平稳状态的VSI Poisson EWMA控制图

主要对计数型质量控制图的特性进行了研究，设计了单位缺陷数服从Poisson分布的EWMA控制图，并对其进行了具有可变抽样区间的动态设计，利用Markovchain方法计算出了过程开始处于平稳状态时VSI Poisson EWMA控制图的AATS，以及不平稳状态时VSI Poisson EWMA控制图的ATS，通过实例验证了不论是过程开始处于不平稳状态还是平稳状态，VSI Poisson EWMA控制图的控制效果都优于静态Poisson EWMA控制图。     

基于马尔可夫链模型的EWMA控制图性能分析与优化

建立了基于马尔可夫链的EWMA控制图性能分析模型,并编制了基于Matlab平台的EWMA控制图性能分析程序。在此基础上,分析了EWMA控制图的两个主要参数(控制限参数L和平滑系数r)对EWMA控制性能的影响。分析发现,对于不同的L,存在均值偏移量δ*和δ**,当偏移量0<δ<δ*时,控制图性能随r的增加而提升;而当δ*<δ<δ**时,控制图的性能随r的减小而提升。而当δ>δ**时,参数对EWMA控制图的性能影响很小。据此对不同应用环境下的EWMA控制图参数选择给出了相应的建议。     

基于APL的EWMA图优化设计

讨论了采用EWMA图进行工序过程监控时控制图的优化设计问题。首先提出了用马尔可夫链的方法对EWMA图的平均产品长度进行计算的方法,然后以平均产品长度作为性能度量的标准讨论在不同生产情况下如何选择EWMA图的控制参数,从而获得最佳的监控效果。通过与通用的EWMA设计方法的比较,说明了本文方法更能快速地发现过程中出现的较小波动。     

具有可变抽样区间的二维EWMA控制图

对二维EWMA控制图进行了可变抽样区间设计,利用Markov chain方法计算出了过程的平均报警时间,数据结果显示,所设计的控制图较常规的固定抽样区间控制图能更快更准确地发现过程的变化.     

企业失败动态预测的ARMA-EWMA模型及其应用

利用ARMA模型的时间序列分析和EWMA控制图对过程变异的加权累加记忆特征．以图示化的形式研究企业失败演化路径。实证结果显示．ARMA-EWMA模型能够预测出企业由缋效好向差转变的转折点，预测失败趋势；在预测精度上．ARMA—EWMA模型与统计判别Fisher模型、Logit模型近似，表现出较高的预测正确率，但在中长期预测上，ARMA—EWMA模型优于统计判别模型。     

基于流程模块化的虚拟制造单元构建方法

为提高多品种小批量制造企业功能式布局制造系统中构建虚拟制造单元的敏捷性, 提出了以流程模块化为基础构建虚拟制造单元 的方法, 并利用零件聚类和工艺聚类两种聚类相结合的方法对零件加工流程进行模块化分解, 从而形成制造系统的流程模块库, 在此基础上构建虚拟制造单元. 这种聚类方法的优势在于能够通过标准模块调用达到降低虚拟制造单元的控制难度的目的, 从而 提高虚拟制造单元的构建速度, 最终减少生产提前期, 提高制造系统的敏捷性.     

可变抽样区间的非正态EWMA均值控制图

利用Burr分布采近似各种非正态分布对非正态情形下的EWMA均值控制图进行可变抽样区间设计，采用Markov chain方法计算过程的平均报警时间，数据结果显示，所设计的控制图较常规的固定抽样区间控制图可能够缩短过程失控时间从而提高控制图的效率。     

EWMA控制图在MSA稳定性分析中的应用

针对传统的 Shewhart 控制图使用当前观测数据进行测量系统分析(MSA)的稳定性分析,不易检测出过程均值中存在的小偏移,而指数加权滑动平均(EWMA)和累计和(CUSUM)控制图考虑了历史数据,可以克服Shewhart 控制图在小波动情况下检测能力不足的缺陷:首先通过 Montle-Carlo 模拟计算控制图性能评价指标ARL(average run length),分析了 EWMA 和 CUSUM 控制图的优越性;然后给出了 EWMA 控制图在 MSA 稳定性分析中的实施步骤.示例分析表明 EWMA 在小波动时比 CUSUM 和 Shewhart 控制图更为有效.     

