质量及可靠性——管理图的原理

<正> 对产品工程质量进行工序控制的方法之一,是应用管理图,边生产边抽查产品,根据一定的概率标准判别实际测得的抽样值是来自偶然的抽样误差,抑或来自确定原因的系统误差.抽样误差由公差或规格范围来解决,工序控制是针对系统误差的,一旦发现要及时校正生产过程,以保证往后生产过程的稳定.本文介绍管理图界限的数学基础.     

小批量生产的质量控制图

本文介绍Q统计量,并以样本极差代替方差,给出极差的Q控制图。     

累积和控制图平均链长的求法

<正> 1.前言累积和控制图利用逐次抽取的样本的某个统计量的“累积和”,用于生产中对工艺过程进行统计质量控制.它是常规的休哈特控制图的一种改进形式,后者只凭一个样本的值或邻近的少数样本值判断过程正常或异常.累积和控制图能提供过程变化趋势的直观信息,对信息的利用更为充分,便于控制和查找原因.     

可变样本容量和抽样区间的联合和R控制图

作者在前文[1] 中研究了可变样本容量 (VSS)和抽样区间 (VSI)的中位值 (～x)和极差 (R)控制图 ,指明其功效均大于常规 (FSS)控制图。本文将前文的研究方法推广到联合 ～x 和R图 ,记作CVSSI～x -R图 ,它能更快地发现过程平均值和方差的变化 ,从而减少不合格品数     

非参数质量控制图——中位值图

质量控制图在制造工业中有广泛的应用 .传统的控制图是在正态总体的基础上制定的 . Janacek和Meikle(1 997)利用参考样本的观念制定的中位值控制图可应用于任何总体分布 .他们制定的中位值图保持传统控制图的形式 ,且有适度的功效 ,应用方便 .本文首先介绍这种控制图的制定方法 ,然后研究它的统计效率 ,并同传统的平均值图作比较     

生灭过程的末遇时

<正> 该 X={x_t(ω),t≥0}是概率空间(Ω,(?),P)上的生灭过程,相空间 E={0,1,2,…},生灭参数分别为 b_i>0(i≥0),α_i>0=(i>0),且不妨设 X 可分、Borel可测及一切样本函数右下半连续,因此 X 是强马氏的.B((?)E)的末遇时、最小末遇时与 Green 末遇时分别定义为(略ω)     

多品种小批量生产情形下的工序质量控制图

在现代制造业中 ,企业经常出现多品种小批量的生产方式 ,且对不同品种的产品 ,其生产工序的质量特性值的分布一般是不同的 ,针对这种情况 ,本文建立了相应的 X -R控制图和 X -S控制图 ,并给出了实证分析     

定向集上鞅的推广

<正> 设(Ω,(?),P)是一个概率空间,N={1,2,…},((?)_n)_(n∈N)是(?)的上升子σ-代数列,T 是((?)_n)_(n∈N)有界停时的全体.一个((?)_n)_(n∈N)的适应可积随机变量序列(x_n)_(n∈N),若     

带参数估计的极差控制图设计

现实中,过程参数常常未知,需由第Ⅰ阶段的受控样本数据估计得到.不同的第Ⅰ阶段样本数据集对应着目标参数的不同估计值,进而会导致不同的控制限与不同的控制图表现.对于某位实际工作人员而言,最可能的情况是他手里仅有一组第Ⅰ阶段数据集,因此研究在给定一组第Ⅰ阶段数据集下控制图的表现,即条件表现,更具实际意义.基于Monter Carlo模拟,研究了基于样本平均极差,样本平均标准差和样本合并标准差等3种参数估计形式下常见的等尾极差图和无偏极差图的条件平均链长分布,结果表明参数估计对控制图影响严重.为了弥补第Ⅰ阶段数据量的不足,基于bootstrap方法,提出了修正控制图以获得理想的条件受控表现.比较结果显示,基于样本合并标准差的估计方法更好,修正的无偏极差图表现优于相应的修正等尾极差图.     

基于样本广义方差的改进|S|~(1/2)控制图

以常用的广义方差为基础,利用矩估计的方法,从一组样本推广到多组独立样本,得出具有无偏控制限的改进|S|~(1/2)控制图,并对比说明了矩估计方法的简洁性和准确性.与标准|S|~(1/2)控制图相比,其具有更小的平均运行链长(ARL).结合实例,采用数值模拟的方法说明该控制图对过程中方差的漂移有较强的检测能力.     

