Модели и методы многомерного статистического контроля технологического процесса тема диссертации и автореферата по ВАК РФ 05.13.18, доктор технических наук Клячкин, Владимир Николаевич

• Клячкин, Владимир Николаевич
• доктор технических наук
• 2003

Оглавление диссертации доктор технических наук Клячкин, Владимир Николаевич

Введение.б

Глава 1. Состояние и проблемы развития методов статистического контроля технологического процесса.

1.1. Статистический контроль технологического процесса как проблема вероятностной диагностики.

1.2. Контрольные карты Шухарта.

1.2.1.Карты средних значений.

1.2.2.Карты характеристик рассеивания.

1.2.3.Анализ чувствительности карт.

1.3. Контрольные карты для обнаружения малых смещений

1.3.1 .Карты кумулятивных сумм.

1.3.2.Карты экспоненциально взвешенных скользящих средних.

1.4. Многомерные контрольные карты.

1.4.1 .Карта Хотеллинга.

1.4.2.Карты многомерных кумулятивных сумм.

1.4.3.Карта многомерных экспоненциально взвешенных скользящих средних.

1.5. Выводы.

Глава 2. Многомерный статистический контроль технологического процесса с использованием карты Хотеллинга

2.1. Сравнительный анализ контрольных карт Шухарта и

Хотеллинга.

2.1.1. Использование карт Шухарта при многомерном контроле.

2.1.2. Карты Шухарта на главных компонентах.

2.1.3. Анализ чувствительности контрольных карт.

2.2. Интерпретация карты Хотеллинга.

2.2.1. Частный критерий Хотеллинга.

2.2.2. Неслучайные структуры.

2.3. Воспроизводимость многомерного процесса.

2.4. Контрольная карта Хотеллинга с предупреждающей границей

2.4.1. Постановка вопроса.

2.4.2. Определение положения границ карты.

2.4.3. Сравнительный анализ карт.

2.5. Многомерный контроль в условиях нарушения нормальности распределения показателей.

2.5.1. Постановка вопроса.

2.5.2. Распределения Джонсона.

2.5.3. Оценка параметров.

2.6. Карта Хотеллинга для технологического рассеивания.

2.6.1. Характеристики многомерного рассеивания.

2.6.2. Многомерные карты стандартных отклонений.

2.7. Выводы.

Глава 3. Методы обнаружения малых смещений при многомерном контроле технологического процесса.

3.1. Алгоритмы многомерных кумулятивных сумм.

3.1.1. Основные зависимости.

3.1.2. Методы анализа чувствительности.

3.1.3.Статистические испытания для оценки параметров

3.2. Алгоритм многомерных экспоненциально взвешенных скользящих средних.

3.2.1 .Оценка параметров.

3.2.2. Использование предупреждающей границы.

3.2.3. Методика построения контрольной карты.

3.3.Сравнительный анализ .чувствительности различных типов контрольных карт.

3.4. Обнаружение малых изменений рассеивания процесса

3.5. Выводы.

Глава 4. Контроль технологического процесса по регрессионным остаткам.

4.1. Постановка задачи.

4.2. Построение регрессионных моделей.

4.2.1.Методология регрессионного моделирования.

4.2.2.Независимые регрессии.

4.2.3.Псевдонезависимые регрессии.

4.2.4.Регрессии на откликах - главных компонентах.

4.3. Выбор оптимальных моделей.

4.3.1 .Внутренние меры качества модели.

4.3.2.Внешние критерии.

4.3.3.Сравнительный анализ моделей.

4.3.4.Статистические испытания моделей.

4.4. Оценка параметров регрессионных остатков.

4.5. Контрольные карты регрессионных остатков.

4.6. Выводы.

Глава 5. Программное обеспечение многомерного статистического контроля технологического процесса.

5.1. Методика многомерного контроля технологического процесса

5.1.1. Предварительный анализ процесса.

5.1.2. Мониторинг процесса.'.

5.1.3. Диагностика нарушений процесса.

5.1.4. Принятие решения по результатам контроля.

5.2. Использование универсальных статистических пакетов

5.3. Программный комплекс многомерного статистического контроля.

5.3.1.Программа многомерного статистического контроля всей совокупности показателей.

5.3.2.Программа контроля подмножества показателей качества по регрессионным остаткам.

5.3.3.Программа нормализации данных.

5.3.4.Программа поддержки принятия решения по управлению технологическим процессом.

5.4. Примеры практических расчетов.

5.5. Выводы.

Введение диссертации (часть автореферата) на тему «Модели и методы многомерного статистического контроля технологического процесса»

Актуальность работы •

Одна из важнейших задач любого предприятия -обеспечение высокого качества выпускаемой продукции. Система качества предприятия ориентирована на обеспечение такого уровня качества продукции, который необходим потребителю. Наличие сертифицированной системы качества обосновывает способность предприятия стабильно выпускать продукцию соответствующего качества и является доказательством конкурентоспособности предприятия.

Важнейшее требование к системам качества — активное использование необходимых статистических методов для принятия обоснованных решений на всех этапах жизненного цикла продукции: при исследовании рынка, проектировании, материально-техническом снабжении, подготовке производства и производстве, испытаниях, упаковке и хранении, реализации, монтаже, эксплуатации, сервисном обслуживании, утилизации.

Наиболее широкое применение статистические методы находят на этапе производства и контроля готовой продукции. В частности, процедуры обеспечения стабильности технологических процессов в системах качества по моделям стандартов ИСО серии 9000 регламентированы стандартами и рекомендациями.

Статистические методы анализа точности, стабильности и управления технологическими процессами активно применяются в машиностроении и приборостроении, в химической и пищевой промышленности, в электронике и радиотехнике, - везде, где имеет место серийный выпуск продукции. Методы, регламентированные нормативными документами, предусматривают контроль технологического процесса, как правило, лишь по одному (наиболее важному) показателю качества выпускаемого изделия.

Между тем качество изделия обычно характеризуется несколькими показателями; эти показатели могут быть коррелированны между собой. В последнем случае независимый контроль по отдельным показателям может привести к значительным погрешностям вследствие различия доверительных областей и невозможности определения совместного уровня значимости.

В результате возникают ошибки, связанные как с пропуском нарушения в технологическом процессе, ведущего к выпуску бракованной продукции, так и с необоснованной остановкой процесса для регулировки.

До сравнительно недавнего времени использование статистических методов на производстве было ориентировано на расчеты вручную, и о применении методов многомерного контроля вопрос не стоял, несмотря на то, что многие проблемы многомерного статистического анализа были успешно решены еще к середине прошлого века.

Использование современной компьютерной техники и соответствующего программного обеспечения позволяет обеспечить надежный контроль технологического процесса с учетом множества коррелированных между собой показателей качества непосредственно в производственных условиях.

Актуальность проблемы подтверждается появлением в 8090-х годах прошлого столетия ряда работ по анализу применимости математических моделей статистического контроля для одного показателя качества при многопараметрических процессах, а также обобщению некоторых моделей на многомерный случай. Однако до последнего времени эти работы носили разрозненный характер и не позволяли обеспечить на производстве надежный статистический контроль при различных, часто достаточно сложных ситуациях, возникающих при проведении технологического процесса с коррелированными показателями качества выпускаемого изделия.

Актуальности проблемы подтверждается и тем, что диссертационная работа выполнялась в рамках научно-технической программы «Научные исследования высшей школы по приоритетным направлениям науки и техники» (подпрограмма «Качество», проект 210.02.01.002) и «Научной программы Ульяновской области по приоритетным направлениям фундаментальных и прикладных исследований» (Ульяновское региональное отделение АН Татарстана, сектор математики, механики и машиноведения; тема 26/3-26).

