![](https://csdnimg.cn/release/download_crawler_static/85802006/bg8.jpg)
第一章绪论
样本的一部分做统计推断的方法判断变点位置。王黎明和王静龙[35】使用U统计
量对位置参数模型的变点进行了识别。其中,王黎明【36】在解决误差模型参数变点
识别问题时不仅使用了了参数检验,还考虑了非参数检验的方法。韩四儿等人【37】
在后尾相依序列均值变点的研究中验证了这种变点截尾估计的收敛性。谭常春[38】
等人对r分布的参数变点问题使用了非参数方法加以识别。聂斌和杜梦莹【39】等
提出基于轮廓概率密度的变点识别方法。聂斌和孙会东[40】等针对非参数轮廓线
的变点识别问题提出了基于豪斯多夫距离的降维方法与T2控制图相结合的方法。
综上,轮廓监控问题的研究正逐渐由简单变得越来越复杂,研究的内容也越
来越符合科技发展的要求,研究的领域也从早期的生产数据拓展到现在医疗、大
气、经济、金融等领域。目前的变点识别问题主要集中于单变点问题,而对多变
点问题的研究少之又少,继而更少有研究非线性轮廓线的多变点问题。
1。4本文研究方法及思路
本文的研究由三个方面构成:理论研究、方法研究和仿真分析。
理论研究是指在控制图理论基础的学习和理解上,具体分析所研究的问题,
根据分析结果设计出合适的解决方案。
方法研究是建立在理论研究所设计的可能解决方案上,具体研究方案中涉及
到的各种方法,如小波变换、聚类分析、T检验、F检验、二分法等。
仿真研究可以验证所设计出的方案的可行性和性能,通过与其他方法的对比
可以详细了解到新方法的能力。变点的产生说明了生产过程中出现了异常,可能
是设备的磨损,也可能是员工操作不当,无论是什么原因造成的,都应该采取行
动来加以消除。质量监控作为对这种变点识别的手段必须要做到两个方面:一是
快速发现变点,二是准确找到变点。发现变点的时间越晚就说明产生的不良品越
多,越多的不良品就带来更加高昂的成本和浪费,故一个好的变点识别方法应该
可以快速识别出变点,亦即能够在过程发生的异常较小时给出识别反馈。如果一
个识别方法的识别准确率不高,即给出的判断结果准确度低,那么会造成连续生
产过程的错误停机,干扰到正常的生产秩序,同时也会带来高昂的经济损失。故
一个好的识别方法给出的识别结果应该是可信的。因此,在比较指标的选取上,
本文选择在识别结果的准确率作为指标。
同时,根据仿真结果的好坏可以进一步对方法做出相应的改善,使其效果更
加优秀。
本文的主体思路如图1.1所示。
万方数据