两种多元变异系数的自适应CUSUM控制图

多元变异系数过程控制是近年来热点问题,针对多元变异系数不同幅度漂移的自适应控制图更加值得研究。文中基于对多元变异系数漂移幅度的无偏估计量,结合CUSUM和Crosier CUSUM统计量的结构特征,提出了两种新的多元变异系数的自适应CUSUM控制图,分别记为GACUSUM和GACCUSUM。通过蒙特卡洛模拟计算的运行链长属性值表明提出的两种自适应控制图比已有的休哈特式多元变异系数控制图检出力更强,灵敏性更高。提出的自适应控制图在实证数据集上的应用也验证了其在实际生产制造过程控制中的优越性。

广义方差累积和控制图

为了克服休哈特型多元离差控制图对小偏移和中等偏移检出力很低的特点,开发了一种广义方差累积和控制图.这种控制图理论严密,步骤简明,可操作性好,具有较高的实用价值.

多元统计过程控制中的投影寻踪方法(英文)

投影寻踪（ｐｒｏｊｅｃｔｉｏｎ ｐｕｒｓｕｉｔ，简称ＰＰ）方法是通过高维数据在低维投影上的统计分析，由此充分获取高维数据本身的统计结构和信息的一类统计方法，并在统计过程控制中得到广泛应用．本文主要介绍利用投影寻踪方法在统计过程控制中所构造的新控制图及其优良性质，它们包括：监测线性趋势的Ｍ控制图；监测均值微小飘移的ＰＰ－ＣＵＳＵＭ控制图以及短链过程的多元控制图．

多元累积和控制图及其诊断理论

论述了多元累积和控制图的有关内容,提出了2种质量多元累积和控制图的诊断理论,并与多元 T^2控制图进行了比较,最后通过1个实例对诊断理论的应用加以说明.

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.

基于对数似然比的多元加权Poisson CUSUM控制图研究及应用

多元计数型数据的监控是统计过程控制的热点研究命题,对工业质量监控和公共卫生监测等也具有重要的实证研究意义.文章主要研究多元Poisson CUSUM控制图的改进与应用,创新性地将加权对数似然比思想引入多元CUSUM控制图的设计,有效提升模型对多元Poisson数据的监控效果.经不同加权函数,漂移程度,变量维度和漂移形式的模拟比较验证,验证了文章所提出的基于对数似然比的多元加权Poisson CUSUM控制图较传统多元Poisson控制图监控效果更为稳健,且在真实漂移幅度偏小的情况下有明显优势.最后文章运用两个实际案例验证了模型的优越性和应用价值.

以CUSUM方法分析达芬奇机器人肺叶切除术的学习曲线

目的探讨109例达芬奇机器人肺叶切除术的学习曲线。方法以累积和分析法(cumulative sum analysis,CUSUM)分析沈阳军区总医院2012年3月至2015年2月完成的第1例至第109例达芬奇机器人肺叶切除术的手术时间。采用多元线性回归排除影响手术时间的因素。对CUSUM学习曲线进行拟合,以R^2判断拟合优度。比较学习曲线不同阶段的手术时间、术中出血量、淋巴结清扫、术后并发症、术后带管时间和住院时间的差异。结果手术时间随手术例数的累积呈逐渐下降趋势。学习曲线最佳拟合为三次方曲线,拟合优度系数R^2=0. 847,拟合方程:CUSUM(n)=0. 002×n^3-0. 323×n^2+13. 360×n-18. 195(n为手术例数)。拟合曲线在手术例数累积至第28例时达到顶点,以此为分界将学习曲线划分为两个阶段,其手术时间(P=0. 022)、术中出血量(P=0. 014)、清扫淋巴结数目(P=0. 022)、术后并发症(P=0. 015)、术后带管时间(P=0. 025)和住院时间(P=0. 005)均存在显著的统计学差异。结论通过CUSUM分析法对达芬奇机器人肺叶切除术的学习曲线进行精确分析,表明掌握该技术须累积的手术例数为28例。

基于多元泊松时间序列的累积和控制图设计

多元离散自相关数据在现代制造业中非常普遍,时间序列控制图常被用来监控此类数据,如P-CUSUM和P-EWMA图等。然而,这些控制图都建立在一维的泊松时间序列模型基础上,忽视多个维度之间的相关性,因此应用范围有限。基于多元泊松一阶自回归时间序列模型,建立多元累积和控制图。之后利用蒙特卡洛模拟,研究了模型参数和偏移距离对该控制图性能的影响。与传统的一维离散自相关数据的控制图相比,在某些参数组合的情形下,新控制图对过程偏移具有较高的灵敏度。

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。