Цель работы

- разработка методологии многомерного статистического контроля технологического процесса для повышения качества изготавливаемых изделий.

Для достижения поставленной цели решаются задачи: разработка математических моделей и методов контроля среднего уровня множества коррелированных показателей технологического процесса и их рассеивания, обеспечивающих высокую чувствительность к возможным нарушениям процесса; проведение расчетов и испытаний для оценивания эффективности разработанных статистических инструментов многомерного контроля; разработка методов многомерного контроля процесса при нарушении нормальности распределения показателей качества, разработка методов контроля подмножеств отдельно управляемых показателей качества технологического процесса; разработка алгоритмов и программная реализация предложенных методов, обеспечивающая практическое использование многомерного статистического контроля на производстве.

Методы исследования

Для решения поставленных задач использовались методы теории вероятностей, математической статистики, статистического моделирования, теории цепей Маркова, методы оптимизации, нечеткой логики.

Научная новизна основных результатов работы:

1. Для многомерного контроля технологического процесса впервые предложена модель карты Хотеллинга с предупреждающей границей, обеспечивающая существенное повышение чувствительности контроля к нарушениям процесса: процесс считается статистически неуправляемым как при выходе значений статистики Хотеллинга за контрольную границу, так и при попадании подряд нескольких значений между контрольной и предупреждающей границами. Положение контрольных границ и расчет чувствительности карты к нарушениям процесса определяется на основе теории цепей Маркова.

2. На основе проведенных статистических испытаний получены регрессионные модели для оценивания параметров контрольных карт многомерных кумулятивных сумм и экспоненциально взвешенных скользящих средних (положения контрольных границ и параметра экспоненциального сглаживания).

3. Предложен подход, обеспечивающий оптимальный выбор статистических инструментов для контроля в зависимости от параметра нецентральности, характеризующего допустимую степень отклонения фактических показателей процесса от номинальных. При этом минимизируется средняя длина серий -количество мгновенных выборок от момента нарушения процесса до момента обнаружения этого нарушения.

4. Разработаны методы контроля технологического рассеивания многопараметрического процесса с использованием контрольных карт стандартных отклонений на базе статистики Хотеллинга, а также алгоритмов многомерных кумулятивных сумм и экспоненциально взвешенных скользящих средних.

5. Предложен новый метод контроля подмножества показателей качества с помощью контрольных карт на регрессионных остатках. В условиях отлаженного технологического процесса строятся регрессионные зависимости между показателями, входящими в это подмножество, и всеми остальными, и оцениваются характеристики регрессионных остатков. Технологический процесс считается управляемым, если статистические свойства регрессионных остатков в условиях отлаженного процесса незначимо отличаются от свойств этих остатков при оперативном контроле, что проверяется с использованием соответствующих многомерных контрольных карт.

6. Для использования предложенных методов контроля процесса в условиях нарушения нормальности распределения контролируемых показателей разработан усовершенствованный метод оценивания параметров нормализующего преобразования Джонсона с использованием бутстреп-выборок.

7. Впервые предложен метод оценки воспроизводимости многопараметрического процесса, а также методика диагностики неслучайных структур на контрольных картах с учетом мнений экспертов об уровне воспроизводимости и степени опасности этих структур для конкретного технологического процесса на основе аппарата нечеткой логики.

8. Разработана методология многомерного статистического контроля технологического процесса с коррелированными показателями качества и соответствующее программное обеспечение.

Практическая значимость работы состоит в том, что предложенная методология обеспечивает возможность применения многомерного статистического контроля технологических процессов с коррелированными показателями качества на производстве с использованием разработанного программного обеспечения. Это показано на реальных примерах статистического контроля показателей качества при механической обработке и контроле качества очистки смазочно-охлаждающей жидкости.

При этом повышается точность контроля по сравнению с независимым статистическим контролем отдельных показателей, а значит уменьшается доля бракованной продукции, снижается риск необоснованных регулировок технологического процесса.

Разработанная методика контроля процесса по регрессионным остаткам позволяет исключить необоснованные регулировки процесса по всей совокупности показателей качества в тех ситуациях, когда управляющее воздействие необходимо только для некоторого подмножества показателей.

Реализация и внедрение результатов работы.

Результаты работы внедрены при многомерном статистическом контроле показателей качества механической обработки изделий на Ульяновском автомобильном заводе и в научно-промышленной компании «Волга-Экопром», при разработке технологии статистического контроля параметров гнутых профилей в ФГУП «Ульяновский научно-исследовательский институт авиационной технологии и организации производства», при анализе параметров и физико-химических показателей производства на кондитерской фабрике «Волжанка».

Разработанная методика контроля подмножества показателей технологического процесса по регрессионным остаткам использована НГЖ «Волга-Экопром» при обосновании внедрения систем очистки смазочно-охлаждающей жидкости на Череповецком металлургическом комбинате «Северсталь» (системы обеспечивают очистку смазочно-охлаждающей жидкости по трем из девяти контролируемых показателей: контроль проводится по всем девяти показателям, диагностика нарушений осуществляется как с использованием карт Хотеллинга по всей совокупности, так и с помощью карт на регрессионных остатках по трем показателям, связанным с применением системы очистки).

Результаты диссертационной работы внедрены в учебный процесс Ульяновского государственного технического университета в дисциплинах «Надежность и контроль качества», читаемой студентам специальности «Прикладная математика», и «Статистические методы управления качеством», читаемой слушателям Центра дополнительного профессионального образования по специализации «Менеджер по качеству».

Апробация работы. Теоретические положения и практические результаты работы докладывались и обсуждались на ежегодных научно-технических конференциях Ульяновского государственного технического университета (политехнического института) в 1993 — 2003 г.г., а также на международных и всероссийских конференциях, симпозиумах, семинарах: «Распознавание образов и анализ изображений: новые информационные технологии» (Ульяновск, УлГТУ, 1995г.), «Научно-технические проблемы прогнозирования надежности и долговечности конструкций и методы их решения» (Санкт-Петербург, СПбГТУ, 1995 и 2001 г.г.), «Проблемы теоретической кибернетики» (Ульяновск, УлГУ, 1996г.), «Компьютерные технологии в науке, проектировании и производстве» (Нижний Новгород, НГТУ, 2000г.), «Надежность и качество» (Пенза, ПТУ, 2001), «Информационные сети, системы и технологии» (Минск, БГЭУ, 2002), «Системный анализ в проектировании и управлении» (Санкт-Петербург, СПбГТУ, 2001-2002г.г.), «Системные проблемы качества, математического моделирования, информационных, электронных и лазерных технологий» (Сочи, 2001-2003 г.г.), «Современные информационные и электронные технологии» (Одесса, 2002), «Системы проектирования, технологической подготовки производства и управления этапами жизненного цикла промышленного продукта» (Москва, Институт проблем управления РАН, 2002-2003 г.г.), «Вычислительная и прикладная математика» (Киев, 2002), «Моделирование интеллектуальных процессов проектирования, производства и управления» (Минск,

Объединенный институт проблем информатики НАН Беларуси, 2002), «Идентификация систем и задачи управления» (Москва, ИЛУ РАН, 2003 г.), «Математические методы в технике и технологиях» (Санкт-Петербург, 2003) и др.

Публикация результатов работы. Результаты исследований по теме диссертации изложены в 97 опубликованных работах, в том числе в статьях в журналах «Автоматизация и современные технологии», «Приборы и системы. Управление, контроль, диагностика», «Проектирование и технология электронных средств», «Известия вузов. Машиностроение», «Информационные технологии в проектировании и производстве», «Методы менеджмента качества» и других, а также в монографии: В.Н.Клячкин. Многомерный статистический контроль технологического процесса. М.: Финансы и статистика, 2003. 192 с.

Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Клячкин, Владимир Николаевич

5.5. Выводы

1. Предлагаемая методика проведения многомерного статистического контроля технологического процесса включает

- этапы

- анализа обучающей выборки (оценивание вектора средних и ковариационной матрицы, проверка нормальности и - при ее нарушении - нормализация данных, расчет индексов воспроизводимости, выбор статистических инструментов для мониторинга и оценка их характеристик, при необходимости -построение регрессионных зависимостей между отдельными группами показателей),

- мониторинга оперативно поступающей информации с использованием выбранных типов контрольных карт для анализа изменений среднего уровня процесса и его рассеивания, диагностики возможных нарушений технологического процесса и их причин,

- поддержки принятия решения о продолжении процесса или его остановке для применения управляющего воздействия (с использованием аппарата нечеткой логики учитываются как результаты диагностики процесса, так и мнения экспертов об уровне воспроизводимости процесса и степени опасности неслучайных структур на контрольных картах).

2. Показано, что для проведения многомерного статистического контроля процесса целесообразно использование специального программного обеспечения. Универсальные статистические пакеты могут быть полезны лишь для выполнения некоторых расчетов при предварительном анализе и контроле многомерного процесса.

3. Разработанный программный комплекс многомерного статистического контроля позволяет проводить анализ и контроль показателей качества многопараметрического технологического процесса как по всей совокупности показателей, так и по отдельным подмножествам, с использованием различных статистических инструментов, обеспечивающих достаточно высокую точность обнаружения нарушений и принятия соответствующего решения по управлению технологическим процессом.

ЗАКЛЮЧЕНИЕ

В работе решена научная проблема разработки методологии многомерного статистического контроля показателей качества в технологическом процессе, имеющей важное значение в различных технических приложениях. При этом получен ряд результатов, наиболее важными из которых являются следующие.

1. Проведено исследование чувствительности контрольной карты Хотеллинга, как основного статистического инструмента многомерного контроля, к нарушению технологического процесса в зависимости от различных факторов. Предложена модификация карты Хотеллинга путем введения (наряду с контрольной) предупреждающей границы. С использованием аппарата цепей Маркова получены аналитические зависимости для расчета положения границ такой карты и средней длины серий - основной характеристики чувствительности контрольной карты. Доказана более высокая чувствительность модифицированной карты (на 1023%) по сравнению с обычной картой Хотеллинга.

Исследована возможность использования контрольных карт Шухарта для контроля многопараметрического процесса. Показано, что при малых корреляциях между показателями качества их чувствительность оказывается несколько выше многомерной карты Хотеллинга. При больших корреляциях между показателями эффективным может оказаться использование контрольных карт Шухарта на главных компонентах.

2. Для проведения многомерного статистического контроля процесса в условиях нарушения нормальности распределения контролируемых показателей предложено проводить преобразование данных с использованием распределения Джонсона. Разработан метод оценивания параметров этого распределения, основанный на использовании бутстреп-выборок и минимизации оценок асимметрии и эксцесса.

3. Для оценки работоспособности многопараметрического технологического процесса введено понятие многомерного индекса воспроизводимости, показывающего соотношение между размерами области рассеивания показателей и области допустимых значений. Предложены зависимости для расчета многомерного индекса воспроизводимости.

4. Проведен анализ неслучайных структур на контрольной карте Хотеллинга. Показано, что вследствие громоздкости аналитического решения задачи расчета вероятности появления такой структуры и разнообразия возможных вариантов, эффективным средством принятия решения по управлению процессом является использование экспертных мнений о степени опасности такой структуры с учетом воспроизводимости процесса. Принятие решения в такой ситуации производится с использованием аппарата нечеткой логики.

5. Для контроля малых смещений среднего уровня процесса обосновано применение контрольных карт многомерных экспоненциально взвешенных скользящих средних. Проведены статистические испытания, по результатам которых получены регрессионные зависимости для параметров карты (положения контрольной границы и параметра сглаживания) от количества контролируемых показателей, вероятности ложной тревоги и других характеристик. Разработана методика оптимального выбора параметров карты (из условия минимума средней длины серий).

Проведено исследование эффективности применения предупреждающей границы в контрольных картах многомерных кумулятивных сумм и экспоненциально взвешенных скользящих средних. Результаты статистических испытаний показали незначимое изменение средней длины серий в результате применения предупреждающей границы для карты кумулятивных сумм, и, наоборот, значительное повышение чувствительности карты экспоненциально взвешенных скользящих средних (на 2040%). Для этого случая получена регрессионная зависимость для расчета положения предупреждающей границы.

Предложена методика выбора оптимального набора статистических инструментов в соответствии с конкретными условиями технологического процесса: в зависимости от параметра нецентральности, характеризующего допустимые отклонения параметров процесса от целевых значений, выбирается набор контрольных карт, обеспечивающих максимально возможную эффективность обнаружения предполагаемых нарушений процесса.

6. Для контроля технологического рассеивания показателей качества в многопараметрическом процессе предложены многомерные контрольные карты стандартных отклонений, базирующиеся в зависимости от целей контроля на статистике Хотеллинга, алгоритмах многомерных кумулятивных сумм или экспоненциально взвешенных скользящих средних.

7. Разработан метод контроля подмножества отдельно управляемых показателей технологического процесса по регрессионным остаткам. Предполагается, что технологический процесс статистически управляем по рассматриваемому подмножеству показателей, если статистические свойства остатков, полученных в отлаженном процессе, незначимо отличаются от их свойств при оперативном контроле. На основе методологии регрессионного моделирования проведен анализ различных методов построения регрессионных зависимостей в рассматриваемой ситуации. Для диагностики нарушений процесса предложены различные варианты контрольных карт на регрессионных остатков.

8. Разработана методика проведения многомерного анализа и контроля технологического процесса, включающая этапы анализа обучающей выборки, мониторинга оперативно поступающей информации с использованием выбранных типов контрольных карт для анализа изменений среднего уровня процесса и его рассеивания, диагностики возможных нарушений технологического процесса и их причин, поддержки принятия решения о продолжении процесса или его остановке для применения управляющего воздействия. На основе этой методики разработан программный комплекс многомерного статистического анализа и контроля, позволяющий контролировать показатели качества многопараметрического технологического процесса как по всей их совокупности, так и по отдельным подмножествам, с использованием всех разработанных статистических инструментов.

В целом разработана методология многомерного статистического анализа и контроля технологического процесса, ориентированная на применение компьютерных технологий, и апробированная на решении реальных технических задач.

Список литературы диссертационного исследования доктор технических наук Клячкин, Владимир Николаевич, 2003 год

1. Авербух Е.А. К вопросу о выборе регрессионной модели с учетом прогнозирующей способности // Заводская лаборатория, 1990. №3. С.92 96

2. Адлер Ю.П., Шпер B.JI. Индексы воспроизводимости процессов краткий обзор современного состояния // Вестник машиностроения, 1994. №7. С.39 - 45.

3. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Основы моделирования и первичная обработка данных. М.: Финансы м статистика, 1983. 472 с.

4. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Статистическое исследование зависимостей. М.: Финансы и статистика, 1985. 488 с.

5. Айвазян С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики. М.: ЮНИТИ, 1998. 1022 с.

6. Андерсон Т. Введение в многомерный статистический анализ / Пер. с англ.; Под ред. Б.В.Гнеденко. М.: Физматгиз, 1963. 500 с.

