带警戒限的均值控制图中平均链长的计算公式

带警戒限的均值控制图中 ,平均链长ARL(AverageRunLength)是其重要特性。本文利用转移概率流图TPFG(TransitionProbabilityFlowGraphs)方法导出了关于ARL的一般公式     

带警戒限的合格品链长控制图

研究了两种带警戒限的合格品链长控制图,一种是一个链长控制图,另一种是两个链长控制图.首先,给出了这两种控制图的制定方法;其次,利用概率流图方法得到了这两种控制图的平均链长(ARL)的计算公式;最后,推导了它们效率的度量指标ANI(发信号之前的平均检验的样品数)的计算公式.     

自相关对常规控制图影响的模拟研究与案例分析

常规统计控制图的基本假设前提是观测值独立同分布,而在实际生产过程中,质量指标值常表现出自相关现象,违背独立性假定。本文运用平均链长(ARL)研究自相关过程为AR(1)时对常规控制图的影响,并比较了常规控制图和残差控制图对序列相关过程的控制效果。模拟结果和实例分析表明:当过程序列相关时,使用常规作图法估计出的标准差是有偏的,致使控制限设置错误和常规控制图检测能力降低。因此,在一些统计过程控制中,须考虑自相关现象并采用适当的控制图方法。     

监测L\'{e}vy稳定过程均值变点的平均运行时间估计

平均运行长度(时间) (ARL)是判断一控制图监测变点效果好坏的一个重要工具\bd 本文主要研究L\'{e}vy 稳定过程的均值变点监测问题\bd 我们给出了三个控制图, 即EWMA, GEWMA和GLR的ARL 估计, 并通过数值模拟比较了4个控制图监测均值变点的效果和差异.     

监测Lévy稳定过程均值变点的平均运行时间估计

平均运行长度(时间)(ARL)是判断一控制图监测变点效果好坏的一个重要工具.本文主要研究Lévy稳定过程的均值变点监测问题.我们给出了三个控制图,即EWMA,GEWMA和GLR的ARL估计,并通过数值模拟比较了4个控制图监测均值变点的效果和差异.     

CUSUM，GLR，GEWMA以及RFCuscore控制图监测稳定过程均值漂移的效果比较

本文给出了累积和控制图(CUSUM)监测稳定过程均值漂移的平均运行长度(ARL)的区间估计,并采用数字模拟的方法对CUSUM,GLR,GEWMA以及RFCuscore四种控制图监测稳定过程均值漂移的效果进行比较,结果显示CUSUM效果最好.     

CUSUM,GLR,GEWMA以及RFCuscore控制图监测稳定过程均值漂移的效果比较(英)

本文给出了累积和控制图(CUSUM)监测稳定过程均值漂移的平均运行长度(ARL)的区间估计,并采用数字模拟的方法对CUSUM,GLR,GEWMA以及RFCuscore四种控制图监测稳定过程均值漂移的效果进行比较,结果显示CUSUM效果最好.     

基于单个观测值用于检测多元协方差矩阵的EWMA控制图

基于单个样本观测值提供了一个指数加权移动平均(EWMA)控制图用于监测p维多元正态过程协方差矩阵的飘移。模拟研究表明,此图对各种形式的飘移都有很好的表现,且不受均值变化的影响。实例表明,新设计的控制图在实际应用中具有很好的表现。     

关于累积和(CUSUM)检验的改进

对连续检验问题，常用的检测方法有三大类其一是众所周知的Shewhartt控制图，它是最常用的对生产过程进行连续监控的控制方法，不过，如果过程均值有小的漂移(即μ-μo小)时，Shewhart控制图的检验效果不是很好，除了Shewhart控制图外，另有二类常用的控制图法，其一是累积和控制图(CUSUM)，由Page^[1]基于似然比导出，其二是指数加权移动平均控制图(EWMA)，由Roberts^[2]给出，它们已被证明在检测小的漂移时效果不错。许多人对CUSUM与EWMA进行了比较，总的来说。最好的CUSUM与最好的EWMA在检测小的漂移方面难分优劣，但CUSUM是由似然比导出的，且其平均运行长度的计算相对来说要简便些，因此，CUSUM在与EWMA的比较中更具优势，应用更广．我们分析了CUSUM的导出过程和公式。指出CUSUM有二个可以进一步改进的方面在此基础上，我们给出了二个新的累积和检验统计量及其判断难则，它们分别是PCUSUM检验统计量Pn和DCUSUM检验统计量Sn．在连续检验问题中判断一个检验方法好坏的最重要的标难是其平均运行长度比较标难是在要求具有相同的受控状态下平均运行长度ARL0的条件下，比较其失控状态下的平均运行长度ARL1，ARL1越小越好我们对PCUSUM检验和DCUSUM检验都建立了其平均运行长度ARL的计算公式．通过对CUSUM，PCUSUM，DCUSUM的平均运行长度的比较我们发现我们提出的新的累积和控制方法确比原来的CUSUM有较大改进。     

