Exponentially weighted moving average chart using zero-inflated negative binomial distribution
针对含大量零值的过度离散计数数据,本研究提出用ZINB模型适配数据,设计Shewhart和EWMA控制图开展监测,经模拟与真实数据验证,EWMA控制图性能更优。
2025-09-03 stat.AP stat.ME
An Adaptive Upper One-Sided Cumulative Sum Control Chart with Joint Parameter Optimization for Monitoring the Ratio of Two Normal Variables in Short Production Runs
International Chair in DS & XAI, International Research Institute for Artificial Intelligence and Data Science, Dong A University(东亚大学数据科学与可解释人工智能国际讲席、国际人工智能与数据科学研究院);Univ. Lille, ENSAIT, ULR 2461 - GEMTEX - Génie et Matériaux Textiles(里尔大学、ENSAIT纺织工程与材料联合研究实验室)
针对短生产运行中两个相关正态变量比率的监控,提出一种具有自适应联合优化参数k和h的上单侧累积和控制图CUSUM-RZ^+,通过双层优化实现最优检测性能。
2026-07-08 math.ST stat.TH
On The Performance of a Two-Sided Shewhart Chart for Continuous Proportions with Estimated Parameters
本文研究参数未知时基于Kumaraswamy分布的单值双侧控制图性能,通过蒙特卡洛模拟给出第一阶段样本量选择规则和控制限调整方法,并权衡受控与失控性能。
2025-02-04 stat.AP stat.ME
A semi-empirical Bayesian chart to monitor Weibull percentiles
本文针对韦布尔分布的控制参数和失控参数均未知的情形,提出了一种贝叶斯控制图。贝叶斯方法增强了在监测高可靠性应用或基因突变等罕见事件时发生的小样本量的参数估计。该图表直接监控韦布尔分布的参数,而不是像大多数基于威布尔的图表那样转换数据,以符合其正态性假设。该图表使用从当前样本的可能性产生的全部累积知识,结合由初始先验知识和所有过去样本给出的信息。该图表正在进行调整,因为其控制限值在第一阶段发生变化(例如变窄)。给出了一个例子,并证明了良好的平均游程长度属性。此外,本文给出了洞察监测威布尔过程的性质,突出分布和过程参数之间的关系。
2013-08-03 stat.ME
The Unconditional Performance of Control Charts for Zero-Inflated Processes with Estimated Parameters
针对参数需估计的零膨胀泊松与二项过程,本文用 Monte Carlo 模拟评估 Shewhart 型控制图的无条件受控及失控性能,并给出实践使用指南。
2024-01-19 stat.AP
Using Transcripts for Nonparametric Monitoring of Serial Dependence
Helmut Schmidt University(赫尔穆特·施密特大学);Universidad Miguel Hernández(米格尔·埃尔南德斯大学)
提出基于转录本和代数距离的新型非参数控制图,用于监控序列依赖,并通过模拟和化工实例验证其性能。
2026-05-26 stat.ME
Adaptive CUSUM Chart for Simultaneous Monitoring of Mean and Variance
针对现有均值与方差联合监测方法依赖调参、偏向方差上升检测且计算繁重的问题,提出一种无调优参数的自适应CUSUM控制图,具备递归实时监测和报警后诊断能力,仿真显示其综合性能最优。
2025-08-30 stat.ME
A Review of Dispersion Control Charts for Multivariate Individual Observations
设计了一种多变量控制图,用于监控多个相关质量特性的过程参数。通常,多变量过程的数据是作为单独的观测值收集的,即作为一次一个的向量。在文献中已经提出了各种控制图来监控单个观测值时过程的协方差阵。在这项研究中,我们回顾了这些文献;我们找到了1987-2019年期间的30篇相关文章。我们把这些物品分成五类。我们观察到,较少的研究已经做了对过程协方差阵的监控的非参数型控制图,高维和。我们描述了每种方法,说明它们的优点和局限性。最后,我们对未来的研究提出了建议。
2019-12-20 stat.ME
