《累积和控制图》PPT课件
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
若需要同时对大于和小于μO的两种情况加以研究 时，我们可以借助一对单侧检验控制图，分别对向上 和向下的变动进行研究。目标均值分别记为μ1>μO和 μ2<μO，对应的发生第二类错误的风险概率分别为β1和 β2，发生第一类错误的风险概率为2α，
精选课件
10
将公式（3）与（4）合并，则得出上下控制 线为：
A 1
B 1
当H
为真时接受H
0
1
的概率近似等于
，其中
为第一类错误概率；
当 H 1 为真时接受H 0 的概率近似等于 ，其中 为第二类错误概率。
精选课件
5
传统的CUMSUM
本节主要讲述在假设样本数据服从正态分布的前 提下，基于过程均值的单侧检验和双侧检验的CUMSUM 的构造步骤与方法。
1.单侧检验和双侧检验的CUMSUM（单侧检验仅检验均 值的上偏或下偏），一般的CUMSUM的双侧检验同时检 验均值的上偏和下偏，建立在假设检验的理论基础之 上，分别作出原假设和备择假设，对连续的似然比率 进行检验步骤如下：
精选课件
12
UCL LCL
接受H1
继续抽样
接受H2
继续抽样
接受H0
样本数
样本数
（a）双侧检验的累积和控制图
（b）连续取样区间
图2 双侧检验的累积和控制图的不同序贯概率比的可接受区间
精选课件
13
CUMSUM的V型摸板
当均值向上和向下波动的幅度相同时,常常用一 个V型摸板对称的两臂做为上下控制限来分析累积和 图。仅仅观测一下近期数据而非全部就可以从累积 和的变动中对非随机模式做出判断。由图2（a）得 出图3。转动V型摸板，使其下控制限平行于X轴，中 心o作为最近数据的始点。横轴代表时间，以此判断 何时的数据落到两臂上。当一个或数个点被任一臂 覆盖时，表明过程均值已发生波动。当一个或数个 点落被下臂覆盖时，则表明过程均值向上波动，被 上臂覆盖，表明过程均值向下波动。
精选课件
14
超出控制的信号
可能发生偏移的时间
d
累 积
ф
和
t-7
t-3
t
样本数
图3 累积和控制图的V型模板
精选课件
15
图3描述了一个典型的CUMSUM的具体运用，图中 清晰地显示了第t时刻样本点的具体位置。在3—7期 间，均值明显向上移动，所以累积控制图的优势就 是借助该图能够对过程均值发生变动的时间做出较 准确的判断。
累积和控制图
精选课件
1
概述
CUSUM控制图的设计思想就是对数据的信息加以 积累。CUSUM控制图分别可用于计量性数据（正态分 布），不合格品数（泊松分布变量），不合格品率 （二项分布变量）。CUSUM控制图的理论基础是序贯 分析原理中的序贯概率比检验，这是一种基本的序贯 检验法。该控制图通过对信息的累积，将过程的小偏 移累加起来，达到放大的效果，提高检测过程小偏移 的灵敏度。
… X t ）的独
计算上下控制限：
UCLn x21ln1 1t( 21) （7）
LCL
2 x
ln1
2 t(2)（8）
n2 精选课件
2 18
其中۵1 = µ1–µ0，۵2= µ2–µ0 ，Cusum统计量为： St= ∑（Xi – µ0 ）。
V 型模板的前置距离d和角ø的计算公式如下：
d 2 nx2 ln1
因为此时样本点超出上控制线。
精选课件
8
St
+10
0 -10 -20 -30
0
累积和控 制图上控 制线
10
20
样本数，t
图1 连续抽样的累积和控制图
精选课件
9
在单侧检验控制图中，可接受上限常常定为控制 图上控制限，而下控制限由于无实际意义，一般不预 研究，所以图1中虽然第六个点已超出下控制限也就无 须采取补救措施，而第18个样本点则相反。总之，单 边控制图主要研究均值上偏移的趋势。
值未知，序贯概率比用如下公式计算：
x1 2ln1 St x1 2ln1
精选课件
(3)
7
