基于次序秩的非参数EWMA联合控制图

本文提供了一个基于次序秩的非参数EWMA联合控制图(DNE)用于监测位置参数的持续性漂移.这是一个自启动控制图,不用累积大量可控样本数据,可以用于监控开始阶段。同时,我们不需要预先知道样本的分布,也不需要预先调整任何参数.通过数据模拟研究显示出这个控制图不仅在各种不同分布下具有很好的稳健性,并且对各种大小的漂移都很有效。文章最后通过工业上一个真实例子表明,这个控制图在实际应用中有着非常好的表现。     

一类基于次序秩的带可变抽样区间的非参数动态控制图

文章提供了一类用于检测位置参数持续性漂移的非参数动态控制图.此类控制图基于次序秩统计量带有可变的抽样区间,提高了控制图的监控效率.此外,它们是一类自启动的非参数控制图,不需要预先知道样本的分布,可用于监控的初始阶段.通过数据模拟显示此类控制图不仅在各种不同分布下具有很好的稳健性,并且对各种大小的漂移都有很好的监控效率.     

基于经验似然比检验的高维非参EWMA控制图

随着传感技术和数据采集系统的逐渐完善,大量复杂高维数据可以被收集,对多变量和高维数据流进行监控往往是现代制造业和质量管理部门的一个基本要求.然而,在高维数据监控领域中,由于“维数的诅咒”以及变量的分布通常是复杂未知的,大多数传统的多元控制图不再适用.针对这种情况,一些研究者讨论了对分布未知且复杂高维数据的均值向量的各种检验,但这些检验很少适用于Phase II阶段的过程监控.文章提出了一种基于高维经验似然比检验的EWMA型非参数监控方案,该方案可用于多元过程和高维过程均值向量的监控,并且适用于子组数据流.所提出的控制图不仅易于实现和解释,而且蒙特卡罗数值模拟结果显示该控制图在对称、偏态、厚尾分布中都能有效地监测均值漂移.最后,将所提出的控制图应用于半导体制造过程,结果显示文章的方法对未通过测试的半导体具有良好的监控效果.     

联合监测过程位置参数和尺度参数的非参数Shewhart控制图

用于检测生产服务过程的传统控制图多数都假定过程的分布是已知的。这些控制困经常是在正态分布的假设下构建的,然而在服务质量实时监控中数据往往是非正态的。在这种情况下,基于正态分布假设的控制图的结果是不可靠的。为了解决这个问题,通常考虑非参数方法,因为在过程分布未知情况下,非参数控制图比参数图更加稳健有效。本文提出一个新的基于Van der Waerden和Klotz检验的Lepage型非参数Shewhart控制图(称为LPN图)用于同时检测未知连续过程分布的位置参数和尺度参数。文中给出了LPN图在不同参数下的控制限。依据运行长度分布的均值,方差和分位数,分析了LPN图在过程受控和失控时的性能,并与其他一些现有的非参数控制图进行比较。基于蒙特卡洛的模拟结果表明,LPN图对非正态分布具有很好的稳健性,并且在不同的过程分布下对检测位置参数和尺度参数,尤其对检测尺度参数的漂移都具有很好的性能。最后通过监控出租车服务质量说明LPN图在实际中的应用。     

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.     

基于非参数控制图的数据质量监控方法改进研究

为监控多条多变量数据流的数据质量,本文提出了几种监控方法。本文首先介绍了统计过程控制领域的背景知识。之后本文采用闵式距离准则,基于3类常用的闵式距离,提出了3种EWMA类型的非参数控制图,此外,本文基于向量内积提出了第4种EWMA类型的非参数控制图。首先通过统计模拟,比较了4种控制图在不同的相关性水平下,对单条数据流过程均值漂移的监控效果。随后本文研究了平滑系数λ的取值对监控效果的影响。之后,本文将上述4种思路拓展到了大样本的情形,提出了5种可以监控多条数据流质量的方法。将这5种方法和现有的一种典型方法做了比较,比较了它们对不同幅度漂移的监控效果。最后使用山体滑坡的监控数据,比较了它们对实际数据的监控效果,显示了本文提出方法的优势。     

一个监控方差的与分布无关的变点模型

文献中绝大部分与分布无关的控制图用于监控过程位置参数,如均值或中位数,而非过程方差.该文开发了一个新的与分布无关的控制图,通过整合一个两样本非参数检验和有效的变点模型.所提出的控制图容易计算,方便应用,并且对于探测过程方差的漂移非常有效.因为它避免了在监控之前的一个很长时间的收集数据的阶段,并且它不需要潜在的过程分布的知识,因此,所提出的控制图在开始阶段或者短程运行情况下特别有用.     

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。     

过程参数未知时的连续检验问题

对连续检验问题,Page(Page,1954）提出的累积和控制图（CUSUM）已被证明在检测小的漂移时效果很好,然而,当受控过程的参数未知时,CUSUM的应用受到限制,Quensenberyy（1991）提出用变换的方法将观测值中的未知参数消去,在原假设“过程保持一致”成立的条件下,变换得到的Q统计量为独立同分布的标准正态变量,这里有二个问题：问题之一是,如果过程中有一漂移发生,变换得到的Q统计量的分布就很复杂,漂移对Q统计量的均值的影响是非时间齐次的,随着过程的推移,漂移对Q的均值的影响越来越小,因此,基于Q统计量的检验问题与一般的连续检验问题是不同的,好的检验方法应将这种不同反映出来,因此,基一种基于Q的新的累积和检验统计量,模拟结果显示,这种统计量的效果是不错的,问题之二是,当过程方差未知时,Q统计量的值的计算很难,它需要计算t分布的分布函数和正态分布函数的逆函数,这在实际使用中几乎是做不到的,本文提出一种近似方法,它不需计算复杂的分布函数,而是给出近拟服从标准正态分布的统计量为作为检验统计量,模拟研究的结果显示,这种近似的效果很好,它的各项指标与精确方法的相应指标非常接近。     

带参数估计的EWMA方差控制图稳健性分析

EWMA方差控制图是一种有效用于检验过程方差漂移的统计工具.实践中,过程参数多数是未知的,需要对过程的均值与方差等参数在过程阶段Ⅰ通过历史的受控数据进行估计.文章主要研究带参数估计的EWMA方差控制图.首先梳理了常用的7种标准差的估计,考虑阶段Ⅰ常见的4类干扰项,使用均方误差作为估计量有效性评价准则.对7种参数估计的EWMA方差控制图,在4类干扰项情况下,设计控制图的控制上限参考表,并比较失控平均运行长度和运行长度的标准差在阶段Ⅱ监控方差不同漂移幅度的表现.发现在均值干扰项的情况下,7种标准差的估计中经过样本筛选后的中位数绝对偏差均值估计ADM'的表现较优;而在方差干扰项的情况下,7种标准差的估计中中位数绝对偏差中位数估计MDM的表现较优.