基于Spark的并行图聚类算法研究

对并行图聚类算法进行了研究。基于Spark 提出了一个新的并行图聚类算法；由于Spark 中的top 操作需要耗费大量的内存，提出了一个新算法来替代top 操作，有效减少了所消耗的内存；通过对自底向上的层次聚类算法进行改进提高了聚类的速度；基于图数据的特征提出了一种图数据过滤的方法来减少算法运行的时间以及所占用的空间并对其有效性进行了说明。仿真结果表明，运行效果优于进行比较的其他并行化图聚类算法。     

基于D-S证据理论的灰色定权聚类综合后评价方法

结合灰色定权聚类评估模型和D-S证据理论对项目综合后评价方法进行研究.应用差异信息序列熵理论,根据指标所蕴含信息量的多少确定聚类指标的权重;根据所得到的灰色定权聚类系数矩阵并把该矩阵经过适当转换, 把每一个聚类对象作为影响后评价结果的一条证据,考虑到证据推理中零绝对化问题存在的可能性, 给出了解决办法;利用Dempster合成法则, 得到了辨识框架中各子集的信度函数,根据信度函数最大值确定项目综合后评价的结果.可以充分利用定权聚类中所得到各聚类对象所属灰类的信息,减少了直接使用聚类系数最大化方法确定评价对象所属灰类造成的信息损失, 最后通过一个算例说明了该方法的实用性和有效性。     

Variation Analysis and Stability Control for Measurement Process

1　IntroductionDuring production processes and in scientific experiments,we often collectdata in order toanalyze and improve processes and experiments.For example,data obtained from a manu-facturing process can be used to improve productquality and to modify the production pro-cess.Since the data are obtained from the measurement process,the measured data mightnot reflect the true status of the production process if errors caused by the measurementprocess are not small enough compared with the…     

预防维修和VSS EWMA方差控制图联合经济决策模型

针对潜在故障导致过程质量方差漂移的可修系统,提出了一种将预防维修和监控过程方差的可变样本容量EWMA控制图联合考虑的经济决策模型.在分析确定预防维修和过程质量监控耦合机制形成的五种更新策略基础上,构建了以单位时间期望成本最小化为目标的集成决策模型.针对每种状况的期望更新成本和周期计算问题,与传统模型大多基于受控和失控两个总过程来构建的思路不同,本文采取了基于每个抽样间隔期的思路进行建模,避免了控制图平均失控运行长度计算的复杂性等问题.实例分析结果表明,本文模型由于充分考虑了预防维修和控制图两者之间耦合关系,能够获得比原先独立决策更优经济效益的决策结果.最后,利用试验设计和回归分析方法,对模型的时间和成本参数进行了灵敏度分析.     

一种面向成本预测控制的方法研究

成本控制是现代成本管理工作的重要环节,目前成本控制中所分析的信息受财务会计指标的影响,成本控制活动是以会计期间为分析间隔期的,这影响了成本控制的及时性和成本控制系统的有效性.针对成本控制中存在的问题,本文尝试将工程领域的预测控制思想引入成本控制,以小波神经网络作为模型预测算法,CUSUM控制图作为成本预测控制律,建立了成本预测控制模型.该模型有别于传统的成本控制方法,是对成本控制理论的创新性尝试.     

基于T-K控制图的多品种生产模式统计过程控制方法

根据SPC基本原理, 传统的统计过程控制技术无法直接用于多品种生产环境的质量监控. 提出了一种新颖的统计过程控制方法, 对工艺参数均值及标准偏差监控, 仅需一张控制图即可对多品种生产过程的运行状态做出评价. 详细给出了T、K统计量的定义和计算方式及T-K控制图控制限的确定. 理论分析表明, T-K控制图具有稳定的监控性能且具有self-starting特点. 通过实例分析及仿真验证, 证实该过程控制方法能够及时、有效地检测出多品种生产模式下导致生产过程失控的异常因素, 提示操作人员适时做出响应, 使生产过程维持在统计受控状态以保证产品质量.     

随机飘移下变抽样区间图的设计

利用质量控制图监督生产过程时,通常每隔固定时间从过程中抽取固定容量的样本,具有动态特性的控制图比传统静态图能更快地发现过程变化.假定过程均值的飘移服从某种连续概率分布下设计了变抽样区间图,计算了其统计性质和质量损失,并与传统休哈特图作了比较.结果显示,从整体表现上,变抽样区间图显著地优于休哈特图.本文的目标是从统计性质和经济成本2个角度显示变抽样区间图相对于传统休哈特图的优势所在,帮助决策者选择表现更好的控制图.