现对其进行检验，则：
△1=μ1－μ0
St i t1Xi (021) （4）
St是对两个均值平均数的样本差的累积和。 如图1 所 示，上下控制分别根据方程(3)确定。按抽样程序，在 抽到第6个样本点时，停止抽样并接受H0：µ=µ0 ，因 为样本差的累积和超出了下控制线。同样在第18个样 本点，接受： H1：µ=µ1
如果一系列点随机地排列在与中心线平行的某 一位置，那么出现这种情况的原因很可能是中心线 定位有问题。
精选课件
22
一般地，当图中出现几个样本点连续呈上升 或下降趋势时则表明过程有可能产生了波动；另 一种发生波动的信号是图中连续的样本点成线性 趋势向下倾斜。图4（b）给出了一天中每个样本 点与平均9个样本均值之差的累积，图中显示，至 少出现三次上偏和一次下偏趋势。而图（a）（休 哈特图）则无法显示该信息。由此可以看出，在 检测过程中的微小波动方面，CUMSUM的检出功效 明显高于休哈特控制图。
由β1=β2=β分别计算出：前置距离d，即：模 板的顶点V到基点0的水平距离，角度Φ：即模板两 边线UV与LV之间夹角的一半。构造出V型模板图。
精选课件
16
d 2 x2 ln1
tan h ,
2
精选课件
17
样本均值的传统CUMSUM
前述的CUMSUM是个体计量值控制图，而对于样本
规模为n，均值分别为（ X 1 , X 2 , 立样本，构造CUMSUM的步骤为：
tan h ,
2
精选课件
19
样本极差的传统CUMSUM
利用样本累积和统计值对过程变动进行控制类 似于对连续的似然比率进行检验。实际应用中，用 样本极差考查I、П类错误概率分别为a和 时，标检验的控制上限计算公式：
du lln n1 (10)//1
(9 )
ta n121l n (0 0// 1 1)
精选课件
20
样本累积统计量为：S t
t
Ri
i 1
o
，
其中：
Ri 为第i个样本极差。
σ0=σX 为原假设。
ω为由样本规模决定的常数。
精选课件
21
阐释 CUMSUM
由于构成CUMSUM的样本数据之间相互依赖，所 以要研究处于控制限线内数据间的非随机因素引起 的波动就存在一定的难度，也就无法利用分析休哈 特均值控制图的原则和方法分析CUSUM。原因在于 图中样本点是对历史数据的累积，有些点就会远离 中心线，再根据具体落点位置解释图形也就失去了 意义。
精选课件
23
30
每 天 20 变 化 数 10
0
0
UCLX=21.00
X =9.50
20
40
样本数 ，天
4 (a)X单值图
精选课件
LCLX=0.00
60
80
返回
24
80
60
累 积
40
和：20
1
0
-20
0
3 2
20
40
60
样本数 ，天
4 (b)累积和图 （m=9）
精选课件
4
80
25
有些时候，由于计算累积和方法的差别， CUSUM也会提供错误信号。例如参数值m、目标均 值的选择等都可能造成控制图错发信号。图5（c） (d)是利用不同的参照值对同一批数据构造出的 CUSUM，但对过程波动显示出的统计信号却明显不 同。
原假设：H0： μ=μ0
备择假设： H1： μ=μ1 (μ1>μ0),
精选课件
6
μ是样本均值，Ⅰ、Ⅱ类错误的概率分别设为α和 β，当
β/1-α<序贯概率比〈1-β/α （2）
时，不能作出接受或拒绝H0和H1的判断。公式2可用 来对呈上升趋势的均值构造一个单侧检验控制图。 假如我们有一组按时间顺序测得的独立样本数据即： X1 X2 …Xt，且服从正态分组且样本方差已知为，均
下一个样本。
精选课件
4
序贯概率比检验
命题1
若 l1 m /l0 m A (A 为 远 大 于 1 的 数 ） ，则接受 H 1 ；
若 l1 m /l0 m B (B 为 远 小 于 1 的 数 ） 则接受 H 0 ；
若 Bl1m/l0mA, 接续抽检下一个样本。
