服务过程中分类数据的监控及诊断方法的研究

Categorical data is very common in service processes. Most conventional statistical process control techniques cannot effectively handle the monitoring and diagnosing of such service processes with categorical data on a real-time basis. The central idea of the proposed research is to develop methodologies to achieve efficient monitoring and diagnosing in service processes with categorical data. This involves the following research contents: (1) the monitoring of multivariate catagorical data arising from customers' perception of service quality; (2) the monitoring of autocorrelated categorical data; (3) the monitoring and diagnosing multistage processes with categorical data in service systems. The research will expand statistical process control techniques for categorical data from different aspects, and lead to the comprehensive surveillance of service system quality.

在服务过程中，分类数据是很常见的。然而传统的统计过程控制方法不能有效地处理服务过程中分类数据的实时监控及快速诊断异常的问题。因此，本项目的目标是要提出有效的适用于分类数据的统计过程控制方法。研究内容将集中在如下几方面： (1) 对顾客感知服务质量的多元分类数据提出有效的SPC技术；（2） 对自相关的分类数据提出有效的控制方法；（3）对具有分类输出变量的多阶段服务过程进行建模，并开发监控服务质量及诊断异常原因的方法。项目研究成果对于拓展分类数据统计过程控制的研究方法，推动其在服务业中的应用具有重要理论和应用价值。

在自然科学基金青年基金的资助下，课题组完成了如下几个方面的工作：（1）.利用二元状态空间模型对二项输出型多阶段过程进行建模，基于模型构建有效的多阶段过程监控及诊断方法，通过仿真技术，确定控制图控制限并分析所构建控制图及诊断方法的性能；（2）针对实际过程中的多元分类数据以及自相关分类数据，提出了基于广义似然比的移动加权移动平均控制图；（3）结合轮廓数据中的输出变量及解释变量之间的函数关系，提出了基于线性及非线性轮廓的控制图以及变点和异常值诊断方法，改进了现有方法在监控轮廓数据时存在的局限性，并将具有计量响应值的轮廓的统计过程控制扩展到了具有分类输出的轮廓；（4）针对回归模型的变量选择及比较方法，进行了理论和应用研究；（5）针对医疗卫生领域中应用的风险调控控制图，研究了参数估计的误差对连续时间尺度下的风险调控累积和控制图的影响。..到目前为止，课题组共发表（含录用）论文11篇，全部为SCI检索论文。培养博士研究生1名，硕士研究生2名，参加国际学术会议10余次。此外，在本项目资助下，项目负责人于2015年晋升副教授。在已有成果的基础上，课题组拟在具有离散输出变量的轮廓监控与诊断以及时空分类数据过程监控与诊断方面进行进一步深入研究。

内容获取失败，请点击重试