Модели многомерного статистического контроля технологического процесса в условиях нарушения нормальности распределения анализируемых показателей тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат технических наук Константинова, Евгения Игоревна

  • Константинова, Евгения Игоревна
  • кандидат технических науккандидат технических наук
  • 2009, Ульяновск
  • Специальность ВАК РФ05.13.18
  • Количество страниц 136
Константинова, Евгения Игоревна. Модели многомерного статистического контроля технологического процесса в условиях нарушения нормальности распределения анализируемых показателей: дис. кандидат технических наук: 05.13.18 - Математическое моделирование, численные методы и комплексы программ. Ульяновск. 2009. 136 с.

Оглавление диссертации кандидат технических наук Константинова, Евгения Игоревна

Введение.

Глава 1. Состояние и проблемы развития методов статистического контроля технологического процесса.

1.1 .Методы статистического контроля технологического процесса по одному показателю.

1.1.1 .Постановка вопроса

1.1.2.Карта средних значений.

1.1.3 .Карта стандартных отклонений.

1.1.4.Оценка эффективности карт Шухарта

1.1.5.Статистический контроль процесса как задача вероятностной диагностики

1.1.6.Карта кумулятивных сумм

1.1.7.Карты экспоненциально взвешенных скользящих средних

1.2.Многомерные контрольные карты.

1.2.1.Постановка вопроса

1.2.2.Многомерная контрольная карта Хотеллинга

1.2.3.Карта многомерных экспоненциально взвешенных скользящих средних

1.3.Распределение показателей качества в реальных процессах

1.3.1.Виды распределений показателей качества в реальных процессах

1.3.2.Проверка гипотез о виде распределения

1.3.3.Методы статистического контроля однопараметрического процесса при нарушении нормальности распределения показателя

1.4. Выводы

Глава 2. Модели контроля многопараметрического технологического процесса с применением преобразованных данных.

2.1. Преобразование данных на основе семейства распределений Джонсона

2.1.1. Постановка задачи

2.1.2. Выбор типа распределения

2.1.3. Оценка параметров преобразования

2.2. Многомерные контрольные карты на преобразованных данных

2.2.1. Карта Хотеллинга

2.2.2.Карта многомерных экспоненциально взвешенных скользящих средних.

2.3.Контрольные карты на главных компонентах.

2.3.1. Переход к главным компонентам

2.3.2.Контрольные карты на главных компонентах на основе известного распределения

2.3.3.Применение ряда Грама-Шарлье

2.4. Анализ эффективности контроля процесса на преобразованных данных

2.4.1.Оценка эффективности контрольных карт на главных компонентах.

2.4.2. Оценка эффективности многомерных контрольных карт, построенных с применением преобразованных данных

2.5. Выводы

Глава 3. Программное обеспечение контроля многопараметрического процесса в условиях нарушения нормальности распределения показателей

3.1. Программное обеспечение статистического контроля многопараметрического процесса.

3.1.1 .Применение универсального программного обеспечения

3.1.2.Специальное программное обеспечение для статистического контроля процесса

3.2.Алгоритм многомерного контроля в условиях нарушения нормальности распределения показателей.

3.3. Программное обеспечение преобразования Джонсона

3.4. Программное обеспечение для контроля на главных компонентах

3.5. Численные исследования

3.5.1. Статистический контроль показателей качества при механической обработке клина теплостока для электронного модуля.

3.5.2. Статистический контроль качества очистки смазочно-охлаждающей жидкости.

Рекомендованный список диссертаций по специальности «Математическое моделирование, численные методы и комплексы программ», 05.13.18 шифр ВАК

Введение диссертации (часть автореферата) на тему «Модели многомерного статистического контроля технологического процесса в условиях нарушения нормальности распределения анализируемых показателей»

Актуальность работы

Важнейшее требование к системе качества любого предприятия — активное использование необходимых статистических методов для принятия обоснованных решений на всех этапах жизненного цикла продукции: при исследовании рынка, проектировании, материально-техническом снабжении, подготовке производства и производстве, испытаниях, упаковке и хранении, реализации, монтаже, , эксплуатации, сервисном обслуживании, утилизации.

Наиболее широкое применение статистические методы находят на этапе производства и контроля готовой продукции. В частности, процедуры обеспечения стабильности технологических процессов в системах качества по моделям стандартов ИСО серии 9000 регламентированы стандартами и рекомендациями.

