基于距離的實時對照監(jiān)控方法研究.pdf

1、質量的定義是：一組固有特性，滿足要求的程度。從上述定義中可以看出對產品質量的監(jiān)控就是對一組特征的監(jiān)控。在早期，人們往往關注產品單個主要特征，這類針對單個特征的監(jiān)控方法就是單變量監(jiān)控方法。但是在現實生活中，人們對產品的需求一般會表現為多個方面，這樣，產品的監(jiān)控就變?yōu)閷Χ鄠€變量的監(jiān)控。最簡單也是最自然的解決方法是對多個變量分別進行單變量監(jiān)控，但是這種方法的監(jiān)控效率會隨著變量數的增加而下降，而且有時甚至會得到錯誤的結論，因此需要對多個變量聯(lián)合

2、監(jiān)控。
　　傳統(tǒng)的多變量控制圖是基于正態(tài)假設設計的，在數據服從正態(tài)分布時可以取得比較理想的效果，而當數據不服從正態(tài)分布時，傳統(tǒng)多變量控制圖往往表現較差，此時一些基于數據挖掘方法的現代多變量控制圖往往會有更好的表現。不過基于非正態(tài)數據設計的控制圖往往有其特定的針對性，因而在其針對的數據類型時有較好表現，但是在其他情形下容易失效。如果將受控狀態(tài)和失控狀態(tài)的數據看成兩類，那么在這兩類數據都可以獲得的時候，一分類問題將監(jiān)控問題變成了分類問

3、題。但在傳統(tǒng)的監(jiān)控問題中，失控數據往往無法獲取。人工對照方法（artificial contrast）通過人工生成失控數據解決這個問題，但是這種方法的監(jiān)測性能受人工生成數據的影響比較大，實時對照方法（real-time contrast）的出現避免了這個問題，此時不再對新樣本進行分類而是監(jiān)測分類產生的其它統(tǒng)計量，如分類準確率，這樣可以提高控制圖的監(jiān)測能力。本文將距離引入實時對照監(jiān)控框架，主要有以下貢獻：
　?。?）將基于LDA的距

4、離引入控制圖的設計并對參數進行分析。作為一種常用的分類器，線性判別分析（LDA）的基本思想是尋找分離超平面將不同類數據分離，在數據滿足正態(tài)性假設時常常有較好的表現，由于對位于分離超平面同一側的點同樣對待，基于分類的統(tǒng)計量的靈敏性會比較差。在RTC框架下以點到LDA的分離超平面的距離設計LDA-D、LDA-D?和LDA-D?三個控制圖，并與基于概率的LDA-a?、LDA-p?和LDA-p?控制圖進行比較。之后研究參數設置對控制圖的影響。<

5、br>　?。?）將基于KLDA的距離引入控制圖的設計。LDA在數據線性可分的時候可以取得較好的效果，但在數據線性不可分時效果較差，這個時候非線性分類器的優(yōu)越性就體現出來。核技術的本質就是通過數據變換將原始數據映射到更高維的空間，這樣就可以將原來線性不可分的數據在高維空間中線性可分，將核方法應用到LDA上得到的KLDA分類方法。在RTC框架下基于點到KLDA的分離曲面的距離設計KLDA-D?和KLDA-D?兩個控制圖，基于KLDA對受控樣

6、本分類準確率設計 KLDA-a?控制圖，在數據不服從多元正態(tài)分布時對構建的KLDA-D?、KLDA-D?和 KLDA-a?控制圖的監(jiān)測性能進行分析，為了便于比較，選擇 SVDD控制圖作為參照。
　?。?）將KL散度和加權KL散度引入控制圖的設計。在信息論和概率論中，KL散度常被用來測度兩個概率分布之間的差異，所以也被稱為KL距離。在RTC框架下基于KL散度設計KLD控制圖，在數據不服從多元正態(tài)分布時對構建的KLD控制圖的監(jiān)測性能進