Hotelling T² 控制图(多元)

Hotelling T² 控制图利用两个或更多相关变量之间的协方差,跟踪每个观测或子组与联合过程均值的马氏距离。它适用于单值观测或分子组数据。UCL 由 F 分布得出,alpha 默认为 0.0027,且仅检查规则 1。输出为 T² 控制图以及包含 p、m、中心线和 UCL 的汇总表。

最后审阅

核心要点

Hotelling T² 控制图同时监控两个或更多相关的质量特性,即使每个变量单独看都受控,也能标出与过程均值的联合距离异常的观测。

本页内容
  1. 用途
  2. 主要功能
  3. 统计方法
  4. 输入字段和选项
  5. 输出说明
  6. 计算示例

用途

Hotelling T² 控制图同时监控两个或更多相关的质量特性,而不是各自在单值图或 Xbar 图上分别监控。两个相关变量在各自的单变量控制图上可能都完全受控,但它们之间的关系已经失常,Hotelling T² 控制图正是利用过程自身的协方差结构,跟踪每个观测(或子组)与过程联合均值的马氏距离,从而发现这种情况。

主要功能

  • 既支持单值观测数据(每个单元一行,不分子组),也支持通过可选的 Subgroup 指示列提供的分子组数据。
  • 使用所选变量之间完整的协方差结构,因此即使两个变量单独看都没有异常,也能对变量间正常相关性的破坏保持敏感。
  • alpha(误报率)可配置,默认采用应用全局的 0.0027(相当于 3 西格玛)约定。
  • 支持行的包含/排除,以及单独的“estimate parameters from”选择器,以已知稳定时期为基线估计均值向量和协方差矩阵。

统计方法

未选择 Subgroup 指示列时(单值观测,每个单元一行),工具对每个观测 x_i,使用估计参数所用的 m 个观测上 p 个所选变量的样本协方差矩阵 S,计算其与估计过程均值向量 x̄ 的马氏距离平方:T²_i = (x_i − x̄)′ S⁻¹ (x_i − x̄)。控制上限采用单值观测基于 F 分布的精确公式:UCL = [p(m−1)(m+1)] / [m(m−p)] · F(1−alpha; p, m−p),其中 alpha 为所选误报率(默认 0.0027)。显示的中心线为 p,即受控过程下该统计量的期望值。

选择 Subgroup 指示列时(每个子组含 n 行重复),工具改为对每个子组 j 计算 T²_j = n·(x̄_j − x̄_grand)′ Sp⁻¹ (x̄_j − x̄_grand),其中 x̄_j 为该子组的均值向量,x̄_grand 为各子组均值的总均值,Sp 为合并的组内协方差矩阵(即 m 个单独的组内样本协方差矩阵的平均值)。控制限为 UCL = [p(m−1)(n−1)] / (mn − m − p + 1) · F(1−alpha; p, mn − m − p + 1)。

在两种模式下,T² 都是单侧的非正态统计量,因此仅评估规则 1(点超出 UCL),为正态分布的控制图统计量设计的 Western-Electric/Nelson 分区规则在此有意不予应用。

输入字段和选项

字段

说明

Variables

必填。选择每个观测上测得的 2 个或更多相关变量。

Subgroup indicator

可选。如果每行为一个单值观测,则留空。如果若干行构成一个子组(n > 1 次重复),则选择标识子组的列。

Alpha (false alarm rate)

默认值 0.0027,与应用其他位置使用的标准 3 西格玛等效误报率一致。

X scale

观测轴的可选自定义标注。

Include or Exclude / Specify which rows / Row numbers

控制绘制哪些行。

 

hotelling-t2-inputs


图 1 — 30 组成对的壁厚/重量读数粘贴到 C1–C2 列,两列均选为 Variables,Alpha 为默认值 0.0027。

 

输出说明

  • T² Chart 图:按时间顺序给出每个观测(或子组)的 Hotelling T² 统计量,并带有 UCL 和中心线。
  • Summary 表:所用变量、p(变量个数)、m(用于估计参数的观测/子组数)、Alpha、中心线(E[T²])和 UCL。
  • Nelson's Rules / Potential Special Cause Points:哪些点(如有)超出了控制限。
  • 通过 Download as PDF 导出 PDF。


hotelling-t2-outputs

 

图 2 — T² 控制图输出:每个观测绘出的 T² 统计量及 UCL,以及 Variables/p/m/Alpha/Center Line/UCL 汇总表。

 

计算示例

吹塑工艺生产的瓶子,其壁厚(C1,mm)和重量(C2,g)通常相关:壁越薄,重量越轻。选择两个变量,Alpha 取默认值 0.0027,对连续 30 个瓶子,工具计算得到 p = 2 个变量、m = 30 个观测时 UCL ≈ 15.75;虽然最后 5 个瓶子(演示数据集中有意破坏了正常的壁厚/重量关系)在此并未单独超出控制限,但 T² 序列恰好在相关性结构被扰动的位置明显呈上升趋势,而只对其中任一变量使用单变量控制图则会完全漏掉这一现象。

常见问题

什么是 Hotelling T² 控制图?

Hotelling T² 控制图同时监控两个或更多相关的质量特性,而不是各自在单值图或 Xbar 图上分别监控。它利用过程自身的协方差结构,绘出每个观测或子组与联合过程均值的马氏距离平方,因此能发现变量之间正常关系的破坏。

为什么使用 Hotelling T² 控制图而不是各自的单变量控制图?

两个相关变量在各自的单变量控制图上可能都显得受控,但它们之间的关系已经失常。在吹塑示例中,壁厚和重量通常相关;当最后 5 个瓶子的这种关系被破坏时,T² 序列呈上升趋势,而只对其中任一变量绘制的控制图会漏掉这一现象。

Hotelling T² 控制限如何计算?

控制上限由 F 分布得出,取决于变量个数 p、观测或子组数 m、使用子组时的子组大小 n,以及默认为 0.0027 的 alpha。对于单值观测,显示的中心线为 p,即受控过程下 T² 的期望值。

为什么 Hotelling T² 控制图只使用规则 1?

T² 是单侧的非正态统计量,因此仅评估规则 1,即点超出 UCL。Western Electric 和 Nelson 分区规则是为正态分布的控制图统计量设计的,因此有意不应用于 T² 控制图。