基于Bootstrap方法的分布未知情況下的小波動過程質(zhì)量控制

王海宇

(中原工學(xué)院 經(jīng)濟管理學(xué)院 河南 鄭州 450007)

基于Bootstrap方法的分布未知情況下的小波動過程質(zhì)量控制

王海宇

(中原工學(xué)院 經(jīng)濟管理學(xué)院 河南 鄭州 450007)

討論了在質(zhì)量特性分布未知的情況下對小批量生產(chǎn)過程中產(chǎn)生的較小異常波動進行監(jiān)控的一種Bootstrap WV-EWMA控制圖設(shè)計方法.首先引入賦權(quán)方差法將任意未知分布轉(zhuǎn)換為兩個正態(tài)分布，由此構(gòu)造WV-EWMA控制圖.然后通過對有限樣本進行多次隨機有放回抽樣的Bootstrap方法對未知分布的集中和離散程度進行較為有效的統(tǒng)計估計，由此建立能夠?qū)Ψ植嘉粗男∨窟^程進行質(zhì)量監(jiān)控的Bootstrap WV-EWMA方法.以平均運行長度ARL(average run length)為監(jiān)控效率的衡量指標，提出了這種小波動控制圖方法的優(yōu)化參數(shù)設(shè)計方案，并通過與已有的方法進行對比說明這種方法的有效性.

過程質(zhì)量控制； Bootstrap方法； EWMA控制圖

0 引言

在當今快速多變的市場競爭中，生產(chǎn)制造過程逐步呈現(xiàn)出由傳統(tǒng)的大批量生產(chǎn)向多品種小批量生產(chǎn)轉(zhuǎn)變的趨勢.在多品種小批量生產(chǎn)環(huán)境中，無法像大批量生產(chǎn)過程那樣抽取大量的樣本來確定數(shù)據(jù)的統(tǒng)計分布，更不能精確估計均值和標準差.若直接利用傳統(tǒng)方法對小樣本質(zhì)量過程建立控制限，會造成虛發(fā)警報的概率顯著增大，從而導(dǎo)致無謂的調(diào)整次數(shù)增多，干擾正常的產(chǎn)品生產(chǎn)過程[1].文[2]最早提出了小樣本均值極差控制圖，文[3]利用概率積分變換方法將小樣本觀測值轉(zhuǎn)換成標準正態(tài)分布，提出了Q控制圖.文[4]提出了工序相似性評判的方法將多個小批量過程轉(zhuǎn)換為近似的大批量過程進行質(zhì)量監(jiān)控.文[5]將編碼相同的工序劃分為同一個虛擬工序，再用傳統(tǒng)控制圖方法進行監(jiān)控.文[6]應(yīng)用貝葉斯統(tǒng)計推斷的方法對分布參數(shù)未知的正態(tài)小批量過程構(gòu)造先驗質(zhì)量控制模型.但是這些方法都需要先進行較為繁雜的轉(zhuǎn)換運算，不利于生產(chǎn)實踐的實時應(yīng)用.近年來，Bootstrap方法受到了國內(nèi)外專家的廣泛關(guān)注，該方法只依賴能獲得的少量樣本來模擬大樣本進行統(tǒng)計分析，彌補了傳統(tǒng)方法中的不足.文[7]首先提出了Bootstrap控制圖的概念，王晶等探討了正態(tài)分布假定條件下小批量生產(chǎn)過程的Bootstrap控制圖的應(yīng)用[8].但上述研究仍然假定過程服從分布參數(shù)未知的正態(tài)分布，而對于非正態(tài)過程，尤其是那些沒有先驗數(shù)據(jù)判斷過程分布的類型的情況，上述研究方法則難以有效應(yīng)用.本文將針對這一問題，探討采用賦權(quán)方差法分析構(gòu)建分布類型不確定情形下的非對稱小波動EWMA控制圖，進而通過Bootstrap方法用少量樣本對總體進行較精確的統(tǒng)計推斷，構(gòu)造Bootstrap WV-EWMA控制圖方法，以有效對分布未知情況下的小批量生產(chǎn)過程進行質(zhì)量監(jiān)控.