7. Андрейчиков А.В., Андрейчикова O.H. Анализ, синтез, планирование решений в экономике. М.: Финансы и статистика, 2001.368 с.

8. Андрукович И.Ф. Некоторые свойства метода главных компонент // Многомерный статистический анализ в социально-экономических исследованиях. М.: Наука, 1974. С. 189 228

9. Афифи А., Эйзен С. Статистический анализ: Подход с использованием ЭВМ / Пер. с англ.; Под ред. Г.Н.Башарина. М.: Мир, 1982. 488 с.

10. Ю.Ахрамович И.Л., Жулинский С.Ф., Кофанов Ю.Н. Менеджмент качества радиоэлектронных средств. М.: Агат, 1999. 132 с.

11. Балашов Е.П., Долженков В.А. Статистический контроль и регулирование качества массовой продукции. М.: Машиностроение, 1984. 231 с.

12. Беляев Б.К. Вероятностные методы выборочного контроля. М.: Наука, 1975. 406 с.

13. Бендерский A.M. Статистическое регулирование технологических процессов методом кумулятивных сумм. М.: Знание, 1973. 70 с.

14. Благороднова Т.В., Клячкин В.Н. Методы контроля качества процесса // Информационные технологии в учебном процессе кафедр физики и математики. Труды У международного совещания-семинара. Ульяновск, 1999, с. 106 -107

15. Болч Б., Хуань К. Многомерные статистические методы для экономики / Пер. с англ.; Под ред. С.А.Айвазяна. М.: Статистика, 1979. 317 с.

16. Болыпев Л.Н., Смирнов Н.В. Таблицы математической статистики. М.: Наука, 1983. 416 с.

17. П.Борисов А.Н., Крумберг О.А., Федоров И.П. Принятие решений на основе нечетких моделей. Рига, Зинатне. 1990. 184 с.

18. Боровиков В. Statistica: Искусство анализа данных на компьютере. СПб: Питер, 2001. 656 с.

19. Браунли К. Статистическая теория и методология в науке и технике / Пер. с англ.; Под ред. Л.Н.Большева. М.: Наука, 1977. 302 с.

20. Булыжев Е.М. Кассетные магнитные сепараторы для очистки смазочно-охлаждающих жидкостей // Вестник машиностроения, 2001, №9. С.24-28

21. Бродский Б.Е., Дарховский Б.С. Проблемы и методы вероятностной диагностики // Автоматика и телемеханика, 1999. №8. С. 3 50

22. Валеев С.Г. Регрессионное моделирование при обработке наблюдений. М.: Наука, 1991. 272 с. (2-е изд.: Регрессионное моделирование при обработке данных. Казань: ФЭН, 2001. 296 с.)

23. Валеев С.Г., Клячкин В.Н. Численное исследование эффективности робастных методов. Тезисы докладов ХХП научно-технической конференции УлПИ, ч.2, Ульяновск, 1994. С Л 02 103

24. Валеев С.Г., Клячкин В.Н. Численное исследование эффективности применения робастных методов при обработке аэрокосмических снимков // Известия вузов. Геодезия и аэрофотосъемка, 1995, №3. С.92 101.

25. Валеев С.Г., Клячкин В.Н. Алгоритмы многооткликовых регрессий при моделировании технологических процессов // Труды Ульяновского научного центра РАЕН. Т.З. В.1. 2001. С. 103 106

26. Валеев С.Г., Клячкин В.Н. Регрессионное моделирование технологического процесса с коррелированными показателями качества // «Качество». Материалы научно-технической конференции. М.: Фонд «Качество», 2001. С.119 121

27. Валеев С.Г., Клячкин В.Н. Особенности построения регрессионных моделей при многомерном контроле технологического процесса // Радиоэлектроника. Информатика. Управление, 2002, №1. С.48 51.

28. Валеев С.Г., Клячкин В.Н. Критерии выбора многооткликовых регрессий при контроле технологического процесса // Проектирование и технология электронных средств, 2003. №2. С.34 -39.

29. Вальд А. Последовательный анализ / Пер. с англ.; Под ред. Б.А.Севастьянова. М.: Физматгиз, 1960. 328 с.

30. Вапник В.Н. Восстановление зависимостей по эмпирическим данным. М.: Наука, 1979. 447 с.

31. Веннман Ч., Коц С. Суперструктура индексов воспроизводимости некоторые характеристики их распределений и выводы // Надежность и контроль качества, 1997. №22. С.46 - 57

32. Вероятность и математическая статистика: Энциклопедия / Гл.ред. Ю.В.Прохоров. М.: Большая Российская энциклопедия, 1999. 910с.

33. Всеобщее управление качеством. TQM // Глудкин О.Н., Горбунов Н.М. и др. М.: Радио и связь, 1999. 600 с.

34. Вучков И., Бояджиева Д., Солаков Е. Прикладной линейный регрессионный анализ / Пер. С болг.; Под ред. Ю.П.Адлера. М.: Финансы и статистика, 1987. 239 с.

35. Глазунов А.В., Кочетков Е.П., Рыжков М.Б. Управление статистическим контролем стабильности технологических процессов // Надежность и контроль качества, 1993, №6. С.З 11

36. ГОСТ Р 50779.42-99 (ИСО 8258-91) Статистические методы. Контрольные карты Шухарта

37. ГОСТ Р 50779.41-96 (ИСО 7873-93) Статистические методы. Контрольные карты для арифметического среднего с предупреждающими границами

38. ГОСТ 3 50779.40-96 (ИСО 7870-93). Статистические методы. Контрольные карты. Общее руководство и введение

39. Градштейн И.С., Рыжик И.М. Таблицы интегралов, сумм, рядов и произведений. М.: Физматгиз, 1963. 1100 с.

40. Данилевич С.Б. Оценка достоверности результатов многопараметрического контроля // Методы менеджмента качества, 2000. №11.С.21 -23

41. Дарховский Б.С. О двух задачах оценивания моментов изменения вероятностных характеристик случайной последовательности // Теория вероятностей и ее применения, 1984. Т.29. С.464 473

42. Дарховский Б.С. Ретроспективное обнаружение разладки в некоторых моделях регрессионного типа // Теория вероятностей и ее применения, 1995. т.40. С.898 903

43. Девятков В.В. Системы искусственного интеллекта. М.: Изд-во МВТУ им. Н.Э.Баумана, 2001. 352 с.

44. Демиденко Е.З. Линейная и нелинейная регрессия. М.: Финансы и статистика, 1981. 302 с.

45. Джонсон Н., Лион. Ф. Статистика и планирование эксперимента: Методы обработки данных / Пер. с англ.; Под ред. Э.К.Лецкого. М.: Мир, 1980. 510 с.

46. Джонстон Д. Эконометрические методы / Пер. с англ. и предисл. А.А. Рывкина. М.: Статистика, 1980. 444 с.

47. Дорошенко Ю.Н., Дубровин В.И. Инструментальные средства всеобщего управления качеством: контрольные карты // Радиоэлектроника. Информатика. Управление, 2001. №1. С. 151 -157.

48. Дрейцер Н., Смит Г. Прикладной регрессионный анализ, кн. 1-2 / Пер. с англ.; Под ред. Ю.П.Адлера и В.Г.Горского. М.: Финансы и статистика, 1986. 702 с.

49. Дубров A.M. Обработка статистических данных методом главных компонент. М.: Статистика, 1978. 136 с.

50. Дубров A.M., Мхитарян B.C., Трошин Л.И. Многомерные статистические методы. М.: Финансы и статистика, 2000. 352 с.

