统计过程控制的多变量变点模型.doc

摘 要 多元统计过程控制（SPC）进行持续的检查以确保过程控制。这些检查过程通常由多元累加和，和多元指数加权移动平均控制图。这些传统的SPC图表假设真正的参数被称为完全的控制和使用这些假设的真值设置控制界限。然而，在现实中如果知道真实的参数值是很少；相反，他们是我从一个阶段的普通的样本估计。人们越来越认识到这个阶段我研究需要涉及大量的样本，假设参数估计提供运行行为相匹配的已知参数的情况。但是，除了大而昂贵的研究初步实际制图一般不良，一些工业设置缺乏对过程参数估计的相关数据。一个有吸引力的替代传统的制图方法在监测的均值向量的一阶变化是未知参数的似然比检验在变量的正常数据意味着改变。我们发现：尽管大样本中缺乏这种方法的描述是能够控制的运行行为。 关键字：平均运行长度；变点；似然比；多元统计过程控制；第一和第二阶段；统计量 引言 多元质量控制问题发生时，一个人观察的不是一个，而是一个向量的质量特性，与相关组件的可能性。在这样的设置，监测的质量特性将单独意味着忽略相关集多元测量通常形式和牺牲的潜在性能的可能性增加完全的多变量的方法可以带来。当质量特性相关，单变量的技术不能令人满意，因为它是可能的测量向量似乎在控制每个组件单独但在多元是完全不一致的。（深层讨论这方面的不一致之间的单因素多元图技术，看到候太灵1947；梅森和2002年轻人。）多元统计过程控制（SPC）的目标不与单变量SPC。他们可能包括提供一个信号，过程失去控制，估计当它失去控制，并诊断出它失去控制，比如，是否部分或全部组件的平均向量的协方差结构转变，是否感到不安，或是否的均值向量和协方差结构经历了一个变化。最广泛使用的设置为多变量SPC是多元正态。这个设置，我们使用条款，并假设对照，读数遵循多元正态分布的一些独立的共同均值向量、协方差结构μ。从控制的一些重要的偏离，包括以下内容： （1） 均值向量可以改变从μ到μ1，协方差结构保持不变。 （2）协方差结构可以从到摄动 （3）的均值和方差可以有一个阶跃变化。 （4）一个或两个以上参数漂移。 （5）分布可以改变从正常的其他形式。 在本文中我们专注于第一种情况；当只有在均值向量的协方差结构的转变，假定保持不变。一个失控的状态可以是短暂的或孤立的，其中的意思，系统失控，然后返回到甚至在没有任何干预控制。从控制出发，也可以持续性或持续性的，其中的意思，把控制状态下，系统仍将失去控制，或者去进一步从控制，除非采取纠正行动。我们专注于这些可能性的第二。 1.1现有的工作 在多变量控制图的原始的和最著名的作品是霍特林（1947），这是的休哈特图直接多元当量。假设样本数据按照与已知的均值向量和协方差矩阵μ已知
变量的正态分布，为T2统计量观察向量西 多元正态假设下，T2统计量是卡方分布与自由P度。对于一个给定的I型错误α，控制上限（UCL）发出失控转移是 这里是上α百分位点的卡方分布与自由P度。 转向更现实的情况，在控制均值向量和协方差矩阵是未知的先验，特雷西，年轻，和梅森（1992）和梅森和年轻（2002）提供了一个宝贵的区别。考虑一个阶段组成的样本x1，..，XN是，n矢量过程得到的读数，而过程被认为是在控制和被从一个变量的正常分布随机抽样（μ，），在μ和是未知的。从初步的数据，我们可以观察样本均值， 和样本协方差矩阵， 它提供了μ和无偏估计。为观察向量Xi， T2统计量是 两种不同的情况下出现的，根据矢量溪源。为了验证阶段我的数据集，和对于一个给定的显著性水平α，观察矢量与T2值以上的控制限是认真研究作为一个特殊原因的存在；在这种情况下，我们确定的是 这里 是上α个位数的分布（特雷西等人.1992.） 第二阶段的质量控制（即，持续的控制的初始校准图表使用阶段的研究），假设的过程被监控，通过观察单个矢量P变量在每个时间点，由此产生的T2是相同的（3），但我们不同于（4）由于观测到的西和ˉX和S的估计值之间的独立性。伦敦大学学院给出 在是上α百分位点的F分布（p,n-p）自由度。这是T2图适用于个别读数。它也有可能（在实践中更常见）把它应用于一些大小大于1的合理组的平均向量；这一应用密切平行那些这里给出的分配问题。所有估计参数T2图表，是否意味着理性的群体individualsor，串行协会之间的连续的T2，从他们的结果依赖于相同的估计值的均值和协方差矩阵