Abstract

Performing online monitoring for short horizon data is a challenging, though cost effective benefit. Self-starting methods attempt to address this issue adopting a hybrid scheme that executes calibration and monitoring simultaneously. In this work, we propose a Bayesian alternative that will utilize prior information and possible historical data (via power priors), offering a head-start in online monitoring, putting emphasis on outlier detection. For cases of complete prior ignorance, the objective Bayesian version will be provided. Charting will be based on the predictive distribution and the methodological framework will be derived in a general way, to facilitate discrete and continuous data from any distribution that belongs to the regular exponential family (with Normal, Poisson and Binomial being the most representative). Being in the Bayesian arena, we will be able to not only perform process monitoring, but also draw online inference regarding the unknown process parameter(s). An extended simulation study will evaluate the proposed methodology against frequentist based competitors and it will cover topics regarding prior sensitivity and model misspecification robustness. A continuous and a discrete real data set will illustrate its use in practice. Technical details, algorithms, guidelines on prior elicitation and R-codes are provided in appendices and supplementary material. Short production runs and online phase I monitoring are among the best candidates to benefit from the developed methodology.

摘要

对短期数据执行在线监控是一项具有挑战性的，但具有成本效益的好处。自启动方法试图通过同时执行校准和监控的混合方案来解决这个问题。在这项工作中，我们提出了一种贝叶斯替代方案，它将利用先验信息和可能的历史数据（通过功率先验），在在线监控方面提供领先优势，并强调异常值检测。对于完全事先无知的情况，将提供客观的贝叶斯版本。图表将基于预测分布，方法框架将以一般方式导出，以促进来自任何属于正则指数族的分布的离散和连续数据（正态、泊松和二项式是最具代表性的）。在贝叶斯领域，我们不仅可以进行过程监控，还可以对未知的过程参数进行在线推断。扩展的模拟研究将针对基于常客的竞争对手评估所提出的方法，并将涵盖有关先前敏感性和模型错误指定稳健性的主题。连续和离散的真实数据集将说明其在实践中的用途。附录和补充材料中提供了技术细节、算法、先验启发和 R 代码指南。短期生产运行和在线第一阶段监控是从开发的方法中受益的最佳候选者之一。扩展的模拟研究将针对基于常客的竞争对手评估所提出的方法，并将涵盖有关先前敏感性和模型错误指定稳健性的主题。连续和离散的真实数据集将说明其在实践中的用途。附录和补充材料中提供了技术细节、算法、先验启发和 R 代码指南。短期生产运行和在线第一阶段监控是从开发的方法中受益的最佳候选者之一。扩展的模拟研究将针对基于常客的竞争对手评估所提出的方法，并将涵盖有关先前敏感性和模型错误指定稳健性的主题。连续和离散的真实数据集将说明其在实践中的用途。附录和补充材料中提供了技术细节、算法、先验启发和 R 代码指南。短期生产运行和在线第一阶段监控是从开发的方法中受益的最佳候选者之一。附录和补充材料中提供了关于先验启发和 R 代码的指南。短期生产运行和在线第一阶段监控是从开发的方法中受益的最佳候选者之一。附录和补充材料中提供了关于先验启发和 R 代码的指南。短期生产运行和在线第一阶段监控是从开发的方法中受益的最佳候选者之一。