非中心t分布在质量评估中的应用

有一大类产品其质量指标 X 是计量的,如长度(直径、宽度、厚度)、重量(含量)、强度等.具有这种计量性指标的每一种产品,其质量指标 X 为一随机变数,这类随机变数通常是服从正态分布 N(μ,σ~2).在此只讨论这类产品的质量评估问题,如制订质量管理图及验收方案.通常流行的关于均值 μ 的(?)管理图,只考虑到方差 σ~2为已知的情形,且没有注意到管理图的功效.在此针对 σ~2未知的情况,并从管理图的功效出发,应用非中心 t 分布讨论怎样制订(?)管理图.定义.设随机变数 X 服从 N(μ,σ~2),随机变数 Y 与 X 相互独立,而且 Y/σ~2服从自由度 m 的 X~2分布,记     

有关控制图误判概率的若干问题

自从《数理统计与管理》发表“点子在管理图中排列有缺陷的概率计算～[6]及X管理图的误判概率及其计算[2]之后,引起了广大从事质量管理工作者的兴趣.在一些有关的会议上,我们曾就某些问题展开了讨论,交换了意见.现对其中的若干问题发表了一些办法. 一、为什么在“X管理图的误判概率及其计算”一文中、X控制图的画法与国家标准GB4091.2-83中规定的画法不同? 我们知道,在国家标准GB4091.2-83中规定、X0制图(均值控制图)的作用“主要用于判断生产过程的均值是否处于或保持在所要求的水平”.而具体的画法是:当我们每组抽取的样本大小相等(设…     

Apollonian度量与Apollonian边界条件

证明了(1)(-R)n中真子域D上的Apollonian度量aD是拟共形映射的拟不变量;(2)(-R)n中严格一致域是拟共形不变的;(3)(-R)2中的Jordan域D是拟圆当且仅当D是严格一致域.作为应用,进一步得到了Apollonian边界条件,拟共形映射和局部Lipschitz映射之间的关系.     

基于定数截尾样本监控Weibull分布形状参数的控制图设计

基于定数截尾样本提出了单侧和双侧ARL无偏控制图监控Weibull分布形状参数的变化.提出的控制图仅依赖于样本容量n,失效数r和指定的受控平均链长ARL0.利用模拟方法研究了常见(r,n)组合下提出的控制图在失控状态下的平均链长性质.模拟结果显示,对于形状参数小和中等的向下飘移,文中提出的控制图要优于现有文献的结果.特别是对形状参数中等程度的向下飘移,当失效数r较大时,提出的控制图的平均链长比现有结果小了近一半.由于单侧控制图比双侧控制图能更快地发出报警信号,故建议应尽可能地使用单侧控制图监控形状参数变化.最后用一个例子说明了所提控制图的应用.     

可变样本容量和抽样区间的联合～x和R控制图

作者在前文（1）中研究了可变样本容量（VSS）和抽样区间（VSS）和抽样区间（VSI）的中位值（X^～)和极差（R）控制图，指明其功效均大于常规（FSS）控制图。本文将前文的研究方法推广到联合X^～和R图，记作CVSSIX^～-R图，它能更快地发现过程平均值和方差的变化，从而减少不合格品数。     

具有可变抽样区间的Poisson EWMA控制图

传统的EWMA控制图通常都是针对计量型质量特性值的,而对于计数型质量特征值少有研究.设计了单位缺陷数服从Poisson分布的EWMA控制图,并对Poisson EWMA控制图进行了可变抽样区间设计,利用Markov chain方法计算了其平均报警时间,计算结果表明,所设计的动态Poisson EWMA控制图较Shewhart c-图和固定抽样区间的Poissin EWMA控制图能更好的监控过程的变化.     

空间微分方程奇点的指数

<正> 1.1设 D(?)R~3为有界连通开区域,其边界(?)D 为光滑封闭曲面.作光滑映射 f:(?)→R~3,当点 a∈R~3不在(?)D 的象 f((?)D)上时,有向的 f((?)D)绕点 a 的立体角与4π之商是整数,以 l(f,(?),a)表示,称为 f 绕点 a 的拓扑度.     

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。     

反馈系统中的非线性滤波方程

一、β_t((?)~n)为{θ(s)|0≤s≤t}所生成的β((?)~n)的子σ-代数,为所有h_t(x,θ):R~ ×R~n×(?)~m→R~d(?)R~r的映射,并且满足 (1)它是β(R~ )×β(R~n)×β((?)~m)|β(R~d(?)R~r)可测的; (2)固定每个t,它是β(R~n)×β((?)~m)|β(R~d(?)R~r)可测的。 这里R~d(?)R~r是全体d×r矩阵,并且赋予它d·r维欧式空间的距离。 C~r(R~n)为R~n上具有r阶连续导数的函数的全体,C_0~r(R~n)为其中具有紧支集的函     

基于灰色模型和Bootstrap理论的大规模定制质量控制方法研究

针对大规模定制生产中样本量小而无法直接应用传统控制图判断过程状态的问题,提出基于灰色模型和Bootstrap理论的质量控制方法.首先采用灰色模型,以现有样本为基础进行数据分析,适当扩展样本量;然后基于Bootstrap统计推断方法获得统计量的经验分布;最后建立样本均值和极差控制图,对生产过程的状态进行分析判断.研究表明,新方法可用于大规模定制生产尤其是新型号生产初期的质量预测和控制.