Bayesian EWMA and CUSUM Control Charts Under Different Loss Functions
指数加权移动平均(EWMA)和累积和(Cumulative Sum)控制图已被用于剖面监控,以跟踪在监控过程中发生的漂移。我们使用不同的损失函数、先验分布和似然分布,根据后验和后验预测分布构建贝叶斯EWMA和贝叶斯CUSUM图表。进行模拟研究,并通过平均运行长度(ARL)、运行长度的标准差(SDRL)、平均信号时间(ATS)和信号时间的标准差(SDTS)评价图表的性能。敏感性分析使用平滑参数、失控偏移大小和分布的超参数的选择进行。根据所得结果,我们提供了使用贝叶斯EWMA和贝叶斯EWMA控制图的建议。
2020-07-20 stat.ME
A New $p$-Control Chart with Measurement Error Correction
控制图是监控产品质量的重要工具。其中一个有用的应用是监控不合格产品的比例。然而,在实际应用中,测量误差是普遍存在的,并且可能由于错误记录或错误分类而发生,这使得观察到的比例与潜在的真实比例不同。众所周知,忽略测量误差的影响会产生偏差,预计得到的控制图可能会导致错误的检测。本文对这一重要问题进行了研究,提出了一种有效的方法来修正测量误差的影响,并得到了消除误差的不合格品比例控制图。此外,与传统方法不同,修正EWMA $p$ -控制图提供了不对称的控制限,并且可以灵活地处理小样本量的数据。数值结果验证了修正后的EWMA $p$ -控制图的有效性和测量误差修正的必要性。
2022-03-07 stat.ME
A Change-Point Based Control Chart for Detecting Sparse Changes in High-Dimensional Heteroscedastic Data
由于高维过程的维数灾难性,传统的多变量统计过程监控(SPM)技术提出了挑战。此外,未知的潜在分布和变量之间的复杂相关性,如异方差,增加了估计参数的不确定性,降低了控制图的有效性。此外,对足够参考样本的要求限制了传统图表在高维低样本量场景(小n,大p)中的应用。在检测和诊断由一小组变量引起的异常行为时出现了更多的困难,即,稀疏的变化。在这篇文章中,我们提出了一个基于变点的控制图来检测高维异方差过程的均值向量的稀疏移位。我们提出的方法可以在观测值的数量比维数小得多时开始监测。仿真结果表明了该方法对非正态性和异方差的鲁棒性。一个实际数据的例子被用来说明所提出的控制图在高维应用的有效性。在线提供补充材料和代码。
2021-01-23 stat.ME
On Monitoring High-Dimensional Processes with Individual Observations
现代的数据采集方法和计算工具使得监测高维过程成为可能。在这篇文章中,第二阶段的高维过程的监测调查时,在第一阶段收集的样本的数量是有限的变量的数量相比。本文提出了一种基于协方差阵对角元素的高维多变量过程的新的图表统计量,并提出了采用自启动控制图对阶段I和阶段II进行统一的方法。为了弥补离群值的影响,我们在第一阶段采用了稳健的参数估计方法,并引入了适当的相合估计量。所提出的方法的统计性能进行了评估,在第二阶段通过平均运行长度(ARL)标准的存在和不存在离群值,并揭示了所提出的控制图计划有效地检测各种变化的过程中的意思。最后,我们通过一个真实的例子说明了我们所提出的方法的适用性。
2023-01-23 stat.ME
Fault detection and diagnosis of batch process using dynamic ARMA-based control charts
在文献中可以找到大量的间歇过程监测方法。这种过程产生了一种非常特殊的数据结构,在这种结构中,可以在每个批次运行中连续测量许多过程变量。传统方法没有考虑到数据的时间序列性质。主要原因是时间序列推理理论不是基于时间序列的复制,因为它是在批处理数据。它基于时域中的可变性。这一事实需要对该理论进行一些调整,以适应模型系数估计值,同时考虑批次间样品变异性(批次域)和每个批次中的序列相关性(时域)。为了解决这一问题,本文提出了一种新的方法接地在一组控制图的基础上的经典ARMA模型的间歇过程动态监测和诊断。对每个历史时间序列样本批次的模型系数进行估计(通过普通最小二乘法),并推导出修改后的Hotelling和t-Student分布,用于适应这些估计。基于该分布,提出了一组控制图,用于新批次的监控。此外,这些图表组有助于故障诊断,确定干扰源。通过模拟和真实的数据,我们表明,这种方法似乎可以很好地用于这两个目的。
2021-09-02 stat.ME
Another look at synthetic-type control charts
近二十年来,统计过程监控出现了大量新方法,其中综合型控制图是一个突出的组成部分。这些图表成为流行的设计有几个原因。两个最重要的是简单性和出色的变化点检测性能。虽然前者是毫无疑问的,但我们在这里讨论的是后者。我们将证明他们的表现是值得怀疑的。在以前一些持怀疑态度的文章的基础上,我们想批判性地反思最近开发的合成型控制图的变体,以强调没有理由应用和推广这类特殊的控制图。