Статистические методы анализа точности, стабильности и управления технологическими процессами активно применяются в машиностроении и приборостроении, в химической и пищевой промышленности, в электронике и радиотехнике, - везде, где имеет место серийный выпуск продукции. Методы, регламентированные нормативными документами, предусматривают контроль технологического процесса, как правило, лишь по одному (наиболее важному) показателю качества выпускаемого изделия. При этом предполагается нормальность распределения этого показателя, а в случае нарушения нормальности стандарт предлагает единственный метод — увеличение объема выборки, что, в соответствии с центральной предельной теоремой приводит к нормальности распределения средних значений. Однако далеко не всегда производственные условия позволяют увеличивать объем выборки. Напротив, в последние годы в целях экономии ресурсов наметилась тенденция к применению индивидуальных наблюдений, при которых объем мгновенной выборки равен единице.

Качество изделия обычно характеризуется несколькими показателями; эти показатели часто коррелированны между собой. Независимый контроль по отдельным показателям может привести к значительным погрешностям вследствие различия доверительных областей и невозможности определения совместного уровня значимости. В результате возникают ошибки, связанные как с пропуском нарушения в технологическом процессе, ведущего к выпуску бракованной продукции, так и с необоснованной остановкой процесса для регулировки.

Использование современной компьютерной техники и соответствующего программного обеспечения позволяет обеспечить надежный контроль технологического процесса с учетом множества показателей качества с учетом возможных нарушений нормальности их распределения непосредственно в производственных условиях.

Актуальность проблемы подтверждается появлением в 90-х годах прошлого столетия ряда работ по обобщению некоторых статистических моделей на случай многомерного контроля технологического процесса. Поток публикаций по многомерным методам статистического контроля увеличился в начале этого столетия. Если в конце прошлого века в основном были представлены работы американских специалистов, то в последние годы активно печатаются статьи исследователей из Великобритании, Испании, Греции, Малайзии. Появились и отечественные работы в этом направлении: кроме работ нашего университета, ряд публикаций в журнале «Методы менеджмента качества» свидетельствуют о значительном интересе к этому вопросу со стороны фармацевтической промышленности.

Актуальности проблемы подтверждается и тем, что диссертационная работа выполнялась в рамках научно-технической программы «Научные исследования высшей школы по приоритетным направлениям науки и техники» (подпрограмма «Качество», проект 210.02.01.002 «Разработка методов и технологий обеспечения качества процесса при коррелированных показателях качества»), а также поддержана грантами Российского фонда фундаментальных исследований в 2006-2007 г.г. (проект 0608-00070 «Диагностика многопараметрического технологического процесса по результатам статистического контроля») и в 2008 — 2009 г.г. (проект 08-08-97004 «Статистические модели контроля и диагностики многопараметрического технологического процесса»).

Цель работы

- разработка математических моделей, алгоритмов и программного обеспечения многомерного статистического контроля технологического процесса в условиях нарушения нормальности распределения контролируемых показателей. Для достижения поставленной цели решаются задачи:

- выбор преобразований для нормализации данных;

- оценка параметров преобразований;

- разработка различных типов контрольных карт для преобразованных данных;

- исследование возможностей и области применения карт на главных компонентах;

- анализ возможностей применения контрольных карт для специальных видов распределений;

- оценка эффективности предлагаемых методов;

- разработка алгоритма и программного обеспечения для статистического контроля многопараметрического технологического процесса в условиях нарушения нормальности распределения показателей качества.

Методы исследования

Для решения поставленных задач использовались методы теории вероятностей, математической статистики, статистического моделирования, численные методы и методы оптимизации. При разработке программного обеспечения использовались методы объектно-ориентированного проектирования программных систем.

Научная новизна основных результатов работы, выносимых на защиту;

1. Впервые разработана математическая модель процесса многомерного статистического контроля в условиях нарушения нормальности распределения контролируемых показателей, включающая:

- зависимости для оценки параметров нормализующих преобразований на основе распределений Джонсона;

- формулы для расчета статистик, используемых при построении контрольных карт Хотеллинга и многомерных экспоненциально взвешенных скользящих средних на преобразованных данных (в частности для широко распространенного частного случая - многомерного логнормального распределения контролируемых показателей);

- зависимости для построения контрольных карт на главных компонентах с аппроксимацией выборочных данных на основе ряда Грама-Шарлье (в условиях, когда нормализация данных с использованием распределений Джонсона невозможна).

