混合正态分布下基于斜线截断的稳健似然比累积和控制图

累积和控制图主要用于对正态分布过程中均值的中小漂移的检测,但是对厚尾分布过程监测并不稳定.MacEachern等(2007)提出了用于监测厚尾分布过程的稳健似然比累积和(RLCUSUM)控制图.文章主要研究RLCUSUM控制图的性质,包括可控平均运行长度关于控制限的性质和过程失控时不同真实均值对平均运行长度的影响等,并提出了对于对数似然比函数进行斜线截断的方式,同时分析总结了不同污染程度的混合正态分布下各种截断方式得到的RLCUSUM控制图的适用情况.     

混合正态分布下的似然比累积和控制图及改进

累积和控制图主要用于监测正态分布过程中均值的中小漂移.它对于厚尾分布过程和大漂移的监测效果十分不理想.本文研究了在混合正态分布下的稳健似然比累积和(RLCUSUM)控制图的应用.该控制图通过构造似然比检验函数作为监测指标,改善了其对于大漂移和厚尾分布过程的监测效果.比较控制图的平均运行长度,发现稳健似然比累积和控制图比累积和控制图更灵敏.最后提出了水平线段截断的方法来改进稳健似然比累积和控制图的稳健性.     

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。     

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.     

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.     

阶段Ⅱ监控手术表现的风险调整后的几何控制图（英文）

近年来,统计过程控制(SPC)己被广泛用于监测临床从业人员的表现.本文建立了两个阶段II的风险调整的几何控制图,即累积和(CUSUM)和加权似然比检验(WLRT)控制图,用来监控手术的表现.通过模拟实验,以平均运行长度(ARL)为标准,对所提出的控制图的性能进行了评估和比较.结果表明,所提出的控制图可以有效地检测到过程参数的变化.     

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.     

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.     

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.     

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。     

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.     

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.     

关于累积和(CUSUM)检验的改进

对连续检验问题，常用的检测方法有三大类其一是众所周知的Shewhartt控制图，它是最常用的对生产过程进行连续监控的控制方法，不过，如果过程均值有小的漂移(即μ-μo小)时，Shewhart控制图的检验效果不是很好，除了Shewhart控制图外，另有二类常用的控制图法，其一是累积和控制图(CUSUM)，由Page^[1]基于似然比导出，其二是指数加权移动平均控制图(EWMA)，由Roberts^[2]给出，它们已被证明在检测小的漂移时效果不错。许多人对CUSUM与EWMA进行了比较，总的来说。最好的CUSUM与最好的EWMA在检测小的漂移方面难分优劣，但CUSUM是由似然比导出的，且其平均运行长度的计算相对来说要简便些，因此，CUSUM在与EWMA的比较中更具优势，应用更广．我们分析了CUSUM的导出过程和公式。指出CUSUM有二个可以进一步改进的方面在此基础上，我们给出了二个新的累积和检验统计量及其判断难则，它们分别是PCUSUM检验统计量Pn和DCUSUM检验统计量Sn．在连续检验问题中判断一个检验方法好坏的最重要的标难是其平均运行长度比较标难是在要求具有相同的受控状态下平均运行长度ARL0的条件下，比较其失控状态下的平均运行长度ARL1，ARL1越小越好我们对PCUSUM检验和DCUSUM检验都建立了其平均运行长度ARL的计算公式．通过对CUSUM，PCUSUM，DCUSUM的平均运行长度的比较我们发现我们提出的新的累积和控制方法确比原来的CUSUM有较大改进。     

具有可变样本容量的非正态EWMA控制图

为了提高控制图的监控效率,本文研究非正态分布下,EWMA控制图的可变样本容量设计问题。首先利用Burr分布近似各种非正态分布,构造可变样本容量的非正态EWMA控制图;其次运用马尓科夫链法计算可变样本容量非正态EWMA控制图的平均运行长度;然后与传统的非正态EWMA控制图进行比较得出:当过程中出现小波动时,可变样本容量的非正态EWMA控制图能够更快地发现过程中的异常波动,具有较小的平均运行长度,其监控效率明显优于传统的非正态EWMA控制图。     

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.     

基于小波的预分析稳健控制图

本文提出了一种基于小波的预分析控制图, 用于监测第一阶段过程控制中的均值飘移. 该方法的基本思想是利用多个不同尺度下的一些相对较大的小波系数来探查过程中的异常变化. 这个控制图具有很好的稳健性, 所以特别适用于像预分析过程中这样的对分布信息知之甚少的情形.     

基于Cornish-Fisher展开的稳健综合控制图设计

本文根据Cornish-Fisher展开, 对Shewhart $\ol X$控制图的上下控制限进行修正并拓展为前四阶矩有关的表达式,使之可以运用到任何分布类型上, 然后构造出基于这种展开的综合控制图,最后通过计算机模拟计算给出了一些具体的包含对称、厚尾、轻尾和偏斜等分布类型下受控和失控的平均运行长度结果,并且与传统的综合控制图(见\cite{1})结果做比较,从而得到新控制图更为稳健的结论.     

基于粒子滤波的改进型单值控制图

针对高度复杂小批量生产环境下的统计过程控制问题,提出基于粒子滤波的改进型单值控制图。通过状态空间模型描述过程运行特征,并运用粒子滤波技术估计过程的运行状态,以状态粒子群的均值为对象,运用平均移动极差控制图对正态分布过程的漂移进行监控。研究结果表明,该方法是小批量生产过程质量控制的有效工具。     

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。     

基于似然比统计量的预分析累积和控制图

在预分析中监测均值和方差中某一个漂移或同时漂移时, 基于似然比检验的似然比控制图是最常用的一种质量控制方法. Sullivan等指出似然比统计量lrt(n₁, n₂)在n, n₁和n₂都很大时, 其极限分布为χ²(2). 由于在预分析中n₁=2,3,…,n-2和n₂=n-n₁, 因此, 在n₁和n₂中, 不可避免的会有一个比较小. 本文对于固定的n₁或n_w给出了lrt(n₁,n₂)的极限分布, 同时也给出了这个极限分布的期望和方差. 本文也讨论了标准的似然比统计量slr(t₁,n)的一些性质. 虽然slr(n₁,n)包含了最重要的信息, 但是slr(i,n)(i≠n₁)也包含了很多信息. 因为在这种情形下累积和控制图可以得到更多的信息, 所以我们提出两个新的基于似然比统计量的用于预分析的累积和控制图. 其中一个主要用于监测历史数据的均值变量的漂移；而另一个更具有一般性, 它既能监测均值的漂移也可以检测方差的漂移, 还能监测均值与方差的同时漂移. 模拟结果显示这两个新的控制图明显优于其它原有的控制图, 不仅表现在对于阶梯漂移的监测, 而且对于其他形式漂移的监测也同样效果明显.