1 賦權(quán)方差(WV)法

Choobine和Ballard最早提出用賦權(quán)方差(WV)法將非正態(tài)分布轉(zhuǎn)換為正態(tài)分布[9]，本文則將該方法應(yīng)用在對未知分布進行正態(tài)性轉(zhuǎn)換.假設(shè)一未知分布f(x)具有未知參數(shù)均值μ和標準差σ，如圖1(a).將該未知分布從均值的位置分成兩個部分，每一部分都分別作為兩個不同的正態(tài)分布的一半，將這兩個正態(tài)分布補齊，形成圖1(b)和(c)的兩個分布fL(x)和fU(x)，它們具有相同的均值μ和不同的標準差σL和σU.圖1(d)和(e)為fL(x)和fU(x)分別轉(zhuǎn)換后的正態(tài)分布φ(x,μ,σL)和φ(x,μ,σU)，其概率密度函數(shù)分別為φ(x,μ,σL)=φ((x-μ)/σL)/σL，φ(x,μ,σU)=φ((x-μ)/σU)/σU[10]，這兩個分布分別用來計算控制圖的上下控制界限.

圖1 賦權(quán)方差法Fig.1 Weighted variance method

2 分布未知情況下的WV-EWMA控制圖

設(shè)X1,X2,…是相互獨立的隨機變量序列，則EWMA統(tǒng)計量Zi為

Zi=λ(Xi-μ)+(1-λ)Zi-1， 0<λ≤1，i=1,2,…,

(1)

其中，Z0=μ,λ為EWMA平滑系數(shù).

由EWMA控制統(tǒng)計量中的權(quán)重特點，可以得到EWMA控制統(tǒng)計量Z的數(shù)學(xué)期望E(Z)和方差D(Z)分別為：

E(Z)=E(X)=μ;D(Z)=(λ/(2-λ))[1-(1-λ)2i]D(X),

(2)

當i比較大以后，方差就趨向于一個常數(shù),D(Z)=(λ/(2-λ)n)σ，其中n為樣本容量.

(3)

其中，k為控制線參數(shù)，在常規(guī)控制圖中，通常取k=3.

3 基于Bootstrap方法的WV-EWMA控制圖

在式(3)中，均值μ、標準差σ和比例系數(shù)PX的估計準確與否將直接決定控制圖的使用效果，因此對于多品種小批量的生產(chǎn)環(huán)境，有必要采用Bootstrap方法進行參數(shù)估計.Bootstrap是一種只能獲得少量樣本情況下的統(tǒng)計估計，它是一種以原始數(shù)據(jù)為基礎(chǔ)的模擬抽樣統(tǒng)計推斷方法，通過重采樣來擴充樣本容量并進行統(tǒng)計推斷.設(shè)對于某未知的小批量過程采集了數(shù)量為m的隨機樣本集,T0={x1,x2,…,xm}，其中xi為該分布的獨立隨機樣本.對樣本T0進行反復(fù)重采樣，即有放回的抽取B個樣本容量為n的隨機樣本，通過對這些樣本數(shù)據(jù)的統(tǒng)計分析來對各類統(tǒng)計量如均值、方差等進行近似.如果B取足夠大，那么通過從T0中重復(fù)抽樣，就可以為各類統(tǒng)計量獲得比較精確的估計和推斷結(jié)果.在實際應(yīng)用中，只需抽取B=1 000個左右Bootstrap樣本即可[11].

Bootstrap WV-EWMA圖可以由6個步驟設(shè)計完成：

1)對待監(jiān)控的生產(chǎn)過程，抽取少量的d個樣本容量為n的觀測值作為原始樣本,

T0={x11,…,x1n,x21,…,x2n,…,xd1,…,xdn}.

2)對樣本T0進行有放回反復(fù)重采樣，抽取B≥1 000個樣本容量為n的Bootstrap樣本Ti，i=1,2,…,B.

6)計算控制限.將比例系數(shù)PX的值代入式(3)，就可以得到控制圖的控制界限.