51. Дубровин В.И. Применение контрольных карт для управления качеством // Надежность и контроль качества, 1997. №7. С.52 57

52. Ефимов В.В., Валеев С.Г., Клячкин В.Н. Разработка методов обеспечения качества технологического процесса при коррелированных показателях // Качество и ИПИ-технологии: Материалы научной конференции. М.: Фонд «Качество», 2002. С.57 -58.

53. Жулинский С.Ф., Новиков Е.С., Поспелов В.Я. Статистические методы в современном менеджменте качества. М.: Фонд «Новое тысячелетие», 2001. 208 с.

54. Заде JI. Понятие лингвистической переменной и его применение к принятию приближенных решений / Пер. с англ. М.: Мир, 1976. 165 с.бО.Зельнер А. Байесовские методы в эконометрии / Пер. с англ. М.: Статистика, 1980. 438 с.

55. Ивахненко А.Г., Юрачковский Ю.П. Моделирование сложных систем по экспериментальным данным. М.: Радио и связь, 1987. 120 с.

56. Илларионов О.И. Обнаружение разладки технологического процесса с помощью Х-карт по нескольким выборкам // Надежность и контроль качества. 1992. №2. С.21 28

57. Илларионов О.И. Расчет характеристик контрольных Х-карт при неточной наладке технологического процесса // Методы менеджмента качества, 2000. №11. С. 16 20

58. Илларионов О.И., Харитонов А.С. Статистическое регулирование технологических процессов с использованием контрольных карт выборочного среднего при неизвестной дисперсии контролируемого параметра // Надежность и контроль качества, 1999. №9. С.37 44

59. Исикава Каэру. Японские методы управления качеством / Пер. с яп. М.: Экономика, 1987. 215 с.

60. Карепин П.А. Категории планируемой и реализованной точности и особенности их применения // Надежность и качество, 1999. №8. С.44 51.

61. Кейн В.Э.Воспроизводимость процесса // Курс на качество, 1994. №2. С.87 114

62. Кемени Д., Снелл Д. Конечные цепи Маркова / Пер. с англ. М.: Наука, 1970.271 с.

63. Кендалл М., Стьюарт А. Многомерный статистический анализ и временные ряды / Пер. с англ.; Под ред. А.Н.Колмогорова. М.: Наука, 1976. 736 с.

64. Кендалл М., Стьюарт А. Статистические выводы и связи / Пер. с англ.; Под ред. А.Н.Колмогорова и Ю.В.Прохорова. М.: Наука, 1973. 900 с.

65. Клингене Н.И., Телькснис JI.A. Методы обнаружения разладок случайных процессов // Автоматика и телемеханика, 1983. №10. С.5 -56

66. Клячкин В.Н. Алгоритм робастных регрессий. Тезисы докладов ХХП научно-технической конференции УлПИ, ч.2. Ульяновск, 1994. С.100- 101

67. Клячкин В.Н. Восстановление полиномиальных зависимостей при засоренных выборках // 2-я всероссийская с участием стран СНГ конференция "Распознавание образов и анализ изображений:новые информационные технологии", 4.1. Ульяновск., 1995. С.56 -58.

68. Клячкин В.Н. Робастные оценки в регрессионных моделях надежности // Тезисы докл. на XI Международной конференции по проблемам теоретической кибернетики. Ульяновск, 1996. С.90 91

69. Клячкин В.Н. Оценивание параметров регрессионных моделей в условиях мультиколлинеарности. Международная конференция Результаты и перспективы исследования планет. Ульяновск, 1997. С.59 61

70. Клячкин В.Н. Метод оценки параметра гребневой регрессии. // Вестник УлГТУ. Информационные технологии. 1998. №1. С.38 40.

71. Клячкин В.Н. Оценка эффективности многомерного контроля качества технологического процесса // Вестник УлГТУ. Информационные технологии, 1999, №2. С.59 62.

72. Клячкин В.Н. Компьютерные технологии контроля качества в пакете Statistica. Ульяновск, 2000. 48 с.

73. Клячкин В.Н. Оценка сдвига при многомерном контроле // Компьютерные технологии в науке, проектировании ипроизводстве. Тезисы докл. П Всероссийской научно-технической конференции, ч.У. Н.Новгород, 2000. С.26.

74. Клячкин В.Н. Контроль технологического процесса с использованием карты Хотеллинга // Радиоэлектроника. Информатика. Управление, 2001, №1.С.92-94

75. Клячкин В.Н. Логика принятия решения при многомерном контроле технологического процесса // Логико-алгебраические методы, модели и прикладные применения: Труды международной конференции. Том 3. Ульяновск, 2001. С.79 80.

76. Клячкин В.Н. Компьютерные технологии многомерного контроля качества // Информационные сети, системы и технологии. Труды УП международной конференции. Т.2. Минск, 2001. С. 170176

77. Клячкин В.Н. Интерпретация результатов многомерного контроля с использованием частного критерия Хотеллинга // Моделирование. Теория, методы, средства. Материалы международной научно-практической конференции. Новочеркасск, 2001. С.48-49.

78. Клячкин В.Н. Мониторинг качества с использованием многомерных контрольных карт // Менеджмент качества подготовки специалистов в техническом вузе. Материалы Всероссийского научно методического семинара. Брянск, 2001. С. 81-83.

79. Клячкин В.Н. Программное обеспечение многомерного статистического контроля // Аналитико-статистические и математические методы в управлении рыночной экономикой. Сборник материалов Всероссийской научно-практической конференции. Пенза, 2001. С.20 22.

80. Клячкин В.Н. Анализ корреляционных связей между показателями качества технологического процесса // Материалы и технологии XXIвека. Сборник материалов Всероссийской научно-практической конференции, часть 3. Пенза, 2001. С. 158 160.

81. Клячкин В.Н. Модели многомерного статистического контроля технологического процесса // Российская научно-методическая конференция «Управление экономике 1: методы, модели, технологии». Сборник научных трудов. 4.2. Уфа, 2001. С.289 293.

82. Клячкин В.Н. Модель технологического процесса с несколькими показателями качества // Системный анализ в проектировании и управлении. Труды международной научно-практической конференции. СПб, 2001. С. 197 199.

83. Клячкин В.Н. Модели многомерного контроля факторов, определяющих эксплуатационную надежность // Научно-технические проблемы прогнозирования надежности и долговечности и методы ихъ решения. Труды международной конференции. СПб.: Нестор, 2001. С.149 151.

84. Клячкин В.Н. Сравнительный анализ моделей многомерного статистического контроля процесса // Надежность и качество: Труды международного симпозиума. Пенза, 2001. С.290 292.

85. Клячкин В.Н. Многомерный контроль процесса с использованием карт Шухарта на главных компонентах // Измерения, автоматизация и модлелирование в промышленности и научных исследованиях: Межвузовский сборник. Бийск, 2001. С.53 -57.

86. Клячкин В.Н. Контроль технологического процесса с коррелированными показателями качества // «Качество».

87. Материалы научно-технической конференции. М.: Фонд «Качество», 2001. С.121 -123

88. Клячкин В.Н. Контрольная карта Хотеллинга с предупреждающей границей // Вестник УлГТУ. Информационные технологии. 2001. №4. С.56 -61.

89. Клячкин В.Н. Технология многомерного статистического контроля процесса // Информационные технологии в проектировании и производстве, 2002. №1. С 49 53.

90. Клячкин В.Н. Контроль технологического процесса по нескольким подмножествам показателей качества // Информационные технологии в проектировании и производстве, 2002, №3. С.24 26

91. Клячкин В.Н. Статистический контроль технологического процесса по регрессионным остаткам // Проектирование и технология электронных средств, 2002. №3. С.49 52.

