• Industrial Engineering and Management Systems
• /
• 제7권2호
• /
• pp.101-112
• /
• 2008

As charts to monitor the process fraction defectives, P, in the high-yield processes, Mishima et al. (2002) discussed a synthetic chart, the Synthetic CS chart, which integrates the CS (Confirmation Sample)$_{CCC(\text{Cumulative Count of Conforming})-r}$ chart and the CCC-r chart. The Synthetic CS chart is designed to monitor quality characteristics in real-time. Recently, Kotani et al. (2005) presented the EWMA (Exponentially Weighted Moving-Average)$_{CCC-r}$ chart, which considers combining the quality characteristics monitored in the past with one monitored in real-time. In this paper, we present an alternative chart that is more superior to the $EWMA_{CCC-r}$ chart. It is an integration of the $EWMA_{CCC-r}$ chart and the CCC-r chart. In using the proposed chart, the quality characteristic is initially judged as either the in-control state or the out-of-control state, using the lower and upper control limits of the $EWMA_{CCC-r}$ chart. If the process is not judged as the in-control state by the $EWMA_{CCC-r}$ chart, the process is successively judged, using the $EWMA_{CCC-r}$ chart. We compare the ANOS (Average Number of Observations to Signal) of the proposed chart with those of the $EWMA_{CCC-r}$ chart and the Synthetic CS chart. From the numerical experiments, with the small size of inspection items, the proposed chart is the most sensitive to detect especially the small shifts in P among other charts.

• Industrial Engineering and Management Systems
• /
• 제4권1호
• /
• pp.75-81
• /
• 2005

Borror et al. discussed the EWMA(Exponentially Weighted Moving Average) chart to monitor the count of defects which follows the Poisson distribution, referred to the $EWMA_c$ chart, as an alternative Shewhart c chart. In the $EWMA_c$ chart, the Markov chain approach is used to calculate the ARL (Average Run Length). On the other hand, in order to monitor the process fraction defectives P in high-yield processes, Xie et al. presented the CCC(Cumulative Count of Conforming)-r chart of which quality characteristic is the cumulative count of conforming item inspected until observing $r({\geq}2)$ nonconforming items. Furthermore, Ohta and Kusukawa presented the $CS(Confirmation Sample)_{CCC-r}$ chart as an alternative of the CCC-r chart. As a more superior chart in high-yield processes, in this paper we present an $EWMA_{CCC-r}$ chart to detect more sensitively small or moderate shifts in P than the $CS_{CCC-r}$ chart. The proposed $EWMA_{CCC-r}$ chart can be constructed by applying the designing method of the $EWMA_C$ chart to the CCC-r chart. ANOS(Average Number of Observations to Signal) of the proposed chart is compared with that of the $CS_{CCC-r}$ chart through computer simulation. It is demonstrated from numerical examples that the performance of proposed chart is more superior to the $CS_{CCC-r}$ chart.

• 응용통계연구
• /
• 제31권4호
• /
• pp.485-495
• /
• 2018

CCC-r 관리도는 고품질공정에서 공정불량률을 관리하는 경우 매우 효율적이라고 알려져 있다. 이 관리도를 사용할 때 관리상태의 공정모수는 일반적으로 알려져 있지 않기 때문에 제1국면의 표본을 추출하여 이를 추정해야 한다. 제2국면에서 관리도의 성능은 제1국면에서 추정한 모수와 관리한계에 영향을 받기 때문에, 추정 오차의 영향을 살펴보는 것은 중요하다. 이 논문에서는 일반적으로 많이 사용하는 평균런길이의 평균(average of average run length) 이외에 평균런길이의 표준편차(standard deviation of average run length)를 사용하여 CCC-r 관리도의 관리상태의 성능을 평가하였다. 그 결과 CCC-r 관리도에서 안정적인 관리상태의 성능을 유지하기 위해서는 이전에 권장하던 제1국면의 표본 크기보다 훨씬 더 큰 표본이 필요하다는 사실을 알 수 있었다.

• 응용통계연구
• /
• 제33권4호
• /
• pp.451-466
• /
• 2020

CCC-r 관리도는 불량률이 매우 낮은 고품질 공정을 관리하는 데 효율적이라고 알려져 있다. 대부분의 공정에서 공정 모수의 값은 알려져 있지 않기 때문에 제1국면에서 이를 추정해야 하는데, 표본의 크기가 충분히 크지 않은 경우 추정 오차가 발생하여 원하는 관리상태에서의 성능을 만족하지 못하는 경우가 발생한다. 뿐만 아니라 제1국면에서 추출하는 표본에 따른 산포로 인하여 관리상태일 때의 성능의 산포 또한 커지게 된다. 이러한 문제를 해결하기 위해 이 논문에서는 관리상태일 때 신호까지의 평균관측개수가 사전에 정한 확률로 목표하는 값보다 큰 값을 갖도록, 붓스트랩 알고리즘을 사용하여 CCC-r 관리도의 관리한계를 조정하는 절차를 제안하였다. 이때 고품질 공정에 적용하기 위하여 최대우도추정량 대신 베이즈추정량을 사용하여 불량률을 추정하였다. 다양한 상황에 대해 모의실험을 수행한 결과, 제안된 절차는 CCC-r 관리도의 관리상태 성능을 크게 향상시킴을 알 수 있었다.

• Journal of the Korean Data and Information Science Society
• /
• 제18권3호
• /
• pp.773-782
• /
• 2007

The statistical process control charts are very extensively used for monitoring of process mean, deviation, defect rate or reject rate. In this paper we consider a control chart to monitor the process reject rate in the high yield process, which is based on the observed cumulative probability of the number of items inspected until r defective items are observed. We first propose selection of the optimal value of r in the CPC-r charts, and also consider the usefulness of the chart in high yield process such as semiconductor or TFT-LCD manufacturing process.