Résumé Technique : Contrôle Statistique des Procédés via les p-valeurs

Énoncé du Problème

Le contrôle statistique des procédés (SPC) repose traditionnellement sur la surveillance de statistiques de test ($Z_t$) dérivées d'hypothèses paramétriques spécifiques (par exemple, la normalité) pour détecter les écarts par rapport à un état de maîtrise (IC - in-control). Bien que les méthodes telles que les cartes de Shewhart, CUSUM et la moyenne mobile exponentielle pondérée (EWMA) soient bien établies, leurs garanties théoriques — spécifiquement concernant la longueur de série moyenne (ARL) et les taux de fausses alarmes — dépendent fortement de la validité de ces hypothèses paramétriques. Lorsque le processus générateur de données (DGP) est inconnu, non paramétrique ou présente une dépendance temporelle complexe, dériver des limites de contrôle exactes et des bornes d'ARL devient difficile ou nécessite un étalonnage par simulation chronophage.

Cet article traite du défi consistant à construire des cartes SPC qui offrent des garanties universelles et sans distribution, sans supposer de structures de dépendance stochastique spécifiques entre les points temporels. Les auteurs proposent un cadre où la statistique de surveillance est une séquence de p-valeurs ($P_t$) plutôt que des statistiques de test brutes, en exploitant la propriété fondamentale des p-valeurs sous l'hypothèse nulle.

Méthodologie

1. Cadre Théorique : Super-uniformité

Le cœur de la méthodologie repose sur la propriété de super-uniformité des p-valeurs. Une séquence de p-valeurs $(P_t)_t$ est considérée comme valide si, sous l'hypothèse nulle $H_0$ (le processus est maîtrisé), la probabilité d'observer une p-valeur inférieure ou égale à $\alpha$ est bornée par $\alpha$ pour tout $\alpha \in [0, 1]$.

• Conceptions en une phase et deux phases : Le cadre s'applique aux deux conceptions où $H_0$ est définie par rapport à une distribution fixe ou un échantillon de référence de Phase I.
• Hypothèse d'indépendance : Crucialement, les auteurs ne supposent pas l'indépendance entre $P_t$ et les observations passées. Ils exigent seulement que $P_t$ satisfasse la condition de super-uniformité (marginale ou conditionnelle).

2. Limites de Contrôle et Bornes de Longueur de Série

Les auteurs analysent la règle standard de Shewhart : déclencher une alarme lorsque $P_t \leq \alpha$.

• Bornes Inférieures Universelles : Sans supposer de dépendance temporelle, ils dérivent une borne inférieure universelle pour l'ARL : $ARL \geq \frac{1}{2\alpha} + \frac{1}{2}$.
• Super-uniformité Conditionnelle : Si les p-valeurs satisfont une condition plus forte où $P(P_t \leq \alpha | \mathcal{F}_{t-1}) \leq \alpha$ (conditionnelle sur les informations passées), la borne s'affine vers le taux paramétrique familier $ARL \geq \alpha^{-1}$.
• Généralisation k-ARL : L'article étend ces résultats à la k-ARL (temps attendu jusqu'à $k$ fausses alarmes). Sous une super-uniformité générale, la borne est $\geq \frac{k}{2\alpha} + \frac{1}{2}$ ; sous une super-uniformité conditionnelle, elle s'améliore à $\frac{k}{\alpha}$. Cela permet d'étalonner les cartes pour contrôler la famille de taux d'erreur au fil du temps sans modélisation paramétrique.

3. Schémas de type EWMA via des Fonctions de Fusion

Les cartes EWMA standard ($\tilde{P}_t = \lambda P_t + (1-\lambda)\tilde{P}_{t-1}$) échouent à préserver la propriété de super-uniformité lorsqu'elles sont appliquées directement aux p-valeurs. Pour surmonter cela, les auteurs utilisent des fonctions de fusion (merging functions) pour les p-valeurs dépendantes (basées sur Vovk & Wang, 2020).

• Ils construisent des statistiques de type EWMA $Q^{(r)}_{\lambda,t}$ en utilisant des moyennes généralisées pondérées de puissances de p-valeurs ($P_t^r$).
• En appliquant des constantes d'échelle spécifiques dérivées du poids maximal, ils garantissent que la séquence résultante reste super-uniforme (ou conditionnellement super-uniforme pour des choix de paramètres spécifiques comme $r \geq 1$).
• Cela permet de "lisser" les cartes de p-valeurs sans limites de contrôle ad hoc ou étalonnage basé sur la simulation.