2. Разработан алгоритм и программное обеспечение многомерного статистического контроля технологического процесса в условиях нарушения нормальности распределения контролируемых показателей.

3. Показана эффективность предложенных математических моделей и методов контроля в различных условиях (индивидуальные наблюдения и мгновенные выборки, различное количество контролируемых показателей): неучет нарушения нормальности распределения снижает чувствительность контрольной карты Хотеллинга примерно втрое.

Практическая значимость работы состоит в том, что предложенные методы обеспечивают возможность применения многомерного статистического контроля технологических процессов в условиях нарушения нормальности распределения контролируемых показателей на производстве с использованием разработанного программного обеспечения. Это показано на реальных примерах статистического контроля показателей качества при механической обработке клиньев теплостока для электронного модуля ЭМ1 в конструктиве «Евромеханика-би» и контроле качества очистки смазочно-охлаждающей жидкости.

При этом повышается точность контроля, а значит уменьшается доля бракованной продукции, снижается риск необоснованных регулировок технологического процесса.

Реализация и внедрение результатов работы.

Результаты работы внедрены при многомерном статистическом контроле показателей качества клиньев теплостока для электронного модуля ЭМ1 в ОАО «Концерн «Моринформсистема - Агат» и показателей очистки смазочно-охлаждающей жидкости в научно-промышленной компании «Системы водоочистки». Программа преобразования данных на основе распределений Джонсона включена в качестве модуля в подсистему АСОНИКА-С (подсистема статистического управления процессом Автоматизированной Системы Обеспечения Надежности и Качества Аппаратуры).

Результаты диссертационной работы внедрены в учебный процесс Ульяновского государственного технического университета в дисциплинах «Контроль качества и надежность», читаемой студентам специальности «Прикладная математика», «Надежность технических систем» для специальности «Инженерная защита окружающей среды» и «Статистические методы управления качеством» для специальности «Управление качеством».

Апробация работы. Теоретические положения и практические результаты работы докладывались и обсуждались на ежегодных научно-технических конференциях Ульяновского государственного технического университета в 2003 - 2009 г.г., а также на международных и всероссийских конференциях: «Системные проблемы качества, математического моделирования, информационных, электронных и лазерных технологий» (Сочи, 2004 и 2006 г.г.), «Континуальные алгебраические логики, исчисления и нейроинформатика в науке и технике» (Ульяновск, 2003, 2005, 2006 г.г.), «Опыт применения статистических методов управления качеством на производстве» (Ульяновск, 2005 г.),

Опыт работы предприятий по подготовке к сертификации системы менеджмента качества» (Ульяновск, 2006 г.), «Математическое моделирование физических, технических, экономических, социальных систем и процессов» (Ульяновск, 2009 г.).

Публикация результатов работы. Результаты исследований по теме диссертации изложены в 18 опубликованных работах, в том числе в четырех статьях в журналах по списку ВАК «Автоматизация и современные технологии», «Приборы и системы. Управление, контроль,, диагностика», «Обозрение прикладной и промышленной математики»; получены три свидетельства об государственной регистрации программ для ЭВМ.

Похожие диссертационные работы по специальности «Математическое моделирование, численные методы и комплексы программ», 05.13.18 шифр ВАК

Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Константинова, Евгения Игоревна

Заключение

В диссертационной работе получены следующие основные результаты.

1. Проведен анализ существующих методов многомерного статистического контроля технологического процесса, и обоснована необходимость разработки специальных математических моделей, методов, алгоритмов и программного обеспечения, дающих возможность такого контроля в условиях нарушения многомерной нормальности распределения показателей.

2. Предложено проведение контроля многопараметрического технологического процесса с использованием карт Хотеллинга и многомерных экспоненциально взвешенных скользящих средних на преобразованных данных. В качестве основного используется преобразование, основанное на распределениях Джонсона. Получены зависимости для оценки параметров распределений.

3. Проанализирован широко распространенный частный случай построения карт Хотеллинга и экспоненциально взвешенных скользящих средних, когда контролируемые показатели имеют многомерное логнормальное распределение. Показано, что в этом случае игнорирование нарушения нормальности распределения снижает чувствительность контрольной карты Хотеллинга втрое.

