可变抽样区间的多变量自相关过程VAR控制图

基于批量-均值法的思想,向量自回归(VAR)控制图对多变量自相关过程的较小偏移可以进行有效控制。为了提高多变量自相关过程监控效率,本文研究可变抽样区间的VAR控制图。首先,对多变量自相关过程的VAR控制图进行可变抽样区间设计;然后,用蒙特卡洛模拟方法计算其平均报警时间;最后,以平均报警时间为评价准则,对所设计的可变抽样区间VAR控制图与固定抽样区间的VAR控制图进行比较研究。研究结果表明:所设计的可变抽样区间多变量自相关过程VAR控制图较固定抽样区间的多变量自相关过程VAR控制图能更好的监控过程的变化。     

自相关过程的MUBM控制图

本文在UBM控制图(Unweighted Batch Means Chart)和Modified Shewhart控制图的基础上提出了适用于过程数据高度自相关且无模型假定的MUBM控制图(Modified Unweighted Batch Means Chart),通过随机模拟发现MUBM控制图比残差控制图(基于残差的Shewhart控制图)更加灵敏,并运用实例数据对MUBM控制图的设计作了说明。     

基于多步预测误差的自相关过程统计质量控制

研究了采用多步预测误差构造多变量控制图对自相关过程进行统计质量监控的问题。建立了基于多步预测误差的Hotelling T~2和MEWMA控制图模型,通过仿真分析对这种多变量控制图方法与以往的单变量控制图方法在监控自相关过程时的运行长度进行比对,用以评价控制图的效率.最后通过一个简单的算例说明该方法的使用。     

自相关过程的改进型EWMA控制图

常规指数加权移动平均(EWMA)控制图的假设前提是观测数据相互独立,但在实际生产过程中,数据相关违背假设条件。本文首先讨论了序列自相关对常规EWMA控制图的影响,结果表明其检测效能降低。因此,重新估计了平稳过程的σz并在此基础上建立了改进型EWMA控制图。然后运用平均链长比较了改进型EWMA控制图与休哈特图和残差控制图,模拟研究说明当过程非强相关且过程均值发生中小偏移条件下。改进型EWMA控制图的检测效果要优于其他两种控制图。最后,通过一个实例验证了该方法的有效性。     

自相关过程的残差控制图

由于自相关过程违背了过程输出数据独立性的假定,使得传统休哈特图的有效性受到质疑。本文首先讨论控制图设计基本思想,然后分析了对自相关过程监控的残差控制图原理;进而以平均链长和各链点检出概率为准则,系统研究了AR(1)过程残差控制图的检测能力,并与休图进行了比较。最后,通过一个模拟验证了该方法的有效性。     

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。     

稀土分离联产品质量控制研究

以稀土分离企业为背景,抽取联产品特点及质量属性,绘制单一产品的指数加权移动平均控制图和联产品的多元残差T²控制图,并将两类控制图进行对比分析,分析表明和EWMA控制图相比,联产品多元残差T²控制图能降低控制图虚发警报的概率。针对多元残差T²控制图发现的异常模式,采用支持向量机模型对异常模式进行分类处理,寻找分类规则,构造PSO-SVM分类器,运用粒子群算法对SVM参数寻优,并对得出的结果进行对比分析。分析表明该分类器能提高分类正确率,模式识别可以用于诊断稀土企业引起联产品多元残差T²控制图出现异常的原因,从而提高过程质量管理水平。     

稳健残差控制图的构建及在金融时序中的应用

对于呈现自相关和波动族聚性并存的受控过程,通常采用残差控制图对其进行监控。但异常点的存在会对自相关或波动族聚性模型的拟合产生重要影响,使得基于该模型的残差并非独立同分布导致常规残差控制图监控失效。为解决这类问题,本文提出稳健残差控制图。即建立稳健的ARMA模型解决自相关问题从而得到无自相关的残差序列,用稳健的GARCH模型来构建控制图的上下限。模拟和实证研究表明,本文提出的稳健残差控制图具有很好的抗异常点能力并能更好的对金融时间序列的异常现象进行监控。     

