Ко-кластеризація даних багатовимірних атрибутів якості для оцінки факторів взаємного впливу

Автор(и)

  • Svitlana Shtangey Харьковский Национальный Университет Радиоэлектроники http://orcid.org/0000-0002-9200-3959
  • Igor Tereshchenko Харківський національний університет радіоелектроніки http://orcid.org/0000-0002-6197-1914
  • Anton Tereshchenko Государственный Университет Телекоммуникаций http://orcid.org/0000-0002-4728-9652

DOI:

https://doi.org/10.20998/2413-4295.2018.26.31

Ключові слова:

якість через дизайн, критичні атрибути якості, ко-кластеризація, багатовимірний статистичний аналіз

Анотація

У статті пропонується метод ко-кластеризації стохастичних даних багатовимірних критичних параметрів процесу (CPPs) з метою оцінки впливу виявлених факторів на багатовимірні атрибути критичної якості (CQAs) продукту на стадії початкового проектування процесу виробництва. Метод представляє новий підхід до забезпечення якості продукту, який враховує проблему ко-кластеризації масивів даних CPPs для визначення каузального зв'язку з CQAs. Використовується технологія неметричного багатовимірного шкалювання (NMDS) для визначення вихідних параметрів ко-кластеризації.

Біографії авторів

Svitlana Shtangey, Харьковский Национальный Университет Радиоэлектроники

доцент кафедри інфокомунікаційної інженерії

Igor Tereshchenko, Харківський національний університет радіоелектроніки

доцент кафедри інфокомунікаційної інженерії

Anton Tereshchenko, Государственный Университет Телекоммуникаций

аспірант, кафедра управління інформаційною та кібернетичною безпекою

Посилання

Steimera, C., Fischerb, J., Auricha, J. C. Model-based design process for the early phases of manufacturing system planning using SysML. 27th CIRP Design 2017. Procedia CIRP, 2017, 163-168, doi: 10.1016/j.procir.2017.01.036.

Blondet, G., Boudaoud, N., Duigou, J. Simulation Data Management for Adaptive Design Of Experiment. A literature review, by Blondet, Gaëtan, et al. QUALITA’ 2015, Nancy, France, 2015. Available at: https://hal.archives-ouvertes.fr/hal-01149776 (19 June 2018).

Zwier, M. P., Wits, W, W. Physics in Design: Real-time numerical simulation integrated into the CAD environment. Procedia CIRP 60, 2017, 98-103, doi: 10.1016/j.procir.2017.01.054.

Zhang, L., Mao, S. Application of quality by design in the current drug development. Shenyang Pharmaceutical University, Asian journal of pharmaceutical sciences, 103, 2017, 1-8, doi: 10.1016/j.ajps.2016.07.006.

Mohamed, I. Progressive Modeling: The Process, the Principles, and the Applications. Procedia Computer Science, 16, 2013, 39-48, doi: 10.1016/j.procs.2013.01.005.

Lionberger, R. A., Lee, S. L., Lee, L. M., et al. Quality by Design: Concepts for ANDAs. The AAPS Journal, 10(2), 2008, 268-276,doi: 10.1208/s12248-008-9026-7.

Pramod, K., Tahir, M. A., Charoo, N. A., et al. Pharmaceutical product development: A quality by design approach. International Journal of Pharmaceutical Investigation, 6(3), 2016, 129-138, doi: 10.4103/2230-973X.187350.

Guidance for Industry PAT – A Framework for Innovative Pharmaceutical Development, Manufacturing, and Quality Assurance. Available at: http://www.fda.gov/cder/OPS/PAT.htm (19 June 2018).

Cohen, L., Manion, L., Morrison, K. Research Methods in Education. Sixth edition. Taylor & Francis e-Library, 2007, 638.

Brereton, Richard G. Applied chemometrics for scientists. University of Bristol, UK, John Wiley & Sons Ltd, 2007, 379.

Skold, M. Computer Intensive Statistical Methods. Mathematical Statistics Centre for Mathematical Sciences Lund University, 2005, 133. Available at: http://www.maths.lth.se/ (2018.06.19).