4. Предложен контроль процесса с использованием карт на главных компонентах в случае, когда нормализация данных с использованием распределений Джонсона невозможна. При этом часто целесообразна аппроксимация главных компонент на основе ряда Грама-Шарлье. Оценка эффективности метода приведена на 1 примере, когда фактически главная компонента имеет распределение Рэлея, а расчет проводится на базе нормального распределения: чувствительность карты снижается примерно в пять раз.

5. Разработан алгоритм и программное обеспечение многомерного статистического контроля технологического процесса в условиях нарушения нормальности распределения: программа преобразования данных на основе распределений Джонсона и программа построения контрольных карт на главных компонентах с использованием аппроксимации данных на базе ряда Грама-Шарлье.

6. Разработана методика проведения многомерного статистического контроля с учетом нарушения нормальности распределения на реальных примерах контроля геометрических показателей при механической обработки клина теплостока для электронного модуля ЭМ1 в конструктиве «Евромеханика-бШ и контроле качества очистки смазочно-охлаждающей жидкости.

Список литературы диссертационного исследования кандидат технических наук Константинова, Евгения Игоревна, 2009 год

1. Адлер Ю.П., Шпер В. Л. Контрольные карты Шухарта // Методы менеджмента качества. 2003. №5. С. 30-37

2. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Основы моделирования и первичная обработка данных. М.: Финансы м статистика, 1983. 472 с.

3. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Статистическое исследование зависимостей. М.: Финансы и статистика, 1985. 488 с.

4. Айвазян С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики. М.: ЮНИТИ, 1998. 1022 с.

5. Андерсон Т. Введение в многомерный статистический анализ / Пер. с англ.; Под ред. Б.В.Гнеденко. М.: Физматгиз, 1963. 500 с. .

6. Андрукович И.Ф. Некоторые свойства метода главных компонент // Многомерный статистический анализ в социально-экономических исследованиях. М.: Наука, 1974. С. 189 228

7. Афифи А., Эйзен С. Статистический анализ: Подход с использованием ЭВМ / Пер. с англ.; Под ред. Г.Н.Башарина. М.: Мир, 1982. 488 с.

8. Ахрамович И.Л., Жулинский С.Ф., Кофанов Ю.Н. Менеджмент качества радиоэлектронных средств. М.: Агат, 1999. 132 с.

9. Болч Б., Хуань К. Многомерные статистические методы для экономики / Пер. с англ.; Под ред. С.А.Айвазяна. М.: Статистика, 1979. 317 с.

10. Ю.Боровиков В. Statistica: Искусство анализа данных на компьютере. СПб: Питер, 2001. 656 с.

11. П.Бородачев Н.А., Абдрашитов P.M., Веселова И.М. Точность производства в машиностроении и приборостроении / Под ред. А.Н. Гаврилова. М: Машиностроение, 1973

12. Бостанджиян В.А. Распределения Джонсона. Оценивание их параметров. М: ИПХВ РАН, 2004. 124 с.

13. Бродский Б.Е., Дарховский Б.С. Проблемы и методы вероятностной диагностики 7/ Автоматика и телемеханика. 1999. №8. С. 3 50

14. Валеев С.Г. Регрессионное моделирование при обработке наблюдений. М.: Наука, 1991. 272 с. (2-е изд.: Регрессионное моделирование при обработке данных. Казань: ФЭН, 2001. 296 с.)

15. Валеев С.Г., Клячкин В.Н. Особенности построения регрессионных моделей при многомерном контроле технологического процесса // Радиоэлектроника. Информатика. Управление. 2002. №1. С.48-51.

16. Валеев С.Г., Клячкин В.Н. Критерии выбора многооткликовых регрессий при контроле технологического процесса // Проектирование и технология электронных средств. 2003. №2. С.34 -39.

17. Вальд А. Последовательный анализ / Пер. с англ.; Под ред. Б.А.Севастьянова. М.: Физматгиз, 1960. 328 с.

18. Вапник В.Н. Восстановление зависимостей по эмпирическим данным. М.: Наука, 1979. 447 с.

19. Васильков Ю.Н., Иняц Н. Статистические методы в управлении предприятием: доступно всем. М.: РИА «Стандарты и качество», 2008. 280 с.

20. Вероятность и математическая статистика: Энциклопедия / Гл.ред. Ю.В.Прохоров. М.: Большая Российская энциклопедия, 1999. 910с.

