MEWMA 控制图(多元 EWMA)

MEWMA 控制图以权重 λ(默认 0.1)联合平滑两个或更多相关变量,同时进行监控。可用于发现 Hotelling T² 控制图反应较慢的小幅持续多元漂移。基准均值向量和协方差可取自稳定期。图中绘制平滑后的 T² 统计量,并对照 α = 0.0027 的卡方分布控制上限(UCL)。

最后审阅

核心要点

MEWMA 控制图是一种多元 EWMA 控制图,对两个或更多相关变量联合平滑,对联合过程中的小幅持续偏移比 Hotelling T² 控制图更灵敏。

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

MEWMA(多元指数加权移动平均)控制图是本应用中单变量 EWMA 控制图的多元对应图,也是 Hotelling T² 控制图在小幅持续偏移方面的对应图:T² 控制图对每个新观测值独立作出反应,而 MEWMA 控制图则在各观测值之间联合平滑多个相关变量,因此对联合过程中小幅但持续的漂移(例如催化剂缓慢结垢,同时影响两个相关质量测量值)比未经平滑的 T² 控制图灵敏得多。

主要功能

  • 使用单一、可调的加权常数(λ)联合平滑两个或更多相关变量。
  • 检测小幅持续的多元偏移,速度明显快于未经平滑的 Hotelling T² 控制图,代价是对单个较大的孤立偏移反应略慢。
  • 可配置 alpha(误报率),默认采用全应用统一的 0.0027 约定。
  • 行的纳入 / 排除,以及单独的“estimate observations to estimate parameters”选择器,可将均值向量和协方差矩阵的基准建立在已知稳定的时期上。

统计方法

设 x_i 为第 i 个观测值上所选变量的向量,x̄ 为估计的受控均值向量(由全部行或指定的基准子集估计)。MEWMA 平滑向量按顺序对每个观测值递推更新:Z_i = λ·(x_i − x̄) + (1 − λ)·Z_{i−1},其中 Z_0 = 0,λ(即 Weight 字段)为平滑常数,0 < λ ≤ 1。较小的 λ 值(如默认的 0.1)会把更多历史观测值纳入每个平滑点,使控制图对小幅持续偏移更灵敏;较大的 λ 值更重视近期观测值,使控制图越来越像未经平滑的 Hotelling T² 控制图。

由于平滑向量自身的协方差会随观测值增多而收缩,因此使用其精确的时变协方差,而不是固定值:Σ_Zi = [λ/(2−λ)]·[1 − (1−λ)^(2i)]·Σ,其中 Σ 为各变量的样本协方差矩阵(MEWMA 的标准闭式结果,Lowry、Woodall、Champ 和 Rigdon,1992)。所绘制的统计量为 T²_i = Z_i′ Σ_Zi⁻¹ Z_i。

控制上限采用标准卡方近似,这是在没有 ARL 优化的模拟表时通行的实用选择:UCL = chi2.ppf(1 − alpha, p),默认 alpha = 0.0027。与 Hotelling T² 控制图一样,只评估判异规则 1(点超出 UCL),因为这是一个单侧的非正态距离统计量。

输入字段和选项

字段

说明

Variables

必填。选择在每个观测值上测得的 2 个或更多相关变量。

Weight (lambda)

平滑常数,0 < λ ≤ 1。默认为 0.1。较小的值检测小幅持续偏移更快;较大的值反应更接近未经平滑的 T² 控制图。

Alpha (false alarm rate)

默认为 0.0027,与标准的 3 西格玛等效误报率一致。

X scale

可选。观测值轴的自定义标注。

Include or Exclude / Specify which rows / Row numbers

控制绘制哪些行。

Specify observations to estimate parameters (mean vector & covariance matrix) / Observations

可选,限定用于估计基准均值向量和协方差矩阵的行,同时仍绘制所有行。

 

mewma-chart-inputa


图 1 — 将 25 组成对的黏度 / 单体 % 批次读数粘贴到 C1–C2,二者均选为 Variables,Weight (lambda) = 0.1。

 

输出说明

  • MEWMA Chart plot — 按时间顺序给出每个观测值的平滑 MEWMA T² 统计量,并带有 UCL 和(接近零的)LCL。
  • Summary table — 所用变量、p(变量数)、m(用于估计参数的观测值数)、Weight (lambda)、Alpha 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。
mewma-chart-output


图 2 — MEWMA 控制图输出:每个批次的平滑 MEWMA T² 统计量及 UCL,以及 Variables/p/m/Weight/Alpha/UCL 汇总表。

 

计算示例

一个间歇式反应釜的产品质量共同取决于最终黏度(C1,cP)和残余单体 %(C2),在连续 25 个批次中,随着催化剂缓慢结垢,二者一起漂移。在 Weight (lambda) = 0.1 和 Alpha = 0.0027 时,平滑后的 MEWMA T² 统计量从第 1 批到大约第 4–5 批持续攀升(达到约 9.7,而 UCL 约为 11.8),因为内置的缓慢漂移在平滑统计量中不断累积,随后又回落——这正是 MEWMA 控制图旨在比未经平滑的 T² 控制图更早发现的那种小幅、持续、联合相关的偏移。

常见问题

什么是 MEWMA 控制图?

MEWMA(多元指数加权移动平均)控制图是 EWMA 控制图的多元对应图。它在各观测值之间联合平滑两个或更多相关变量,并绘制平滑向量的 T² 统计量,因此对联合过程中小幅但持续的漂移比未经平滑的 Hotelling T² 控制图更灵敏。

何时应使用 MEWMA 控制图而不是 Hotelling T² 控制图?

当关注的是同时影响多个相关变量的小幅持续偏移时,例如催化剂缓慢结垢改变两个质量测量值,应使用 MEWMA 控制图。MEWMA 控制图检测此类偏移的速度明显快于 Hotelling T² 控制图,代价是对单个较大的孤立偏移反应略慢。

如何为 MEWMA 控制图选择 λ 权重?

λ 为平滑常数,0 < λ <= 1,默认为 0.1。较小的值会把更多历史观测值纳入每个平滑点,使控制图对小幅持续偏移更灵敏。较大的值更重视近期观测值,使控制图越来越像未经平滑的 Hotelling T² 控制图。

MEWMA 控制图的控制上限如何计算?

控制上限采用卡方近似:UCL = chi2.ppf(1 - alpha, p),其中 p 为变量数,alpha 默认为 0.0027,即 3 西格玛等效误报率。只评估判异规则 1,即点超出 UCL,因为所绘制的统计量是单侧的非正态距离度量。