[论文解读] 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 6

一句话总结

本文提出了一种非参数自适应CUSUM控制图，可在无需调参的情况下检测任意分布变化，利用数据分类和自启动顺序秩。该方法实现快速计算，具备内置的报警后诊断功能，并在多种分布变化下优于现有非参数控制图。

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.

研究动机与目标

• 开发一种非参数控制图，可在无需预设调参的情况下检测任意分布变化。
• 克服现有变化点检测和基于CUSUM的非参数控制图计算强度过高的问题。
• 通过确保自启动能力，使该方法适用于参考数据有限或缺失的场景。
• 提供内置诊断功能，以在触发报警后识别分布变化的类型。
• 相较于损失排序信息的基于秩和分类数据的方法，提升检测效率。

提出的方法

• 利用数据分类将连续过程观测值转换为基于顺序秩的分类数据。
• 对所得分类数据应用CUSUM统计量，分别监控位置和尺度变化，使用独立的统计量。
• 采用自启动机制，利用每个新观测值在当前大小为 $ m+t $ 的窗口内的顺序秩，确保无需大量参考数据。
• 定义两个主要CUSUM统计量：$ ilde{S}^{(1+)}_t $ 和 $ ilde{S}^{(1-)}_t $ 分别用于检测正负位置偏移，$ ilde{S}^{(2+)}_t $ 和 $ ilde{S}^{(2-)}_t $ 分别用于检测尺度增加和减小。
• 使用概率积分变换证明，在受控状态下，分类数据服从多项分布且各项概率相等，从而确保统计量在时间点之间具有有效性和独立性。

实验结果

研究问题

• RQ1 非参数CUSUM控制图是否可在无需调参或大参考数据集的情况下检测任意分布变化？
• RQ2 所提出的控制图在各种类型分布变化下的性能与现有非参数控制图相比如何？
• RQ3 该控制图是否能自动诊断报警后分布变化的类型（例如位置变化 vs. 尺度变化）？
• RQ4 该控制图的自启动特性是否能在初始数据极少的情况下保持受控状态运行长度的稳定性？
• RQ5 分类过程中损失排序信息是否会影响检测功效，相较于基于秩的方法？

主要发现

• 所提出的控制图无需调参，且不依赖大参考数据集，具备自启动能力，适用于历史数据有限的实际应用场景。
• 该控制图保持了稳定的受控状态运行长度，并在多种分布变化下表现出低性能波动，优于以往使用小调参的CUSUM方法。
• 模拟研究结果表明，与现有非参数控制图相比，所提出的控制图整体检测性能最优，包括Zou和Tsung的EWMA方法以及Qiu和Li的带调参CUSUM方法。
• 内置诊断功能能成功识别报警后的分布变化类型（如位置偏移、尺度增加），显著提升结果可解释性。
• 该方法计算高效，避免了需在每个时间点评估所有可能变化点场景的复杂变化点检测框架的高计算成本。
• 理论证明表明，在受控状态下，分类数据服从各项概率相等的多项分布，从而确保CUSUM统计量的有效性。