随着生产过程和产品工艺的复杂程度提升,数据收集过程中存在删失的情况越来越受到学者的关注。删失数据不同于完整数据的处理方式,因此无论是工业生产环节的产品质量,还是医疗卫生、金融服务等领域的删失数据一直是研究中的热点问题。统计过程控制是质量控制领域最为重要的方法之一,而控制图作为统计过程控制的主要手段,在工业生产、医疗健康、交通流量监控等领域有着极为广泛的应用,发挥着重要的作用。然而数据在收集过程中,受限于时间和成本等因素,会遇到删失的情况。传统的统计过程控制图研究多是基于完整数据的历史样本观测和参数估计展开的。而待监控的数据存在删失的情况,按照完整数据设计的控制图已经无法满足实际生产等领域的监控需求。因此亟需改进已有固定化的程式,构建适应新的数据形态和新的应用场景的控制图。本文将研究基于删失数据的在线监控的方法与应用,提出适应于各类删失数据场景的在线监控策略。对于高删失,窗口删失以及逐步删失的数据类型,设计相应的控制图,满足不同场景下的在线监控需要。整体来看,本文主要分为三大部分,第一部分从传统的删失数据场景的监控入手,考虑在高删失率的情况下,删失数据在未知分布下的稳健监控;第二部分和第三部分考虑新兴的删失场景,其中第二部分从窗口删失的场景入手,研究了交替更新过程在窗口截断的情况下的控制图的构建;第三部分从逐步二类删失的数据入手,提出了删失导致样本量不充足的情况下的稳健监控方案。第一章主要介绍了本文的研究背景与选题意义,文献综述以及文章的整体框架。在第二章中,主要介绍了本文所需的一些基础知识,包括控制图的基本理论思想,构建方法以及删失机制。第三章到第五章是本文的主要贡献。最后在第六章总结了本文的研究内容和以后的研究方向。第一部分的研究是基于半参数的方法对于高删失率的数据进行监控。出于时间和成本的考虑,高删失率在寿命测试中是相当普遍的存在,而高删失率给寿命数据的监控也带来了挑战。为高删失率的数据设计的传统控制图通常基于威布尔分布假设。然而,对于数据分布的假设在实践中可能并不成立。在高删失的数据下,如何通过减少错误的分布假设带来的影响,提升控制图对于失控过程的监控效果。出于这一考虑,本文为高度删失寿命数据开发了一种半参数指数加权移动平均控制图。该控制方案使用Kaplan-Meier估计构建累积分布函数和广义帕累托分布以改进尾部估计。然后将根据过程中累积分布函数和经验分布函数之间的差异定义的KolmogorovSmirnov统计量集成到指数加权移动平均控制图方案中,以监控一类型右删失的样本。此外,本文使用模拟研究和真实硬盘寿命测试数据分析展示所提出的控制图的监控效率,验证了本文的监控方法具有优越性。第二部分的研究是基于窗口删失数据的新场景应用。在工业组件或物理基础设施发生故障、维修和更换的情况下,工作时间和停止服务时间即形成一个交替更新过程。通常只记录在特定时间段内发生的事件,从而导致窗口删失的情况。交替更新过程的窗口删失观测可以被认为是一个平稳的遍历随机过程,在很短的时间间隔内具有0或1的交替值。因此,删失的观测可能是左删失、右删失或双重删失的情况。本文提出了基于似然比的累积和控制图,以及改进的条件期望值指数加权移动平均控制图来监控窗口删失的观测。通过数值模拟研究了该控制方案的构建和实现,并对其性能进行了评估。最后通过驾驶员视线数据说明其在实际应用中可以适应于窗口各类删失的情况,并具有良好的监控效果。第三部分的研究是基于逐步二类删失数据的场景监控。逐步删失本质上是传统删失机制的一种拓展,但其删失机制更加灵活,因而得到越来越广泛的关注和研究。逐步删失的特点在于允许在两个失效时间之间移除一部分观测,而这会导致在删失数据的监控方面复杂度增加。正因为逐步删失的数据难以确保观测到充足的样本,所以亟需解决在逐步删失下的监控策略的更新,本章将基于拟合优度检验,利用阶段一的数据估计得到参数分布,在阶段二使用删失数据的经验似然函数,构造监控统计量。通过数值模拟,验证了该策略在监控层面具有更高的准确性和稳健性,特别是对于高删失率的情况。最后,通过实例分析再次验证了新监控方案的优越性。最后,在第六章对本文进行了总结并对潜在的一些研究方向进行了阐述。