一、 S h e w h a r t Shewhart Shewhart控制图

原理：统计的 3 σ 3\sigma 3σ原理

假定一列样本 X i , i = 1 , 2 , ⋯ X_i,i=1,2,\cdots Xi,i=1,2,⋯ 来自一生产过程，它们独立服从一正态分布 N ( μ , σ 2 ) N(\mu,\sigma^2) N(μ,σ2)。则上下控制线分别取为
μ + u 1 − α / 2 σ n \mu+u_{1-\alpha/2}\frac{\sigma}{\sqrt n} μ+u1−α/2n σ
和
μ − u 1 − α / 2 σ n \mu-u_{1-\alpha/2}\frac{\sigma}{\sqrt n} μ−u1−α/2n σ

控制线：当检测统计量落在控制线以外的区域时，控制图给出过程失控的警报。

当 μ \mu μ和 σ \sigma σ都未知时，需要在保证过程受控时抽取样本对它们进行估计。假设有 m m m个样本容量为 n n n的样本。于是 μ \mu μ可以用

X ˉ ˉ = X ˉ 1 + ⋯ + X ˉ m m \bar{\bar{X}}=\frac{\bar{X}_1+\cdots+\bar{X}_m}{m} Xˉˉ=mXˉ1+⋯+Xˉm

来估计。假设 R 1 , ⋯ , R m R_1,\cdots,R_m R1,⋯,Rm是 m m m组样本的极差， R ˉ \bar{R} Rˉ是这些极差的平均值。对 S h e w h a r t Shewhart Shewhart控制图，检测均值是否漂移的上下控制线分别为

X ˉ ˉ ± c 1 R ˉ \bar{\bar X}\pm c_1\bar R Xˉˉ±c1Rˉ

检测方差是否漂移的上下控制线分别为

c 2 R ˉ c_2\bar R c2Rˉ
和
c 3 R ˉ c_3\bar R c3Rˉ

其中 c 1 , c 2 c_1,c_2 c1,c2和 c 3 c_3 c3为使得过程受控时控制图的平均运行长度为事先设定的值所取的常数。

A R L ARL ARL，即控制图从检测开始到它发出生产出现问题的警报为止的抽取的平均样本组数。根据这个定义，容易看出，当过程受控时，希望 A R L ARL ARL尽可能大，这样控制图的误报率就会尽可能小；当过程失控时，希望 A R L ARL ARL尽可能小，这样控制图的检测效率就会提高。在文献研究和实际应用中，我们一般固定过程受控时的 A R L ARL ARL，记为 A R L 0 ARL_0 ARL0，然后比较不同控制图在过程失控时的 A R L ARL ARL，记为 A R L 1 ARL_1 ARL1。过程失控时， A R L 1 ARL_1 ARL1越小，表明这个控制图在检测这个漂移时越有效。

还可以用方差的另一估计样本标准差 S n S_n Sn来构造 S h e w h a r t X ˉ Shewhart \bar X ShewhartXˉ和 S S S控制图。

实际中由于一些原因，如生产线、成本等原因，我们得到的样本容量为1，即individual sample size的情况。假设 m m m个样本容量为 1 1 1的受控样本 X i , i = 1 , 2 , ⋯ , m X_i,i=1,2,\cdots,m Xi,i=1,2,⋯,m独立服从一正态分布 N ( μ , σ 2 ) N(\mu,\sigma^2) N(μ,σ2)。记 M R i = ∣ X i − X i − 1 ∣ MR_i=|X_i-X_{i-1}| MRi=∣Xi−Xi−1∣， M R ˉ = M R 2 + ⋯ + M R m m − 1 \bar{MR}=\frac{MR_2+\cdots+MR_m}{m-1} MRˉ=m−1MR2+⋯+MRm。这样 S h e w h a r t X ˉ Shewhart \bar X ShewhartXˉ控制图的上下控制线为
X ˉ ˉ + 3 M R ˉ d 2 \bar{\bar X}+3\frac{\bar{MR}}{d_2} Xˉˉ+3d2MRˉ
和
X ˉ ˉ − 3 M R ˉ d 2 \bar{\bar X}-3\frac{\bar{MR}}{d_2} Xˉˉ−3d2MRˉ

