Computationally efficient Bayesian sequential function monitoring
Computationally efficient Bayesian sequential function monitoring
复制标题
计算高效的贝叶斯顺序函数监控
DOI：
10.1080/00224065.2020.1801366
复制
发表时间：
2020
影响因子：
2.5
通讯作者：
Yang, Yun
中科院分区：
文献类型：
--
作者：
Shamp, Wright;Varbanov, Roumen;Chicken, Eric;Linero, Antonio;Yang, Yun
在功能顺序过程监控中，过程的特征是被称为轮廓的观察序列，这些序列随着时间的推移而被监控以确保稳定性。目标是当产生这些观察的过程与控制标准中规定的偏离时，停止过程。我们提出了一种贝叶斯序贯过程控制(SPC)方法，它使用小波来监测功能响应并检测失控轮廓。我们的贡献是提出了一种解决不断增长的计算成本的方法，即通过构造一个有效且准确的小波系数后验分布的近似，而不是求助于马尔可夫链蒙特卡罗。
In functional sequential process monitoring, a process is characterized by sequences of observations called profiles which are monitored over time for stability. The goal is to halt a process when the process generating these observations deviates from a specified in control standard. We propose a Bayesian sequential process control (SPC) methodology which uses wavelets to monitor the functional responses and detect out of control profiles. Our contribution is to propose a solution to the growing computational cost by constructing an efficient and accurate approximation to the posterior distribution of the wavelet coefficients, without recourse to Markov chain Monte Carlo.
登录
查看更多内容
DOI：
--
发表时间：
2011
期刊：
影响因子：
--
作者：
B. Colosimo;Q. Semeraro;M. Pacella
通讯作者：
M. Pacella
垂直密度剖面建模和比较
DOI：
--
发表时间：
1996
期刊：
影响因子：
--
作者：
P. Winistorfer;T. Young;E. Walker
通讯作者：
E. Walker
影响因子：
0.6
作者：
Tartakovsky, AG;Veeravalli, VV
通讯作者：
Veeravalli, VV
使用小波连续监测非线性剖面的贝叶斯方法
影响因子：
2.3
作者：
Roumen Varbanov;E. Chicken;A. Linero;Yun Yang
通讯作者：
Yun Yang