CUSUM和Cuscore控制图平均运行长度上界的估计

平均运行长度(ARL)是判断一类控制图监测变点效果好坏的重要工具.文章首先给出了特征指数取值(0,1)且均值不为常数时CUSUM控制图在Levy稳定过程中ARL上界的估计,改进了均值为常数时的结论;随后给出了特征指数取值(0,1)且均值不为常数时Cuscore控制图在Levy稳定过程中ARL上界的近似估计,完善了特征指数取值(0,2]时Cuscore控制图ARL的估计;最后通过数值模拟比较了两种控制图在监测Levy稳定过程均值变点中的效果和差异,结果表明Cuscore控制图比CUSUM控制图的监测效果好.     

自相关对MEWMA控制图影响的模拟研究

为了分析样本协方差不同时自相关结构对常规多元控制图监测偏移能力的影响,针对传统样本协方差矩阵S_1和基于相邻向量差数据构建的协方差矩阵S_2的两种不同取值,通过Monte Carlo模拟对比忽略自相关的原始数据和考虑自相关时基于多变量时间序列模型VAR(1)构建的残差数据的两种情况,以平均运行链长比较了不同均值偏移大小及不同自相关结构下多元控制图的性能。对比结果发现:基于VAR(1)模型的残差MEWMA控制图整体表现更佳,可以更快地捕捉到均值的变化,且该控制图在均值偏移大于一个标准偏差时监测效果更明显;当S_2作为总体协方差估计值时,基于残差数据构建的MEWMA控制图受控平均运行链长ARL_0较低,但该方法能更快地检测到均值的偏移。最后通过一个案例验证了结论的准确性。     

自相关过程的ARMA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,使得常规控制图的有效性降低。ARMA控制图技术使用自回归移动平均模型作为统计量,依据两个信噪比指标来确定适宜的参数值。文章运用平均链长(ARL)系统研究了ARMA控制图的检测性能,并与残差图进行了比较。模拟结果表明,在自相关条件下,ARMA控制图对均值偏移具有较高的检测灵敏性。     

基于MMSE的AR(2)过程质量监控

基于AR(2)过程,讨论了MMSE对自相关过程进行调整的效应;进而定义信噪比、ARL和报警概率评价调整对控制图探测均值偏移的影响,发现当过程均值发生偏移时,能否及时发现取决于过程的自相关程度和均值偏移的模式,而均值偏移模式起着支配作用。     

基于自相关过程的控制图的性能评价

文章以AR（2）过程为例,对控制图监测自相关过程失效的原因进行了探讨,以平均运行长度（ARL）为评价指标,通过仿真分析验证了自相关性对控制图性能的影响。     

基于支持向量机的汽车曲轴质量诊断模型

传统的多元控制图在过程失控条件下，无法提供出哪一个变量或是变量组合是导致失控的原因，因而无法进行多元异常诊断。文章结合汽车曲轴生产过程的实际问题，应用基于支持向量机的方法对该过程多元问题进行了控制与诊断；在验证曲轴生产数据为多元正态分布的情况下，构建了基于SVM的均值偏移诊断模型，对过程变量进行均值偏移诊断，该模型能够指出均值偏移的组合模式。     

可变抽样区间均值图的改进方法

使用控制图监控一个过程的通常作法是用固定的抽样区间在过程中抽取样本。Reynolds等人提出了可变抽样区间均值图。文章在Reynolds方法基础上通过寻找控制图的最优控制限和警戒限来增加控制图的灵敏度。同时对两者的平均报警时间进行了比较。结果表明,该方法是对可变抽样区间均值图的一种较好的改进。     

角度平均方向-合向量长度(θ)-R控制图模拟

文章以计角值控制图的性能分析为研究出发点,充分借鉴常规控制图性能分析的研究思路,结合圆上闭域的特点,从质量特性值服从VonMises分布这一角度展开分析,运用统计过程控制工具平均链长对计角值控制图中角度平均方向-合向量长度控制图进行模拟,分析该控制图在发生参数偏移的情况下平均链长的变化。分析结果显示当n取5时平均方向控制图的控制效果最好。     

基于质量损失函数的可变抽样区间X-R图优化设计

文章针对过程异常导致均值和标准差同时发生漂移的情况,考虑田口质量损失、误报警损失、维修成本和抽样成本等,构建了综合损失模型,提出了可变抽样区间X-R图优化设计方法。通过选择最优样本容量、长短抽样区间、X和R图的控制限和警戒限,使单位时间平均损失最小。数值计算说明了模型的使用方法;灵敏度分析研究了均值漂移参数和标准差的大小对控制图优化设计的影响。     

可变抽样区间(-X)图的优化设计

统计过程控制是提高产品质量,节约生产成本的有效方法,控制图是统计过程控制的主要工具.控制图统计设计是以最小化失控ATS为关注焦点,不能有效测度失控状态带来的损失.文章将控制图的运行和质量损失联系起来,在假定均值漂移服从瑞利分布的情况下,提出了随机过程漂移的可变抽样区间(-X)图优化设计方法;通过调整样本容量、长短抽样区间、控制限和警戒限,使平均失控田口损失函数最小;研究了模型参数对控制图设计的影响.     