4 Bootstrap WV-EWMA圖的優(yōu)化設(shè)計

平均運行長度ARL(average run length)常常被用于控制圖監(jiān)控效率的評價指標，是指從過程出現(xiàn)異常波動到該異常被控制圖發(fā)現(xiàn)之間的樣本個數(shù).對于EWMA圖，文[12]提出采用積分計算的方法估計運行長度的分布情況，文[13]則提出用馬爾可夫鏈的方法來研究平均運行長度.而對于未知分布下的EWMA圖，由于其控制線的不確定性，難以使用積分計算的方法，因此本文采用馬爾可夫鏈的方法來研究平均運行長度，具體計算方法參考文獻[14].根據(jù)平均運行長度的計算方法可以設(shè)計出效果最優(yōu)的監(jiān)控方案，其原則是：當過程處于受控狀態(tài)時，平均運行長度應(yīng)該盡可能的大，通常為和常規(guī)控制圖保持同樣的錯誤報警概率，取受控狀態(tài)的平均運行長度ARL0=370；當過程中發(fā)生了不可以接受的偏移時，平均運行長度應(yīng)該盡可能的小，以盡快地發(fā)現(xiàn)出現(xiàn)的偏移，減少其帶來的損失.表1給出了在PX分別為0.3，0.4，0.5，0.6，0.7幾種情況下對于不同的偏移量l(偏移程度以標準差的倍數(shù)來統(tǒng)一度量)的最優(yōu)設(shè)計參數(shù)(Bootstrap仿真抽樣和平均運行長度的計算可以通過Matlab語言編程獲得).

表1 Bootstrap WV-EWMA圖優(yōu)化方案(ARL0=370)Tab.1 The optimal design schemes of Bootstrap WV-EWMA

5 監(jiān)控效率比較

本文把上面提出的設(shè)計方案與其他一些過程監(jiān)控方案進行簡單的比較，包括常規(guī)的均值極差控制圖、EWMA控制圖、Q圖等.表2是通過仿真PX分別是0.5和0.6情況下,小批量樣本數(shù)據(jù)計算各種監(jiān)控方法平均運行長度進行比較的結(jié)果.

表2 未知分布情況下4種監(jiān)控方法的平均運行長度Tab.2 ARL of four control charts for unknown distribution

6 應(yīng)用實例

某零件生產(chǎn)過程中，要求鉆孔直徑為24.3±0.5 μm，現(xiàn)從生產(chǎn)過程中每隔20 s抽取4個產(chǎn)品，共抽取6個樣本進行檢測，結(jié)果見表3.

表3 原始觀測數(shù)據(jù)Tab.3 The original observation data

按照未知分布下的Bootstrap WV-EWMA控制圖實施步驟：

1)首先，對表3中的原始數(shù)據(jù)進行有放回重復(fù)抽樣，共抽取1 000個樣本容量為4的Bootstrap樣本；

2)分別計算樣本均值和樣本方差，由于數(shù)據(jù)過多，文中不再一一列出.

5)計算EWMA控制圖的控制界限.由表1可知，PX的值近似取0.7，于是有平滑系數(shù)λ=0.2，控制限參數(shù)k=2.5，就可計算控制界限為：

6)用于過程質(zhì)量監(jiān)控.按照控制界限進行繪圖，以樣本容量為4采集現(xiàn)場的實時數(shù)據(jù)，計算樣本均值進行描點，如圖2所示.

圖2 鉆孔直徑的未知分布Bootstrap WV-EWMA控制圖Fig.2 Bootstrap WV-EWMA chart of drill diameter

7)過程異常判斷.Bootstrap WV-EWMA控制圖的判異準則與一般的EWMA圖的判異準則一致，如果圖中每次描點都處于上下控制限之間，類似于本例中的情形，則可以認為過程處于穩(wěn)定狀態(tài)，不需要對過程進行干擾，繼續(xù)正常生產(chǎn)及采樣監(jiān)控；而一旦出現(xiàn)有點超出上下控制限，則表示過程已經(jīng)出現(xiàn)異常，應(yīng)立即采取措施，查明并消除異常發(fā)生的原因.

