质量管理中高维数据的统计过程控制研究

项目介绍

AI项目解读

基本信息

批准号：
71172131
项目类别：
面上项目
资助金额：
42.0万
负责人：
蒋炜
依托单位：
上海交通大学
学科分类：
G0211.企业运营管理
结题年份：
2015
批准年份：
2011
项目状态：
已结题
起止时间：
2012-01-01 至2015-12-31

项目参与者：
舒连杰；李艳婷；曾顺秋；宫建霞；李南；
关键词：
变量选择质量管理统计过程控制数据挖掘

项目摘要

近年来，随着现代传感器技术的日益普及和数据采集系统的完善，高维统计过程控制作为现代管理技术正成为我国提高改进产品与服务质量的强有力保证。但是，小批量和差异化生产对高维统计过程控制系统提出了新的挑战。本项目将针对小样本、高维度的过程数据，拓展传统多元统计过程控制方法，系统地研究高维统计过程控制的设计理论和方法，并评估其在实践中的有效性。本项目将主要研究：（1）在小样本的情况下，高维统计过程的参数估计方法及其对控制图设计的影响；（2）针对高维数据过程的特点，研究开发新的高维统计过程控制算法，提高过程监视的敏感度；（3）在系统参数估计具有不确定性的情况下，研究开发基于数据挖掘和变量选择技术的高维过程故障诊断方法。本项目的研究成果将为我国先进制造、生产服务、商业智能、以及公共卫生管理提供系统全面的理论支持和应用方法。

结项摘要

统计过程控制是一种借助数理统计方法来保证质量的过程控制工具。如今，各种各样的统计过程控制图已先后被用于从先进制造、生产服务，到公共卫生管理和商业智能的生产生活各个方面。本项目针对半导体质量控制、卫生事件预警、商务活动监控等生产和服务过程中采集的大量数据，研究不同数据特点对于传统统计过程控制图理论的影响，在严格控制统计误报率的前提下，讨论并提出了新型的控制图方法，以应对海量数据和/或混合数据流等对实时预警的挑战。在海量数据监控方面，通过建立基于非齐次Poisson过程的统计似然比框架，提出了一种新的指数加权方法，解决了非齐次Poisson过程监控的早期误报问题；另一方面，在不对海量数据作任何假设的情况下，通过运用变量选择和非参数统计方法，结合运用投影寻踪和机器学习的算法，构建了适用于高维度数据流的统计过程控制理论和方法；在时空事件的监视预警问题中，构建了一个空间地理位置数据流的多维似然比检验框架，在此框架下研究、比较了基于空间Bayes 假设的似然比求和方法；为了解决疾病监控问题中不同区域的敏感性不同等问题，提出了空间似然比统计量的标准化方法，并证明了各个空间似然比统计量的优劣和适用特点；在《Journal of the American Statistical Association》、《Technometrics》、《IIE Transactions》、《IEEE Intelligent Systems》、《Naval Research Logistics》、《European Journal of Operational Research》、《Journal of Quality Technology》、《Omega-International Journal of Management Science》等期刊发表标注论文22篇，包括SCI检索论文19篇；2014年主编了一期《IIE Transactions》的“Health Care Surveillance and Response”特刊。本项目已取得的研究成果将有助于加快我国质量提升和产业转型的步伐，为我国先进制造技术的发展和卫生事件预警等领域提供系统、全面的理论支持和应用方法。