基于距離的實(shí)時(shí)對(duì)照監(jiān)控方法研究.pdf

1、質(zhì)量的定義是：一組固有特性，滿(mǎn)足要求的程度。從上述定義中可以看出對(duì)產(chǎn)品質(zhì)量的監(jiān)控就是對(duì)一組特征的監(jiān)控。在早期，人們往往關(guān)注產(chǎn)品單個(gè)主要特征，這類(lèi)針對(duì)單個(gè)特征的監(jiān)控方法就是單變量監(jiān)控方法。但是在現(xiàn)實(shí)生活中，人們對(duì)產(chǎn)品的需求一般會(huì)表現(xiàn)為多個(gè)方面，這樣，產(chǎn)品的監(jiān)控就變?yōu)閷?duì)多個(gè)變量的監(jiān)控。最簡(jiǎn)單也是最自然的解決方法是對(duì)多個(gè)變量分別進(jìn)行單變量監(jiān)控，但是這種方法的監(jiān)控效率會(huì)隨著變量數(shù)的增加而下降，而且有時(shí)甚至?xí)玫藉e(cuò)誤的結(jié)論，因此需要對(duì)多個(gè)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(shè)設(shè)計(jì)的，在數(shù)據(jù)服從正態(tài)分布時(shí)可以取得比較理想的效果，而當(dāng)數(shù)據(jù)不服從正態(tài)分布時(shí)，傳統(tǒng)多變量控制圖往往表現(xiàn)較差，此時(shí)一些基于數(shù)據(jù)挖掘方法的現(xiàn)代多變量控制圖往往會(huì)有更好的表現(xiàn)。不過(guò)基于非正態(tài)數(shù)據(jù)設(shè)計(jì)的控制圖往往有其特定的針對(duì)性，因而在其針對(duì)的數(shù)據(jù)類(lèi)型時(shí)有較好表現(xiàn)，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(shù)據(jù)看成兩類(lèi)，那么在這兩類(lèi)數(shù)據(jù)都可以獲得的時(shí)候，一分類(lèi)問(wèn)題將監(jiān)控問(wèn)題變成了分類(lèi)問(wèn)

3、題。但在傳統(tǒng)的監(jiān)控問(wèn)題中，失控?cái)?shù)據(jù)往往無(wú)法獲取。人工對(duì)照方法（artificial contrast）通過(guò)人工生成失控?cái)?shù)據(jù)解決這個(gè)問(wèn)題，但是這種方法的監(jiān)測(cè)性能受人工生成數(shù)據(jù)的影響比較大，實(shí)時(shí)對(duì)照方法（real-time contrast）的出現(xiàn)避免了這個(gè)問(wèn)題，此時(shí)不再對(duì)新樣本進(jìn)行分類(lèi)而是監(jiān)測(cè)分類(lèi)產(chǎn)生的其它統(tǒng)計(jì)量，如分類(lèi)準(zhǔn)確率，這樣可以提高控制圖的監(jiān)測(cè)能力。本文將距離引入實(shí)時(shí)對(duì)照監(jiān)控框架，主要有以下貢獻(xiàn)：
　?。?）將基于LDA的距

4、離引入控制圖的設(shè)計(jì)并對(duì)參數(shù)進(jìn)行分析。作為一種常用的分類(lèi)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(lèi)數(shù)據(jù)分離，在數(shù)據(jù)滿(mǎn)足正態(tài)性假設(shè)時(shí)常常有較好的表現(xiàn)，由于對(duì)位于分離超平面同一側(cè)的點(diǎn)同樣對(duì)待，基于分類(lèi)的統(tǒng)計(jì)量的靈敏性會(huì)比較差。在RTC框架下以點(diǎn)到LDA的分離超平面的距離設(shè)計(jì)LDA-D、LDA-D?和LDA-D?三個(gè)控制圖，并與基于概率的LDA-a?、LDA-p?和LDA-p?控制圖進(jìn)行比較。之后研究參數(shù)設(shè)置對(duì)控制圖的影響。<

5、br>　?。?）將基于KLDA的距離引入控制圖的設(shè)計(jì)。LDA在數(shù)據(jù)線性可分的時(shí)候可以取得較好的效果，但在數(shù)據(jù)線性不可分時(shí)效果較差，這個(gè)時(shí)候非線性分類(lèi)器的優(yōu)越性就體現(xiàn)出來(lái)。核技術(shù)的本質(zhì)就是通過(guò)數(shù)據(jù)變換將原始數(shù)據(jù)映射到更高維的空間，這樣就可以將原來(lái)線性不可分的數(shù)據(jù)在高維空間中線性可分，將核方法應(yīng)用到LDA上得到的KLDA分類(lèi)方法。在RTC框架下基于點(diǎn)到KLDA的分離曲面的距離設(shè)計(jì)KLDA-D?和KLDA-D?兩個(gè)控制圖，基于KLDA對(duì)受控樣

6、本分類(lèi)準(zhǔn)確率設(shè)計(jì) KLDA-a?控制圖，在數(shù)據(jù)不服從多元正態(tài)分布時(shí)對(duì)構(gòu)建的KLDA-D?、KLDA-D?和 KLDA-a?控制圖的監(jiān)測(cè)性能進(jìn)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(quán)KL散度引入控制圖的設(shè)計(jì)。在信息論和概率論中，KL散度常被用來(lái)測(cè)度兩個(gè)概率分布之間的差異，所以也被稱(chēng)為KL距離。在RTC框架下基于KL散度設(shè)計(jì)KLD控制圖，在數(shù)據(jù)不服從多元正態(tài)分布時(shí)對(duì)構(gòu)建的KLD控制圖的監(jiān)測(cè)性能進(jìn)