4. Localisation Multivariée

Le cadre est étendu au SPC multivarié pour la localisation directionnelle et par coordonnées.

• Tests Fermés : En utilisant une procédure de test fermé (Marcus et al., 1976) combinée à la méthode de descente de Holm, les auteurs proposent une méthode pour détecter quelles coordonnées et directions spécifiques (augmentation/diminution) ont dévié de la référence.
• Contrôle de l'Erreur : Cette approche contrôle le taux d'erreur de la famille (FWER) au moment de l'alarme, garantissant que la probabilité de faire toute réclamation directionnelle ou de coordonnée incorrecte est bornée par $\alpha$.

Résultats Clés

Contributions Théoriques

• Bornes Universelles ARL/k-ARL : L'article fournit des bornes inférieures rigoureuses et non asymptotiques pour les longueurs de série qui sont valables pour tout DGP satisfaisant l'hypothèse nulle, indépendamment de la structure de dépendance.
• Constructions EWMA Valides : La dérivation de $Q^{(r)}_{\lambda,t}$ et $\bar{Q}^{(r)}_{\lambda,t}$ constitue la première méthode générique pour créer des cartes de p-valeurs lissées avec des garanties de comportement IC, évitant l'échec de la moyenne simple naïve.
• Théorie de la Distribution : Des fonctions de densité de probabilité (PDF) et de répartition (CDF) explicites sont dérivées pour les processus EWMA basés sur des variables uniformes indépendantes, clarifiant pourquoi les cartes EWMA uniformes naïves échouent à être super-uniformes dans la queue droite mais réussissent dans la queue gauche sous certaines initialisations.

Résultats Numériques et de Simulation

• Conservatisme vs Précision : Les simulations sur des données normales et autorégressives montrent que, bien que les bornes universelles (sans hypothèses de dépendance) puissent être conservatrices (ratios de l'ARL réalisé par rapport à la borne allant jusqu'à ~33), elles sont fidèles. Lorsque la super-uniformité conditionnelle est présente, les bornes sont précises.
• Performance de l'EWMA :
  • Dans les scénarios de perte de maîtrise persistante (OOC), les cartes de p-valeurs brutes détectent souvent les changements plus rapidement que les cartes de type EWMA.
  • Dans les scénarios de OOC dynamique (où le décalage évolue dans le temps), les cartes de type EWMA avec des paramètres spécifiques ($r < 0$) peuvent détecter la $k$-ième alarme plus rapidement que les cartes de p-valeurs brutes, démontant un compromis où l'augmentation du conservatisme IC favorise une meilleure puissance pour les décalages dynamiques sous la règle des $k$-alarmes.
• Localisation : La procédure de localisation proposée identifie avec succès les coordonnées et directions affectées dans les contextes multivariés normaux et à queues lourdes (Cauchy), maintenant le contrôle du FWER au niveau théorique.

Signification et Revendications

L'article prétend fournir un cadre modulaire et sans distribution pour le SPC. Sa principale importance réside dans :

1. Découplage des Hypothèses Paramétriques : Il permet aux praticiens de construire des cartes SPC avec des taux de fausses alarmes garantis pour tout processus pour lequel des p-valeurs valides peuvent être générées (par exemple, via les tests de Kolmogorov–Smirnov ou de Mann–Whitney), éliminant ainsi le besoin d'un étalonnage par simulation lié à des modèles paramétriques spécifiques.
2. Rigueur Théorique pour le Lissage : Il résout l'écart théorique concernant les cartes EWMA pour les p-valeurs, prouvant qu'un lissage valide est possible grâce aux fonctions de fusion, permettant ainsi l'utilisation de techniques de lissage sans sacrifier les garanties IC.
3. Approche Multivariée Unifiée : Il offre une méthode de localisation des décalages multivariés avec contrôle simultané de l'erreur, applicable tant aux contextes paramétriques que non paramétriques.

Les auteurs soulignent que, bien que les bornes puissent être conservatrices en l'absence d'hypothèses de dépendance, c'est le "prix naturel" à payer pour obtenir une robustesse à travers tous les possibles DGP. Le cadre est présenté comme un outil général qui peut être superposé à n'importe quelle construction de p-valeur existante pour ajouter des capacités de lissage ou de localisation tout en conservant un contrôle théorique.