21. Всеобщее управление качеством. TQM // Глудкин О.П., Горбунов Н.М. и др. М.: Радио и связь, 1999. 600 с.

22. Глазунов А.В., Кочетков Е.П., Рыжков М.Б. Управление статистическим контролем стабильности технологических процессов // Надежность и контроль качества, 1993, №6. С.З 11

23. Глудкин О.П., Черняев В.Н. Анализ и контроль технологических процессов производства РЭА. М.: Радио и связь, 1983

24. ГОСТ Р 50779.42-99 (ИСО 8258-91) Статистические методы. Контрольные карты Шухарта

25. ГОСТ Р 50779.40-96 (ИСО 7870-93). Статистические методы. Контрольные карты. Общее руководство и введение

26. ГОСТ Р ИСО 5479 2002. Статистические методы. Проверка отклонения распределения вероятностей от нормального распределения

27. Дарховский Б.С. О двух задачах оценивания моментов изменения вероятностных характеристик случайной последовательности // Теория вероятностей и ее применения. 1984. Т.29. С.464 473

28. Джонсон Н., Лион. Ф. Статистика и планирование эксперимента: Методы обработки данных / Пер. с англ.; Под ред. Э.К.Лецкого. М.: Мир, 1980. 510 с.

29. Дубров A.M. Обработка статистических данных методом главных компонент. М.: Статистика, 1978. 136 с.

30. Дубров A.M., Мхитарян B.C., Трошин Л.И. Многомерные статистические методы. М.: Финансы и статистика, 2000. 352 с.

31. Жулинский С.Ф., Новиков Е.С., Поспелов В.Я. Статистические методы в современном менеджменте качества. М.: Фонд «Новое тысячелетие», 2001. 208 с.

32. Илларионов О.И. Обнаружение разладки технологического процесса с помощью Х-карт по нескольким выборкам // Надежность и контроль качества. 1992. №2. С.21 28

33. Илларионов О.И. Расчет характеристик контрольных Х-карт при неточной наладке технологического процесса // Методы менеджмента качества. 2000. №11. С.16 20

34. Илларионов О.И., Харитонов А. С. Статистическое регулирование технологических процессов с использованием контрольных карт выборочного среднего при неизвестной дисперсии контролируемого параметра // Надежность и контроль качества. 1999. №9. С.37 44

35. Кендалл М., Стьюарт А. Многомерный статистический анализ и временные ряды / Пер. с англ.; Под ред. А.Н.Колмогорова. М.: Наука, 1976. 736 с.

36. Кендалл М., Стьюарт А. Статистические выводы и связи / Пер. с англ.; Под ред. А.Н.Колмогорова и Ю.В.Прохорова. М.: Наука, 1973. 900 с.

37. Клячкин В.Н. Многомерный статистический контроль технологического процесса. М.: Финансы и статистика, 2003. 192 с.

38. Клячкин В.Н. Статистические методы в управлении качеством: компьютерные технологии. М.: Финансы и статистика, 2007. 304 е.

39. Клячкин В.Н. Система статистического контроля многопараметрического технологического процесса // Приборы и системы. Управление, контроль, диагностика. 2008. №10. С.30-33

40. Клячкин В.Н. Диагностика многопараметрического технологического процесса по результатам статистического контроля // Автоматизация и современные технологии. 2009. №2.

41. Российской научной школы. Часть 1. — М.: Энергоатомиздат, 2008. С. 59-60

42. Клячкин В.Н., Аникина Ю.А., Константинова Е.И. Нормализация данных при многомерном статистическом анализе и контроле технологического процесса (МАК нормализация). Роспатент. Свидетельство об официальной регистрации программы для ЭВМ №2003612554,

43. Клячкин В.Н., Аникина Ю.А., Константинова Е.И. Алгоритм оценивания параметров распределения Джонсона // Системы искусственного интеллекта и нейроинформатика. Труды международной конференции. Том 3. Ульяновск, 2003. С.74-75

44. Клячкин В.Н., Константинова Е.И. Контрольные карты Шухарта на главных компонентах // Опыт работы предприятий поподготовке к сертификации СМК: материалы научно-технической конференции. Ульяновск, 2006. С.79-81

45. Клячкин В.Н., Константинова Е.И. Алгоритм построения контрольных карт с использованием распределения Грама-Шарлье // Математические методы и модели в прикладных задачах науки и техники. Труды конференции, т.4. Ульяновск, 2006. С. 165-166

