为了改进传统基于双控指标建筑沉降监测分析思路存在的不足,引入统计过程控制技术对其优化,提出一种新的分析方法.该方法分别利用■统计控制图识别沉降变化是否稳定受控,R统计控制图识别差异沉降变化,■统计控制图识别总体沉降变化,并...为了改进传统基于双控指标建筑沉降监测分析思路存在的不足,引入统计过程控制技术对其优化,提出一种新的分析方法.该方法分别利用■统计控制图识别沉降变化是否稳定受控,R统计控制图识别差异沉降变化,■统计控制图识别总体沉降变化,并利用过程能力指数判断相对于阈值沉降控制能力是否满足要求,据此明确工程措施.结合北京地铁8号线盾构施工邻近古建筑工程项目,验证该方法的合理性.结果表明:引入统计过程控制(statistical process control,SPC)技术,可科学分析沉降演化过程的动态随机性;该分析方法不仅可以提出合理的工程措施,而且可以科学验证已执行措施的有效性.展开更多
油田中井场储罐液位的变化与油井的生产状况、运输过程以及现场管理等方面密切相关。实时检测油罐液位的异常变化,对安全生产管理非常重要。采用基于SPC(Statistical Process Control)的固定时间域可变采样间隔VSIFT(Variable Sampling ...油田中井场储罐液位的变化与油井的生产状况、运输过程以及现场管理等方面密切相关。实时检测油罐液位的异常变化,对安全生产管理非常重要。采用基于SPC(Statistical Process Control)的固定时间域可变采样间隔VSIFT(Variable Sampling Interval at Fixed Times)控制图以及自适应采样间隔统计控制图的液位数据异常检测方法可以提高异常检测效率。VSIFT控制图通过设置预警线调整采样间隔,自适应采样间隔统计控制图通过计算β风险的概率进行动态采样。实验结果表明,相比SPC的固定采样间隔统计控制图以及传统的时序数据异常检测,该方法能够结合实际情况充分分析当前状态的数据与历史数据的关系,探索出数据的动态变化规律,准确检测仅有少量异常点的数据异常,高效检测实时数据异常。该方法能提高异常检测的效率与准确率。展开更多
操作工人在长时间的工作过程中,由于精神和身体的疲劳会产生失误,人的可靠性降低,导致生产残次品,甚至危及人身安全。为了了解在保证可靠性的前提下操作者最长可持续的工作时间(极限工作时间),提出了一种结合统计过程控制图(statistical...操作工人在长时间的工作过程中,由于精神和身体的疲劳会产生失误,人的可靠性降低,导致生产残次品,甚至危及人身安全。为了了解在保证可靠性的前提下操作者最长可持续的工作时间(极限工作时间),提出了一种结合统计过程控制图(statistical process control chart,SPCC)和差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型的方法。用连续时间中单位时间间隔内的次品率衡量人的可靠度,并形成次品率时序序列(defective rate time series,DRTS)。一方面使用该数列基于ARIMA构建SPCC,并确定样本的上控制线(upcontrolline,UCL)、下控制线(lowcontrolline,LCL)和极限时间范围;另一方面使用ARIMA和支持向量机(support vector machine,SVM)配合实时跟踪算法(realtime tracing algorithm,RTA)对需要确定极限工作时间(limit working time,LWT)的某一操作者的DRTS进行预测。最后将预测曲线置于SPCC中来确定该操作者LWT的范围。通过对10个操作者8h,每隔10min采样得到的DRTS分析,表明该类工作参数的范围为UCL=[3.89,4.66]、LCL=[-4.98,-3.90]、LWT=[393,450]min,确定了一个新操作者的LWT为[435,452]min,即435min时该操作者就应该停止工作进行休息。展开更多
文摘为了改进传统基于双控指标建筑沉降监测分析思路存在的不足,引入统计过程控制技术对其优化,提出一种新的分析方法.该方法分别利用■统计控制图识别沉降变化是否稳定受控,R统计控制图识别差异沉降变化,■统计控制图识别总体沉降变化,并利用过程能力指数判断相对于阈值沉降控制能力是否满足要求,据此明确工程措施.结合北京地铁8号线盾构施工邻近古建筑工程项目,验证该方法的合理性.结果表明:引入统计过程控制(statistical process control,SPC)技术,可科学分析沉降演化过程的动态随机性;该分析方法不仅可以提出合理的工程措施,而且可以科学验证已执行措施的有效性.
文摘油田中井场储罐液位的变化与油井的生产状况、运输过程以及现场管理等方面密切相关。实时检测油罐液位的异常变化,对安全生产管理非常重要。采用基于SPC(Statistical Process Control)的固定时间域可变采样间隔VSIFT(Variable Sampling Interval at Fixed Times)控制图以及自适应采样间隔统计控制图的液位数据异常检测方法可以提高异常检测效率。VSIFT控制图通过设置预警线调整采样间隔,自适应采样间隔统计控制图通过计算β风险的概率进行动态采样。实验结果表明,相比SPC的固定采样间隔统计控制图以及传统的时序数据异常检测,该方法能够结合实际情况充分分析当前状态的数据与历史数据的关系,探索出数据的动态变化规律,准确检测仅有少量异常点的数据异常,高效检测实时数据异常。该方法能提高异常检测的效率与准确率。
文摘操作工人在长时间的工作过程中,由于精神和身体的疲劳会产生失误,人的可靠性降低,导致生产残次品,甚至危及人身安全。为了了解在保证可靠性的前提下操作者最长可持续的工作时间(极限工作时间),提出了一种结合统计过程控制图(statistical process control chart,SPCC)和差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型的方法。用连续时间中单位时间间隔内的次品率衡量人的可靠度,并形成次品率时序序列(defective rate time series,DRTS)。一方面使用该数列基于ARIMA构建SPCC,并确定样本的上控制线(upcontrolline,UCL)、下控制线(lowcontrolline,LCL)和极限时间范围;另一方面使用ARIMA和支持向量机(support vector machine,SVM)配合实时跟踪算法(realtime tracing algorithm,RTA)对需要确定极限工作时间(limit working time,LWT)的某一操作者的DRTS进行预测。最后将预测曲线置于SPCC中来确定该操作者LWT的范围。通过对10个操作者8h,每隔10min采样得到的DRTS分析,表明该类工作参数的范围为UCL=[3.89,4.66]、LCL=[-4.98,-3.90]、LWT=[393,450]min,确定了一个新操作者的LWT为[435,452]min,即435min时该操作者就应该停止工作进行休息。