高质量过程控制技术的比较研究与分析

随着质量改进活动的不断开展,现代制造过程中的不合格项在逐渐降低。在这种情况下,常规的休哈特型计数控制图往往是失效的。为了监控高质量的过程运行,一种方法是采用累计合格品计数(CCC)图;另一种方法是采用几何Q图,本文首先分析了这两种控制图的基本原理;进而以平均链长(ARL)和探测过程发生漂移的概率为准则,系统分析和比较了这两种控制图的性能,仿真结果表明,在大多数情况下,这两种控制图具有相似的性能;最后,通过实例说明了这两种控制图的应用,并给出了若干建议。     

具有可变样本容量的非正态EWMA控制图

为了提高控制图的监控效率,本文研究非正态分布下,EWMA控制图的可变样本容量设计问题。首先利用Burr分布近似各种非正态分布,构造可变样本容量的非正态EWMA控制图;其次运用马尓科夫链法计算可变样本容量非正态EWMA控制图的平均运行长度;然后与传统的非正态EWMA控制图进行比较得出:当过程中出现小波动时,可变样本容量的非正态EWMA控制图能够更快地发现过程中的异常波动,具有较小的平均运行长度,其监控效率明显优于传统的非正态EWMA控制图。     

Control charts for the Pareto distribution

The Pareto distribution plays an important role in various areas of researchIn this paper, the average run length(ARL) unbiased control charts, which monitor the shape and threshold parameters of the Pareto distribution respectively, are proposed when the incontrol parameters are knownThe effects of parameter estimation on the performance of the proposed control charts are also studiedResults show that the control charts with the estimated parameters are not suitable to be used in the known parameter case, thus the ARL-unbiased control charts for the shape and threshold parameters with the desired ARL0, which consider the variability of the parameter estimates, are further developedThe performance of the proposed control charts is investigated in terms of the ARLFinally, an example is given to illustrate the proposed control charts.     

单边合格品链长中位数控制图设计

针对过程数据存在异常值的问题,为了监控过程均值的偏移,采用中位数统计量(X)代替传统均值(X)统计量,提出了一种单边合格品链长X(Sided Sensitive Conforming Run Length X, SCRL & X)控制图。采用马尔科夫链方法研究了SCRL & X控制图的性能,首先推导出其一步状态转移矩阵,进一步根据马尔科夫链的性质得到其平均链长(Average Run Length, ARL)。为了获得控制图的最优设计参数和性能指标值,保证其处于过程受控状态下的性能,并使其处于过程失控状态下的平均链长最小。研究结果表明,提出的SCRL & X控制图的统计性能优于传统的双边合格品链长X(Conforming Run Length, CRL & X)控制图,尤其针对过程均值产生较小偏移的情形,其优势较为明显。     

The efficiency of CUSUM schemes for monitoring the coefficient of variation

Continuous surveillance of the coefficient of variation is a quality control issue worthy of consideration in several manufacturing and service‐oriented companies. In this paper, we present a new method to monitor the squared coefficient of variation by means of two one‐sided cumulative sum‐type control charts. We study the run length properties of the proposed charts using a Markov chain approach. Several tables are given in order to show the sensitivity of the proposed charts for different deterministic shift sizes and their performance for the random shift size condition. The results show that the proposed control charts have attractive performance compared with some competing charts and are better in many cases. An illustrative example is discussed on a real dataset. Copyright © 2016 John Wiley & Sons, Ltd.     

Nonparametric Multivariate CUSUM Chart and EWMA Chart Based on Simplicial Data Depth

Simplicial data depth is a useful tool for describing how central a vector is in a multivariate distribution. If the average simplicial depth of a subgroup of observations from a multivariate distribution is too small, it may indicate that a shift in its location or/both scale occurs. In this paper, we propose two new types of nonparametric control charts which are one-sided CUSUM and EWMA control schemes based on simplicial data depth. We also compute the Average Run Length of the CUSUM chart and the EWMA chart by Markov chain method. Recommendations on how to choose the optimal reference value and the smoothing parameter are also given. Comparisons between these two proposed control schemes and the multivariate EWMA are presented.     

联合检测过程位置参数和尺度参数的非参数Cusum控制图

用于检测生产过程的多数传统控制图都假定过程的受控分布是已知的,并假定数据服从正态分布。然而在很多情况下,由于没有足够的数据来估计过程的分布,这种假定就变得不现实,而非参数控制图却不需要任何关于分布的特殊形式的假定。另外,多数的已有控制图都是使用两个单独的均值与方差控制图来同时检测生产过程.本文中,我们提出一个新的基于Cramer-von-Mises(CvM)检验的非参数累积和控制图(称为CvM图)来同时检测过程位置参数和尺度参数。文中给出了基于不同受控平均运行长度(ARL)下的CvM图的控制限,通过步长的均值、方差及分位数来研究控制图的性能表现。最后用一个实例来说明CvM图的实际应用。     

监测均值变动的多重控制图方法

本文证明了当受控平均运行长度充分大时, 多重控制图有两个优点: 一是相比较GLR (广义似然比) 和GEWMA (广义指数权重移动平均)控制图它可以大大降低运算的复杂性; 二是能够较快地监测均值变化的大小. 数值模拟也表明: 多重控制图不仅优于其构成的单个控制图, 而且在监测未知的均值变动方面也优于单个的CUSUM, EWMA, 多重EWMA和GLR控制图.