基于自相关过程的贝叶斯质量控制图研究

基于自相关过程的贝叶斯质量控制图研究

论文摘要

质量控制图是质量管理中使用最广泛和最有效的工具。工作中常用的常规控制图其基本假设前提是观测值独立同分布,但是当生产过程自相关时,质量观测值常常表现出序列相关性,很难满足控制图的假定前提。忽视序列相关,质量控制图的监控过程能力将受到极大的影响,可能多发过程异常的错误警报,也可能漏发过程异常的真实警报。其检测能力大大降低。不仅增加了对并不存在的异常原因进行检测的质量控制成本,更主要的是严重影响管理者对控制图有效性的信心,从而怀疑、甚至放弃使用这一科学的管理方法。针对这一实际问题,本文系统研究了生产过程自相关条件下控制图的处理方法,进一步完善了控制图的理论体系,有利于研究贝叶斯质量控制理论和方法体系,具有现实和理论意义。本文在时间序列自回归模型(AR)、自回归移动平均模型(ARMA)以及向量自回归模型(VAR)的贝叶斯推断基础上,提出了贝叶斯质量控制方法。应用基于Gibbs抽样的马尔科夫链蒙特卡罗方法模拟模型参数的后验分布,使用软件随机仿真生成的AR(1)、ARMA(1,1)和VAR(2)等具有代表性的过程,利用WinBUG软件包进行仿真分析,构建了时间序列自回归模型(AR)、自回归移动平均模型(ARMA)以及向量自回归模型(VAR)等序列自相关过程的贝叶斯质量控制图。避免了在受控状态下使用常规控制图造成的漏发或虚发报警现象。研究结果表明:贝叶斯方法是解决自相关条件下质量控制的有效工具。

论文目录

  • 摘要
  • Abstract
  • 插图索引
  • 附表索引
  • 第1章 绪论
  • 1.1 研究背景及意义
  • 1.1.1 研究背景
  • 1.1.2 研究现状及意义
  • 1.2 研究内容安排
  • 第2章 AR(p)模型的贝叶斯质量控制图
  • 2.1 AR(p)模型的贝叶斯推断
  • 2.2 随机仿真方法
  • 2.3 贝叶斯残差控制图仿真分析
  • 2.3.1 贝叶斯残差控制图的控制限
  • 2.3.2 仿真分析
  • 2.3.3 AR(p)模型的贝叶斯EWMA 控制图
  • 2.4 本章小结
  • 第3章 ARMA 模型的贝叶斯质量控制图
  • 3.1 ARMA 模型的贝叶斯推断
  • 3.2 ARMA 模型的贝叶斯质量控制图
  • 3.2.1 ARMA 模型的贝叶斯休哈特控制图
  • 3.2.2 ARMA 模型的贝叶斯EWMA 控制图
  • 3.3 本章小结
  • 第4章 VAR 模型的贝叶斯质量控制图
  • 4.1 多元质量控制问题的提出
  • 4.2 VAR 模型的贝叶斯推断
  • 4.2.1 VAR 模型的提出
  • 4.2.2 非限制性VAR(p)模型的贝叶斯推断
  • 4.3 VAR(p)模型贝叶斯质量控制图的构建
  • 第5章 全文总结与展望
  • 5.1 本文所作的工作
  • 5.2 本文的创新之处
  • 5.3 进一步研究展望
  • 参考文献
  • 附录A 攻读硕士学位期间所发表的学术论文目录
  • 附录B 仿真程序
  • 致谢
  • 相关论文文献

    标签:;  ;  ;  ;  ;  

    基于自相关过程的贝叶斯质量控制图研究
    下载Doc文档

    猜你喜欢