CN113642183A - 一种具有可变样本容量残差ewma控制图的设计方法 - Google Patents
一种具有可变样本容量残差ewma控制图的设计方法 Download PDFInfo
- Publication number
- CN113642183A CN113642183A CN202110944591.8A CN202110944591A CN113642183A CN 113642183 A CN113642183 A CN 113642183A CN 202110944591 A CN202110944591 A CN 202110944591A CN 113642183 A CN113642183 A CN 113642183A
- Authority
- CN
- China
- Prior art keywords
- residual
- control chart
- state
- ewma
- statistic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 100
- 238000013461 design Methods 0.000 title claims abstract description 17
- 230000002159 abnormal effect Effects 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 21
- 230000007704 transition Effects 0.000 claims description 16
- 238000009499 grossing Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 claims description 5
- 238000005315 distribution function Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 abstract description 22
- 238000004519 manufacturing process Methods 0.000 abstract description 11
- 230000003068 static effect Effects 0.000 abstract description 5
- 230000000694 effects Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000003754 machining Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000003070 Statistical process control Methods 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Complex Calculations (AREA)
Abstract
本发明涉及一种具有可变样本容量残差EWMA控制图的设计方法,本发明针对当下对残差EWMA控制图的设计方法大多是静态设计,控制图的监控效率有待改善的问题,通过选用时间序列模型拟合自相关数据、构建统计量、构建残差EWMA控制图、构建可变样本容量的残差EWMA控制图、计算控制图的平均运行长度,从而对控制图的监控效率进行评价,本发明提出一种残差EWMA控制图的可变样本容量设计方法。能够更快地发现过程的异常波动,可以对过程的变异及时进行纠正,确保生产过程恢复稳定状态,对残差EWMA控制图进行可变样本容量设计,从而减小废品率,降低生产成本,提高生产效率。
Description
技术领域
本发明涉及统计过程控制的技术领域,具体为一种具有可变样本容量残差EWMA控制图的设计方法。
背景技术
随着生产技术以及数据采集技术的不断发展,采集的数据之间往往具有明显的自相关性,此时采用残差控制图对自相关过程进行监控是一种行之有效的方法。在大批量、不间断的长期生产过程中,过程的质量特性会随着人机料法环测等各种因素的改变而逐渐发生变异。传统的残差控制图能够有效地对自相关过程进行监控,但对过程的小波动不甚敏感,考虑到EWMA控制图对小波动的监控效果明显优于传统的休哈特控制图。有学者用时间序列模型描述自相关过程,对消除自相关性之后的残差序列构造EWMA统计量,研究监控自相关过程的残差EWMA控制图,能够达到既能监测自相关过程,又能监测过程较小偏移的目的。
