賈蓓蓓

（燕山大學(xué) 理學(xué)院，河北 秦皇島 066004）

一、研究背景與意義

隨著科學(xué)技術(shù)的進(jìn)步，勞動(dòng)生產(chǎn)力日益提升，商品市場(chǎng)處于供求平衡或是需求較小的市場(chǎng)飽和狀態(tài)，質(zhì)量成為贏得市場(chǎng)的關(guān)鍵因素。質(zhì)量管理貫穿產(chǎn)品生產(chǎn)的整個(gè)環(huán)節(jié)，從設(shè)計(jì)、生產(chǎn)到銷售，每一個(gè)環(huán)節(jié)的產(chǎn)品質(zhì)量管理都不可或缺，對(duì)產(chǎn)品生產(chǎn)的全過程進(jìn)行監(jiān)控管理就顯得尤為重要[1]。統(tǒng)計(jì)過程控制（Statistical Process Control，SPC）便是用來監(jiān)控這些波動(dòng)，保證波動(dòng)處于穩(wěn)定狀態(tài)或是在可以控制的范圍內(nèi)的一種方法[2]。

控制圖是SPC技術(shù)進(jìn)行產(chǎn)品質(zhì)量監(jiān)控的主要工具。20世紀(jì)40年代，Hotelling提出了控制圖，用于解決多元統(tǒng)計(jì)過程問題。該控制圖通過當(dāng)前觀測(cè)點(diǎn)，對(duì)多變量進(jìn)行監(jiān)控，由于僅利用了當(dāng)前信息，歷史數(shù)據(jù)價(jià)值損失巨大，對(duì)波動(dòng)較小的過程監(jiān)控極為困難。針對(duì)此缺陷，多元累積和控制圖（MCUSUM）與多元指數(shù)加權(quán)移動(dòng)平均控制圖（MEWMA）應(yīng)運(yùn)而生[3]。這些控制圖以監(jiān)控?cái)?shù)據(jù)服從多元獨(dú)立正態(tài)分布為基本假設(shè)，但是在生產(chǎn)過程實(shí)際應(yīng)用中，通常無法判定數(shù)據(jù)所服從的分布類型，并且很難做到變量間相互獨(dú)立，使得控制圖監(jiān)控不準(zhǔn)確，造成一定的局限性。

隨著大數(shù)據(jù)時(shí)代的到來，數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)技術(shù)飛速發(fā)展，機(jī)器學(xué)習(xí)算法被更多人接受并應(yīng)用于各大領(lǐng)域[4]。因此，開始將機(jī)器學(xué)習(xí)的方法與控制圖理論相結(jié)合，用來解決控制圖由于統(tǒng)計(jì)原理不完善、數(shù)據(jù)分布不確定、參數(shù)多元帶來的限制問題[5]。支持向量數(shù)據(jù)描述（SVDD）是基于統(tǒng)計(jì)學(xué)理論的新興機(jī)器學(xué)習(xí)方法，適用于高維度、小樣本、對(duì)樣本分布要求不高的數(shù)據(jù)，剛好彌補(bǔ)了控制圖缺陷，應(yīng)用價(jià)值極高。因此，將SVDD模型引進(jìn)MEWMA控制圖，具有極高的研究?jī)r(jià)值。

二、MEWMA控制圖與支持向量數(shù)據(jù)描述算法相關(guān)理論

（一）MEWMA 控制圖

MEWMA控制圖不僅利用了當(dāng)前信息與歷史信息，而且將時(shí)間序列應(yīng)用于控制圖模型中，對(duì)統(tǒng)計(jì)過程中的小偏移波動(dòng)反應(yīng)敏感，具有良好的監(jiān)控性能。

假設(shè)觀測(cè)值 X=[x1，x2，x3，…，xp]′服從均值向量為u0，協(xié)方差矩陣為∑的p元正態(tài)分布N（u0，∑）。定義一個(gè)統(tǒng)計(jì)量：

其中，Zi為第i個(gè)樣本觀測(cè)值與之前i-1個(gè)樣本觀測(cè)值的加權(quán)值，Zi的初始值為Z0。R代表各質(zhì)量特征值的權(quán)重，R=diag（r1，r2，…，rp），0≤rj≤1，j=1，2，…，p。I為p階單位矩陣。根據(jù)統(tǒng)計(jì)量Zi，MEWMA控制圖的統(tǒng)計(jì)量為：

其中，∑Zi是統(tǒng)計(jì)量Zi的協(xié)方差矩陣，如果權(quán)重相同，協(xié)方差矩陣可簡(jiǎn)化為：

對(duì)于MEWMA控制圖的控制限，通常通過平均運(yùn)行鏈長(zhǎng)（ARL）計(jì)算獲得，當(dāng)權(quán)重系數(shù)取不同的值，控制限的取值也不同。當(dāng)控制圖統(tǒng)計(jì)量超過控制限范圍，控制圖報(bào)警。

