Likelihood Ratio Methods for Monitoring Parameters of a Nested Random Effect Model
嵌套随机效应模型参数监控的似然比方法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要聚焦制造过程中的层级变异监控，不能仅因涉及方差或变化就归入金融波动率或宏观结构变化。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
嵌套随机效应模型参数监控的似然比方法
- 研究问题
- 当测量变异同时来自批次之间、批次内物品之间及物品内部时，如何监控均值和方差分量并改善异常诊断？
- 方法与思路
- 作者为嵌套随机效应模型构建基于似然比检验的控制系统，与其他方法比较，并讨论集成电路制造的相关例子。
- 材料陈述的贡献
- 摘要称该方法能够监控均值及多个方差分量，同时讨论其相对竞争方法的优点和弱点，而未宣称全面占优。
- 阅读关注点
- 应核对受监控参数、异常备择与控制阈值的设定，以及误报率、诊断能力和竞争方法比较所采用的评价标准。
- 阅读边界
- 材料为版本未注明的OpenAlex索引摘要；分布假设、阈值校准和误报率数值未提供，无法判断实际监控性能。
原文摘要
In many practical situations the variance of a set of measurements can be attributed to several known sources of variability. For example, if several measurements of each item of a lot are taken, then one may need to deal not only with the within-item variability, but also with item-to-item within-lot and lot-to-lot components of variability. In such cases conventional control charts tend to produce an unacceptably high rate of false alarms and in general represent a rather weak diagnostic tool. This article shows how to build a control system based on likelihood ratio tests capable of monitoring the mean and variance components of a nested random effect model. The strong points and weaknesses of this approach are compared to those of competing methods, and some examples related to manufacturing of integrated circuits are discussed.