A.wald对此有详细的论述，并证明在使用时可近似取
精选课件
26
10
0
累 -10 积 和：-20
-30
-40
-50
0
20
40
60
80
样本数 ，天
5 (c)累积和图 （m=10）
精选课件
27
60
40
累 积
20
和： 0
-20
-40
0
20
40
60
80
样本数 ，天
5 (d)累积和图 （m=9.5）
精选课件
28
感谢亲观看此幻灯片，此课件部分内容来源于网络， 如有侵权请及时联系我们删除，谢谢配合！
UCLx2
1
ln11t( 21)
(5)
LCLx2 2ln12
t(2) 2
(6)
精选课件
11
公式（5）和（6）是样本数t的线性函数。结果见图 2（a）。 一般情况下无论Δ1和Δ2取何值，CUMSUM 都可用于对过程进行双边检验。图2（α）显示了向 上和向下两种变动。
常见的CUMSUM的V型模板见图2（b），累积和 是样本与过程目标均值μO偏差的累积和，上下控制 限分别为两条向上和向下倾斜的斜线，对应不同假 设即：Ho：μ=μO，H１：μ=μO+Δ1，H2：μ=μO +Δ2， 形成三个确定区域。而阴影部分则是待定区域。当 样本累积和落入三个确定区域的任一区域时则停止 取样。
精选课件
2
对于不同的累积和控制图，有一个基本的共同 点即：首先提出原假设和备择假设，其次对假设进 行检验并做出结论。
在实际应用中，用累积的统计值构建的控制图 其敏感性和检出效果要明显强于凭单个样本值构建 的控制图，原因在于该图是通过对样本均值、样本 波动、极差等质量特性值的累积和建立的。它也可 以对属性值进行累积。
精选课件
3
序贯概率比检验
序贯概率比检验是每次只从需检测的一批产品中抽
检一个样本的产品，然后根据过去抽检的各样本的测试
结果，比较在两种不同假设 H 0 , H 1 时出现上述序贯测试
结果的概率，以这两种概率的比值
l1 m
/
l
0
（统计上称为
m
H
1
对H 0 的似然比）作为判断的依据。
1）如果概率比远大于1，说明 H 1 成立的可能性大； 2）如果概率比远小于1，说明 H 0 成立的可能性大； 3）如果两种假设下的概率相差不大，则继续抽检
精选课件
10
将公式（3）与（4）合并，则得出上下控制 线为：
A 1
B 1
当H
为真时接受H
0
1
的概率近似等于
，其中
为第一类错误概率；
当 H 1 为真时接受H 0 的概率近似等于 ，其中 为第二类错误概率。
精选课件
5
传统的CUMSUM
本节主要讲述在假设样本数据服从正态分布的前 提下，基于过程均值的单侧检验和双侧检验的CUMSUM 的构造步骤与方法。
1.单侧检验和双侧检验的CUMSUM（单侧检验仅检验均 值的上偏或下偏），一般的CUMSUM的双侧检验同时检 验均值的上偏和下偏，建立在假设检验的理论基础之 上，分别作出原假设和备择假设，对连续的似然比率 进行检验步骤如下：
精选课件
12
UCL LCL
接受H1
继续抽样
接受H2
继续抽样
接受H0
样本数
样本数
（a）双侧检验的累积和控制图
（b）连续取样区间
图2 双侧检验的累积和控制图的不同序贯概率比的可接受区间
精选课件
13
CUMSUM的V型摸板
当均值向上和向下波动的幅度相同时,常常用一 个V型摸板对称的两臂做为上下控制限来分析累积和 图。仅仅观测一下近期数据而非全部就可以从累积 和的变动中对非随机模式做出判断。由图2（a）得 出图3。转动V型摸板，使其下控制限平行于X轴，中 心o作为最近数据的始点。横轴代表时间，以此判断 何时的数据落到两臂上。当一个或数个点被任一臂 覆盖时，表明过程均值已发生波动。当一个或数个 点落被下臂覆盖时，则表明过程均值向上波动，被 上臂覆盖，表明过程均值向下波动。
精选课件
14
超出控制的信号
可能发生偏移的时间
d
累 积
ф
和
t-7
t-3
t
样本数
图3 累积和控制图的V型模板
精选课件