7 結(jié)論

多品種小批量生產(chǎn)條件下，由于無法獲取足夠多的樣本以有效估計過程總體的分布狀況，傳統(tǒng)控制圖方法也就不能有效地建立和實施.本文將Bootstrap方法和賦權(quán)方差方法應(yīng)用到小波動EWMA控制圖的建立過程中，以此構(gòu)造更符合小批量生產(chǎn)環(huán)境的控制圖技術(shù)，并通過實證分析驗證了這種方法的有效性.

[1] 楊旭. CIMS環(huán)境下小批量統(tǒng)計過程質(zhì)量理論和方法的研究 [D]. 哈爾濱:哈爾濱工業(yè)大學(xué), 2001.

[2] Hillier F S.XandRchart control limits based on a small number of subgroups [J]. Journal of Quality Technology, 1969, 1(1): 17-26.

[3] Quesenberry C P. SPCQ-charts for start-up processes and short or long runs [J]. Journal of Quality Technology, 1991, 23(3): 213-224.

[4] 余忠華，吳昭同. 面向小批量制造過程的質(zhì)量控制方法研究 [J]. 機械工程學(xué)報, 2001, 37 (8): 60-64.

[5] 王麗穎，孫麗，王秀倫. 基于虛擬工序的小批量工序質(zhì)量控制方法研究 [J]. 計算機集成制造系統(tǒng), 2006, 12(8):1263-1266.

[6] Willemain T R. Designing control charts using an empirical reference distribution [J]. Journal of Quality Technology, 1996, 28(1): 31-38.

[7] 朱慧明，韓玉啟. 小批量生產(chǎn)的貝葉斯質(zhì)量控制模型 [J]. 運籌與管理，2003, 12(5): 66-70.

[8] 王晶，何楨，李范. 面向多品種小批量生產(chǎn)過程的Bootstrap控制圖 [J]. 工業(yè)工程，2009, 12(2): 64-67.

[9] Choobine F, Ballard J L. Control-limits of QC charts for Skewed distribution using weighted-variance [J]. IEEE Transactions on Reliability, 1987, 36(1): 473-477.

[10]Castagliola P.X-bar control chart for Skewed populations using a scaled weighted variance method [J]. International Journal of Reliability, Quality and Safety Engineering, 2000, 7(3): 237-252.

[11]Efron B, Tibshirani R J. An Introduction to the Bootstrap [M]. New York: Chapman & Hall, 1993.

[12]Crowder S V. A simple method for studying run-length distributions of exponentially weighted moving average charts [J]. Technometrics, 1987, 29(4): 401-407.

[13]Lucas J M, Saccucci M S. Exponentially weighted moving average control schemes: properties and enhancements [J]. Technometrics, 1990, 32(1): 1-12.

[14]王海宇，徐濟超，楊劍鋒.非正態(tài)總體下控制圖的優(yōu)化設(shè)計 [J]. 系統(tǒng)工程理論與實踐，2007, 27(1)：125-130.

Process Quality Control for Small Shifts with Unknown DistributionBased on Bootstrap Method

WANG Hai-yu

(Economics&ManagementSchool,ZhongyuanUniversityofTechnology,Zhengzhou450007,China)

A Bootstrap EWMA control chart used for monitoring smaller abnormal fluctuation of unknown distribution for short run production was discussed. At first, weighted variance method was introduced to split an unknown distribution into two normal distributions and to construct a kind of WV-EWMA control chart. And then Bootstrap method was proposed to evaluate parameters of the unknown distribution and to construct Bootstrap WV-EWMA control chart. Using ARL as a performance assessment method, optimal parameters design scheme of this chart was proposed and the effectiveness of this chart was illustrated by comparing with other control charts.

statistical process control; Bootstrap method; EWMA chart

2013-05-15

國家自然科學(xué)基金資助項目，編號71002073.

王海宇(1979- )，男，副教授，博士，主要從事統(tǒng)計質(zhì)量控制研究，E-mail:wanghy1979@126.com.

TB 114.2

A

1671-6841(2014)01-0063-05

10.3969/j.issn/1671-6841.2014.01.015