但上述残差控制图是静态的,其样本容量、抽样区间固定不变。当最新抽取的观测值对应控制图上的点比较靠近控制限且在受控区域内时,虽然目前过程尚未发生异常,但下一次抽取的观测值所对应的点子很可能会超出控制界限。假设依旧按照之前固定的样本容量来抽取样本的观测值,那么可能会发生过程已经出现了漂移,但由于样本容量较少,并未检测出过程异常。因此为了提高残差控制图对过程发生异常时的监控效率,本发明提出一种残差EWMA控制图的可变样本容量设计方法。能够更快地发现过程的异常波动,可以对过程的变异及时进行纠正,确保生产过程恢复稳定状态。
许多研究表明采取时间序列模型来监控自相关过程是一种非常有效的措施。根据时间序列模型得到残差序列,然后构造EWMA控制图可以对自相关过程进行有效监控。然而当下对残差EWMA控制图的设计方法大多是静态设计,控制图的监控效率有待改善。为了提高残差EWMA控制图的监控效率,本发明提出了对残差EWMA控制图的可变样本容量的设计方法,可以有效减小失控时的平均运行长度,从而提高控制图的监控效率。
发明内容
针对上述情况,为克服现有技术缺陷,本发明的目的是提供一种具有可变样本容量残差EWMA控制图的设计方法能够更快地发现过程的异常波动,可以对过程的变异及时进行纠正,确保生产过程恢复稳定状态。
本发明解决其技术问题所采用的技术方案是:一种具有可变样本容量残差EWMA控制图的设计方法,其特征在于,包括以下几个步骤:
步骤一:选用合适的时间序列模型拟合自相关数据。
步骤1-1:采用AR(1)模型拟合自相关过程。
假设2:自变量序列Xt只与Xt-1有关,而与Xt-2,…,Xt-p(p>1)无关,也与随机误差项εt不相关,即Cov(εt,Xt-k)=0,k=1,2…。
并且如果E(Xt)=μ,则过程受控,若E(Xt)=μ+δσε(当δ≠0时),则过程失控。
步骤1-2:计算序列预测值。
步骤二:构建统计量。
步骤三:构建残差EWMA控制图。
残差EWMA控制图的控制限:
其中k为控制限系数,λ为平滑系数。
步骤四:构建可变样本容量的残差EWMA控制图。
VSS残差EWMA控制图的控制线如下:
其中k为控制限系数,ω为警戒限系数,且0<ω<k,λ为平滑系数。
本发明的可变样本容量设计思路为:取两个样本容量n1和n2,其中n1>n2,当前观测值的样本点位于中心域,即Zt∈(LWL,UWL)时,表明过程处于稳定状态,下一个样本的样本容量选择较小的n2;若当前观测值的样本点位于警戒域,即Zt∈(LCL,LWL)∪Zt∈(UWL,UCL)时,过程可能已经发生异常,为了确保能够准确地判断过程是否变异,下一个样本容量应选择较大的n1。
步骤5:计算控制图的平均运行长度。
下面采用马尔科夫链方法计算其平均运行长度。控制图的区域分为受控区域和失控区域两个部分,现将控制图的受控区域分为2m+1个小区间,每个小区间的长度为第j个小区间的上下限及区间中点分别用为Uj,Lj,Mj表示。
受控时统计量Zt从i状态一步转移到j状态的概率:
失控时统计量Zt从i状态一步转移到j状态的概率:
其中P是(2m+1)×(2m+1)的方阵,矩阵P中的某一元素Pij表示从i状态到j状态的一步转移概率。I是(2m+1)×(2m+1)的单位矩阵。u是元素全为1的2m+1维的列向量。O是(2m+1)×(2m+1)的零矩阵。1是元素全为1的2m+1维的列向量。
可变样本容量的残差EWMA控制图的平均运行长度为:
ARL=Pl(I-P)-11
假设过程开始时的状态是n状态,那么Pl是除了第n个元素为1,其余元素均为0的2m+1维的列向量。
本发明的技术构思为:现有技术多数是研究固定样本容量和固定抽样区间的静态残差EWMA控制图,其监控效率有待改善。为了提高控制图的监控效率,本发明对残差EWMA控制图进行可变样本容量设计,可以有效减小失控时的平均运行长度,从而提高控制图的监控效率,从而减小废品率,降低生产成本,提高生产效率。
附图说明
图1是本发明的步骤流程框体。
具体实施方式
结合附图,对本发明的具体实施方式作进一步详细说明。
首先,我们公开整个发明的方法步骤:本发明提出了一种具有可变样本容量残差EWMA控制图的设计方法,具体步骤为:
步骤1:选用合适的时间序列模型拟合自相关数据。
步骤1-1:采用AR(1)模型拟合自相关过程。
假设2:自变量序列Xt只与Xt-1有关,而与Xt-2,…,Xt-p(p>1)无关,也与随机误差项εt不相关,即Cov(εt,Xt-k)=0,k=1,2…。
并且如果E(Xt)=μ,则过程受控,若E(Xt)=μ+δσε(当δ≠0时),则过程失控。
步骤1-2:计算序列预测值。
步骤2:构建统计量。
步骤3:构建残差EWMA控制图。
残差EWMA控制图的控制限:
其中k为控制限系数,λ为平滑系数。
步骤4:构建可变样本容量的残差EWMA控制图。
VSS残差EWMA控制图的控制线如下:
其中k为控制限系数,ω为警戒限系数,且0<ω<k,λ为平滑系数。