二、带有附加运行准则的 S h e w h a r t Shewhart Shewhart控制图

附加运行准则：如果过去 m m m个检测统计量中有 k ( k ≤ m ) k(k\le m) k(k≤m)个落在了区间 ( a , b ) (a,b) (a,b)中，控制图发出过程失控的警报，记为 T ( k , m , a , b ) T(k,m,a,b) T(k,m,a,b)。

运行准则1： C 1 = { T ( 1 , 1 , − ∞ , − 3 ) , T ( 1 , 1 , 3 , ∞ ) } C_1=\{T(1,1,-\infty,-3),T(1,1,3,\infty)\} C1={T(1,1,−∞,−3),T(1,1,3,∞)}
运行准则2： C 1 = { T ( 2 , 3 , − 3 , − 2 ) , T ( 2 , 3 , 2 , 3 ) } C_1=\{T(2,3,-3,-2),T(2,3,2,3)\} C1={T(2,3,−3,−2),T(2,3,2,3)}
运行准则3： C 1 = { T ( 4 , 5 , − 3 , − 1 ) , T ( 4 , 5 , 1 , 3 ) } C_1=\{T(4,5,-3,-1),T(4,5,1,3)\} C1={T(4,5,−3,−1),T(4,5,1,3)}
运行准则4： C 1 = { T ( 8 , 8 , − 3 , 0 ) , T ( 8 , 8 , 0 , 3 ) } C_1=\{T(8,8,-3,0),T(8,8,0,3)\} C1={T(8,8,−3,0),T(8,8,0,3)}
…

根据这些附加运行准则，可以构造一个更一般的控制图，即
C i j ⋯ k = C i ∪ C j ∪ ⋯ ∪ C k . C_{ij\cdots k}=C_i\cup C_j\cup\cdots\cup C_k. Cij⋯k=Ci∪Cj∪⋯∪Ck.

模拟结果表明，带有附加运行准则的 S h e w h a r t Shewhart Shewhart控制图提高了 S h e w h a r t Shewhart Shewhart控制图检测中小漂移的能力。

三、Q图

1. 抽样方式

①抽样方式一

假定一列样本 X i , i = 1 , 2 , ⋯ X_i,i=1,2,\cdots Xi,i=1,2,⋯ 来自一生产过程，它们独立服从一正态分布 N ( μ , σ 2 ) N(\mu,\sigma^2) N(μ,σ2)。

样本均值： X ˉ t = 1 t ∑ i = 1 t X i \bar{X}_t=\frac{1}{t}\sum\limits_{i=1}^t X_i Xˉt=t1i=1∑tXi

样本标准差： S t 2 = 1 t − 1 ∑ i = 1 t ( X i − X ˉ t ) 2 S_t^2=\frac{1}{t-1}\sum\limits_{i=1}^t(X_i-\bar{X}_t)^2 St2=t−11i=1∑t(Xi−Xˉt)2

②抽样方式二

在时刻 i ( i = 1 , 2 , ⋯ , t ) i(i=1,2,\cdots,t) i(i=1,2,⋯,t)得到的样本为 X i 1 , X i 2 , ⋯ , X i n i X_{i1},X_{i2},\cdots,X_{in_i} Xi1,Xi2,⋯,Xini，样本均值为 X ˉ i \bar{X}_i Xˉi，样本方差为 S i 2 S_i^2 Si2。于是，到时刻 t t t，得到所有样本的

样本均值为 X ˉ t ˉ = n 1 X ˉ 1 + n 2 X ˉ 2 + ⋯ + n t X ˉ t n 1 + n 2 + ⋯ + n t \bar {\bar{X}_t}=\frac{n_1\bar{X}_1+n_2\bar{X}_2+\cdots+n_t\bar{X}_t}{n_1+n_2+\cdots+n_t} Xˉtˉ=n1+n2+⋯+ntn1Xˉ1+n2Xˉ2+⋯+ntXˉt

样本方差为 S p , t 2 = ( n 1 − 1 ) S 1 2 + ( n 2 − 1 ) S 2 2 + ⋯ + ( n t − 1 ) S t 2 n 1 + n 2 + ⋯ + n t − t S_{p,t}^2=\frac{(n_1-1)S_1^2+(n_2-1)S_2^2+\cdots+(n_t-1)S_t^2}{n_1+n_2+\cdots+n_t-t} Sp,t2=n1+n2+⋯+nt−t(n1−1)S12+(n2−1)S22+⋯+(nt−1)St2