2021-12-05 stat.ME
Monitoring of process and risk-adjusted medical outcomes using a multi-stage MEWMA chart
医疗保健中的大多数统计过程控制程序都侧重于监测程序最后阶段的结果,例如死亡率或失败率。这种方法忽略了这些程序的多阶段性质,其中患者在最后阶段之前经历几个阶段。在本文中,我们开发了一个多阶段控制图的基础上,多元指数加权移动平均(EWMA)检验统计量得分方程推导。这允许同时监测医疗保健过程的所有中间和最终阶段的结果,并对潜在的患者风险因素和结果变量之间的依赖性进行调整。使用EWMA检验统计量可以快速检测过程中任何部分的微小渐变。该方法的三个优点是:更好地了解不同阶段的结果如何相互关联,明确监测上游阶段的结果可能有助于遏制导致最终阶段结果较差的趋势,了解每个阶段的影响有助于确定质量改进资源的最有效分配。进行模拟,以测试各种类型的假设的变化下的控制图,并使用失控的平均运行长度的结果进行了总结。
2020-06-26 stat.ME stat.OT
Stein EWMA Control Charts for Count Processes
针对受控时服从 Poisson 或(负)二项分布的独立或自相关计数过程,提出利用 Stein 恒等式构建可检测零膨胀及离散异常的 Stein EWMA 控制图,并经模拟和健康监控实例验证有效。
2024-01-22 stat.ME
Control Charts for Percentiles of Truncated Beta Distributed Environmental Data Using Studentized Bootstrap Method
本研究针对截断Beta分布过程的百分位数监测问题,提出基于学生化参数bootstrap方法的控制图,经模拟和真实环境数据验证其性能优于传统Beta控制图,可应用于环境数据监测场景。
2025-07-31 stat.ME
Functional Mixture Regression Control Chart
针对工业过程多受控模式下的函数型轮廓监控问题,提出基于FLM混合模型与似然比检验的FMRCC,并通过模拟和电阻点焊案例验证其有效性与适用性。
2024-10-26 stat.AP stat.ME
Control Chart for Generalized Weibull Quantiles under Hybrid Censoring
本文针对混合删失下广义威布尔分布分位数,提出基于自助法和休哈特型控制图的监控方案,利用EM算法推导最大似然估计并通过仿真和医疗实例验证其检测失控信号的有效性。
2023-09-21 stat.ME
An Adaptive Multivariate Functional Control Chart
针对轮廓监测方法检测能力依赖参数选择且未考虑失控状态信息的问题,提出自适应多元函数控制图(AMFCC)框架,结合不同参数组合下Hotelling T²型统计量的p值,提升监测性能并应用于汽车点焊过程,已在R包funcharts中实现。
2025-04-13 stat.AP stat.ME
Profile Monitoring via Eigenvector Perturbation
针对统计过程控制中高采样率下控制图难以兼顾低误报率与低检测延迟的问题,提出基于特征向量扰动的非参数轮廓监控控制图,模拟显示其优于现有方法,同时实现$ARL_1 \approx 1$和$ARL_0 > 10^6$。
2024-11-06 stat.AP stat.ME
A Nonparametric Adaptive EWMA Control Chart for Binary Monitoring of Multiple Stream Processes
School of Data Science and Analytics, Kennesaw State University(数据科学与分析学院,肯纳邦克州立大学)
本文提出一种非参数自适应EWMA控制图,用于多流二项式过程的监控,通过精确计算EWMA统计量的时间变化方差,实现自适应控制限,提升早期变化检测能力。
2026-04-13 cs.LG stat.AP stat.ME
SUrvival Control Chart EStimation Software in R: the success package
本文介绍 R 包 success,用于为生存数据构建风险调整控制图,并提供参数确定及静态、交互式可视化功能。
2024-06-18 stat.AP stat.ME
Monitoring data quality for telehealth systems in the presence of missing data
