[論文レビュー] Nonparametric Adaptive CUSUM Chart for Detecting Arbitrary Distributional Changes

Jun Li|arXiv (Cornell University)|Dec 14, 2017

Advanced Statistical Process Monitoring参考文献 12被引用数 6

ひとこと要約

本稿では、チューニングパラメータを必要とせず、データの分類と自己始動型逐次順位を用いて、任意の分布的変化を検出可能な非パラメトリックな適応型CUSUMチャートを提案する。高速な計算が可能であり、アラーム発動後の自動診断が可能で、さまざまな分布的シフトにおいて既存の非パラメトリックチャートを上回る性能を示す。

ABSTRACT

Nonparametric control charts that can detect arbitrary distributional changes are highly desirable due to their flexibility to adapt to different distributional assumptions and distributional changes. However, most of such control charts in the literature either involve some tuning parameter, which needs to be pre-specified, or involve intensive computation. In this paper, we propose a new nonparametric adaptive CUSUM chart for detecting arbitrary distributional changes. The proposed control chart does not depend on any tuning parameter and is efficient in computation. Its self-starting nature makes the proposed control chart applicable to situations where no sufficiently large reference data are available. Our proposed control chart also has a built-in post-signal diagnostics function that can identify what kind of distributional changes have occurred after an alarm. Our simulation study and real data analysis show that the proposed control chart performs well across a broad range of settings, and compares favorably with existing nonparametric control charts.

研究の動機と目的

• 事前指定されたチューニングパラメータを必要とせず、任意の分布的変化を検出可能な非パラメトリック制御チャートの開発を目的とする。
• 既存の変化点検出法およびCUSUMに基づく非パラメトリックチャートの計算コストの高さを克服することを目的とする。
• 大規模なリファレンスデータが限られる状況でも適用可能となるよう、自己始動型の能力を確保することを目的とする。
• アラーム発動後に分布的変化の種類を特定するための組み込み診断機能を提供することを目的とする。
• 順序情報の損失を伴うランクベースおよびカテゴリカルデータ手法に比べ、検出効率を向上させることを目的とする。

提案手法

• 連続的なプロセス観測値を逐次順位に基づいてカテゴリカルデータに変換するためのデータ分類を用いる。
• 得られたカテゴリカルデータをモニタリングするためのCUSUM統計量を適用し、位置とスケールのシフトの両方について別々の統計量を定義する。
• 各新しい観測値の現在のウィンドウ（サイズ $ m+t $）内での逐次順位を用いた自己始動メカニズムを採用し、大規模なリファレンスデータの必要性を排除する。
• 主なCUSUM統計量を2つ定義する：位置シフトの正負をそれぞれ示す $ ilde{S}^{(1+)}_t $ および $ ilde{S}^{(1-)}_t $、スケールの増加と減少をそれぞれ示す $ ilde{S}^{(2+)}_t $ および $ ilde{S}^{(2-)}_t $。
• 確率積分変換を用いて、制御下の状態ではカテゴリカルデータが等確率を持つ多項分布に従うことを示し、時間点間の妥当性と独立性を保証する。

実験結果

リサーチクエスチョン

• RQ1 チューニングパラメータや大規模なリファレンスデータセットを必要とせず、非パラメトリックCUSUMチャートが任意の分布的変化を検出可能か？
• RQ2 提案手法の性能は、さまざまなタイプの分布的シフトにおいて、既存の非パラメトリック制御チャートと比較してどうなるか？
• RQ3 アラーム発動後に、分布的変化の種類（例：位置シフト対スケールシフト）を自動で診断できるか？
• RQ4 自己始動型の性質が、最小限の初期データでも制御下のランレングスの安定性を維持できるか？
• RQ5 分類化による順序情報の損失が、ランクベース手法と比較して検出力にどのように影響するか？

主な発見

• 提案された制御チャートはチューニングパラメータが不要であり、大規模なリファレンスデータセットも不要であるため、自己始動的かつ実世界の応用に実用的である。
• チャートは安定した制御下のランレングスを維持し、さまざまな分布的シフトにおいて性能の変動が小さく、小さなチューニングパラメータを用いる既存のCUSUM手法とは対照的に優れた安定性を示す。
• シミュレーション研究により、ZouとTsungのEWMAおよびQiuとLiのチューニングパラメータを有するCUSUMを含む、既存の非パラメトリック制御チャートと比較して、本手法が最も優れた全体的な検出性能を達成することが示された。
• 組み込み診断機能は、アラーム発動後に分布的変化の種類（例：位置シフト、スケールの増加）を的確に同定でき、解釈性を向上させた。
• 計算は効率的であり、各時刻ですべての可能な変化点シナリオを評価する必要がある変化点検出フレームワークの計算コストを回避している。
• 理論的証明により、制御下の状態ではカテゴリカルデータが等確率を持つ多項分布に従うことが確認され、CUSUM統計量の妥当性が保証された。