面向多通道轮廓监控的阈值化多元主成分分析
应用统计
2016-03-18 v1
摘要
监控多通道轮廓在制造系统改进中有重要应用，但由于两个主要挑战，开发高效的统计方法并非易事。首先，轮廓是具有内在通道内与通道间相关性的高维函数数据，为了有效监控，需要开发一种能处理此种复杂相关的降维方法。第二，可能更基本的挑战是多通道轮廓的函数结构可能随时间改变，因此降维方法应能够自动考虑潜在的未知变化。为应对这两个挑战，我们提出了一种新颖的阈值化多元主成分分析(PCA)方法用于多通道轮廓监控。我们提出的方法包含两步降维：它首先应用函数PCA在正常操作（受控）状态下提取数量合理的大量特征，然后使用软阈值技术进一步选择捕捉失控状态下轮廓信息的显著特征。基于渐近分析给出了软阈值的调谐参数选择，并进行了广泛的模拟研究以说明我们提出的阈值化PCA方法的有效性。
引用
@article{arxiv.1603.05265,
title = {Thresholded Multivariate Principal Component Analysis for Multi-channel Profile Monitoring},
author = {Yuan Wang and Kamran Paynabar and Yajun Mei},
journal= {arXiv preprint arXiv:1603.05265},
year = {2016}
}