基于自相關(guān)過(guò)程的貝葉斯質(zhì)量控制圖研究.pdf

1、質(zhì)量控制圖是質(zhì)量管理中使用最廣泛和最有效的工具。工作中常用的常規(guī)控制圖其基本假設(shè)前提是觀測(cè)值獨(dú)立同分布，但是當(dāng)生產(chǎn)過(guò)程自相關(guān)時(shí)，質(zhì)量觀測(cè)值常常表現(xiàn)出序列相關(guān)性，很難滿足控制圖的假定前提。 忽視序列相關(guān)，質(zhì)量控制圖的監(jiān)控過(guò)程能力將受到極大的影響，可能多發(fā)過(guò)程異常的錯(cuò)誤警報(bào)，也可能漏發(fā)過(guò)程異常的真實(shí)警報(bào)。其檢測(cè)能力大大降低。不僅增加了對(duì)并不存在的異常原因進(jìn)行檢測(cè)的質(zhì)量控制成本，更主要的是嚴(yán)重影響管理者對(duì)控制圖有效性的信心，從而懷疑、

2、甚至放棄使用這一科學(xué)的管理方法。針對(duì)這一實(shí)際問(wèn)題，本文系統(tǒng)研究了生產(chǎn)過(guò)程自相關(guān)條件下控制圖的處理方法，進(jìn)一步完善了控制圖的理論體系，有利于研究貝葉斯質(zhì)量控制理論和方法體系，具有現(xiàn)實(shí)和理論意義。 本文在時(shí)間序列自回歸模型(AR)、自回歸移動(dòng)平均模型(ARMA)以及向量自回歸模型(VAR)的貝葉斯推斷基礎(chǔ)上，提出了貝葉斯質(zhì)量控制方法。應(yīng)用基于Gibbs抽樣的馬爾科夫鏈蒙特卡羅方法模擬模型參數(shù)的后驗(yàn)分布，使用軟件隨機(jī)仿真生成的AR(1