自相关过程的残差控制图

常规控制图应用的基本假设是从过程得到的观测值彼此独立。但许多过程出现了自相关现象。该文分别运用单值控制图和残差控制图就受控状况和失控状况的观测值对案例进行了分析比较。结果表明 :当过程存在自相关时 ,运用残差控制图更合适 ,但是 ,当自相关参数大于 0时 ,残差控制图检测过程异常的灵敏性有待提高。对于在现代生产过程中自相关数据 ,建议使用残差控制图 ,来代替传统的控制图     

应用MCEWMA控制图监视刀具磨损过程

为了有效地利用控制图技术,用指数加权滑动平均方法,对由于刀具磨损导致轴尺寸精度呈线性趋势变化进行预测,提出了应用MCEWMA控制图监视刀具磨损过程.在刀具使用期内,将刀具磨损及由刀具磨损带来的随机波动视为共同原因,对生产过程进行监视,避免了使用传统控制图时,产生频繁报警的弊端.最后,运用具体例子,说明控制图参数选择准则.     

控制图和EWMA控制图的灵敏性分析

在统计过程控制中通过分析X控制图,指出X图虽然对监测过程大波动非常灵敏,但对过程均值小漂移却不敏感,若结合使用判异规则,将导致虚发警报概率的增加。通过仿真数据图形化,分析了EWMA图的灵敏性,并与X图进行比较,结果表明EWMA图对监测过程小漂移比X图更灵敏,而X图对均值大偏移反应比较灵敏;两种控制图如互为补充,共同用于监测过程波动更有效。     

(-X)控制图和EWMA控制图的灵敏性分析

在统计过程控制中通过分析X^-控制图，指出X^-图虽然对监测过程大波动非常灵敏，但对过程均值小漂移却不敏感，若结合使用判异规则，将导致虚发警报概率的增加。通过仿真数据图形化，分析了EWMA图的灵敏性，并与X^-图进行比较，结果表明EWMA图对监测过程小漂移比X^-图更灵敏，而X^-图对均值大偏移反应比较灵敏：两种控制图如互为补充，共同用于监测过程波动更有效。     

一种同时监测均值和方差的控制图

针对一元正态分布的过程数据,基于似然比检验思想,应用变点方法,研究了一种同时监测均值和方差变化的综合控制图,并给出本图的数值分析.数据显示该控制图对监测受控值较少的持续中等变化更为敏感,表明该方法可快速诊断出变化点的位置,从而估计出未知参数值.     

一种ARMA过程均值变化点的广义似然比检验

对ARMA过程均值变点检测的广义似然比检验Generalized Likelihood Ratio Test(GLRT)方法进行改进．改进的GLRT(IGLRT)方法考虑到，即使变点后的开始1(2，3，…)个残差均值的实现不符合故障特征，但后面的实现较符合故障特征，也有一定的把握认为变点已发生．模拟比较了GLRT和改进的GLRT的平均运行长度．最后，在已知一定先验分布的情形下，给出了GLRT的贝叶斯方法．     

采用递归图编码技术与残差网络的滚动轴承故障诊断

针对传统故障诊断方法未充分挖掘故障信号的时间序列间关联性特征的问题,将递归图编码技术引入故障诊断领域,提出了递归图编码技术与残差网络的滚动轴承故障诊断模型。采用递归图编码方式将振动信号转换为增强信号特征的二维纹理图像;将这些特征图像输入残差网络中,结合残差网络对二维图像数据优秀的自适应特征提取能力,对滚动轴承进行故障诊断。使用凯斯西储大学轴承数据集和某局机务段采集的真实机车轴承数据进行试验验证,结果表明：所提模型对轴承故障诊断的识别准确率为99.99%和99.83%;在输入不同的数据长度和变工况的试验中,所提模型均保持了良好的故障诊断效果;对比其他常见的故障诊断方法,所提模型拥有更好的泛化性能和识别准确率。     

Spc控制图对均值偏移监测能力的分析

在现实生产过程中过程统计控制可能因存在不同可指定起因的事件,因而产生大小不同的均值偏移,但因各种spc控制图监测均值偏移能力不一,所以我将针对各种spc控制图可监测到均值偏移的尺寸和监测灵敏度作模拟探讨。根据其特性,使各种控制图互相互补,使监测过程波动更有效。     

判异准则在标准差控制图上的应用

在标准差控制图的八个判异准则基础上,提出了相应的非对称标准差控制图的判异准则,分别给出了它们的实际报警率,并讨论了八个准则应用在标准差控制图时的平均运行长度。     

监测过程均值小的偏移的综合控制图

提出的“可变样本的综合控制图”（VGR）是对传统休哈特控制图、合格品链长控制图以及可变样本3者的恰当结合.通过数据显示,可变样本的综合控制图在样本均值发生较小偏移时更能及时发出失控信号,与传统休哈特图以及GR综合控制图相比减少了发信号时要检验的平均样本量,并且在均值未发生偏移时能有一个较大的平均样本量.     

