[01011215]复杂数据流中的异常探查与在线监控

1.研究内容： 该项目的研究内容为统计质量控制图以及复杂数据流的异常控查，属于统计学和管理科学与工程的交叉。该项目在曲线型profile数据的在线监控和诊断、流数据的序贯检验和异常识别，以及非参数在线监控方法三方面开展了较系统的研究。 2.主要发现点： (1)关于曲线型Profile数据的在线监控与诊断 在许多实际问题，特别是电子产品中，产品质量不能由一个或某几个指标的均值或方差(或分布)简单来描述，而是一条曲线(profile)。如何监控这样的生产过程是否正常就立即成为统计质量控制领域的研究热点与难点之一。2007年以前的研究成果均研究了线性指标的在线监控问题，2007-2010年期间，我们针对未知的曲线型质量指标，利用非参数回归方法，引入局部线性混合模型进行建模和指数移动平均核光滑似然的概念，给出了解决此问题的一个完整框架。 (2)关于流数据的序贯检验和异常识别 随着传感器或监控器的普遍应用,许多在线观测数据通常包括很多条数据流或变量个数非常高。此时的观测数据不仅维数非常高，且有用信息可能非常稀疏。针对这一问题，我们利用变量选择或特征筛选准则，基于同质混合检验思想提出了无论信号稀疏还是稠密均有效的关于高维流数据的检验和在线诊断方法。 (3)关于非参数在线监控 针对大规模数据多为非正态的特点，我们基于非参数似然概念，提出了关于多变点的稳健估计方法，并与空间符号统计量相结合，构建了稳健的在线监控方案。 3.科学价值： 课题组建立的一套较完整的适合于大规模复杂在线数据的统计监控与诊断的理论与方法，可用来指导我国企业或公司实时监控其产品或服务质量，并降低产品次品率或改善服务质量，也可用来对实时观测到的流数据进行统计在线监控，并对异常情况迅速自动报警等。该项目部分问题来自东莞某电子厂，并在该厂得到了有效应用；部分方法也被应用于某列装卫星的电源开关质量控制系统中。 4.同行引用与评价： 八篇代表性论文发表于Ann. Stat., J. Amer. Statist. Assoc, Biometrika, Technometrics,以及美国质量学会会刊J. Qual. Tech.上，单篇最高他引100次，包括以现代统计学奠基人RA Fisher命名的Fisher lecture奖得主、“Cook”距离提出者D. R. Cook教授，以统计质量控制创始人一W. A. Shewhart博士命名的Shewhart Medal奖得主D. C. Montgomery教授和D. W. Hawkins教授,美国国家科学院外籍院士、COPSS奖得主P. Hall教授、美国国家工程院院士J. Shi教授等著名学者的引用或评价，引用期刊包括Ann.Stat.，Biometrika, J. Roy. Stat. Soc. B等。曾在Technometrics上发表讨论文章-篇、四篇ESI高被引，另有四篇入选杂志高被引。