基于多元泊松模型的累积和控制图设计

多元离散数据在现代制造业中非常普遍,多元泊松控制图常被用来监控此类数据,如MP,MP-CUSUM和MP-EWMA图等.然而,这些控制图都假设数据服从等协方差的多元泊松模型,因为等协方差的多元泊松模型对各个变量之间的相关性有严格的约束,因此应用范围狭窄.本文基于异协方差多元泊松模型,提出GMP-CUSUM累积和控制图.在考虑不同模型,变量偏移个数和偏移大小的情况下,通过蒙特卡洛模拟比较了传统控制图和新控制图GMP-CUSUM的平均运行链长(ARL),证明异协方差多元泊松模型更加适应对多元离散数据的建模,应用范围广,并且新控制图能更快速地检测到异常过程偏移,灵敏度高.     

残差EWMA-图对平稳自回归过程数据的检验能力

本文将SPC(Statistical Process Control)技术应用于自相关数据,使用的基本方法是对数据做残差处理,本文定义了一个衡量检验能力的指标。并给出了对于平稳自回归过程数据,在检验过程均值变化方面,残差EWMA—图检验能力强弱的条件。     

兼顾效率和成本的ARMA控制图多目标优化设计

ARMA控制图是一种有效的自相关过程质量监控方法,为了能够同时对ARMA控制图监控方案的效率和成本进行优化,本文分别研究了ARMA控制图的平均运行长度和质量成本的计算方法,并由此建立了ARMA控制图的多目标优化设计模型。采用NSGA-Ш智能优化算法,通过一个具体的算例对该模型的计算方法进行了说明,针对不同程度的过程偏移给出了多目标优化设计的非劣解解集。然后通过灵敏度分析的方法研究了模型中的主要设计参数对监控方案的效率和成本的影响程度。最后,通过与其它几种ARMA控制图优化设计方案的比较分析,说明了本文提出的设计方法的优势。     

一种多指标质量动态控制图及其应用

研究了将多指标在一个图上标示的多指标控制图。提出了三种质量控制限并作了比较。控制上限(UCL)取Hotelling的T2统计量的α/2上侧分位数。预控上限(UPCL)取Hotelling的T2统计量的λα/2上侧分位数。当第k个观测点的T2k值超过UPCL时,则接下去的抽样区间将缩短,以便及早发现失控状态。对超出控制限的情况下如何确定哪一个质量指标发生异常的问题,提出了一种可靠的分析方法。用这种方法解决了某卷烟厂的烟丝生产过程中的多指标质量控制和管理问题。     

Improving the Performance of the Chi-square Control Chart via Runs Rules

The most popular multivariate process monitoring and control procedure used in the industry is the chi-square control chart. As with most Shewhart-type control charts, the major disadvantage of the chi-square control chart, is that it only uses the information contained in the most recently inspected sample; as a consequence, it is not very efficient in detecting gradual or small shifts in the process mean vector. During the last decades, the performance improvement of the chi-square control chart has attracted continuous research interest. In this paper we introduce a simple modification of the chi-square control chart which makes use of the notion of runs to improve the sensitivity of the chart in the case of small and moderate process mean vector shifts.      

A new distribution-free adaptive sample size control chart for a finite production horizon and its application in monitoring fill volume of soft drink beverage bottles

Nonparametric control charts have received increasing attention in process monitoring. In this article, a new nonparametric sign (SN) control chart with variable sample size (VSS) for a finite horizon process is developed. The novelty of this research lies in the incorporation of the VSS technique into the nonparametric SN chart for a finite horizon process, hence, resulting in the development of a more sensitive nonparametric short run chart. The statistical performance of the new nonparametric VSS SN control chart is evaluated and compared with the existing fixed sample size (FSS) SN chart for a finite horizon process. The charts' performances are compared using the truncated average run length (TARL) and truncated standard deviation of the run length (TSDRL) criteria. The results obtained show that the nonparametric VSS SN short run chart is always quicker than the FSS SN short run chart in detecting process shifts for various underlying process distributions, hence, reducing scrap and rework cost. Finally, an application of the proposed control charting scheme is shown through a real-life example on the fill volume of soft drink beverage bottles.     

