาดฟาร์มกังหันลมขั้นต่ำเพื่อใช้ศูนย์ฟาร์มกังหันลม บทความเต็มรูปแบบบทความกันยายน 2016 วารสารนานาชาติของเทคโนโลยีการผลิตขั้นสูง Cambron C Masson Tahan F Pelletier