（二）支持向量數(shù)據(jù)描述理論

支持向量數(shù)據(jù)描述（SVDD）理論是通過將特定的訓(xùn)練集映射到高維空間獲得超球體，并使超球體盡可能多的將同類數(shù)據(jù)包含其中，將不同類數(shù)據(jù)排除在外的分類方法[6]。因此，該方法也避免了無法獲取異常樣本的問題，減少了過擬合。

比如，有N個(gè)訓(xùn)練集，給定訓(xùn)練集T={xi∈Rd，i=1，…，N}，其中xi是一個(gè)d維向量。支持向量數(shù)據(jù)描述的目的就是企圖用一個(gè)球心為α，半徑為R，R＞0的超球體盡可能多地將目標(biāo)數(shù)據(jù)集包含其中。若要滿足球體最小，可以通過最小化獲得最優(yōu)解，公式表示為：

其中，ξi代表松弛變量，C為懲罰因子。

在最小化問題中，所有的目標(biāo)數(shù)據(jù)需要包含在超球體中，即每個(gè)目標(biāo)數(shù)據(jù)到超球體球心的距離小于超球體半徑，條件公式表示為：

對(duì)于以上求解最優(yōu)化，一般引進(jìn)拉格朗日乘子進(jìn)行計(jì)算，有公式：

αi，γi≥0為拉格朗日因子。拉格朗日函數(shù)對(duì)各參數(shù)求導(dǎo)，使求導(dǎo)結(jié)果為0。

圖1 支持向量數(shù)據(jù)描述的數(shù)據(jù)描述過程

將以上求解結(jié)果帶入拉格朗日方程并轉(zhuǎn)化為對(duì)偶問題，有：

針對(duì)以上對(duì)偶問題進(jìn)行求解，假設(shè)α*為最優(yōu)解集，α*不為0時(shí)對(duì)應(yīng)點(diǎn)Xi的就為分類器邊界的支持向量。設(shè)R2為超球體半徑，定義為支持向量到球心的距離，公式為：

當(dāng)存在一個(gè)點(diǎn)c，判斷c點(diǎn)是否數(shù)據(jù)目標(biāo)集，就看c點(diǎn)到超球體球心的距離是否在半徑內(nèi)，如果在就屬于目標(biāo)集，不在便可歸類于異常數(shù)據(jù)。點(diǎn)c到球心的距離表示為：

當(dāng)數(shù)據(jù)點(diǎn)到球心的距離小于等于半徑時(shí)，認(rèn)為該數(shù)據(jù)點(diǎn)屬于目標(biāo)集，否則認(rèn)為是異常點(diǎn)。

實(shí)際操作中，數(shù)據(jù)并非如此理想化，有些數(shù)據(jù)并不是線性可分的，為了提高支持向量數(shù)據(jù)描述的泛化能力，提高靈活性，引入核函數(shù)這一概念。當(dāng)原始數(shù)據(jù)集不線性可分時(shí)，那么通過核函數(shù)將線性不可分的數(shù)據(jù)集映射到高維空間，轉(zhuǎn)化為高維空間線性可分的問題。研究證明，函數(shù)只要滿足Mercer定理，該函數(shù)便可作為核函數(shù)。用核函數(shù)代替內(nèi)積，問題轉(zhuǎn)變?yōu)椋?/p>

相應(yīng)的，超球體半徑和數(shù)據(jù)c到球心的距離分別轉(zhuǎn)變?yōu)椋?/p>

三、基于支持向量數(shù)據(jù)描述的MEWMA控制圖模型設(shè)計(jì)

產(chǎn)品生產(chǎn)過程受控狀態(tài)下，有一組觀測(cè)值為Y（y1，y2，…，ym），作為訓(xùn)練數(shù)據(jù)，用支持向量數(shù)據(jù)描述算法對(duì)訓(xùn)練樣本進(jìn)行學(xué)習(xí)，得到一個(gè)球心為a，半徑為R2的超球體。一組新的觀察值 X（x1，x2，…，xn），數(shù)據(jù)到超球體球心距離為，基于支持向量數(shù)據(jù)描述的MEWMA控制圖設(shè)計(jì)如下：

其中，Xk為第k個(gè)觀測(cè)值，初始值為Z0，權(quán)重為λ，0≤λ≤1?？刂葡逓閔，當(dāng)產(chǎn)品生產(chǎn)過程受控時(shí)，平均運(yùn)行鏈長(zhǎng)（ARL）決定了控制限h的值。當(dāng)基于支持向量數(shù)據(jù)描述的MEWMA控制圖統(tǒng)計(jì)量Zk＞h時(shí)，控制圖報(bào)警。

