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.     

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.     

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.     

测量误差对方差控制图的性能影响分析

在控制图的应用中,多数统计过程控制方法都是基于数据的精确测量,然而在生产与服务环境中,数据中存在测量误差是不可避免的。本文研究测量误差对Zhang等^[1]提出的用于检测方差的控制图的性能影响。结果表明,当测量误差存在时,控制图的检测性能会受到一定的影响。文章最后给出采取多次测量方法来降低测量误差的影响。     

测量误差对ELR控制图检测性能的影响分析

在多数控制图的应用中,系统的测量误差会影响控制图的检测效率。本文主要研究在带有线性协变量误差模型下,考虑测量误差对Zhang等(2010)^[1]提出的用于同时检测过程均值方差的综合控制图的性能影响。模拟结果表明,当测量误差存在时,过程参数值、漂移幅度以及样本容量对此图的检测效率均有影响。最后考虑通过对样本采用多次测量的方法降低测量误差的影响。     

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。     

基于回归调整CUSUM控制图的流感监测

流感事件的不可控将对公众健康构成威胁,控制图可以对流感进行监控并对流感爆发进行预警.在实际生活中,每天的流感人数不是同分布的,会受到如温度和湿度等相关因素影响,忽视这些因素可能会使控制图出现误报从而影响疾控部门的决策.考虑到这些因素,文章基于风险调整零膨胀泊松CUSUM控制图提出了一种针对于正常泊松分布的回归调整CUSUM控制图.并且通过蒙特卡洛随机模拟方法算出控制限,分析了文章提出的回归调整CUSUM控制图失控状态下的性能,并与传统CUSUM控制图进行了比较,模拟结果显示回归调整CUSUM控制图明显提高了对漂移的监测效率.最后基于文章提出的方法对香港一家医院的流感人数进行监测,并对流感爆发进行了准确的预警.     

基于未知分布的均值和方差的稳健EWMA图

研究了当待监控质量特性所服从的分布类型和分布参数未知时的EWMA控制图的构建问题。通过仿真分析对几种分别用于监控过程均值和过程方差的EWMA控制图方法的运行长度进行比对,用以评价控制图的效率以及对未知分布的稳健性,根据效率评价的结果获得了适用于分布未知情况下的均值和方差的稳健EWMA控制图。最后分别提出了这两种均值和方差的稳健EWMA图的优化设计方法.     

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.     

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.     

Comparison of the cuscore, GLRT and cusum control charts for detecting a dynamic mean change

Although statistical process control (SPC) techniques have been focused mostly on detecting constant mean shifts, dynamic and time-varying process changes frequently occur in the monitoring of feedback-controlled and autocorrelated processes. In this research, the performances of cumulative score (Cuscore), generalized likelihood ratio test (GLRT), and cumulative sum (CUSUM) charts in detecting a dynamic mean change that finally approaches a steady-state value are compared. Theoretical results in average run length (ARL) comparison are provided. From the theretical study we find that, when the steady-state value is greater or less than a critical value,Rδ/2+δ/2, the Cuscore and CUSUM charts have a different performance in detecting the mean change. We prove also that the GLRT has the best performance among the three charts in detecting any mean change for which the steady-state value is not equal to δ or δR, when the in-control ARL is large.     

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。     

Change-point Estimation of a Mean Shift in Moving-average Processes Under Dependence Assumptions

In this paper we discuss the least-square estimator of the unknown change point in a mean shift for moving-average processes of ALNQD sequence. The consistency and the rate of convergence for the estimated change point are established. The asymptotic distribution for the change point estimator is obtained. The results are also true for ρ-mixing, φ-mixing, α-mixing sequences under suitable conditions. These results extend those of Bai, who studied the mean shift point of a linear process of i.i.d, variables, and the condition ∑j=0^∞j｜aj｜ 〈 ∞ in Bai is weakened to ∑j=0^∞｜aj｜〈∞.     

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。     

Comparison of control charts for Poisson count data in health‐care monitoring

Statistical surveillance is a noteworthy endeavor in many health‐care areas such as epidemiology, hospital quality, infection control, and patient safety. For monitoring hospital adverse events, the Shewhart u‐control chart is the most used methodology. One possible issue of the u‐chart is that in health‐care applications the lower control limit (LCL) is often conventionally set to zero as the adverse events are rare and the sample sizes are not sufficiently large to obtain LCL greater than zero. Consequently, the control chart loses any ability to signal improvements. Furthermore, as the area of opportunity (sample size) is not constant over time, the in‐control and out‐of‐control run length performances of the monitoring scheme are unknown. In this article, on the basis of a real case and through an intensive simulation study, we first investigate the in‐control statistical properties of the u‐chart. Then we set up several alternative monitoring schemes with the same in‐control performances and their out‐of‐control properties are studied and compared. The aim is to identify the most suitable control chart considering jointly: the ability to detect unexpected changes (usually worsening), the ability to test the impact of interventions (usually improvements), and the ease of use and clarity of interpretation. The results indicate that the exponentially weighted moving average control chart derived under the framework of weighted likelihood ratio test has the best overall performance.