15
图3描述了一个典型的CUMSUM的具体运用，图中 清晰地显示了第t时刻样本点的具体位置。在3—7期 间，均值明显向上移动，所以累积控制图的优势就 是借助该图能够对过程均值发生变动的时间做出较 准确的判断。
累积和控制图
精选课件
1
概述
CUSUM控制图的设计思想就是对数据的信息加以 积累。CUSUM控制图分别可用于计量性数据（正态分 布），不合格品数（泊松分布变量），不合格品率 （二项分布变量）。CUSUM控制图的理论基础是序贯 分析原理中的序贯概率比检验，这是一种基本的序贯 检验法。该控制图通过对信息的累积，将过程的小偏 移累加起来，达到放大的效果，提高检测过程小偏移 的灵敏度。
… X t ）的独
计算上下控制限：
UCLn x21ln1 1t( 21) （7）
LCL
2 x
ln1
2 t(2)（8）
n2 精选课件
2 18
其中۵1 = µ1–µ0，۵2= µ2–µ0 ，Cusum统计量为： St= ∑（Xi – µ0 ）。
V 型模板的前置距离d和角ø的计算公式如下：
d 2 nx2 ln1
因为此时样本点超出上控制线。
精选课件
8
St
+10
0 -10 -20 -30
0
累积和控 制图上控 制线
10
20
样本数，t
图1 连续抽样的累积和控制图
精选课件
9
在单侧检验控制图中，可接受上限常常定为控制 图上控制限，而下控制限由于无实际意义，一般不预 研究，所以图1中虽然第六个点已超出下控制限也就无 须采取补救措施，而第18个样本点则相反。总之，单 边控制图主要研究均值上偏移的趋势。
值未知，序贯概率比用如下公式计算：
x1 2ln1 St x1 2ln1
精选课件
(3)
7
现对其进行检验，则：
△1=μ1－μ0
St i t1Xi (021) （4）
St是对两个均值平均数的样本差的累积和。 如图1 所 示，上下控制分别根据方程(3)确定。按抽样程序，在 抽到第6个样本点时，停止抽样并接受H0：µ=µ0 ，因 为样本差的累积和超出了下控制线。同样在第18个样 本点，接受： H1：µ=µ1
如果一系列点随机地排列在与中心线平行的某 一位置，那么出现这种情况的原因很可能是中心线 定位有问题。
精选课件
22
一般地，当图中出现几个样本点连续呈上升 或下降趋势时则表明过程有可能产生了波动；另 一种发生波动的信号是图中连续的样本点成线性 趋势向下倾斜。图4（b）给出了一天中每个样本 点与平均9个样本均值之差的累积，图中显示，至 少出现三次上偏和一次下偏趋势。而图（a）（休 哈特图）则无法显示该信息。由此可以看出，在 检测过程中的微小波动方面，CUMSUM的检出功效 明显高于休哈特控制图。
由β1=β2=β分别计算出：前置距离d，即：模 板的顶点V到基点0的水平距离，角度Φ：即模板两 边线UV与LV之间夹角的一半。构造出V型模板图。
精选课件
16
d 2 x2 ln1
tan h ,
2
精选课件
17
样本均值的传统CUMSUM
前述的CUMSUM是个体计量值控制图，而对于样本
规模为n，均值分别为（ X 1 , X 2 , 立样本，构造CUMSUM的步骤为：
tan h ,
2
精选课件
19
样本极差的传统CUMSUM
利用样本累积和统计值对过程变动进行控制类 似于对连续的似然比率进行检验。实际应用中，用 样本极差考查I、П类错误概率分别为a和 时，标检验的控制上限计算公式：
du lln n1 (10)//1
(9 )
ta n121l n (0 0// 1 1)
精选课件
20
样本累积统计量为：S t
t
Ri
i 1
o
，
其中：
Ri 为第i个样本极差。
σ0=σX 为原假设。
ω为由样本规模决定的常数。
精选课件
21
阐释 CUMSUM
