งานเปรียบเทียบ Gauss–Legendre, Midpoint, Trapezoidal และ Simpson สำหรับคำนวณ ARL/ATS ของ CUSUM ภายใต้ seasonal long-memory FISMAX model และ exponential white noise
ข้อค้นพบสำคัญ
- Simpson ให้ ARL/EARL ต่ำสุด ตามด้วย Midpoint, Trapezoidal และ Gauss–Legendre ส่วน Midpoint ใช้ ATS/EATS เชิงคำนวณต่ำสุด ผู้เขียนจึงเลือก Midpoint เมื่อพิจารณาความเร็วและการตรวจจับใน scenario ที่ทดสอบ
ทำไมจึงมีความสำคัญระดับโลก
งานช่วยเลือกวิธีคำนวณสำหรับ process monitoring ที่มีฤดูกาลและ long memory โดยทำให้ trade-off ระหว่างค่า estimate กับเวลาเห็นชัด
บทบาทของนักวิจัยไทย
นักวิจัย มจพ. พัฒนาวิธีเชิงตัวเลขสำหรับการควบคุมกระบวนการและสัญญาณผิดปกติ
ข้อจำกัดที่ควรรู้
บทคัดย่อไม่รายงาน grid size, tolerance, benchmark error, hardware หรือค่าพารามิเตอร์ทั้งหมด การเรียงค่าที่ได้ไม่ใช่การพิสูจน์ accuracy และยังไม่มีข้อมูลอุตสาหกรรมจริง