46. Клячкин В.Н., Константинова Е.И. Контрольные карты на основе негауссовых распределений // Обозрение прикладной и промышленной математики Т.14, вып. 2. С.312-313

47. Клячкин В.Н., Константинова Е.И. Диагностика многопараметрического технологического процесса с использованием контрольных карт на главных компонентах // Приборы и системы. Управление, контроль, диагностика. 2007, №3. С.59-61

48. Клячкин В.Н., Константинова Е.И. Контроль многопараметрического технологического процесса в условиях нарушения нормальности распределения // Автоматизация и современные технологии. 2007, №7. С.3-6

49. Клячкин B.H., Константинова Е.И., Узинский А.В. Контрольные карты на главных компонентах. Свидетельство о государственной регистрации программы для ЭВМ, №2008611486

50. Клячкин В.Н., Константинова Е.И., Узинский А.В. Нормализация данных с использованием распределений Джонсона. Свидетельство о государственной регистрации программы для ЭВМ, №2008611485

51. Кобзарь А.И. Прикладная математическая статистика. Для научных работников и инженеров. М.: Физматлит, 2006. 816 с.

52. Константинова Е.И. Использование ряда Грама-Шарлье при многомерном контроле технологического процесса// Математические методы и модели в науке, технике, естествознании и экономике. Труды конференции, т.4. Ульяновск, 2007. С. 145-146

53. Константинова Е.И. Применение распределений Джонсона при статистическом контроле многопараметрического процесса 11 Обозрение прикладной и промышленной математики, 2007. ,Т. 14, вып. 6. С.1110-1111

54. Константинова Е.И. Контрольные карты при негауссовом распределений показателей // Тезисы докладов 41-й научно-технической конференции. Ульяновск, 2007. С. 128

55. Контроль качества с помощью персональных компьютеров // Макино Т., Охаси М., Докэ X и др.; Пер. с яп.; Под ред. Ю.П. Адлера. М.: Машиностроение, 1991. 224 с.

56. Корн Г., Корн Т. Справочник по математике для научных работников и инженеров. / Под ред. И.Г. Арамановича. М.: Наука, 1974. 832 с.

57. Коуден Д. Статистические методы контроля качества / Пер. с англ.; Под ред. Б.Р.Левина. М.: Физматгиз, 1961. 623 с.

58. Крамер Г. Математические методы статистики / Пер. с англ.; Под ред. А.Н.Колмогорова. М.: Мир, 1975. 648 с.

59. Лапидус В. А. Всеобщее качество (TQM) в российских компаниях / Гос. ун-т управления; Нац. фонд подготовки кадров. М.: ОАО «Типография «Новости», 2000. 432с.

60. Леман Э. Проверка статистических гипотез / Пер. с англ.; Под ред. Ю.В.Прохорова. М.: Наука, 1979. 408 с.

61. Ллойд Э., Ледерман У. Справочник по прикладной статистике. Т. 1-2 / Пер. с англ.; Под ред. Ю.Н.Тюрина, С.А.Айвазяна. М.: Финансы и статистика, 1990. 1036 с.

62. Максаков А.Б. Характеристики воспроизводимости, возможностей и стабильности технологических процессов // Надежность и контроль качества, 1992. №6. С.20 28.

63. Максаков А.Б., Кекутия И.П., Михейкин В.Б. Методика статистического анализа качества продукции и стабильности технологических процессов // Надежность и контроль качества. 1993. №10. С.12 20.

64. Мердок Дж. Контрольные карты / Пер. с англ.; Предисл. Ю.П.Адлера. М.: Финансы и статистика, 1986. 151 с.

65. Миттаг X., Ринне X. Статистические методы обеспечения качества / Пер. с нем.; Под ред. Б.Н.Маркова. М.: Машиностроение, 1995.616 с.

66. Многомерный статистический анализ и вероятностное моделирование реальных процессов. М.: Наука, 1990. 296 с.

67. Никифоров И.В. Последовательное обнаружение изменения свойств временных рядов. М.: Наука, 1983. 200 с.

68. Ноулер JI. Статистические методы контроля качества продукции / Пер. с англ.; Под ред. А.М.Бендерского. М.: Изд.стандартов, 1989. 96с.

