统计过程控制(SPC)被广泛地应用于监控多种工业过程。大部分关于SPC的研究集中在控制图技术上。常用的控制图包括Shewhart控制图、CUSUM控制图和EWMA控制图。Shewhart控制图可以有效地检测出过程中的大漂移,而CUSUM控制图在小漂移情况下有更良好的表现。EWMA控制图的表现介于二者之间,也就是说,大的权重取值让它在大漂移情况下表现良好,像一个Shewhart控制图,而小的权重取值让它适用于小漂移情况,像一个EWMA控制图。所以,在本文中,我们讨论一种新的自调节EWMA控制图(Adaptive Exponentially Weighted MovingAverage, AEWMA),它在本质上是将CUSUM控制图和Shewhart控制图光滑地组合在一起,也就是,自调节权重的EWMA统计量控制图。它的根本思想是根据当前观测值与过去统计量的误差的大小调节当前观测值的权重,用于平衡地监测不同大小的过程漂移。 典型的AEWMA控制图都是在假设过程参数(如均值与方差)已知的基础上设计的。然而在实际中,参数很少是已知的,控制图的建立都是用参数的估计值替代真值得到的。这种实际操作,在受控与失控情况下,都会影响控制图的RunLength的表现。具体地,参数的估计会从根本上带来更频繁的错误报警,从而降低控制图监测过程变化的精确性。 通常使用的计算控制图Run Length分布的方法有三种：数值模拟、积分方程以及马尔可夫转移概率矩阵。后两个比第一个要更精确一些。 在这篇论文中,首先给出适用于带有估计参数的AEWMA控制图的马尔可夫方法的推导过程,然后用这个方法,研究了带有估计参数的AEWMA控制图的受控Run Length分布和失控ARL的表现。本文将讨论在多种实际情形中,参数估计对控制图表现的的影响作用。最后得出结论,带有估计参数的AEWMA控制图比起已知参数的AEWMA控制图,有更多的错误报警,同时监测过程变化的敏感性降低。此外,如果要得到更好的表现,需要更大的受控估参样本量。