两指标双F统计过程控制图

当产品质量指标服从二元正态分时,可用T2控制图与Λ控制图联合判断产品生产的过程是否处于受控状态。本文利用T2统计量与F统计量、Λ统计量与F统计量之间的关系,得到了两指标情形下两类基于F分布统计量的统计过程控制图,简称双F统计过程控制图,并给出了控制图应用实例。     

可变抽样区间的二项EWMA控制图

在制造过程中,对产品的不合格品数进行监控时,通常选用计数性控制图-np图,它是基于过程服从二项分布建立的,一般对于过程中出现的较大波动效果明显。为了提高控制图对不合格品数较小波动的监控效果,本文设计了产品不合格品数服从二项分布的EWMA控制图。提出可变抽样区间的二项EWMA控制图,并采用马可夫链法计算其平均报警时间。对固定抽样区间以及可变抽样区间二项EWMA控制图对比研究,表明当过程失控时,可变抽样区间二项EWMA控制图具有较小的失控平均报警时间,能够迅速监测出过程中的异常波动,明显优于固定抽样区间的二项EWMA控制图。     

具有可变抽样区间的非正态累积和控制图

当过程存在小波动时,累积和控制图比传统的休哈特控制图监控效果灵敏。为了提高控制图的监控效率,本文针对非正态情形下的累积和控制图进行可变抽样区间设计。首先用Burr分布近似各种非正态分布,构造可变抽样区间的非正态累积和控制图;其次利用马尓可夫链方法计算其平均报警时间;最后研究结果表明, 所设计的可变抽样区间非正态累积和控制图较固定抽样区间的非正态累积和控制图能更好地监控过程的变化。     

基于多点报警的多元统计过程控制

本文主要研究了一种将控制图的报警准则由一点改为多点时多元控制图的构造,对于不同的多点报警准则的控制图可以通过计算平均运行长度的方法得出了不同的控制限参数。然后本文对各种报警准则下的多元控制图与Hotelling T2控制图,MCUSUM(多元累计和控制图)和MEWMA(多元指数加权移动平均控制图)进行了比较,说明这种改变报警规则的多元控制图在监测过程中出现的微小波动时具有一定的优势。     

Approximation and contamination bounds for probabilistic programs

In many applications of manufacturing and service industries, the quality of a process is characterized by the functional relationship between a response variable and one or more explanatory variables. Profile monitoring is for checking the stability of this relationship over time. In some situations, multiple profiles are required in order to model the quality of a product or process effectively. General multivariate linear profile monitoring is particularly useful in practice due to its simplicity and flexibility. However, in such situations, the existing parametric profile monitoring methods suffer from a drawback in that when the profile parameter dimensionality is large, the detection ability of the procedures commonly used T ²-type charting statistics is likely to decline substantially. Moreover, it is also challenging to isolate the type of profile parameter change in such high-dimensional circumstances. These issues actually inherit from those of the conventional multivariate control charts. To resolve these issues, this paper develops a new methodology for monitoring general multivariate linear profiles, including the regression coefficients and profile variation. After examining the connection between the parametric profile monitoring and multivariate statistical process control, we propose to apply a variable-selection-based multivariate control scheme to the transformations of estimated profile parameters. Our proposed control chart is capable of determining the shift direction automatically based on observed profile data. Thus, it offers a balanced protection against various profile shifts. Moreover, the proposed control chart provides an easy but quite effective diagnostic aid. A real-data example from the logistics service shows that it performs quite well in the application.