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。     

检测尺度参数的非参数控制图

本文基于Ansari-Bradley检验提出两种在过程分布未知时检测过程尺度参数的非参数控制图,即混合指数加权移动平均与累积加和(mixed exponentially weighted moving average-cumulative sum,EWMA-CUSUM)控制图与混合累积加和与指数加权移动平均(mixed...     

联合监控位置和尺度参数控制图综述

近二十年来,在各种应用的驱动下,联合监控过程位置参数和尺度参数的变化越来越受到研究工作者们的重视。在此背景下,大量的研究工作被学者们提出。本文将系统梳理和回顾这二十年的联合监控过程位置参数和尺度参数控制图的研究进展。为此,我们首先回顾受控分布为正态分布且受控参数已知情况下的联合监控均值和方差的控制图方案,并对这些控制图给出我们的评价观点。然后,我们讨论正态分布下,受控分布参数未知时的联合监控方案。进而,我们从稳健性的角度回顾当受控分布完全未知时的非参数或者分布自由的联合监控方案。最后,我们针对一些复杂数据过程,譬如,多元过程,相关过程,存在测量误差的过程,给出这方面联合监控的简要综述,并在这些复杂过程的基础上,给出未来的可能研究方向。     

一种可用于检测过程尺度参数的非参数控制图

传统的控制图多数是在已知过程分布的假设下构建的,这种控制图被称为参数控制图。然而,在实际应用中,大多数过程因为其数据的复杂性导致他们的精确分布往往难以确定。当预先指定的参数分布无效时,参数控制图的结果将不再可靠。为了解决这个问题,通常考虑非参数控制图,因为非参数控制图比参数控制图更加稳健。近年来对非参数控制图的研究越来越多,但大多数现有的控制图主要是用于检测位置参数的变化。本文提出一个新的非参数Shewhart控制图(称为LOG图),可用来检测未知连续过程分布的尺度参数。文中依据运行长度分布的均值,方差和分位数,分析了LOG图在过程受控和失控时的性能表现,并与其他非参数控制图进行比较。模拟结果表明,LOG图在不同过程分布下对检测尺度参数的漂移都具有很好的性能。最后用一个实例来说明LOG图在实际中的应用。     

两阶段相关过程的VP均值-残差联合控制图

基于回归残差监控的思想研究了两阶段过程变参数控制图设计的问题.考虑样本容量、抽样区间和控制限全部可变的情况下,采用马尔可夫链的方法,构建了监控过程的可变参数(VP)Z_(?)-Z_(?)联合控制图。以修正的平均信号时间(AATS)为准则,首先利用汽车刹车系统的案例说明了VP Z_(?)-Z_(?)联合控制图的监控效果,然后通过仿真对不同过程参数情形下VP Z_(?)-Z_(?)联合控制图、固定参数Z_(?)-Z_(?)联合控制图和VSSI Z_(?)-Z_(?)联合控制图的监控效果进行了比较分析。结果表明,VP Z_(?)-Z_(?)联合控制图能够更为有效地实现对两阶段相关过程的质量控制.     

阶段Ⅱ联合检测过程位置和尺度的非参数EWMA控制图（英文）

本文提出了一个基于Cucconi检验的非参数指数加权移动平均(EWMA)控制图(简称为EC图)来同时检测过程位置参数和尺度参数.依据步长分布的均值、方差及分位数,给出了EC图与其他一些现有的非参数EWMA控制图的模拟比较.基于蒙特卡洛的模拟结果表明,EC图具有很好的性能.详细分析了阶段I中参考样本大小对EC图受控性能的影响.最后用一个实例来说明EC图的实际应用。     

多元自相关过程的VAR控制图

为了解决多元自相关过程的残差T~2控制图对小偏移不灵敏的问题,本文利用批量-均值法的思想,结合VAR模型的渐近分布,设计了多元自相关过程的向量自回归(VAR)控制图.只要子组样本量足够大,VAR控制图可以对过程出现的各种偏移进行有效控制.通过对比残差T~2控制图的控制效果,得出VAR控制图对小偏移灵敏、残差T~2控制图对大偏移灵敏的结论,联合使用VAR控制图和残差T~2控制图可更有效地监控多元自相关过程。     

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.     

�׶�II���ϼ�����λ�úͳ߶ȵķDz���EWMA����ͼ

??A single distribution-free (nonparametric) Phase II exponentially weighted moving average (EWMA) chart based on the Cucconi statistic, referred to as the EWMA-Cucconi (EC) chart, is considered here for simultaneously monitoring shifts in the unknown location and scale parameters of a univariate continuous process. A comparison with some other existing nonparametric EWMA charts is presented in terms of the average, the standard deviation and some percentiles of the run length distribution. Numerical results based on Monte Carlo analysis show that the EC chart provides quite a satisfactory performance. The effect of the Phase I (reference) sample size on the IC performance of the EC chart is studied in detail. The application of the EC chart is illustrated by two real data examples.     

A Distribution-Free Phase II EWMA Control Chart for Joint Monitoring of Location and Scale

A single distribution-free (nonparametric) Phase II exponentially weighted moving average (EWMA) chart based on the Cucconi statistic, referred to as the EWMA-Cucconi (EC) chart, is considered here for simultaneously monitoring shifts in the unknown location and scale parameters of a univariate continuous process. A comparison with some other existing nonparametric EWMA charts is presented in terms of the average, the standard deviation and some percentiles of the run length distribution. Numerical results based on Monte Carlo analysis show that the EC chart provides quite a satisfactory performance. The effect of the Phase I (reference) sample size on the IC performance of the EC chart is studied in detail. The application of the EC chart is illustrated by two real data examples.     

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。