面向多品种小批量生产过程的Bootstrap控制图

针对多品种小批量生产过程中传统统计过程控制方法的局限性,介绍了Bootstrap控制图的概念,并对Boot-strap控制图的构造方法及上下控制限的确定方法进行了研究,针对计量值数据给出Bootstrap控制图的实施流程及判异规则,通过实证分析验证了在多品种小批量生产环境下Bootstrap控制图的有效性。

基于Bootstrap方法的分布未知情况下的小波动过程质量控制

讨论了在质量特性分布未知的情况下对小批量生产过程中产生的较小异常波动进行监控的一种Bootstrap WV-EWMA控制图设计方法.首先引入赋权方差法将任意未知分布转换为两个正态分布,由此构造WV-EWMA控制图.然后通过对有限样本进行多次随机有放回抽样的Bootstrap方法对未知分布的集中和离散程度进行较为有效的统计估计,由此建立能够对分布未知的小批量过程进行质量监控的Bootstrap WV-EWMA方法.以平均运行长度ARL(average run length)为监控效率的衡量指标,提出了这种小波动控制图方法的优化参数设计方案,并通过与已有的方法进行对比说明这种方法的有效性.

带参数估计的极差控制图设计

现实中,过程参数常常未知,需由第Ⅰ阶段的受控样本数据估计得到.不同的第Ⅰ阶段样本数据集对应着目标参数的不同估计值,进而会导致不同的控制限与不同的控制图表现.对于某位实际工作人员而言,最可能的情况是他手里仅有一组第Ⅰ阶段数据集,因此研究在给定一组第Ⅰ阶段数据集下控制图的表现,即条件表现,更具实际意义.基于Monter Carlo模拟,研究了基于样本平均极差,样本平均标准差和样本合并标准差等3种参数估计形式下常见的等尾极差图和无偏极差图的条件平均链长分布,结果表明参数估计对控制图影响严重.为了弥补第Ⅰ阶段数据量的不足,基于bootstrap方法,提出了修正控制图以获得理想的条件受控表现.比较结果显示,基于样本合并标准差的估计方法更好,修正的无偏极差图表现优于相应的修正等尾极差图.

测量过程控制图参数的自助最大熵融合优化

Shewhart控制图是核查数据分析的主要工具，在核查数据为小样本情况下Shewhart控制图容易导致“误发警报”。针对这一问题，提出一种自助最大熵融合方法，优化Shewhart控制图控制参数。首先，通过自助法充分挖掘核查数据自身特征，扩大样本容量。在此基础上，应用最大熵原理，描述出核查数据概率分布参数的密度函数，估计核查数据样本的均值和方差，从而优化Shewhart控制图控制参数。实验表明，经自助最大熵优化后的Shewhart控制图控制参数更加接近理论值，降低了发生“误发警报”的概率。

自助控制图在下一代制造系统中的适用性分析

下一代制造系统中的质量控制 ,要求在不能提供足够的样本数据、不能满足正态分布假设的条件下 ,快速、准确地在分布式环境下作出控制图 .通过基于现场实际数据的自助 (Bootstrap)控制图在小样本下的稳定性和准确性的计算机模拟分析 ,以及基于Web的Bootstrap控制图的实现 ,说明Bootstrap控制图能够满足下一代制造系统对于控制图的敏捷性和分布性要求 .

基于高质量过程的指数分布中位数控制图的统计设计

针对事件间隔时间服从指数分布的高质量过程的监控问题,给出参数已知和未知情况下的中位数控制图设计方法;应用条件错误警报概率、受控时控制图的平均运行链长均值AARL及其标准差SDARL分析了参数估计对所设计控制图性能的影响;在小样本情况下,采用Bootstrap方法对所设计控制图的控制限进行调整,结果表明调整后的控制限能够有效减少参数估计对控制图性能的影响。最后用实例说明了所设计控制图应用的有效性。

基于重抽样分布的一类模糊累积和控制图（英文）

过程变量在代表产品或服务过程信息时并非完美,而使用模糊数可能是另一较好途径.文章进一步完善模糊累积和控制图,其中使用中心和扩展具有重抽样分布的模糊随机变量,并给出模拟例证.

基于自助法的自相关控制图

考虑设计基于自助法的自相关控制图来检测产品过程,作为一个例子,文中考虑了对于一步漂移的检测.研究表明我们提出的新的控制图检测效率与独立情况下的控制图非常接近.