自适应和非参数控制图研究.pdf

摘要 摘要 Process Contr01)是应用统计方法和技术对过程中各 统计过程控制(Statistical 个阶段进行监控，从而达到改进与保证产品质量和过程稳定的目的．它曾经被广泛 应用于各种生产过程，现在除了制造业还被应用于其他很多产业，如生物，基因， 医药，金融，信号处理，网络安全，图像处理和卫生保健等．一些得到广泛应用的 193 控制图有Shewhan控制图(Shewhart1)，累积和(CUSUM)控制图(Page1954)和 指数滑动平均(EWMA)控制图(Roberts1959)．研究表明Shewhart控制图对检测单 独的或者比较大的持续的漂移效果较好，而累积和控制图和指数滑动平均控制图 则对检测持续的中小漂移效果比较好．这些控制图和文献中一些其他控制图的优 良性质都基于一个关键假设，即过程分布是完全己知的．然而，一方面，在很多 应用中，人们普遍认识到潜在过程分布是未知的而且也不是正态分布，这样根据 正态分布设计的表现最好的控制图统计性质就有可能会受(很大)影响．在小样本 量时，这种由于非正态而导致的表现变差的问题更加突出，尤其是单个观测值情 9_004)，这是因为这时候中心极限定理不再(近似)成立．另外 形(参考Montgomery 一方面，即使潜在过程分布可以假设已知，在实际应用中过程初始阶段，过程分 布的参数还是未知的，它们需要从受控历史样本来估计(也称为第一阶段)．当历 史样本数量较小时，带有参数估计的控制图一般会使得受控平均运行长度产生很 大偏差，同时降低检测过程失控的灵敏性(由失控平均运行长度来衡量)．而且，经 过比较小的运行时间后，控制图误报率会显著加大．这就是所谓的“带有参数估计 的控制图”问题．我们可以看到，关于过程质量的数据和信息量非常少是这些情况 的特点．这样，我们就很亟需能够运用少量数据和信息的控制图来控制，监测和 诊断生产过程．然而，在统计过程控制图中，如何有效监测和控制这种少量数据 和信息的过程仍有很多问题． 本论文正是在这样背景下，在如下一些重要前沿问题上展开研究：动态累积 和Q图，带有可变抽样区间的累积和Q图，利用P值设计的统计过程控制图，带有 动态抽样的统计过程控制图，通过对观测数据进行变换或分类而构造的非参数统 计过程控制图．为了解决这种数据和信息很少的问题，我们首先介绍并构造了一 些新的方法，其中前两种用于受控分布可以假设为正态但参数未知的情形，而后 摘要 面四种主要用于受控分布完全未知的情形．具体点说，在前两章，我们为了充分 利用这样的少量数据和信息构造了一些自适应控制图，使得我们所提出的方法在 表现方面有了很大提高，然后在后面四章里，我们构造了一些非参数控制图来用 于受控过程分布完全未知的情形．接下来我们给出简要介绍． 计所需信息是否已知，都可以从过程一开始就对过程均值或方差进行监控．Que． 和基于累积和的Q图的灵敏性．研究表明，(如Moustakides1986)，如果受控过程 参数是已知的，那么当累积和控制图参考值取漂移大小一半时对检测这个漂移是 最优的．然而，Zantek(2006)表明，由于把原来观测值变换成了Q统计量，这使得 用这个参考值的累积和Q图对检测这个漂移不再是最优的，并建议参考值由黄金 分割法来搜索．但勉ntek(2006)给出的这个参考值是根据特定漂移大小来选取 的，而且这个参考值往往很难确定，尤其是在过程初始阶段，这是因为这时候过 程参数都没有准确估计得到．在很多应用里，在运用控制图以前过程漂移大小并 不是己知的，这样就有必要构造能够有效监控一系列漂移的控制图．在第1章里， 我们为了更好检测一系列漂移，提出了动态累积和Q图，记为ACQ．这种控制图继 承了Q图的不需要过程参数己知的优势，这使得能够把它应用到过程初始阶段， 同时这种控制图克服了累积和Q图的参考值必须根据给定漂移来选取的缺陷．我 们还研究了所提出控制图的参数选取和掩盖现象．模拟结果表明我们所提出的控 制图对不同大小漂移都有比较好的检测效果，而且和动态变点方法(Hawkinsetal． 2003)有着可比的表现． Montgomery(2007)表明统计过程控制一