背景资料:香港的安老院舍采用一站式健康监测设备,以支援长者的生命体征监测。在一项初步研究中,发现在多周内错误地测量了收缩压。需要一个实时解决方案,以尽快查明未来的数据质量问题。方法:控制图是一种有效的工具,用于实时监测和信号问题(变化)的数据。在这项研究中,与其他医疗保健应用一样,许多观察结果缺失。很少有方法可用于监测具有缺失观测值的数据。开发了一种数据质量监控方法,以快速发出所收集数据准确性的信号。该方法具有处理缺失观测值的能力。一个霍特林的T平方控制图被选为我们所提出的方法的基础。结果:所提出的方法进行了回顾性验证的案例研究与已知的收缩压测量测量误差。该方法能够充分检测到这种数据质量问题。所提出的方法被集成到一个个性化的远程医疗监测系统,并在第二个案例研究中前瞻性地实施。结果发现,该方案支持数据质量的控制。结论:数据质量是一个重要的问题,控制图是有用的实时监测数据质量。但是,这些图表必须进行调整,以说明在医疗保健环境中经常发生的缺失数据。
2019-06-11 stat.AP stat.ME
Nonparametric Monitoring of Spatial Dependence
本文提出基于空间序数模式(SOPs)的非参数控制图,无需Phase-I分析即可监测空间依赖性,并结合Box-Pierce统计量揭示高阶依赖,在非线性、双边依赖及含离群值场景下优于传统参数方法,并通过德国降雨、乌克兰火灾和纺织品缺陷等真实数据验证其广泛实用性。
2025-05-04 stat.AP stat.ME
Control Charts for Poisson Counts based on the Stein-Chen Identity
针对泊松计数数据在分布族变化或泊松假设不成立时普通EWMA控制图性能下降的问题,本文基于Stein-Chen恒等式提出两类广义EWMA控制图,其中ABC-EWMA控制图在模拟中展现出优越的ARL性能,并在半导体制造计数数据中验证了其实用性。
2023-05-30 stat.ME
Online network monitoring
本文提出一种结合网络建模与统计过程控制的在线网络监控方法,应用基于指数平滑和累积和的多变量控制图监控TERGM网络,有效克服维数灾难并降低监控参数,实证证明能准确检测美国每日航班的异常模式。
2021-05-14 stat.ME
Statistical Monitoring of the Covariance Matrix in Multivariate Processes: A Literature Review
在现代制造业和服务业中,监控过程的几个相关质量特性是常见的。尽管人们对监控多变量过程均值给予了很多关注,但可用于监控协方差阵的控制图并不多。本文对多元统计过程监控(MSPM)框架中监控协方差阵的控制图的文献进行了全面的综述。它对以前出现在文献中的研究进行了分类。我们强调了具有挑战性的研究领域,并为未来的研究提供了一些方向。
2021-04-15 math.ST stat.AP stat.ME
Controlling the EWMA $S^2$ control chart false alarm behavior when the in-control variance level must be estimated
在参数不确定的情况下,研究控制限的设置问题在监控方差时更容易,因为只有一个参数需要估计。简单地忽略诱导的不确定性往往会导致控制图的虚警性能差。调整无条件受控(IC)平均游程长度(ARL)会使情况变得更糟。保证最小条件IC ARL与一些给定的概率是另一个非常流行的方法来解决这些困难。然而,它是非常保守的,也更复杂,更难以沟通。我们利用在控制图上绘制的计划点数内的虚警概率。事实证明,与控制无条件IC ARL相比,调整此概率产生显著不同的限制调整。然后,我们开发数值算法,以确定相应的修改的上限和双侧指数加权移动平均(EWMA)图表的基础上,正态分布数据的样本方差。这些算法在R包中可用。最后,研究了EWMA平滑常数和初始样本大小对控制图设计及其性能的影响。
2021-01-11 stat.ME
Prediction intervals for overdispersed Poisson data and their application in medical and pre-clinical quality control
针对医学与临床前质控中的过离散计数数据,提出基于 quasi-Poisson 或 negative-binomial 的预测区间及 bootstrap 校准算法,并证明其覆盖概率控制优于传统控制图方法。
2024-04-08 stat.AP
The Steady-State Behavior of Multivariate Exponentially Weighted Moving Average Control Charts
多变量指数加权移动平均(MEWMA)图是检测多变量数据流中分布变化的流行、方便和有效的程序。为了进行适当的性能分析,处理MEWMA统计量的稳态行为是必不可少的。超越早期的论文,我们得到相当准确的近似各自的稳态密度的MEWMA统计。事实证明,这些密度可以重写为两个函数的乘积,仅取决于一个参数,这允许可行的计算。为了证明相关的陈述,非中心卡方密度部署合流超几何极限函数的表示被应用。使用新的方法,它被发现,对于大尺寸,稳态行为变得不同,人们可能会期望从单变量监测领域。基于积分方程驱动的方法,稳态和最坏情况下的平均运行长度的计算精度比以前更高。最后,最佳MEWMA平滑常数推导出所有考虑的措施。