92. Клячкин В.Н. Анализ эффективности многомерного контроля технологического процесса // Методы менеджмента качества, 2002. №4. С.32 34

93. Клячкин В.Н. Анализ влияния различных факторов на эффективность статистического контроля // Системы компьютерной математики и их приложения: Сборник трудов Международной конф. Смоленск, 2002. С.24 26.

94. Клячкин В.Н. Многомерный статистический контроль технологического процесса с использованием предупреждающих границ // Труды Международной научно-практической конференции. Одесса, 2002. С 188.

95. Клячкин В.Н. Контроль технологического процесса по регрессионным остаткам // Современные проблемы информатизации в технике и технологиях: Сб. трудов. Вып.7. -Воронеж: Центрально-Черноземное кн. Изд-во, 2002. С.39 40.

96. Клячкин В.Н. Методы контроля технологического рассеивания в многопараметрическом процессе // Математические методы и модели в прикладных задачах науки и техники: Труды международной конференции. Том 5. Ульяновск, 2002. С.46 48.

97. Клячкин В.Н. Диагностика технологического процесса с использованием аппарата нечеткой логики // Системы искусственного интеллекта: Алгоритмы обработки и модели : Труды международной конференции. Том 4. Ульяновск, 2002. С. 16 17.

98. Клячкин В.Н. Система контроля многопараметрического технологического процесса // Системный анализ в проектировании и управлении: Труды международной научно-практической конференции. СПб: Изд-во СПбГТУ, 2002. С.394 395.

99. Клячкин В.Н. Принятие решения по результатам статистического контроля процесса // Интеллектуальные системы: Труды Пятого международного симпозиума. М.: МГТУ им.

100. H.Э.Баумана, 2002. С.269 270.

101. Пленарные доклады. М.: Радио и связь, 2002. С.25 27.

102. Клячкин В.Н. Многомерный статистический контроль рассеивания показателей качества технологического процесса // Известия вузов. Машиностроение. 2002. №6. С.45 51.

103. Клячкин В.Н. Диагностика технологического процесса по регрессионным остаткам // Идентификация систем и задачи управления: Труды международной конференции. М.: Институт проблем управления РАН, 2003. С.637 -650.

104. Клячкин В.Н. Оценка воспроизводимости многомерного процесса // Методы менеджмента качества, 2003. №1. С.41 43.

105. Клячкин В.Н. Контроль процесса с использованием карты экспоненциально взвешенных скользящих средних // Приборы и системы. Управление, контроль, диагностика, 2003. №1. С.49-51

106. Клячкин В.Н. Структура системы для статистического контроля многопараметрического технологического процесса // Приборы и системы. Управление, контроль, диагностика, 2003. №6. С. 50-51

107. Клячкин В.Н. Многомерный статистический контроль технологического процесса с использованием карты Хотеллинга // Автоматизация и современные технологии, 2003. №6. С. 19-23

108. Клячкин В.Н. Расчет вероятностей появления неслучайных структур на контрольной карте Хотеллинга // Системы искусственного интеллекта и нейроинформатика: Труды международной конференции. Ульяновск, 2003. С. 68 70

109. Клячкин В.Н. Принятие решения по статистическому управлению технологическим процессом с использованием нечеткой логики // Информационные технологии в проектировании и производстве, 2003. №2. С. 25 27.

110. Клячкин В.Н. Оптимизация статистического управления многопараметрическим процессом // Обчислювальна та прикладна математика, Зб1ркатез м1жнародно1 конференцп. К.: 2002. С. 56

111. Клячкин В.Н. Многомерный статистический контроль в условиях нарушения нормальности распределения показателей // Известия вузов. Машиностроение. 2003. №5. С. 10 14.

112. Клячкин В.Н. Алгоритмы многомерных кумулятивных сумм при статистическом контроле технологического процесса // Математические методы в технике и технологиях: Сборник трудов международной научной конференции, том 2. СПб: 2003. С. 159 -162

113. Клячкин В.Н. Модели статистического контроля подмножества показателей качества в технологическом процессе //

114. Системные проблемы качества, математического моделирования, информационных и электронных технологий: Материалы Международной конференции и Российской научной школы. Часть 3. М.: Радио и связь, 2003. С.44 45

115. Клячкин В.Н. Многомерный статистический контроль показателей качества при механической обработке // Совр еменные проблемы машиностроения и транспорта: Материалы всероссийской научно-технической конференции. Ульяновск : 2003. С. 24 27

116. Клячкин В.Н. Многомерный статистический контроль технологического процесса. М.: Финансы и статистика, 2003. 192 с.

117. Клячкин В.Н. Статистический анализ данных показателей производственного процесса с целью повышения качества продукции кондитерской фабрики «Волжанка». Отчет о НИР. № гос. Регистрации 01200207395 Ульяновск, 2002. 44 с.

118. Клячкин В.Н., Армер А.И., Дементьев В.Е. Многомерный статистический анализ и контроль технологического процесса (МАК процесса). Свидетельство об официальной регистрации программы для ЭВМ № 2003611279. Роспатент, 2003.

119. Клячкин В.Н., Валеев С.Г. Разработка методики статистического контроля качества очистки смазочно-охлаждающей жидкости. Отчет о НИР с ЗАО «Волга-Экопром». № гос.регристрации 01200207396. Ульяновск, 2002. 52 с.

120. Клячкин В.Н., Ефимов В.В., Валеев С.Г. Разработка методов обеспечения качества технологического процесса на основе многомерного статистического анализа. Отчет о НИР с УРО АН РТ. № гос. регистрации 01200203444. 2001. 30 с.

121. Клячкин В.Н., Прохоров И.С. Контроль малых смещений среднего уровня технологического процесса // Информационные технологии в учебном процессе кафедр физики и математики: Труды У1 между народного совещания семинара. Ульяновск, 2002. С.95 - 96.

122. Клячкин В.Н., Якубова И.Г. Контрольная карта Хотеллинга // Информационные технологии в учебном процессе кафедр физики и математики: Труды У1 международного совещания семинара. Ульяновск, 2002. С.94 - 95.

123. Контроль качества с помощью персональных компьютеров // Макино Т., Охаси М., Докэ X и др.; Пер. с яп.; Под ред. Ю.П.Адлера. М.: Машиностроение, 1991. 224 с.

124. Коуден Д. Статистические методы контроля качества / Пер. с англ.; Под ред. Б.Р.Левина. М.: Физматгиз, 1961. 623 с.

125. Кофанов Ю.Н. Теоретические основы конструирования, технологии и надежности радиоэлектронных средств. М.: Радио и связь, 1991. 359 с.

126. Кофман А. Введение в теорию нечетких множеств / Пер. с англ. М.: Радио и связь, 1982. 432 с.

127. Маленво Э. Статистические методы эконометрии / Пер. с франц. Вып.1. М.: Статистика, 1975. 423 с.

128. Математическое моделирование и исследование технологии и техники применения смазочно-охлаждающих жидкостей в машиностроении и металлургии / Под ред. Е.М.Булыжева. Ульяновск, 2001. 126 с.

129. Мелихов А.Н., Бернштейн JI.C., Коровин С.Я. Ситуационные советующие системы с нечеткой логикой. М.: Наука, 1990. 272 с.

130. Менеджмент систем качества // Круглов М.Г. и др. Изд. стандартов, 1997. 368 с.

131. Мердок Дж. Контрольные карты / Пер. с англ.; Предисл. Ю.П.Адлера. М.: Финансы и статистика, 1986. 151 с.

