基于多阶段预报分布贝叶斯多变量均值向量监控模型.docVIP

基于多阶段预报分布贝叶斯多变量均值向量监控模型 　　摘 要： 针对现有质量控制方法中没有考虑数据信息连续应用及参数不确定性风险问题，通过贝叶斯方法引入多元质量控制模型的参数先验信息，根据模型预报分布，以及多元?В舄Х植加氇?F?Х植贾?间的关系，构造基于??F??统计量的贝叶斯均值向量控制限；当生产过程处于稳定控制状态时，利用前一阶段参数后验分布作为下一个阶段参数先验分布，建立序贯贝叶斯均值向量控制方法，从而解决过程控制的数据信息连续应用及参数不确定性风险问题. 　　关键词： 质量管理；过程控制；贝叶斯分析；预警线；多元?В舄Х植? 　　 中图分类号：TB114.2，O213.1 文献标识码：A 　　 　　Bayesian Multivariate Monitoring Models for Process Mean Vector Based on Multistage Predictive Distributions 　　 ZHU Huiming1?k, GUAN Haoyun??1, LIN Jing1, YU Keming2, ZENG Zhaofa3 　　 (1. College of Business Administration, Hunan Univ, Changsha,Hunan 410082, China; 　　 2. Dept of Mathematics, Brunel Univ, UB8 3PH, UK; 　　 3. College of Finance and Statistics, Hunan Univ, Changsha,Hunan 410079, China) 　　Abstract: To utilize sample information in different stages and solve the parameter uncertainty risk in statistical process control, this paper introduces a reference prior distribution for the parameters in quality models, and constructed thewarning lines and action lines to monitor the mean vectors change accordingthe predictive distribution as well as the relationship between the multivariate t distribution and F distribution. When the current stage is under control, the parametric posterior distribution is considered to be their priori distribution in the next stage, in which the sequential Bayesian mean vector control method is established. 　　 Key words:quality management; process control; Bayesian analysis; warning lines; multivariate t distribution 　　 　　质量是21世纪的主题，随着经济全球化的发展，产品市场竞争将越来越激烈，质量成为企业生存发展和开拓国际市场的重要因素；如何保证并提高产品质量是企业目前面临的一个重大问题.质量控制技术是提高产品质量的重要手段，它是以产品制造过程中所采集的质量特性指标数据为基础，通过数据处理与统计分析等方法挖掘数据中隐含的信息，为提高产品的质量服务.多变量均值向量过程控制是质量控制领域的一个重要问题，20世纪40年代美国学者Hotelling 提出了多元质量控制的基本思想，自此以后，许多学者对此问题进行了研究，其研究成果大概可以分为两类.第一类是基于经典统计方法的多变量质量控制方法，它们是建立在经典统计建模体系之上，通过其分布不含参数的统计量建立起来的，其基本假设之一是模型参数是固定的，不具有随机性，因此，没有考虑模型参数不确定性风险问题.例如，Jarrett和Pan[1]，Kalgonda和Kulkarni［2-3］研究了多变量自相关过程的质量控制问题，构建了基于虚拟变量回归方法的多变量质量控制方法，Prabhu和Runger［4-5］，Testik和Borror[6]，Linderman和Love[7]研究了多变