2018-08-15 stat.ME
A Non-Parametric Control Chart For High Frequency Multivariate Data
SAS(赛仕软件)
支持向量数据描述(SVDD)是一种用于单类分类和离群点检测的机器学习技术。基于SVDD的K图是由Sun和Tsung首先提出的,用于当过程参数或质量特性的潜在分布偏离正态分布时监控多变量过程。该方法首先根据从过程的稳定或受控操作中获得的数据训练SVDD模型,以获得阈值$R^2$和内核中心a。对于每个新观测,计算其与核中心a的核距离。将核距离与阈值$R^2$进行比较,以确定观测值是否在控制限内。非参数K图提供了一个有吸引力的替代传统的控制图,如霍特林的$T^2$图时,潜在的多元数据的分布是非正态分布或未知的。但是K图在实际应用中存在着一些问题。K图要求计算每个新观测值的核距离,但没有关于如何解释核距离图和推断过程均值变化或过程变异变化的指导方针。这限制了K图在大数据应用中的应用,例如设备健康监测,其中观察结果以非常高的频率生成。在这种情况下,使用K图的分析师被非常高频率的核距离结果淹没,通常没有任何追索权来检测任何可分配的变异原因的存在。我们提出了一种新的基于SVDD的控制图,称为$K_T$图,它解决了使用K图时遇到的挑战,大数据应用。$K_T$图表可用于同时跟踪过程变化和集中趋势。以田纳西伊士曼过程数据为例说明了$K_T$图的成功应用。
2016-07-29 cs.LG stat.AP stat.ME
Guaranteed Conditional Performance of Control Charts via Bootstrap Methods
在实际应用中,通常需要估计控制图的受控状态。这种估计对控制图的性能有不利的影响,控制图的性能通常由例如虚警概率或平均游程长度来衡量。我们建议调整监测计划,以克服这些问题。它保证,以一定的概率,一个有条件的性能给定的估计在控制状态。建议的方法是基于自举的数据用于估计在控制状态。该方法适用于不同类型的控制图,也适用于基于回归模型,生存模型等的图表。如果使用非参数自助法,则该方法对模型误差具有鲁棒性。我们展示了调整的大样本性质。我们的方法的实用性是通过模拟研究证明。
2011-11-17 math.ST stat.ME stat.TH
Bootstrapped Control Limits for Score-Based Concept Drift Control Charts
Northwestern University(西北大学)
本文提出一种改进的基于得分的控制图方法,通过引入嵌套Bootstrap技术提高控制限的准确性,减少对大量保留集的依赖,提升计算效率。
2026-03-21 stat.ME stat.ML
Markov Chain-based Cost-Optimal Control Charts for Healthcare Data
控制图传统上用于工业统计,但不断看到新的应用领域,特别是在工业4.0时代。本文介绍了一种新的方法,该方法适用于医疗保健领域的应用,特别是用于监测患者的健康特征。我们采用了一种基于马尔可夫链的方法,并开发了一种方法,其中不仅移位大小(即患者健康状况的恶化)可以是随机的,而且修复(即治疗)的效果和采样(即访问)之间的时间也是随机的。这意味着我们不会使用许多通常不适用于医学治疗的假设。协议的平均代价由采样间隔时间和控制限决定,可以利用马尔可夫链的平稳分布来估计。此外,我们将成本的标准差纳入优化程序,这从过程控制的角度来看通常是非常重要的。最优参数的灵敏度和由此产生的平均成本和成本标准差对不同的参数值进行了研究。我们证明了在匈牙利治疗的患者的真实生活数据的方法的实用性:即心血管事件风险的患者的胆固醇水平的监测。结果表明,从我们的方法的最佳参数可以是有些不同的原始医疗参数。
2019-02-14 cs.CY stat.AP stat.ME
Using a rank-based design in estimating prevalence of breast cancer
乳腺癌是妇女癌症相关死亡的主要来源,各国政府和卫生组织监测乳腺癌的流行情况非常重要。然而,这种疾病的准确诊断是昂贵的,特别是在发展中国家。这篇文章关注的是一个具有成本效益的方法来估计乳腺癌的患病率,当诊断是基于一个全面的活检程序。利用多级秩集抽样(MSRSS)来建立比例估计量。该设计采用了一些视觉评估的细胞学协变量,这些协变量与乳腺癌的确定有关,以便为实验者提供更多的信息样本。所提出的估计的理论特性进行了探讨。数值研究的证据报告。在简单随机抽样(SRS)中,所开发的程序可以比其竞争对手更有效。在某些情况下,在给定精度水平下,MSRSS中的比例估计需要比SRS少76%左右的观测值。因此,使用MSRSS可以导致相对于SRS的成本的相当大的降低。在许多医学研究中,例如基于完整的活检程序诊断乳腺癌,精确的量化是困难的(昂贵和/或耗时的),但是潜在的样本单元可以在没有实际测量的情况下相当准确地排序。在这种设置中,多级排序集抽样是一个适当的设计,开发成本效益的统计方法。
2021-04-20 stat.ME