132. Миттаг X., Ринне X. Статистические методы обеспечения качества / Пер. с нем.; Под ред. Б.Н.Маркова. М.: Машиностроение, 1995.616 с.

133. Многомерный статистический анализ и вероятностное моделирование реальных процессов. М.: Наука, 1990. 296 с.

134. Мхитарян B.C. Статистические методы в управлении качеством продукции. М.: Финансы и статистика, 1982. 119 с.

135. Мэйндоналд Д. Вычислительные алгоритмы в прикладной статистике / Пер. с англ.; Под ред. Е.З Демиденко. М.: Финансы и статистика, 1988. 350 с.

136. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д.А.Поспелова. М.: Наука, 1986. 312 с.

137. Нечеткие множества и теория возможностей. Последние достижения / Пер. с англ.; Под ред. Р.Ягера. М.: Радио и связь, 1986. 408 с.

138. Никифоров И.В. Последовательное обнаружение изменения свойств временных рядов. М.: Наука, 1983. 200 с.

139. Николаева Н.А., Соломоденко В.Б. Применение бутстреп -метода для определения величины доверительного интервала при оценке ритмичности выпуска и стабильности качества продукции // Надежность и контроль качества, 1993. №6. С.39 46.

140. Ноулер JL Статистические методы контроля качества продукции / Пер. с англ.; Под ред. А.М.Бендерского. М.: Изд.стандартов, 1989. 96с.

141. Обработка нечеткой информации в системах принятия решений / А.Н.Борисов, А.В.Алексеев, Г.В.Меркурьева и др. М.: Радио и связь, 1989. 304 с.

142. Орловский С.А. Проблемы принятия решений при нечеткой исходной информации. М.: Наука, 1981. 208 с.

143. Планирование эксперимента в исследовании технологичческих процессов / К. Хартман, Э.Лецкий и др. Пер. с нем. М.: Мир. 552 с.

144. Поиск зависимости и оценка погрешности. М.: Наука, 1985.152 с.

145. Петрович М.Л. Регрессионный анализ и его математическое обеспечение на ЕС ЭВМ. М.: Финансы и статистика, 1982. 199 с.

146. Прикладная статистика: Классификация и снижение размерности. / Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Финансы и статистика, 1989. 607 с.

147. Р 50.1.018-98 Обеспечение стабильности технологических процессов в системах качества по моделям стандартов ИСО серии 9000

148. Радченко С.Г. Математическое моделирование технологических процессов в машиностроении. К.: ЗАО «Укрспецмонтажпроект», 1998. 274 с.

149. Рао С.Р. Линейные статистические методы и их применение / Пер. с англ. М.: Наука, 1968. 548 с.

150. Робастность в статистике. Подход на основе функций влияния / Ф.Хампель, Э. Рончетти и др.; Пер. с англ. М.: Мир, 1989. 512 с.

151. Розно М.И. Статистические методы и пакеты прикладных программ для системы качества по стандартам ИСО серии 9000 // Стандарты и качество. 1993. №3. С.22 24.

152. Ронжин А.Ф. Предельные теоремы для моментов разладки в последовательности независимых случайных величин // Теория вероятностей и ее применения, 1987. Т.32. С.309 — 316.

153. Рубичев Н.А., Фрумкин В.Д. Достоверность допускового контроля качества. М.: Изд. стандартов, 1990. 172 с.

154. Рыбаков И.Н., Рыбаков К.И. Метод анализа и управления достоверностью качества продукции, имеющей множество регламентируемых параметров // Надежность и контроль качества, 1993. №8. С.24 34.

155. Рыжков М.Б. Компьютерные программы в управлении качеством // Методы менеджмента качества. 2001. №1. С.20 25.

156. Рыжов Э.В., Горленко О.А. Математические методы в технологических исследованиях. К.: Наукова думка, 1990. С. 184.

157. Сакато Сиро. Практическое руководство по управлению качеством / Пер. с яп.; Под ред. В.И.Гостева. М.: Машиностроение, 1980.215 с.

158. Себер Д. Линейный регрессионный анализ / Пер. с англ.; Под ред. М.Б.Малютова. М.:Мир, 1980. 456 с.

159. Смоляк С.А., Титаренко Б.П. Устойчивые методы оценивания. М.: Статистика, 1980. 208 с.

160. Солонин И.С. Математическая статистика в технологии машиностроения. М.: Машиностроение, 1972. 216 с.

161. Сошникова JI.A., Тамашевич В.Н., Уебе Г. Многомерный статистический анализ в экономике. М.: ЮНИТИ-ДАНА, 1999. 598 с.

162. Статистические методы повышения качества / Под ред. Х.Куме; Пер. с англ. и доп. Ю.П.Адлера, Л.А.Конаревой. М.: Финансы и статистика, 1990. 304 с.

163. Статистический контроль качества на основе принципа распределения приоритетов // Лапидус В.А., Розно М.И., Глазунов А.В. М.: Финансы и статистика, 1991. 224 с.

164. Титов В.В. Корпоративная система статистического контроля качества // Информационные технологии в проектировании и производстве, 2000. №3. С.77 80.

165. Тихов М.С. К задаче статистического регулирования технологического процесса // Надежность и контроль качества, 1993. №8. С.З 8

166. Тихов М.С. О задаче оптимального обнаружения изменений вероятностных характеристик // Статистические методы. Межвуз.сб., 1980. С. 189 204

167. Торговицкий И.Ш. Методы определения момента изменения вероятностных характеристик случайных величин // Зарубежная радиоэлектроника, 1976. №1. С. 3 52

168. Тюрин Ю.Н., Макаров А.А. Статистический анализ данных на компьютере. М.: Финансы и статистика, 1997. 528 с.

169. Тькжи Д. Анализ результатов наблюдений. Разведочный анализ / Пер. с англ.; Под ред. В.Ф.Писаренко. М.: Мир, 1981. 698 с.

170. Управление качеством. Учебник / Под ред. С.Д.Ильенковой. М.: Банки и биржи. ЮНИТИ.1998. С. 198.

171. Устойчивые статистические методы оценки данных // Под ред Н.Г.Волкова. М.: Машиностроение, 1984. 232 с.

172. Феллер В. Введение в теорию вероятностей и ее приложения. В 2 т. Т.1 / Пер. с англ.; Под ред. Ю.В.Прохорова. М.: Мир, 1984. 528с.

173. Хальд А. Математическая статистика с техническими приложениями / Пер. с англ. М.: Иностранная литература, 1956. 664 с.

174. Хан Г., Шапиро С. Статистические модели в инженерных задачах / Пер. с англ.; Под ред. В.В.Налимова. М.: Мир. 1969. 395 с.

175. Херхагер М., Партолль X. Mathcad 2000. Полное руководство / Пер. с нем. К.: BHV, 2000. 416 с.

176. Химмельблау Д. Анализ процессов статистическими методами / Пер. с англ.; Под ред. В.Г.Горского. М.: Мир, 1973. 957 с.

177. Хьюбер П. Робастность в статистике/ Пер. с англ.; Под ред. И.Г.Журбенко. М.: Мир, 1984. 304 с.

178. Шиндовский Э., Шюрц О. Статистические методы управления качеством / Пер. с нем. М.: Мир, 1976. 597 с.

179. Ширяев А.Н.Статистический последовательный анализ. М.: Наука, 1976.272 с.

180. Ширяев А.Н. Вероятность. М.: Наука, 1980. 574 с.