本发明的可变样本容量设计思路为:取两个样本容量n1和n2,其中n1>n2,当前观测值的样本点位于中心域,即Zt∈(LWL,UWL)时,表明过程处于稳定状态,下一个样本的样本容量选择较小的n2;若当前观测值的样本点位于警戒域,即Zt∈(LCL,LWL)∪Zt∈(UWL,UCL)时,过程可能已经发生异常,为了确保能够准确地判断过程是否变异,下一个样本容量应选择较大的n1。
步骤5:计算控制图的平均运行长度。
下面采用马尔科夫链方法计算其平均运行长度。控制图的区域分为受控区域和失控区域两个部分,现将控制图的受控区域分为2m+1个小区间,每个小区间的长度为第j个小区间的上下限及区间中点分别用为Uj,Lj,Mj表示。
受控时统计量Zt从i状态一步转移到j状态的概率:
失控时统计量Zt从i状态一步转移到j状态的概率:
其中P是(2m+1)×(2m+1)的方阵,矩阵P中的某一元素Pij表示从i状态到j状态的一步转移概率。I是(2m+1)×(2m+1)的单位矩阵。u是元素全为1的2m+1维的列向量。O是(2m+1)×(2m+1)的零矩阵。1是元素全为1的2m+1维的列向量。
下面我们以具体的实例来进行验证:
不失一般性,通过实例仿真来介绍本发明的实施步骤,并与其他控制图比较监控性能的优劣。
步骤1:拟合残差序列。
步骤1-1:拟合模型。
在精工铸造过程中对产品进行最后的精加工时,为了判断精加工过程中零件的的某一重要尺寸是否始终处于受控状态,采取了如下措施:首先对零件进行抽样并测量尺寸数据,将数据进行平稳性检验,根据时序图发现数据存在自相关性,根据测量数据的自相关系数一阶截尾和偏自相关系数拖尾得到该过程可用AR(1)模型进行拟合,根据相关计算得过程均值μ=8.56,方差σ2=1.42,自相关系数得到AR(1)模型为:Xt=8.56+0.3(Xt-1-8.56)。
步骤1-3:计算残差序列。根据下行公式计算残差序列:
步骤2:构建统计量。根据以下公式构建统计量:
步骤3:构建残差EWMA控制图。根据以下公式构建残差EWMA控制图:
步骤4:构建可变样本容量的残差EWMA控制图。根据以下公式构建:
步骤5:计算控制图的平均运行长度。
受控时统计量Zt从i状态一步转移到j状态的概率:
失控时统计量Zt从i状态一步转移到j状态的概率:
其中P是(2m+1)×(2m+1)的方阵,矩阵P中的某一元素Pij表示从i状态到j状态的一步转移概率。I是(2m+1)×(2m+1)的单位矩阵。u是元素全为1的2m+1维的列向量。O是(2m+1)×(2m+1)的零矩阵。1是元素全为1的2m+1维的列向量。
可变样本容量的残差EWMA控制图的平均运行长度为:
ARL=Pl(I-P)-11
假设过程开始时的状态是n状态,那么Pl是除了第n个元素为1,其余元素均为0的2m+1维的列向量。
步骤6:比较可变样本容量的残差EWMA控制图和固定样本容量的残差EWMA控制图的监控性能。根据步骤1-5,分别计算变样本容量的残差EWMA控制图和固定样本容量的残差EWMA控制图的失控平均运行长度ARL,ARL值越小其监控效果越好。比较结果如下:
根据上表可以判断:当过程出现小波动时,VSS残差EWMA控制图的ARL1较小,因此VSS残差EWMA控制图能够更快的发现过程的小波动,监控效果更好。
步骤7.可变样本容量残差EWMA控制图和固定样本容量残差EWMA控制图的监控效果仿真比较。
运用matlab仿真计算具有不同的自相关系数、平滑系数以及偏移量发生变化时的固定样本容量的残差EWMA控制图与可变样本容量的残差EWMA控制图的平均运行长度。绘制以下三个表格:其中可变样本容量选取n1=5,n2=1,固定样本容量n=3。
从上面三个表格可以看出:两种控制图在过程受控时具有相同的ARL0,当过程发生小偏移时,可变样本容量的残差EWMA控制图具有更小的ARL1。例如当δ=0.2,λ=0.1,时可变样本容量的残差EWMA控制图的ARL1=49.3239,近似为固定样本容量残差EWMA控制图的二分之一,由此说明可变样本容量的残差EWMA控制图对过程发生小偏移具有较高的灵敏性。当过程发生较大偏移时,固定样本容量残差EWMA控制图具有稍小的ARL1,但两种控制图的ARL1相差不大。例如当δ=1.6,λ=0.1,时固定样本容量残差EWMA控制图的ARL1=5.7904,可变样本容量的残差EWMA控制图的ARL1=5.9016,因此在过程发生较大偏移时,两种控制图的监控效果几乎无差别。
本发明根据许多研究表明采取时间序列模型来监控自相关过程是一种非常有效的措施,根据时间序列模型得到残差序列,然后构造EWMA控制图可以对自相关过程进行有效监控。然而当下对残差EWMA控制图的设计方法大多是静态设计,控制图的监控效率有待改善。为了提高残差EWMA控制图的监控效率,本发明提出了残差EWMA控制图的可变样本容量的设计方法,可以有效减小失控时的平均运行长度,从而提高控制图的监控效率。