系统误差对控制图监控效能的影响分析

随着科学技术的发展,计算机技术越来越多地应用到企业生产管理中,这就要求我们在进行数据测量时必须保证数据的准确度。文章主要利用平均运行长度分别分析了定值系统误差和变值系统误差对控制图过程监控效能的影响,同时又简要说明了变值系统误差的不确定度问题。     

纵向数据非参数模型的修正二次推断函数估计

文章研究纵向数据非参数模型y=f(t)+ε,其中f(t)为未知平滑函数,ε为零均值随机误差项.我们选取一组基函数对f(t)进行展开近似,然后构造关于基函数系数的修正二次推断函数,利用割线法得到基函数系数的估计值,进而得到未知平滑函数f(t)的拟合估计.最后给出基函数系数估计的相合性和渐近正态性,并通过数值方法得到了较好的模拟结果.     

基于加权似然比检验的监控线性曲线的控制图

文章提出了一种基于加权似然比检验的阶段二监控线性曲线的控制图,称为WLRT图,并通过平均运行长度来衡量控制图的性能表现。模拟结果表明,WLRT图对于线性曲线的截距、斜率、标准差的变化及截距和斜率同时变化都具有很好的检测能力。通过与其他几种控制图的性能比较,得出WLRT图能较快地发现过程变化,而且设计简单、操作方便。     

基于模糊统计的不确定质量特性控制图研究

不确定质量特性采用专家评分、语言评价等测量手段,使常规的控制图方法难以适用.文章以不确定质量特性评分数据为基础,提出了评判模糊数统计特征的求取方法,并以特征数构建不同类型的评判模糊数隶属函数,以过程均值模糊数割集的上下限作为控制线,以评分样本模糊数割集的上下限为控制图描点数据,以描点数据与控制线之间的位置关系进行异常报警,实现不确定质量特性控制图的绘制,最后在Matlab环境下,以具体的应用实例验证了方案的可行性.     

纵向数据非参数模型的二次推断函数估计

文章研究了纵向数据非参数模型y=f(t)+ε,其中f(t)为未知平滑函数,ε为零均值随机误差项.我们选取一组基函数对f(t)进行基函数展开近似,然后构造关于基函数系数的二次推断函数,利用New-ton-Raphson迭代方法得到基函数系数的估计值,进而得到未知平滑函数f(t)的拟合估计.理论结果显示,所得到的基函数系数估计有相合性和渐近正态性.最后通过数值方法得到了较好的模拟结果.     

中国大气PM2.5污染的动态演进及空间关联格局

文章利用1998—2020年中国370个城市地表PM_2.5年度均值面板数据,运用核密度估计图考察大气PM_2.5污染的动态演进规律,借助标准差椭圆和探索性空间数据分析方法分别揭示大气PM_2.5污染的区位分布和空间关联格局。研究发现：样本期内全国整体与东部、中部、西部和东北四大地区大气PM_2.5污染浓度总体均呈波动升高—平稳波动—逐步下降的演变趋势;全国整体与东部、西部地区存在多极分化现象,而中部和东北地区则呈两极分化现象。区位分布主要呈正东—正西走向的空间格局,且在地理空间上总体呈扩散态势;空间集聚模式以“高-高”型和“低-低”型集聚两种模式为主,其中“高-高”型集聚的城市较多且集中在华北、华东北部、环渤海、黄河中游、长江中下游沿岸、新疆南部等地区。     

基于质量损失函数的ARMA控制图经济设计

为提高统计过程监控灵敏度并减少监控费用,文章研究了自回归移动平均(ARMA)过程的统计与经济设计问题.首先构建ARMA控制图监控自相关过程,基于田口质量损失函数对ARMA控制图进行经济设计并构建经济模型;利用遗传算法求解,确定ARMA控制图的五个参数[n,h,k,φ,θ]最优组合,使单位时间费用最低.最后,对该模型的参数进行灵敏度分析,由此得出在实际监控过程中与单位时间期望费用相关的参数,以减少质量损失.     

基于参数估计的贝叶斯均值控制图研究

在传统的贝叶斯控制图研究中,通常将参数设为已知常量,忽略了工程实践性.文章对参数估计条件下的贝叶斯均值控制图性能展开研究,应用Monte Carlo仿真方法计算贝叶斯控制图的性能指标平均运行链长ARL0,分析了参数估计对控制图的性能影响,阐述了影响趋势的本质原因,设计了参数估计条件下保证统计性能的贝叶斯控制图设计方法,为拓展贝叶斯控制图的工程实践性提供了有益的尝试.     

监测SPC/EPC整合过程的残差控制图研究

针对SPC/EPC整合中的自相关问题和窗口问题,在分析整合监测规律的基础上,构建了SPC/EPC整合过程的AR(3)时间序列模型,并分析了模型的稳定性条件,构建了监测整合过程的残差控制图,通过仿真比较实验表明:该方法与常规控制图相比能准确监测到异常扰动的发生并能解决窗口问题.     

基于贝叶斯理论的质量控制图异常模式识别

在应用控制图实施质量控制的过程中,及时、准确地识别出控制图异常模式,对于引发过程异常的原因诊断以及消除意义重大.传统的识别方法需要预先获知模式的特征信息或大量的特定模式数据,制约了方法的应用.文章以绘制控制图的样本统计数据为基础,逐点计算各种模式参数的极大似然估计量,应用贝叶斯规则推算各模式出现的信度大小,并依据每个采样时点模式决策统计量的取值,对控制图模式做出判断.数值仿真实验验证了本文所提方案对于基本控制图模式在识别率与灵敏度方面的有效性.