181. Ширяев А.Н. Минимаксная оптимальность метода кумулятивных сумм в случае непрерывного времени // УМН, 1996. Т.310. №4. С. 173 -174

182. Шор Я.Б. Статистические методы анализа и контроля качества и надежности. М.: Советское радио, 1962. 743с.

183. Шпер В.Л. Еще раз о контрольных картах и вокруг них // Надежность и контроль качества, 1998. №12. С.З 13

184. Эфрон Б. Нетрадиционные методы многомерного статистического анализа. / Пер. с англ.; Под ред.Ю.П.Адлера. М.: Финансы и статистика, 1988. 263 с.

185. Aparisi F. Hotelling's Т2 control chart with adaptive sample sizes // Int. Journal of production research, 1996. V.34. P. 2853 2862

186. Aparisi F., Jabaloyes J., Carrion A. Statistical properties of the |S| multivariate control chart // Comm.in Statistics Theory and Methods, 1999, V.28, №11. P.2671 - 2686

187. Brook D., Evans D. An approach to the probability distribution of CUSUM run lengths // Biometrica, V.59. P.539 549

188. Crowder S.V. A simple method for studing run-length distributions of exponentially weighted moving average charts // Technometrics, 1987, V.29. P.401-408.

189. Crosier R.B. Multivariate generalizations of cumulative sum quality-control schemes // Technometrics, 1988, 30(3). P.291 303

190. Doganaksoy N, Fatlin F.W., Tucker W.T. Identification of out of control quality characteristics in a multivariate manufacturing enviroument // Comm.in Statistics Theory and Methods, 1991, 20(9). P.2775 - 2790

191. Fuchs C., Kennet R.S. Multivariate quality control: Theory and Applications, New York: Marcel Dekker, 1998. 212p.

192. Girshick M.A., Rubin H. A Bayes approach to quality control model // Ann. Math. Statist 1952. V.23. No.l. P.l 14 125

193. Grant E., Leavenworth R. Statistical quality control. John Wiley and Sons, 1996. 764 p.

194. Griffith G/ Statistical control methods for long and short runs. John Wiley and Sons, 1996. 250 p.

195. Hayter A., Tsui K. Identification and quantification in multivariate quality control problems // Journal of quality technology. 1994. 26. P. 197 -208

196. Hawkins D .M. Multivariate quality с ontrol based on regression -adjusted variables // Technometries, 1991, 33. P.61 75

197. Hawkins D.M. Regression adjustment for variables in multivariate quality control// Journal of Quality Technology, 1994, 26(3). P.197-208

198. Healy J.D. A note on multivariate CUSUM procedures // Technometrics, 1987, V.29. P.409 412

199. Hotelling H.H. Multivariate quality control illustrated by the air testing of sample bombsites // Techniques of statistical analysis. 1947. P.l 11 184

200. Jackson J.E. Multivariate quality control. // Comm.in Statistics -Theory and Methods, 1985, V.14. P.2657 2688

201. Jiang W., Tsui K.,Woodal W. A new SPC monitoring method: the ARMA chart // Technometrics, 2000, V.42, №4. P.399 410

202. Jones G., Rocke D. Bootstrapping in controlled calibration experiments // Technometrics, 1999, V.41. P.224 233

203. Klyachkin V.N. Restoration of Polynomial Dependences in Noisy Samples // Pattern Recognition and Image Analysis, 1996. V.6. №1. P.41 -42

204. Kourti Т., MacGregor I.F. Multivariate SPC Methods for process and product monitoring // Journal of Quality Technology, 1996, V.28(4). P.409 428

205. Liu R.Y., Control charts for multivariate processes // Journal of the American Statistical Association, 1995, V.90(432). P.1380 1387

206. Lowry C.A., Woodal W.H., Champ C.W., Rigdon S.E. A multivariate exponencially weighted moving average control chart // Technometrics, 1992, V.34. P.46 53.

207. Lowry C., Montgomery D.C. A review of multivariate control charts // HE transactions, 1995, V.27. P.800 810

208. Lucas J.M., Crosier R.B. Fast initial response for CUSUM quality-control schemes: give your CUSUM a head start // Technometrics,2000, V.42. P. 102- 107.

209. Lucas J.M., Saccucci M.S. Exponentially weigheted moving average control schemes: properties and enhancements // Technometrics, 1990, V.32. P.l 12.

210. Luceno A, Puig-pey J. evaluation of the run-length probability distribution for CUSUM charts: assessing chart performance // Technometrics, 2000, V.42, №4. P.411 416

211. Mason R.L., Tracy N.D., Young J.C. Decomposition of T2 for multivariate control chart interpretation // Journal of Quality Technology, 1995, V.27. P.99 108

212. Mason R.L., Tracy N.D., Young J.C. Monitoring a multivariate step process // Journal of Quality Technology, 1996, V.28. P.39 50

213. Mason R.L., Champ N.D., Tracy N.D., Young J.C. Assessment of multivariate process control techniques // Journal of Quality Technology, 1997, V.29. P. 140 143

214. Mastrangelo C.M., Runger G.C., Montgomery D.C. Statistical process monitoring with principial components // Quality and Reability Engineering International, 1996, V.12. P.203 210

215. Montgomery D. C. Introduction to statistical quality control. John Wiley and Sons, 1996. 782 p.

216. Montgomery D., Klatt P. Economic design of T2-control charts to maintain current control of a process // Manag. Sci. 1972. №1. P.76 89

217. Morud T. Multivariate statistical process control; example from the chemical process industry // Journal of chemometrics. 1996, 10. P.669-675

218. Nomicos P., MacGregor J. Multivariate SPC-charts for monitoring batch processes // Technometrics,1995, V.37(l). P.41 59.

219. Page E.S. Continuous inspection schemes // Biometrika. 1954. V.l. P.100- 115.

220. Pignatiello J.J., Runger G.C. Comparision of multivariate CUSUM chart // Journal of Quality Technology. 1990. V.22(3). P. 173 186.

221. Roberts S.W. Control charts tests based on geometric moving average // Technometrics. 1959. V.3. P.239 250

222. Roberts S.W. A comparison of some control charts p rocedures // Technometrics. 1966. V.8. P.411 430

223. Runger G.C., Alt F.B., Montgomery D.C. Contributions to a multivariate statistical process control chart signal // Comm.in Statistics Theory and Methods, 1996, V.25(10). P.2203 - 2213

224. Runger D.C., Prabhu S.S. A Markov chain model for multivariate exponentially weighted moving averadges control chart // Journal of the American Statistical Association, 1996, V.91(436). P. 1701 1706

225. Ryan T.P. Statistical methods for quality improvement / John Wiley and Sons, New York, 1989. 420p.

226. Shewhart W. Economic control of quality of manufactured products. Princeton N.Y.D., 1931. p.501

227. Sullivan J.H., Woodall W.H. A comparision of multivariate control chart for individual observations // Journal of Quality Technology, 1996, V.28(4). P.398 408

228. Timm N.H. Multivariate quality control using finite intersection tests // Journal of Quality Technology, 1996, V.28(2). P.233 243

229. Tracy N.D., Young J.C., Mason R.L. Multivariate control chart for individual observations // Journal of Quality Technology, 1992, V.24(2). P.88 95

230. Woodall W.H., Ncube M.M. Multivariate CUSUM quality-control procedures // Technometrics,1985, V.27(3). P.285 292.

231. Zellner A., Theil H. Three-stage least-squares: simultaneous estimation of simultaneous equations // Econometrica. V.30. 1962. P.54 -78

232. Zimmerman S.M., Icenogle M.L. Statistical Quality Control using Excel. John Wiley and Sons, N.Y., 1999. 346 p.