Claims (8)
1.一种具有可变样本容量残差EWMA控制图的设计方法,其特征在于,包括以下几个步骤:
步骤一:选用时间序列模型拟合自相关数据;
步骤二:构建统计量;
步骤三:构建残差EWMA控制图:
统计量的期望为E(Z)=μz=μR=0
残差EWMA控制图的控制限:
其中k为控制限系数,λ为平滑系数;
步骤四:构建可变样本容量的残差EWMA控制图;
VSS残差EWMA控制图的控制线如下:
其中k为控制限系数,ω为警戒限系数,且0<ω<k,λ为平滑系数。
2.根据权利要求1所述的一种具有可变样本容量残差EWMA控制图的设计方法,其特征在于,步骤五:计算控制图的平均运行长度;
可变样本容量的残差EWMA控制图的平均运行长度为:ARL=Pl(I-P)-11
其中,过程开始时的状态是n状态,那么Pl是除了第n个元素为1,其余元素均为0的2m+1维的列向量,P是(2m+1)×(2m+1)的方阵,1是元素全为1的2m+1维的列向量。
7.根据权利要求1所述的一种具有可变样本容量残差EWMA控制图的设计方法,其特征在于,在步骤四中,取两个样本容量n1和n2,其中n1>n2,当前观测值的样本点位于中心域,即Zt∈(LWL,UWL)时,表明过程处于稳定状态,下一个样本的样本容量选择较小的n2;若当前观测值的样本点位于警戒域,即Zt∈(LCL,LWL)∪Zt∈(UWL,UCL)时,过程可能已经发生异常,下一个样本容量应选择较大的n1。
8.根据权利要求2所述的一种具有可变样本容量残差EWMA控制图的设计方法,其特征在于,在步骤五中采用马尔科夫链方法计算其平均运行长度:控制图的区域分为受控区域和失控区域两个部分,现将控制图的受控区域分为2m+1个小区间,每个小区间的长度为第j个小区间的上下限及区间中点分别用为Uj,Lj,Mj表示。
受控时统计量Zt从i状态一步转移到j状态的概率:
失控时统计量Zt从i状态一步转移到j状态的概率:
其中P是(2m+1)×(2m+1)的方阵,矩阵P中的某一元素Pij表示从i状态到j状态的一步转移概率。I是(2m+1)×(2m+1)的单位矩阵。u是元素全为1的2m+1维的列向量。O是(2m+1)×(2m+1)的零矩阵。1是元素全为1的2m+1维的列向量。
可变样本容量的残差EWMA控制图的平均运行长度为:
ARL=Pl(I-P)-11
假设过程开始时的状态是n状态,那么Pl是除了第n个元素为1,其余元素均为0的2m+1维的列向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110944591.8A CN113642183A (zh) | 2021-08-17 | 2021-08-17 | 一种具有可变样本容量残差ewma控制图的设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110944591.8A CN113642183A (zh) | 2021-08-17 | 2021-08-17 | 一种具有可变样本容量残差ewma控制图的设计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113642183A true CN113642183A (zh) | 2021-11-12 |
Family
ID=78422456
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110944591.8A Withdrawn CN113642183A (zh) | 2021-08-17 | 2021-08-17 | 一种具有可变样本容量残差ewma控制图的设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113642183A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114167825A (zh) * | 2021-11-22 | 2022-03-11 | 成都飞机工业(集团)有限责任公司 | 产品的控制图获得方法、装置、终端设备以及存储介质 |
-
2021
- 2021-08-17 CN CN202110944591.8A patent/CN113642183A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114167825A (zh) * | 2021-11-22 | 2022-03-11 | 成都飞机工业(集团)有限责任公司 | 产品的控制图获得方法、装置、终端设备以及存储介质 |
