【摘要】：在工業(yè)生產(chǎn)中，統(tǒng)計(jì)過程監(jiān)控是一種用于保障過程穩(wěn)定和產(chǎn)品質(zhì)量的常用方法。隨著生產(chǎn)技術(shù)的進(jìn)步和產(chǎn)品的日趨復(fù)雜，需要監(jiān)控的產(chǎn)品指標(biāo)參數(shù)也日趨增多，多元控制圖也隨之產(chǎn)生。目前，針對(duì)多元過程控制，許多學(xué)者已進(jìn)行了大量的研究，但是針對(duì)高維空間下的數(shù)據(jù)，利用傳統(tǒng)的多元控制方法會(huì)產(chǎn)生很多問題，例如高維數(shù)據(jù)需要積累非常大的樣本量才能保證參數(shù)估計(jì)的準(zhǔn)確性，這在現(xiàn)實(shí)生產(chǎn)中往往難以實(shí)現(xiàn)，同時(shí)由高維數(shù)據(jù)產(chǎn)生的大量監(jiān)控噪音會(huì)極大地影響監(jiān)控效果。 所以針對(duì)以上問題，結(jié)合高維數(shù)據(jù)的特點(diǎn)，本文分別從監(jiān)測均值變異和協(xié)方差矩陣變異兩個(gè)方向入手，開發(fā)自啟動(dòng)控制圖，及時(shí)有效地去監(jiān)控過程異常。自啟動(dòng)過程控制圖異于傳統(tǒng)控制圖，無需分兩個(gè)階段分別估計(jì)過程參數(shù)和監(jiān)控過程，而是在過程一開始就實(shí)施監(jiān)控，在數(shù)據(jù)不斷累積的過程當(dāng)中，實(shí)時(shí)更新參數(shù)估計(jì)，保證監(jiān)控的及時(shí)性。 本文利用蒙特卡洛數(shù)值仿真分別將自啟動(dòng)均值和協(xié)方差控制圖在監(jiān)控能力上與傳統(tǒng)方法進(jìn)行比較。最后用真實(shí)生產(chǎn)數(shù)據(jù)展示本文方法的應(yīng)用價(jià)值。本文提出的方法可以應(yīng)用于多指標(biāo)產(chǎn)品生產(chǎn)的快速異常檢測，特別是難以得到大量檢測數(shù)據(jù)的產(chǎn)品，如檢測需要破壞產(chǎn)品本身或者檢測成本太高的產(chǎn)品。
【圖文】：

圖 1 傳統(tǒng)協(xié)方差矩陣與 Quesenberry(1997)矩陣的灰度圖Fig.1 Comparison of grey-scale map of the covariance matrix computed by the traditionamethod and Quesenberry’s（1997） method從上述例子中可以看出 Quesenberry(1997)[31]計(jì)算的協(xié)方差矩陣在穩(wěn)健性的優(yōu)勢(shì)。在后節(jié)蒙特卡洛仿真分析中，我們分別應(yīng)用包含不同樣本協(xié)方差矩陣統(tǒng)計(jì)量 TSt和TSu進(jìn)行監(jiān)控，比較它們的監(jiān)控效果。得到上述統(tǒng)計(jì)量 TSt和TSu后，通過計(jì)算統(tǒng)計(jì)量值的大小，選定某一控制的值h ，當(dāng)統(tǒng)計(jì)量的值超過這一控制限，控制圖發(fā)生警報(bào)，我們判斷過程失控反之過程屬于可控狀態(tài)。然而上述兩個(gè)統(tǒng)計(jì)量在可控狀態(tài)下的分布很難用理論推導(dǎo)來準(zhǔn)確得到，因無法像傳統(tǒng)方法利用統(tǒng)計(jì)量理論分布的分位數(shù)來得到控制圖的控制界限。因此本文利用隨機(jī)化樣本的方法來獲取統(tǒng)計(jì)量的模擬分布，有效獲得所需控制限

案例一中n=1Fig.2Simulationresultsof時(shí)HotellingT2，Tst，Tsu在ARL0=370時(shí)的ARL1仿真結(jié)果
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：F273.2;TB114.2

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 KRISHNAIAH;P.R.;繆柏其;趙林城;;LOCAL LIKELIHOOD METHOD IN THE PROBLEMS RELATED TO CHANGE POINTS[J];Chinese Annals of Mathematics;1990年03期

2 龐新生;;缺失數(shù)據(jù)插補(bǔ)處理方法的比較研究[J];統(tǒng)計(jì)與決策;2012年24期

，

本文編號(hào)：2552326