非正态变异下的非线性轮廓异常点识别方法研究-运筹与管理.PDF

第２８卷　第１期 运　 筹　 与 　管　 理 Ｖｏｌ．２８，Ｎｏ．１ ２０１９年 １月 ＯＰＥＲＡＴＩＯＮＳＲＥＳＥＡＲＣＨＡＮＤＭＡＮＡＧＥＭＥＮＴＳＣＩＥＮＣＥ Ｊａｎ．２０１９ 　 　 非正态变异下的非线性轮廓异常点识别方法研究 聂 斌，　王 曦，　胡 雪 （天津大学 管理与经济学部，天津 ３０００７２） 摘　要：在质量控制领域，非线性轮廓异常点识别问题是重点研究问题之一。本文综合运用了小波分析、数据深 度、聚类分析等数据分析处理技术，提出了一种新的非正态变异的异常点识别方法。文章通过仿真分析技术，将新 ２ 方法 与控制图方法进行性能对比，结果证实新方法能够以更高的准确率和稳定性识别异常点，表现出更好的异 χ 常点识别性能。最后将新方法应用于木板垂直密度轮廓实例对新方法进行验证，分析结果表明本方法能够有效识 别出异常轮廓数据。 关键词：异常点识别；小波降噪；马氏深度；聚类分析 中图分类号：Ｃ９３１．１　文章标识码：Ａ　文章编号：１００７３２２１（２０１９）０１０１０１０７　ｄｏｉ：１０．１２００５／ｏｒｍｓ．２０１９．００１３ ＮｏｎｌｉｎｅａｒＰｒｏｆｉｌｅＯｕｔｌｉｅｒＤｅｔｅｃｔｉｏｎｆｏｒＮｏｎＮｏｒｍａｌＶａｒｉａｔｉｏｎ ＮＩＥＢｉｎ，ＷＡＮＧＸｉ，ＨＵＸｕｅ （ＣｏｌｌｅｇｅｏｆＭａｎａｇｅｍｅｎｔａｎｄＥｃｏｎｏｍｉｃｓ，ＴｉａｎｊｉｎＵｎｉｖｅｒｓｉｔｙ，Ｔｉａｎｊｉｎ３０００７２，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｏｕｔｌｉｅｒｓｄｅｔｅｃｔｉｏｎｏｎｎｏｎｌｉｎｅａｒｐｒｏｆｉｌｅｓｉｓｏｎｅｏｆｔｈｅｋｅｙｐｒｏｂｌｅｍｓｉｎｔｈｅｆｉｅｌｄｏｆｑｕａｌｉｔｙｃｏｎｔｒｏｌ．Ｔｈｉｓ ｐａｐｅｒｐｒｏｐｏｓｅｓａｎｅｗｏｕｔｌｉｅｒｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｆｏｒａｂｎｏｒｍａｌｖａｒｉａｔｉｏｎｂａｓｅｄｏｎｄａｔａｐｒｏｃｅｓｓｔｅｃｈｎｏｌｏｇｉｅｓｗｈｉｃｈ ａｒｅｗａｖｅｌｅｔａｎａｌｙｓｉｓ，Ｍａｈａｌａｎｏｂｉｓｄｅｐｔｈａｎｄｃｌｕｓｔｅｒａｎａｌｙｓｉｓ．Ｂｙｓｉｍｕｌａｔｉｏｎａｎａｌｙｓｉｓ，ｔｈｅｐｅｒｆｏｒｍａｎｃｅｓｏｆｔｈｅ ｎｅｗｍｅｔｈｏｄａｎｄｃｏｎｔｒｏｌｃｈａｒｔｍｅｔｈｏｄａｒｅｃｏｍｐａｒｅｄａｎｄｉｔｉｓｐｒｏｖｅｄｔｈａｔｔｈｅｎｅｗｍｅｔｈｏｄｃａｎｉｄｅｎｔｉｆｙｔｈｅｏｕｔｌｉｅｒｓ ｗｉｔｈｈｉｇｈａｃｃｕｒａｃｙａｎｄｓｔａｂｉｌｉｔｙｗｈｉｃｈｐｅｒｆｏｒｍｓｏｕｔｌｉｅｒｄｅｔｅｃｔｉｏｎｂｅｔｔｅｒ．Ｆｉｎａｌｌｙ，ｔｈｅｎｅｗｍｅｔｈｏｄｉｓａｐｐｌｉｅｄｔｏａ ｒｅａｌｄａｔａｓｅｔｃｏｎｓｉｓｔｉｎｇｏｆｖｅｒｔｉｃａｌｄｅｎｓｉｔｙｐｒｏｆｉｌｅ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｎｅｗｍｅｔｈｏｄｃａｎｅｆｆｅｃｔｉｖｅｌｙｉｄｅｎｔｉｆｙ ｔｈｅａｂｎｏｒｍａｌｐｒｏｆｉｌｅｓｄａｔａ． Ｋｅｙｗｏｒｄｓ：ｏｕｔｌｉｅｒｓｄｅｔｅｃｔｉｏｎ；ｗａｖｅｌｅｔａｎａｌｙｓｉｓ；ｍａｈａｌａｎｏｂｉｓｄｅｐｔｈ；ｃｌｕｓｔｅｒａｎａｌｙｓｉｓ （ ［１］ ＦｕｎｃｔｉｏｎａｌＤａｔａ）。Ｗｏｏｄａｌｌ等 将轮廓监控分为 ０　引言 两个阶段：第一阶段是以采集到的历史样本数据为 基础，判断失控样本点并移除，建立稳定的状态模 统计 过 程 控 制 （ＳｔａｔｉｓｔｉｃａｌＰｒｏｃｅｓｓＣｏｎｔｒｏｌ， 型；第二阶段是在第一阶段建立受控模型的基础上 ＳＰＣ）是质量管理领域的常用方法之一。此方法将 对实