2. Q统计量的分布

Q Q Q统计量有检测过程均值的 Q Q Q统计量，还有检测过程方差的 Q Q Q统计量，全部服从标准正态分布。于是控制图的上下控制线可以取为
L C L = u α 1 LCL=u_{\alpha1} LCL=uα1, U C L = u 1 − α 2 UCL=u_{1-\alpha_2} UCL=u1−α2

3. Q图的优势

Q Q Q图可以应用于过程的初始阶段，即使过程参数需要由当前数据来估计
Q Q Q图的统计量都化为正态分布，这可以使得不同的变量画在同一个图中，节约成本
Q Q Q图可以运用附加准则，提高控制图的检测效率

4. Q图的劣势

Q Q Q统计量与原来过程数据不是同一个测量体系，这使得 Q Q Q统计量失去了原来过程数据的实际意义
由 Q Q Q统计量的构造可以看出，当过程发生一个漂移时，如果 Q Q Q图没有能够及时检测出这个漂移，那么这个漂移会被掩盖掉

Shewhart控制图的设计理论与方法相关推荐

EWMA控制图的设计理论与方法
一.EWMA控制图的定义及设计假设一列Xi,i=1,2,⋯X_i,i=1,2,\cdotsXi,i=1,2,⋯来自一生产过程.为监控此生产过程是否受控,要做如下的假设检验: H0:Xi∼N(μ0, ...
顶层设计理论和方法概述
信息化顶层设计的思想内涵主要是用系统论的方法,对信息化建设的各个方面.各个层次.各种参与力量.各种正面的促进因素和负面的限制因素进行统筹考虑,理解和分析影响信息化建设的各种关系,从全局的视角出发,对信 ...
领域驱动设计理论与方法
本文首发微信公众号:码上观世界作者:闻乃松 DDD由来与优势软件架构设计的真正目的是解决软件复杂度带来的问题,软件复杂度由来主要由三方面:高并发场景下的对软件高性能要求.业务场景对软件高可用要求 ...
现代机械设计理论与方法杨义勇pdf_【专业介绍| 高起本】机械设计制造及其自动化...
机械设计制造及其自动化专业是将微电子技术和自动控制理论与机械设计.机械制造等领域的技术相结合,使机械工程与自动化技术紧密结合.本专业学生主要学习本专业领域的技术理论基础知识,主要包括力学.机械学.微电 ...
《大话软件工程—需求分析与软件设计》，给出了分析与设计过程中需要的理论、方法、工具和标准
□ 做好一款软件从哪里开始呢?→ 客户需求的调研: □ 一款软件的价值高低由哪个环节决定呢?→ 软件的分析与设计: □ 软件顺利完成开发靠什么?→ 高效的项目管理: □ 软件开发的主要角色?→ 客户. ...
干货 | 龙瀛：面向智慧城市的人本尺度城市形态：理论、方法与实践
本文内容选自清华大学建筑学院研究员.博士生导师龙瀛老师于2019年10月11日在清华大数据"应用·创新"系列讲座上所做的题为<面向智慧城市的人本尺度城市形态:理论.方法与实践 ...
空间数据挖掘技术理论及方法
葛继科(西南农业大学信息学院 400716) 摘要本文简要论述了空间数据库技术及空间数据挖掘技术的理论及特点,分析了空间数据挖掘技术的层次.方法,并重点介绍了当前常用的分类.聚类.关联规则等空 ...
二、数据库原理-设计理论
第一章关系数据库设计理论第一节完整性关系完整性是为保证数据库中数据的正确性和相容性,对关系模型提出的某种约束条件或规则.完整性通常包括实体完整性,参照完整性和用户定义完整性. 一.实体完 ...
【渝粤题库】陕西师范大学152210 现代社会调查理论与方法
陕西师范大学内部题库教育 (yuyueshool) 编制陕西师范大学内部题库教育 (yuyueshool) 编制 <现代社会调查理论与方法>作业一.填空题 1.社会 ...

Shewhart控制图的设计理论与方法