69. Планирование эксперимента в исследовании технологичческих процессов / К. Хартман, Э.Лецкий и др. Пер. с нем. М.: Мир. 552 с.

70. Р 50.1.018-98 Обеспечение стабильности технологических процессов в системах качества по моделям стандартов ИСО серии 9000

71. Прикладная статистика: Классификация и снижение размерности. У Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л. Д. Финансы и статистика, 1989. 607 с.

72. Радченко С.Г. Математическое моделирование технологических процессов в машиностроении. К.: ЗАО «Укрспецмонтажпроект», 1998. 274 с.

73. Рао С.Р. Линейные статистические методы и их применение / Пер. с англ. М.: Наука, 1968. 548 с.

74. Розно М.И. Статистические методы и пакеты прикладных программ для системы качества по стандартам ИСО серии 9000 //

75. Стандарты и качество. 1993. №3. С.22 24.t

76. Рубичев Н.А., Фрумкин В. Д. Достоверность допускового контроля качества. М.: Изд. стандартов, 1990. 172 с.

77. Рыбаков И.Н., Рыбаков К.И. Метод анализа и управления достоверностью качества продукции, имеющей множество регламентируемых параметров // Надежность и контроль качества. 1993. №8. С.24-34.

78. Рыжков М.Б, Компьютерные программы в управлении качеством // Методы менеджмента качества. 2001. №1. С.20 25.

79. Рыжов Э.В., Горленко О.А. Математические методы в технологических исследованиях. К.: Наукова думка, 1990. С. 184.

80. Сакато Сиро. Практическое руководство по управлению качеством / Пер. с яп.; Под ред. В.И.Гостева. М.: Машиностроение, 1980.215 с.

81. Сошникова JI.A., Тамашевич В.Н., Уебе Г. Многомерный статистический анализ в экономике. М.: ЮНИТИ-ДАНА, 1999. 598 с.

82. Статистические методы повышения качества / Под ред. Х.Куме; Пер. с англ. и доп. Ю.П.Адлера, Л.А.Конаревой. М.: Финансы и статистика, 1990. 304 с.

83. Статистический контроль качества на основе принципа распределения приоритетов // Лапидус В.А., Розно М.И., Глазунов А.В. М.: Финансы и статистика, 1991. 224 с.

84. Тихов М.С. К задаче статистического регулирования технологического процесса // Надежность и контроль качества. 1993. №8. С.З 8

85. Тихов М.С. О задаче оптимального обнаружения изменений вероятностных характеристик // Статистические методы. Межвуз.сб. 1980. С.189-204

86. Уилер Д., Чамберс Д. Статистическое управление процессами. Оптимизация бизнеса с использованием контрольных карт Шухарта / Пер. с англ. М.: Альпина Бизнес Букс, 2009. 409 с.

87. Феллер В. Введение в теорию вероятностей и ее приложения. В 2 т. Т.1 / Пер. с англ.; Под ред. Ю.В.Прохорова. М.г Мир, 1984. 528с.

88. Хальд А. Математическая статистика с техническими приложениями / Пер. с англ. М.: Иностранная литература, 1956. 664 с.

89. Хан Г., Шапиро С. Статистические модели в инженерных задачах / Пер. с англ.; Под ред. В.В.Налимова. М.: Мир. 1969. 395 с.

90. Химмельблау Д. Анализ процессов статистическими методами / Пер. с англ.; Под ред. В.Г.Горского. М.: Мир, 1973. 957 с.

91. Г.Б. Ходасевич Обработка экспериментальных данных на ЭВМ. СПб.: СУТ, 2003. 240 с.

92. Шиндовский Э., Шюрц О. Статистические методы управления качеством / Пер. с нем. М.: Мир, 1976. 597 с.

93. Ширяев А.Н.Статистический последовательный анализ. М.: Наука, 1976.272 с.

94. Ширяев А.Н. Минимаксная оптимальность метода кумулятивных сумм в случае непрерывного времени // УМН, 1996. Т.310. №4. С. 173 -174 '

95. Шор Я.Б. Статистические методы анализа и контроля качества и надежности. М.: Советское радио, 1962. 743с.

96. Шпер В Л. Еще раз о контрольных картах и вокруг них // Надежность и контроль качества, 1998. №12. С.З 13

97. Эфрон Б. Нетрадиционные методы многомерного статистического анализа. / Пер. с англ.; Под ред.Ю.П.Адлера. М.: Финансы и статистика, 1988. 263 с.