CN114167825B (zh) * | 2021-11-22 | 2024-06-11 | 成都飞机工业(集团)有限责任公司 | 产品的控制图获得方法、装置、终端设备以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | Multimode process monitoring based on robust dictionary learning with application to aluminium electrolysis process | |
CN102184292B (zh) | 服从指数分布的电子产品可靠性预计模型修正方法 | |
Wang et al. | Statistical surface monitoring by spatial-structure modeling | |
Riaz et al. | A process variability control chart | |
CN108520111A (zh) | 一种基于正交成分最优选择与最优回归的软测量方法 | |
Lin et al. | A virtual metrology scheme for predicting CVD thickness in semiconductor manufacturing | |
CN110245395B (zh) | 具有空间相关性的圆柱形状误差的监控方法、系统及介质 | |
CN113642183A (zh) | 一种具有可变样本容量残差ewma控制图的设计方法 | |
CN110298765B (zh) | 一种基于客观关联因素的配电网用电功率异常检测方法 | |
Zand et al. | Change point estimation in phase I monitoring of logistic regression profile | |
CN108492026A (zh) | 一种基于集成正交成分最优化回归分析的软测量方法 | |
Phanthuna et al. | Exact run length evaluation on a two-sided modified exponentially weighted moving average chart for monitoring process mean | |
Li et al. | A wiener-based remaining useful life prediction method with multiple degradation patterns | |
CN108470699B (zh) | 一种半导体制造设备和工艺的智能控制系统 | |
Ou et al. | An improved SPRT control chart for monitoring process mean | |
CN103390103A (zh) | 基于子空间独立成分回归模型的熔融指数在线检测方法 | |
Zhang et al. | Sensor fault diagnosis and location for small and medium-scale wireless sensor networks | |
Defreitas et al. | Anomaly detection in wind tunnel experiments by principal component analysis | |
CN109214268B (zh) | 一种基于集成流形学习的填料塔液泛状态在线监测方法 | |
CN108415372B (zh) | 精密机床热误差补偿方法 | |
Wan et al. | A dynamic sampling methodology for plasma etch processes using Gaussian process regression | |
CN114064760B (zh) | 一种数据的多维度预警分析判断方法 | |
CN103163864B (zh) | 机械设备状态评估的优化方法 | |
Wang et al. | Recursive parameter estimation for categorical process control | |
Lou et al. | The selection of key temperature measuring points for the compensation of thermal errors of CNC machining tools |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20211112 |
|
WW01 | Invention patent application withdrawn after publication |