University of Jyväskylä | JYX Digital Repository

  • English  | Give feedback |
    • suomi
    • English
 
  • Login
JavaScript is disabled for your browser. Some features of this site may not work without it.
View Item 
  • JYX
  • Opinnäytteet
  • Pro gradu -tutkielmat
  • View Item
JYX > Opinnäytteet > Pro gradu -tutkielmat > View Item

Mittareita aikasarjan stabiilisuuden luokitteluun

Icon
3.9Mb

Authors
Auvinen, Kalle
Date
2020
Discipline
TilastotiedeStatistics
Access restrictions
The author has not given permission to make the work publicly available electronically. Therefore the material can be read only at the archival workstation at Jyväskylä University Library (https://kirjasto.jyu.fi/en/workspaces/facilities).
You can request a copy of this thesis here
Copyright
This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.

 
Aikasarjan stabiilisuus on laaja ja moniulotteinen käsite. Sillä voidaan tarkoittaa esimerkiksi aikasarjan synnyttäneen prosessin matemaattisia ominaisuuksia tai kuvailla havaitun aikasarjan ominaisuuksia ja kehitystä tutkitulla aikavälillä. Tässä tutkielmassa pohditaan aikasarjan stabiilisuuden käsitettä teollisuusprosessin näkökulmasta ja esitetään kolme indikaattoria stabiilien jaksojen määrittelemiseksi. Menetelmä laajennetaan moniulotteisille aikasarjoille pääkomponenttianalyysia soveltaen. Aikasarjan stabiilisuutta tutkitaan kolmen erilaisen stabiilisuuden indikaattorin avulla. Aikasarjan stabiilisuutta mittaavia indikaattoreita ovat prosessin stabiilisuusindeksi (Procces Stability Index, PSI ), stabiilisuussuhdeindikaattori (Stability Ratio, SR) sekä perinteinen varianssianalyysi (Analysis of Variance, ANOVA), joiden tulosten perusteella tutkittava otos luokitellaan joko stabiiliksi tai epästabiiliksi. Nämä kolme erillistä stabiilisuuden luokitusta yhdistetään yksittäiseksi luokitteluksi tutkittavalle aikasarjan otokselle. Stabiilisuuden indikaattorien toimintaperiaatteiden lisäksi tutkielmassa esitellään indikaattorien taustalla olevaa teoriaa riippumattomille ja normaalijakautuneille aikasarjoille sekä tutkitaan indikaattorien käyttäytymistä simulaatioiden avulla myös riippuville havainnoille stationaarisesta AR-prosessista. Stabiilisuuden indikaattoreita sovelletaan Spinnova Oy:n yksittäisen tuotantoprosessin stabiilisuuden analysoimiseen. Tuotantoprosessin erillisistä tuotantoeristä ja työvaiheista mitatuista muuttujista halutaan selvittää niiden stabiloitumisen ajanhetki sekä tunnistaa mahdolliset poikkeamat jo stabiloituneista muuttujista. Tuotantoprosessista mitatun aineiston dimension pienentämiseksi ja koko tuotantoprosessin tilan tulkittavuuden parantamiseksi, yksittäisille työvaiheille sovelletaan ensin pääkomponenttianalyysi (Principal Component Analysis, PCA), jonka jälkeen pääkomponenttien stabiilisuutta analysoidaan stabiilisuuden indikaattorien avulla. Stabiilisuustarkastelut toteutetaan pääkomponenteista laskettujen otosvarianssien sekvenssien mukaan. Otosvariansseja käytetään pääkomponenttien autokorrelaation vähentämiseksi sekä joillain pääkomponenteilla esiintyvän trendin poistamiseksi. Pääkomponenttien stabiilisuustarkasteluissa havaitaan selkeä yhdenmukaisuus eri pääkomponenttien ja työvaiheiden stabiilisuudessa. Jokainen työvaihe on aluksi epästabiili, mutta työvaiheista muodostetut pääkomponentit stabiloituvat lähes samanaikaisesti työvaiheiden edetessä. Myös yksittäiset poikkeamat pääkomponenteissa havaitaan stabiilisuuden indikaattorien avulla. ...
Keywords
stabiilisuus luokittelu otosvarianssi pääkomponenttianalyysi aikasarjat tilastotiede aikasarja-analyysi indikaattorit
URI

http://urn.fi/URN:NBN:fi:jyu-202009235934

Metadata
Show full item record
Collections
  • Pro gradu -tutkielmat [23424]

Related items

Showing items with similar title or keywords.

  • Myyräkuumeen ja myyrärunsauden välisen suhteen mallintaminen tila-avaruusmalleilla 

    Leppänen, Olli (2016)
    Tutkielma käsittelee myyräkuumeen mallintamista tila-avaruusmalleilla. Tutkin myyrärunsauksien ja myyräkuumetapausten välistä riippuvuutta ja selvitän, voidaanko myyrärunsauksilla ennustaa tulevia myyräkuumetapausten ...
  • A review of second‐order blind identification methods 

    Pan, Yan; Matilainen, Markus; Taskinen, Sara; Nordhausen, Klaus (John Wiley & Sons, 2021)
    Second order source separation (SOS) is a data analysis tool which can be used for revealing hidden structures in multivariate time series data or as a tool for dimension reduction. Such methods are nowadays increasingly ...
  • Aikasarjamallit apuna Suomen talouden seurannassa 

    Juvonen, Petteri; Anttonen, Jetro; Fornaro, Paolo; Nissilä, Wilma; Nyberg, Henri; Pönkä, Harri (Kansantaloudellinen yhdistys, 2019)
    Viimeisten vuosikymmenien aikana kansainvälisessä ekonometrisessa tutkimuskirjallisuudessa on esitetty useita makrotaloudellista tilaa kuvaavien muuttujien informaatiota yhdistäviä lyhyen aikavälin mallinnus- ja ...
  • Prediction and interpolation of time series by state space models 

    Helske, Jouni (University of Jyväskylä, 2015)
    A large amount of data collected today is in the form of a time series. In order to make realistic inferences based on time series forecasts, in addition to point predictions, prediction intervals or other measures of ...
  • Detector-based visual analysis of time-series data 

    Wartiainen, Pekka (University of Jyväskylä, 2015)
  • Browse materials
  • Browse materials
  • Articles
  • Conferences and seminars
  • Electronic books
  • Historical maps
  • Journals
  • Tunes and musical notes
  • Photographs
  • Presentations and posters
  • Publication series
  • Research reports
  • Research data
  • Study materials
  • Theses

Browse

All of JYXCollection listBy Issue DateAuthorsSubjectsPublished inDepartmentDiscipline

My Account

Login

Statistics

View Usage Statistics
  • How to publish in JYX?
  • Self-archiving
  • Publish Your Thesis Online
  • Publishing Your Dissertation
  • Publication services

Open Science at the JYU
 
Data Protection Description

Accessibility Statement

Unless otherwise specified, publicly available JYX metadata (excluding abstracts) may be freely reused under the CC0 waiver.
Open Science Centre