98. Aparisi F. Hotelling's Т2 control chart with adaptive sample sizes // Int. Journal of production'research. 1996. V.34. P. 2853 2862

99. Aparisi F., Garcia-Diaz J. A multiobjective optimization for the EWMA for MEWMA quality control charts // Inverse problems, design and optimizations symposium. Brazil, 2004. P. 128-135

100. Costa A., Machado M. Synthetic control charts with two-stage sampling for monitoring bivariate processes // Pesquisa Operacional, 2007, v.27. P. 117-130

101. Crowder S.V. A simple method for studing run-length distributions of exponentially weighted moving average charts // Technometrics, 1987, Y.29. P.401-408.

102. Crosier R.B. Multivariate generalizations of cumulative sum quality-control schemes // Technometrics, 1988, 30(3). P.291 303

103. Doganaksoy N, Fatlin F.W., Tucker W.T. Identification of out of control quality characteristics in a multivariate manufacturing enviroument // Comm.in Statistics Theory and Methods, 1991, 20(9). P.2775 - 2790

104. Fuchs C., Kennet R.S. Multivariate quality control: Theory and Applications, New York: Marcel Dekker, 1998. 212p.

105. Girshick M.A., Rubin H. A Bayes approach to quality control model // Ann. Math. Statist. 1952. Y.23. No.l. P.l 14 125

106. Griffith G. Statistical control methods for long and short runs. John Wiley and Sons, 1996. 250 p.

107. Hayter A., Tsui K. Identification and quantification in multivariate quality control problems // Journal of quality technology. 1994. 26: P. 197 -208

108. He D., Grigoryan A. Construction of double sampling control charts for agile manufacturing // Quality and reliability engineering international, 2002, v. 18. P. 343 355

109. Healy J.D. A note on multivariate CUSUM procedures // Technometrics. 1987. Y.29. P.409 412

110. Kourti Т., MacGreg'or I.F. Multivariate SPC Methods for process and product monitoring // Journal of Quality Technology. 1996. V.28(4). P.409 428

111. Liu R.Y., Control charts for multivariate processes // Journal of the American Statistical Association. 1995. V.90(432). P.1380 1387

112. Lowry C.A., Woodal W.H., Champ C.W., Rigdon S.E. A multivariate exponencially weighted moving average control chart // Technometrics. 1992. V.34. P.46 53.

113. Lowry C., Montgomery D.C. A review of multivariate control charts // HE transactions. 1995. V.27. P.800 810

114. Lucas J.M., Crosier R.B. Fast initial response for CUSUM quality-control schemes: give your CUSUM a head start // Technometrics,2000, V.42.P.102- 107.

115. Lucas J.M., Saccucci M.S. Exponentially weigheted moving average control schemes: properties and enhancements // Technometrics. 1990. V.32. P.l 12.

116. Mastrangelo C.M., Runger G.C., Montgomery D.C. Statistical process monitoring with principial components // Quality and Reability Engineering International. 1996. V.l2. P.203 210

117. Montgomery D. C. Introduction to statistical quality control. John Wiley and Sons, 1996. 782 p.

118. Page E.S. Continuous inspection schemes // Biometrika. 1954. V.l. P.100- 115.

119. Pignatiello J.J., Runger G.C. Comparision of multivariate CUSUM chart // Journal of Quality Technology. 1990. V.22(3). P. 173 186.

120. Roberts S.W. Control charts tests based on geometric moving average // Technometrics. 1959. V.3. P.239 250

121. Roberts S.W. A comparison of some control charts procedures // Technometrics. 1966. V.8. P.411 430

122. Runger G.C., Alt F.В., Montgomery D.C. Contributions to a multivariate statistical process control chart signal // Comm.in Statistics -Theory and Methods. 1996. V.25(10). P.2203 2213

123. Sullivan J.H., Woodall W.H. A comparision of multivariate control chart for individual observations // Journal of Quality Technology. 1996. V.28(4). P.398 408

124. Tracy N.D., Young J.C., Mason R.L. Multivariate control chart for individual observations // Journal of Quality Technology. 1992. V.24(2). P.88-95

125. Zimmerman S.M., Icenogle M.L. Statistical Quality Control using Excel. John Wiley and Sons, N.Y., 1999. 346 p.

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.