《高維、離散、多數據流數據的線上監控》是依託南開大學，由李忠華擔任項目負責人的面上項目。
基本介紹
- 中文名：高維、離散、多數據流數據的線上監控
- 項目類別：面上項目
- 項目負責人：李忠華
- 依託單位：南開大學
中文摘要,結題摘要,
中文摘要
統計質量控制（SQC）是保證產品與服務符合規定的要求的重要工具。隨著現代感測技術的日益普及，線上高維、離散、多數據流數據收集得以實現，對SQC方法的靈活性和有效性提出了更高的挑戰，這明顯的反映在生產製造業、經濟金融業和醫療保健業等領域。本項目的目標是將新的統計理論、計算技術與線上監控的方法和工程背景相結合，利用現代科技資源更有效地處理高維、離散、多數據流數據的監控和診斷。本項目的主要研究內容有：（1）高維數據的監控，包括監控均值、方差陣的控制圖、自啟動自適應的控制圖等；（2）離散數據的監控，包括對離散數據相關性建模、監控排隊系統的控制圖等；（3）多數據流的監控，包括控制FDR的控制圖、監控數據質量的控制圖等。本項目期待學術上能取得一些國際高水平的研究成果，開發統計理論和技術方法為以後相關問題做出指導；期待套用上實現一定的社會價值和經濟價值，為提高我國產品質量提供技術上的指導與幫助。
結題摘要
背景及科學意義隨著現代感測技術的日益普及，線上高維、離散、多數據流數據收集得以實現，對統計質量控制方法的靈活性和有效性提出了更高的挑戰，這明顯的反映在生產製造業、經濟金融業和醫療保健業等領域。本項目的目標是將新的統計理論、計算技術與線上監控的方法和工程背景相結合，利用現代科技資源更有效地處理高維、離散、多數據流數據的監控和診斷。本項目期待為提高我國產品質量提供技術上的指導與幫助。主要研究內容（1）高維數據的異常點、影響點檢驗和監控，包括監控方差陣的控制圖等；（2）離散數據的監控，包括對回響變數為離散變數的profile控制圖、監控排隊系統的控制圖等；（3）多數據流的監控，包括控制錯誤發現率（FDR）的控制圖、監控數據質量的控制圖等。重要結果（1）高維數據方面，基於距離相關性（DC）研究了高維非參數模型下的異常點檢驗問題；基於DC和確定獨立篩選（SIS）研究了高維非參數模型下的變數篩選問題；基於SIS和最小截斷二乘估計提出了高維多個異常點檢驗的方法；基於自動多觀測刪除法提出了高維多個異常點檢驗的方法；構造了監控維數遠高於樣本個數時的協方差矩陣控制圖等。（2）離散數據方面，研究了服務中的排隊系統的監控問題，如常用的M/M/1系統，用加權似然比統計量來監控系統效用的變化；針對回響變數為離散變數的profile控制圖進行了研究；我們把數據流的數據當作一種產品，並結合條件FDR構造多元 EWMA 控制圖等。（3）多數據流方面，考慮了在數據流存在一定相關性下，大規模模型檢查的問題，提出了一種FDR過程來檢查那些異常的數據流；根據監控數據和歷史受控數據的比較，結合EWMA構造控制圖，針對數據流的特點，給出了疊代更新監控統計量的算法；用EWMA和GWMA的方法監控了變異係數等。關鍵數據在本項目執行期間（2016-2019年），在本項目的資助下，本項目組成員共正式發表論文17篇（另接收待發表論文2篇），其中17篇為SCI雜誌，2篇為國核心心雜誌。SCI雜誌中包括工程統計方面的國際著名雜誌Computers and Industrial Engineering（影響因子3.518，JCR一區）上2篇，被SCI論文分別引用13次和10次。我們完成了2篇學術碩士論文和6篇專業碩士論文。2019年項目負責人入選美國期刊Quality Engineering編委。
