A Review of Control Charts and Exploring Their Utility for Regional Environmental Monitoring Programs
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Industrial control charts are used in manufacturing to quickly and robustly indicate the status of production and to prompt any necessary corrective actions. The library of tools available for these tasks has grown over time and many have been used in other disciplines with similar objectives, including environmental monitoring. While the utility of control charts in environmental monitoring has been recognized, and the tools have already been used in many individual studies, they may be underutilized in some types of programs. For example, control charts may be especially useful for reporting and evaluating data from regional surveillance monitoring programs, but they are not yet routinely used. The purpose of this study was to promote the use of control charts in regional environmental monitoring by surveying the literature for control charting techniques suitable for the various types of data available from large programs measuring multiple indicators at multiple locations across various physical environments. Example datasets were obtained for Canada’s Oil Sands Region, including water quality, air quality, facility production and performance, and bird communities, and were analyzed using univariate (e.g., x-bar) and multivariate (e.g., Hotelling’s T2) control charts. The control charts indicated multiple instances of unexpected observations and highlighted subtle patterns in all of the example data. While control charts are not uniquely able to identify potentially relevant patterns in data and can be challenging to apply in some monitoring analyses, this work emphasizes the broad utility of the tools for straightforwardly presenting the results from standardized and routine surveillance monitoring.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle