生产过程中异常检测的统计方法与应用

旨在探索和评估生产过程中异常检测的多种统计方法及其应用。随着工业自动化和智能制造的快速发展,确保生产过程的稳定性和产品质量变得尤为重要。我们通过对“华鲁恒升化工股份有限公司”在生产尿素过程中实施的异常检测策略的案例分析,应用了一系列统计分析和机器学习技术,包括描述性统计分析、控制图(Shewhart图、CUSUM图、EWMA图)、主成分分析(PCA)和聚类分析,以识别和处理生产过程中的异常情况。研究发现,综合应用这些方法可以有效监控生产流程,及时发现异常,从而提高生产效率和产品质量。此外,我们还讨论了每种方法的优势和局限性,并提出了针对生产过程异常检测的建议。最后,探讨了未来研究方向,包括深度学习在异常检测中的潜力以及跨领域方法的融合研究。

基于迭代主成分分析的过程监测方法的研究与实现

利用迭代主成分分析 (PCA)算法 ,提出一种在线过程监测方法。根据实际生产过程经验 ,提供了由多元统计控制图判断过程是否正常的准则 ,实现了实时在线的 PCA建模和过程监测。

用残差CUSUM控制图检测自相关过程中的故障

由于累积和控制图(cumulative sum,简称CUSUM)算法应用的基本假设是从过程得到的观测值彼此独立,而工业过程通常是自相关过程,数据自相关性会影响CUSUM控制图的性能。针对这一问题,利用数学推理的方法分析了数据自相关性对CUSUM控制图性能的不利影响,正自相关会使CUSUM控制图的平均运行长度变短,可能引起假警报;负自相关会使CUSUM控制图的平均运行长度变长,可能造成故障漏报。在此基础上,提出用残差CUSUM控制图来检测自相关过程中的故障,运用时间序列模型的残差检测自相关过程中的故障,消除数据自相关性对控制图性能的不利影响。结果表明,该方法具有较好的鲁棒性和较高的准确率。

固定时间域可变采样间隔的统计控制图

本文从提高统计控制图对过程波动检测能力和方便管理的角度出发 ,对可变采样间隔(VSI)控制图进行改进 ,提出了针对连续过程质量控制应用需要的固定时间域可变采样间隔(VSIFT)控制图。文章详细介绍了VSIFT均值极差控制图、VSIFTEWMA控制图的设计 。

临床常规生化项目室内质控方法的设计

目的探讨保证临床质量要求的常规生化项目室内质控规则的设计。方法收集2012年7—12月碱性磷酸酶(ALKP)、钾、钙的质控数据,以室内质控的累积变异系数(CV)作为项目的不精密度,应用卫生部临床检验中心室间质评结果计算偏倚,选择美国临床实验室改进修正法规88能力比对检验评价限为总允许误差,借助操作过程规范图设计符合本实验室切实可行的室内质控方法,从而提高误差检出概率(Ped),降低假失控概率(Pfr)。结果ALKP、钾每天测定质控品个数为2,选择1-3 s单质控规则即可满足Ped>90%,Pfr<5%;钙每天测定质控品个数为4,选择1-3 s/2-2 s/R-4 s/4-1 s/12-X作为质控规则,满足Ped>90%,Pfr<5%。结论不同生化分析项目应根据分析方法性能特征的不同,选择满足临床质量要求的控制方法。

基于属性-变量二型数据的动态MIX S2控制图设计

文章针对静态MIX S2控制图检测进程方差中小幅度漂移时反应迟钝的情况,提出了一种动态(Vp)MIX S2控制图。Vp MIX S2控制图在工序检测过程中结合属性数据和变量数据,同时使用属性型和变量型两种检测方案。采用构建马尔科夫链的方法刻画控制图模型,并以AATS作为评价控制图统计性能表现的标准。结果表明,Vp MIX S2控制图相较于原静态图和其他参数自适应MIX S2图,较大幅度地提升了检测工序漂移的灵敏度。

质量控制图在PVC中间产品生产过程中的应用

介绍了质量控制图的原理、结构及判异准则,指出质量控制图是对生产过程中产品质量状况进行实时控制的统计工具,是质量控制中最重要的统计方法。详细介绍了质量控制图在PVC中间产品生产过程中的应用,通过建立生产过程质量控制图,对生产过程进行评估、监控,从而判断生产过程是否处于统计控制状态。

Lévy稳定过程均值变点监测在GEWMA和GLR控制图中的对比

Lévy稳定过程中,为了比较广义指数加权移动平均控制图和广义似然比控制图监测均值变点的效果,首先给出两种控制图平均运行长度的的近似估计,然后利用数字模拟的方法对这两种控制图的监测效果进行对比。

基于控制图的GPS异常监测数据检验方法研究

为了有效地判别GPS异常监测数据,建立了GPS监测序列异常检验的数学模型,提出利用统计过程控制中的控制图对监测序列进行异常检验和预警的新方法;针对GPS监测数据不服从正态分布的问题,提出利用累积分布函数的核密度估计将其转换为Q统计量,并以此为基础构建基于Q统计量的控制图用于GPS异常波动数据的检验;该文文末利用仿真数据对比分析了休哈特控制图与累积和控制图对不同异常偏移值的检验效果,结果表明两种控制图各有利弊、相互补充,休哈特控制图对于3倍以上标准差的异常偏移能够给出有效的预警,但缺乏小偏移检测的能力,累积和控制图能够精确检测出最小达0.5倍标准差的连续小偏移,但是随着偏移值的增大其误警率会有所增加。

基于黎曼流形的多元时间序列异常检测

多元时间序列问题广泛存在于社会生产和生活中,异常检测已经在金融、水文、气象、地震、视频监控医疗以及其他领域给人们提供了很多有价值的信息。为了快速高效地发现时间序列中的异常,使之以直观的方式呈现在人们面前,本文以滑动窗口为基础,用协方差矩阵作为时间序列的描述子,将黎曼流形与统计过程控制图相结合,来实现多元时间序列的异常检测及其可视化。以MA模拟数据流和MIT-BIH的心电失常数据作为实验对象,对异常检测方法进行了验证,结果表明该方法是合理有效的。

稳健残差控制图的构建及在金融时序中的应用

对于呈现自相关和波动族聚性并存的受控过程,通常采用残差控制图对其进行监控。但异常点的存在会对自相关或波动族聚性模型的拟合产生重要影响,使得基于该模型的残差并非独立同分布导致常规残差控制图监控失效。为解决这类问题,本文提出稳健残差控制图。即建立稳健的ARMA模型解决自相关问题从而得到无自相关的残差序列,用稳健的GARCH模型来构建控制图的上下限。模拟和实证研究表明,本文提出的稳健残差控制图具有很好的抗异常点能力并能更好的对金融时间序列的异常现象进行监控。