函数型神经网络控制图
统计方法学
2023-11-21 v1 应用统计
摘要
在许多工业4.0数据分析应用中，从制造过程获取的质量特性数据更适合建模为函数，通常称为轮廓。实践中存在这样的情况：一个标量质量特性（也称为响应）受到一个或多个以函数型数据形式存在的变量（称为函数型协变量）的影响。为利用这一附加信息来调整对标量响应的监控，本文基于从函数型神经网络得到的残差提出了一种新的轮廓监控策略，该网络能够学习标量响应与函数型协变量之间可能的非线性关系。我们进行了广泛的蒙特卡洛模拟研究，以评估所提方法相对于文献中已有其他控制图的性能。最后，给出了一个铁路行业的案例研究，旨在监控安装在客运列车上的供暖、通风与空调系统。
引用
@article{arxiv.2311.11050,
title = {Functional Neural Network Control Chart},
author = {Murat Kulahci and Antonio Lepore and Biagio Palumbo and Gianluca Sposito},
journal= {arXiv preprint arXiv:2311.11050},
year = {2023}
}