Ripley, B. D. Computer-Intensive Statistics. APTS 2011–12 lecture material, 2008, Available at: http://www.stats.ox.ac.uk/~ripley/APTS2012/APTS-CIS-lects.pdf (19 June 2018).

Berkhin, P. A Survey of Clustering Data Mining Techniques. ResearchGate, 2002, 59, doi: 10.1007/3-540-28349-8_2.

Govaert, G., Nadif, M. Latent Block Model for Contingency Table. Communications in StatisticsTheory and Methods, 2010, 39, 3, 416-425, doi: 10.1080/03610920903140197.

Charrad, M., Ben Ahmed, M. Simultaneous Clustering: A Survey. PReMI11 Proceedings of the 4th international conference on Pattern recognition and machine intelligence. Springer-Verlag Berlin, 2011, 370-375.

Keribin, C., Brault, V. Estimation and selection for the latent block model on categorical data. Statistics and Computing, 2015, 25, 6, 1201-1216, doi: 10.1007/s11222-014-9472-2.

Brault, V., Mariadassou, M. Co-clustering through Latent Bloc Model: a Review. Journal de la Société Française de Statistique, 2015, 156 (3), 120-139, doi: 10.1111/evo.12770.

Brault, V., Channarond, A. Fast and Consistent Algorithm for the Latent Block Model. Electronic Journal of Statistics. arXiv:1610.09005v1 [math.ST], 2016, 22.

Schepers, J. Maximal Interaction Two-Mode Clustering. Journal of Classification, 2017, 34, 49-75,

doi: 10.1007/s00357-017-9226-x.

Celeux, G., Maugis-Rabusseau, C., Sedki, M. Variable selection in model-based clustering and discriminant analysis with a regularization approach. Advances in Data Analysis and Classification. Springer Verlag, 2018, 21.

ISO 9000 Introduction and Support Package: Guidance on the Concept and Use of the Process Approach for management systems. Available at: https://www.iso.org/iso/04_concept_and_use_of_the_process_approach_for_management_systems.pdf (19 June 2018).

ISO 22000: 2005 Food safety management systems. Available at: https://www.iso.org/standard/35466.html (19 June 2018).

Food and Drug Administration.Final Report on Pharmaceutical cGMPs for the 21st Century – A Risk Based Approach. Available at: http://www.fda.gov/cder/gmp/gmp2004/GMP_finalreport2004.htm (19 June 2018).

Jaiswal, E. S. A case study on quality function deployment (QFD). IOSR Journal of Mechanical and Civil Engineering (IOSR-JMCE), 2012, 3, 27-35, doi: 10.9790/1684-0362735.

Peres, F., Pimentel, A., Fogliatto, F. S. Variable selection methods in multivariate statistical process control: A systematic literature review. Department of Industrial Engineering, Federal University of Rio Grande do Sul, 90035-190 Porto Alegre, RS, Brazil, Computers & Industrial Engineering, 2018, 115, 603-619, doi: 10.1016/j.cie.2017.12.006.

Bhatia, P., Iovleff, S., Govaert, G. Blockcluster: An R Package for Model Based Co-Clustering. Journal of Statistical Software, 2014, VV, II, 23.

Bhatia, P., Iovleff, S. A tutorial for blockcluster R package Version 4. CRAN, 2018, 1-20. Available at: https://cran.r-project.org/web/packages/blockcluster/vignettes/blockcluster_tutorial.pdf (19 June 2018)

##submission.downloads##

Опубліковано

2018-08-19

Як цитувати

Shtangey, S., Tereshchenko, I., & Tereshchenko, A. (2018). Ко-кластеризація даних багатовимірних атрибутів якості для оцінки факторів взаємного впливу. Вісник Національного технічного університету «ХПІ». Серія: Нові рішення у сучасних технологіях, 2(26(1302), 45–54. https://doi.org/10.20998/2413-4295.2018.26.31

Номер

Розділ

Інформаційні технології та системи управління