四、S-MEWMA控制圖與MEWMA控制圖對(duì)比分析與研究

本文將通過仿真實(shí)驗(yàn)，將S-MEWMA控制圖MEWMA控制圖進(jìn)行對(duì)比，驗(yàn)證S-MEWMA控制圖在多元非獨(dú)立情況下的性能。利用平均運(yùn)行鏈長(zhǎng)作為控制圖的評(píng)價(jià)標(biāo)準(zhǔn)，當(dāng)控制圖在控平均運(yùn)行鏈長(zhǎng)ARL0一定時(shí)，監(jiān)控過程發(fā)生不同程度的偏移，對(duì)比失控平均運(yùn)行鏈長(zhǎng)ARL1，具有較小ARL1的控制圖性能較好。

（一）維度方面

表1 S-MEWMA控制圖與MEWMA控制圖控制限h

S-MEWMA控制圖與MEWMA控制圖在不同偏移量下的ARL1結(jié)果見表2：

表2 S-MEWMA控制圖與MEWMA控制圖ARL1

通過萬次仿真實(shí)驗(yàn)得出的實(shí)驗(yàn)結(jié)果可知，當(dāng)φ＜2時(shí)，S-MEWMA控制圖三維正態(tài)分布下的ARL1要低于二維正態(tài)分布的ARL1；當(dāng)φ＞2.5時(shí)，三維S-MEWMA控制圖與二維S-MEWMA性能基本相同。說明發(fā)生偏移越小時(shí)，支持向量數(shù)據(jù)描述對(duì)更高維控制圖的作用越明顯，優(yōu)越性越顯著；當(dāng)偏移程度增大時(shí)，支持向量數(shù)據(jù)描述對(duì)更高維控制圖優(yōu)勢(shì)減弱。但是對(duì)于MEWMA控制圖，二維控制圖ARL1稍微低于三維控制圖ARL1，性能相差不大。無論是二維或是三維，相同維度下，S-MEWMA控制圖ARL1明顯低于MEWMA控制圖ARL1，S-MEWMA控制圖性能優(yōu)于MEWMA控制圖，也驗(yàn)證了支持向量數(shù)據(jù)描述算法比控制圖的優(yōu)勢(shì)大。

（二）相關(guān)性方面

基于二維正態(tài)分布，通過構(gòu)造不同的相關(guān)系數(shù)，驗(yàn)證基于支持向量數(shù)據(jù)描述算法的MEWMA控制圖的性能。二維正態(tài)分布中，S-MEWMA控制圖與MEWMA控制圖的ARL0仍然設(shè)為200，參數(shù)f、s值仍然為0.025、1.5，控制圖控制限h，失控狀態(tài)下平均運(yùn)行鏈長(zhǎng)ARL1同上節(jié)。

表3 S-MEWMA與MEWMA控制圖的控制限

S-MEWMA控制圖與MEWMA控制圖在不同偏移量、不同、不同的結(jié)果見表4：

表4 二維正態(tài)分布下不同相關(guān)系數(shù)ARL1值

實(shí)驗(yàn)結(jié)果表明，對(duì)于S-MEWMA控制圖，變量間相關(guān)系數(shù)的變化并不會(huì)對(duì)ARL1產(chǎn)生較大的影響，但是對(duì)MEWMA控制圖來講，當(dāng)變量間相關(guān)系數(shù)逐漸增大時(shí)，控制圖性能不穩(wěn)定性增加，因此，當(dāng)數(shù)據(jù)變量間非獨(dú)立時(shí)，S-MEWMA控制圖表現(xiàn)出了更好的性能。

五、結(jié)論

本文通過仿真模擬方法，將S-MEWMA控制圖和MEWMA控制圖進(jìn)行對(duì)比，探究S-MEWMA控制圖在服從非獨(dú)立二維正態(tài)分布及三維正態(tài)分布的情況下的性能。利用平均運(yùn)行鏈長(zhǎng)作為控制圖的評(píng)價(jià)標(biāo)準(zhǔn)，當(dāng)控制圖在控平均運(yùn)行鏈長(zhǎng)一定時(shí)，監(jiān)控過程發(fā)生不同程度的偏移，對(duì)比失控平均運(yùn)行鏈長(zhǎng)，具有較小鏈長(zhǎng)的控制圖性能較好。實(shí)驗(yàn)結(jié)果表明，S-MEWMA控制圖在數(shù)據(jù)服從非獨(dú)立二維正態(tài)分布及三維正態(tài)分布的情況下，相較MEWMA控制圖具有更好的性能。