多变量过程监控的D控制图

针对如何将大数据技术与传统的多元控制图相结合,以获得一个具有自学习性的控制图的问题,以支持向量数据描述(SVDD)为构建基础,提出一个基于支持向量数据描述的D控制图.该D控制图通过对在控数据的学习,自适应地构建出自己的监控模型.仿真实验及工业实例表明:D控制图在多变量制造过程中的表现优于T²控制图,是一个理想的监控模型.     

自相关过程质量控制图的最优经济设计

正确设计质量控制图参数,对降低生产成本、保证产品质量具有重要意义 提出了基于控制图的ARL,并应用蒙特卡罗随机模拟进行控制图参数的最优经济设计方法 该方法也可以用于其他控制图的参数最优经济设计     

抽样区间可变的带警戒限单侧均值控制图的平均时间

提出了可变抽样区间的带警戒限均值控制图.利用转移概率流图(TPFG)方法得到了发信号前的平均样本数,进而推导出了发信号前的平均时间.     

基于PSO的支持向量机多元控制图均值偏移诊断模型

为了诊断多元控制图发出的报警信号是由哪一个或者哪些变量组合发生均值偏移引起的,提出了基于粒子群优化（PSO）算法的支持向量机（SVM）多元控制图均值偏移诊断模型．模型中使用丁。控制图对多元过程进行控制,在假设过程方差．协方差矩阵保持不变的前提下,根据不同的均值偏移模式,产生SVM训练数据集和测试数据集,用Ps0对SVM的参数进行优化,最终得到优化的SVM模型．结果表明,基于粒子群优化算法的支持向量机模型（SVM．PSO）比基于SVM和基于神经网络（ANN）模型的分类能力更强,分类准确率超过85％．     

同时监控过程均值和方差漂移的VSI EWMA平均损失控制图设计

结合WLE控制图和VSI EWMA控制图,提出了基于田口损失函数下的可变抽样区间的EWMA控制图（简称VSI EWMA平均损失控制图）,它是一种在抽样区间可以变化的条件下能够同时检测过程均值和方差漂移的控制图;同时构造的新控制图通过添加控制限区分漂移类型,即在过程失控状态下区分是过程均值发生了漂移还是方差发生了漂移,或者两者都发生了漂移.通过与FP EWMA平均损失控制图及X-～S控制图进行比较,得出新构造的控制图对过程漂移具有更好的敏感性.     

基于残差融合的时序数据离群点检测算法

物联网的快速发展产生了海量的高维时序数据,然而时间序列易受到外界变化的环境因素影响而产生离群点。针对现有的离群点挖掘算法不能兼顾时序数据的趋势性、季节性、循环性、不规则性的特点,从而导致检测效果不理想的问题,提出一种基于残差融合的时序数据离群挖掘(residual integration outlier,RIO)算法。首先利用线性自回归移动平均模型(autoregressive integrated moving average model,ARIMA)拟合数据,得到在相同时间粒度下的残差序列,并将该序列作为非线性模型长短期记忆网络(long short-term memory,LSTM)模型的输入,输出残差序列预测值,而后将经由ARIMA模型与LSTM模型处理的序列在相同时间粒度下融合,得到一条经由混合模型两次处理的残差序列。最后,利用基于直方图的离群点模型(histogram-based outlier score,HBOS)检测出该二次残差序列的离群点。实验表明,RIO算法的准确度得到了较为明显的提高,具备良好的实用价值。     

变点检测和控制图在数据业务监控中的应用

为实现对数据业务支撑系统的有效监控,通过剖析数据业务特点,提出了用控制图和变点监测发现数据业务中存在的异常。变点监测在处理三种类型的时间序列时存在不足,本文通过增加控制参数——变化率,对变点检测算法进行了改进,改进后的方法适应性更高,并且误报率大大降低。最后比较了控制图和变点检测方法的优缺点及各自的应用场景。     

基于马尔可夫链理论的带警戒限的单侧均值控制图的平均链长

平均链长(ARL)是控制图的重要特性,利用马尔可夫链理论和矩阵的运算技巧推导了带警戒限的单侧均值控制图的ARL计算公式。