基于多元泊松模型的累积和控制图设计

多元离散数据在现代制造业中非常普遍,多元泊松控制图常被用来监控此类数据,如MP,MP-CUSUM和MP-EWMA图等.然而,这些控制图都假设数据服从等协方差的多元泊松模型,因为等协方差的多元泊松模型对各个变量之间的相关性有严格的约束,因此应用范围狭窄.本文基于异协方差多元泊松模型,提出GMP-CUSUM累积和控制图.在考虑不同模型,变量偏移个数和偏移大小的情况下,通过蒙特卡洛模拟比较了传统控制图和新控制图GMP-CUSUM的平均运行链长(ARL),证明异协方差多元泊松模型更加适应对多元离散数据的建模,应用范围广,并且新控制图能更快速地检测到异常过程偏移,灵敏度高.

一种高维数据流在线监测方法

在线监控高维数据流时,经常遇到部分信息价值较低甚至没有信息价值的数据流对监控结果产生干扰。为了解决这一问题,在统计过程控制中引入了最大信息系数方法,提出了一种基于最大信息系数的高维数据流在线监测方法。该方法能有效筛选出高维数据流中具有较高信息价值的数据流,加快失控状态的报警速度。通过数值模拟和案例分析对所提方法的效果进行检验。结果表明,相较于现有的控制图,所提方法在检测均值漂移时具有更好的监控性能。