《質量管理中高維數據的統計過程控制研究》是依託上海交通大學，由蔣煒擔任項目負責人的面上項目。
基本介紹
- 中文名：質量管理中高維數據的統計過程控制研究
- 項目類別：面上項目
- 項目負責人：蔣煒
- 依託單位：上海交通大學
項目摘要,結題摘要,
項目摘要
近年來，隨著現代感測器技術的日益普及和數據採集系統的完善，高維統計過程控制作為現代管理技術正成為我國提高改進產品與服務質量的強有力保證。但是，小批量和差異化生產對高維統計過程控制系統提出了新的挑戰。本項目將針對小樣本、高維度的過程數據，拓展傳統多元統計過程控制方法，系統地研究高維統計過程控制的設計理論和方法，並評估其在實踐中的有效性。本項目將主要研究：（1）在小樣本的情況下，高維統計過程的參數估計方法及其對控制圖設計的影響；（2）針對高維數據過程的特點，研究開發新的高維統計過程控制算法，提高過程監視的敏感度；（3）在系統參數估計具有不確定性的情況下，研究開發基於數據挖掘和變數選擇技術的高維過程故障診斷方法。本項目的研究成果將為我國先進制造、生產服務、商業智慧型、以及公共衛生管理提供系統全面的理論支持和套用方法。
結題摘要
統計過程控制是一種藉助數理統計方法來保證質量的過程控制工具。如今，各種各樣的統計過程控制圖已先後被用於從先進制造、生產服務，到公共衛生管理和商業智慧型的生產生活各個方面。本項目針對半導體質量控制、衛生事件預警、商務活動監控等生產和服務過程中採集的大量數據，研究不同數據特點對於傳統統計過程控制圖理論的影響，在嚴格控制統計誤報率的前提下，討論並提出了新型的控制圖方法，以應對海量數據和/或混合數據流等對實時預警的挑戰。在海量數據監控方面，通過建立基於非齊次Poisson過程的統計似然比框架，提出了一種新的指數加權方法，解決了非齊次Poisson過程監控的早期誤報問題；另一方面，在不對海量數據作任何假設的情況下，通過運用變數選擇和非參數統計方法，結合運用投影尋蹤和機器學習的算法，構建了適用於高維度數據流的統計過程控制理論和方法；在時空事件的監視預警問題中，構建了一個空間地理位置數據流的多維似然比檢驗框架，在此框架下研究、比較了基於空間Bayes 假設的似然比求和方法；為了解決疾病監控問題中不同區域的敏感性不同等問題，提出了空間似然比統計量的標準化方法，並證明了各個空間似然比統計量的優劣和適用特點；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》等期刊發表標註論文22篇，包括SCI檢索論文19篇；2014年主編了一期《IIE Transactions》的“Health Care Surveillance and Response”特刊。本項目已取得的研究成果將有助於加快我國質量提升和產業轉型的步伐，為我國先進制造技術的發展和衛生事件預警等領域提供系統、全面的理論支持和套用方法。