由于构成CUMSUM的样本数据之间相互依赖，所 以要研究处于控制限线内数据间的非随机因素引起 的波动就存在一定的难度，也就无法利用分析休哈 特均值控制图的原则和方法分析CUSUM。原因在于 图中样本点是对历史数据的累积，有些点就会远离 中心线，再根据具体落点位置解释图形也就失去了 意义。
精选课件
23
30
每 天 20 变 化 数 10
0
0
UCLX=21.00
X =9.50
20
40
样本数 ，天
4 (a)X单值图
精选课件
LCLX=0.00
60
80
返回
24
80
60
累 积
40
和：20
1
0
-20
0
3 2
20
40
60
样本数 ，天
4 (b)累积和图 （m=9）
精选课件
4
80
25
有些时候，由于计算累积和方法的差别， CUSUM也会提供错误信号。例如参数值m、目标均 值的选择等都可能造成控制图错发信号。图5（c） (d)是利用不同的参照值对同一批数据构造出的 CUSUM，但对过程波动显示出的统计信号却明显不 同。
原假设：H0： μ=μ0
备择假设： H1： μ=μ1 (μ1>μ0),
精选课件
6
μ是样本均值，Ⅰ、Ⅱ类错误的概率分别设为α和 β，当
β/1-α<序贯概率比〈1-β/α （2）
时，不能作出接受或拒绝H0和H1的判断。公式2可用 来对呈上升趋势的均值构造一个单侧检验控制图。 假如我们有一组按时间顺序测得的独立样本数据即： X1 X2 …Xt，且服从正态分组且样本方差已知为，均
下一个样本。
精选课件
4
序贯概率比检验
命题1
若 l1 m /l0 m A (A 为 远 大 于 1 的 数 ） ，则接受 H 1 ；
若 l1 m /l0 m B (B 为 远 小 于 1 的 数 ） 则接受 H 0 ；
若 Bl1m/l0mA, 接续抽检下一个样本。
A.wald对此有详细的论述，并证明在使用时可近似取
精选课件
26
10
0
累 -10 积 和：-20
-30
-40
-50
0
20
40
60
80
样本数 ，天
5 (c)累积和图 （m=10）
精选课件
27
60
40
累 积
20
和： 0
-20
-40
0
20
40
60
80
样本数 ，天
5 (d)累积和图 （m=9.5）
精选课件
28
感谢亲观看此幻灯片，此课件部分内容来源于网络， 如有侵权请及时联系我们删除，谢谢配合！
UCLx2
1
ln11t( 21)
(5)
LCLx2 2ln12
t(2) 2
(6)
精选课件
11
公式（5）和（6）是样本数t的线性函数。结果见图 2（a）。 一般情况下无论Δ1和Δ2取何值，CUMSUM 都可用于对过程进行双边检验。图2（α）显示了向 上和向下两种变动。
常见的CUMSUM的V型模板见图2（b），累积和 是样本与过程目标均值μO偏差的累积和，上下控制 限分别为两条向上和向下倾斜的斜线，对应不同假 设即：Ho：μ=μO，H１：μ=μO+Δ1，H2：μ=μO +Δ2， 形成三个确定区域。而阴影部分则是待定区域。当 样本累积和落入三个确定区域的任一区域时则停止 取样。
精选课件
2
对于不同的累积和控制图，有一个基本的共同 点即：首先提出原假设和备择假设，其次对假设进 行检验并做出结论。
在实际应用中，用累积的统计值构建的控制图 其敏感性和检出效果要明显强于凭单个样本值构建 的控制图，原因在于该图是通过对样本均值、样本 波动、极差等质量特性值的累积和建立的。它也可 以对属性值进行累积。
精选课件
3
序贯概率比检验
序贯概率比检验是每次只从需检测的一批产品中抽
检一个样本的产品，然后根据过去抽检的各样本的测试
结果，比较在两种不同假设 H 0 , H 1 时出现上述序贯测试
结果的概率，以这两种概率的比值
l1 m
/
l
0
（统计上称为
m
H
1
对H 0 的似然比）作为判断的依据。
1）如果概率比远大于1，说明 H 1 成立的可能性大； 2）如果概率比远小于1，说明 H 0 成立的可能性大； 3）如果两种假设下的概率相差不大，则继续抽检