Poisson INAR过程的质量控制图-知网论文查重

当数据存在自相关的现象时，传统的统计过程控制理论不能有效地控制和改进生产过程的质量，在某些情况下，使用常规控制图来监控处于受控状态的过程，会出现大量的虚假警报，因而作出错误的判断。到了20世纪90年代，随着生产力水平的不断提高，数据自相关的这一现象逐步引起了国际学术界的重视，科学家们开始研究自相关的问题给控制理论带来的影响，时间序列模型是用于解决自相关过程控制问题的常用方法。

经典的质量控制图都是基于质量过程服从独立同分布的假定的，因此不适用于存在着大量具有自相关性的数据的生产过程。当过程呈现出相关性时，经典的控制图的平均链长会出现过长或者过短的情况，对我们的判断产生干扰。

知网论文查重

文献[3]指出了由于自相关性的存在，会使得受控状态下的生产过程产生对控制限以外的点的误判。近年来自相关过程的质量控制方法研究已经成为国内外质量控制领域学者研究的一个热点问题。

近几年来，对于生产过程自相关性的研究已经成为了国内外的质量控制领域研究的关注焦点^[4,5]，且众多的研究取得了不错的成果，我们在常规的质量控制图的基础之上，构建出全新控制图来进行质量的监控。现如今有关自相关的过程的控制图研究已经比较成熟，大致分为两类：一类为修正控制图，包括修正的Shewhart控制图、CUSUM控制图和EWMA控制图，这些控制图的主要依据是根据自相关过程本身的特点对传统的控制图自身的控制限进行修正。另一类为残差控制图，主要是对过程运用时间序列的模型进行拟合，拟合出残差的序列可以认为是独立同分布的，能够直接应用传统的控制图来进行监控。

更多论文范文及查重知识，尽在知网论文查重，欢迎各位同学访问和学习知网论文查重流程、论文重复修改技巧。