۹ نتیجه برای Control Chart
، ،
جلد ۲۰، شماره ۱ - ( ۲-۱۳۸۸ )
چکیده
نمودارهای کنترل عموما با فرض استقلال مشاهدات و یکسان بودن توزیع آن در طول زمان (هنگامی که فرایند تحت کنترل است) طراحی می شوند. هرچند زمانی که یک فرایند به طور ذاتی مشاهدات خودهمبسته ایجاد میکند، این فرض به راحتی نقض میگردد. هنگامی که نمودارهای کنترل نسبت اقلام معیوب شوهارت در مورد چنین فرایندی بکار گرفته میشود، تعداد زنگ خطرهای اشتباه از میزان مورد انتظار فراتر می رود. فرایند ماشین کاری، به دلیل وجود عامل فرسایش ابزار در آن، معمولا مشاهدات خودهمبسته ایجاد می کند. در صورتی که این پدیده در طراحی نمودار کنترل مربوطه لحاظ نشود، باید انتظار بروز یک روند در دادههای ترسیم شده را داشت که این امر در نهایت منجر به اعلام زنگ خطرهای اشتباه میگردد. در این مقاله کاربرد رگرسیون لجستیک در مدلسازی و حذف روندی که بدلیل فرسایش ابزار در نمودار کنترل نسبت اقلام معیوب پدیدار میشود، مورد بررسی قرار میگیرد. نتایج عددی در این خصوص بهبودهای قابل ملاحظه ای را نشان میدهد.
، ،
جلد ۲۰، شماره ۳ - ( ۱۰-۱۳۸۸ )
چکیده
نمودارهای کنترل فرآیند آماری نقش بسزائی را در سیستم های کنترل کیفیت بر عهده دارند که تحلیل صحیح آنها، منجر به کشف خطاهای موجود در فرآیند خواهد شد. در این راستا شبکه های عصبی متنوعی به منظور تشخیص الگوهای موجود در نمودارهای کنترل به کار گرفته شده اند که اکثراً قادر به تشخیص الگوهای منفرد بوده و در مورد الگوهای همزمانی که ناشی از رخداد بیش از یک خطا در فرآیند می�باشند ناتوان بوده�اند. در این مقاله، ابتدا با به کارگیری تبدیل موجک، الگوی همزمان به الگوهای منفردِ تشکیل دهنده تفکیک شده و در ادامه با به کارگیری تحلیل مولفه های اصلی (PCA) در کنار یک شبکه عصبی احتمالی (PNN)، نوع الگوها مشخص می گردد. نتایج بدست آمده با استفاده از داده های شبیه سازی شده، نرخ تشخیص صحیح الگوهای همزمان را برابر ۸۳/۹۴% نشان می�دهد.
، ،
جلد ۲۱، شماره ۱ - ( ۲-۱۳۸۹ )
چکیده
زمانی که نمودارکنترل شرایط خارج از کنترل را نشان می دهد، جستجو برای شناسایی و حذف علت/علل انحراف آغاز می شود. شناسایی زمان ایجاد انحراف در فرآیند که از آن به عنوان "نقطه تغییر" نام برده می شود می تواند یک اقدام موثر در شناسایی و حذف اثربخش علت/علل ایجاد انحراف دریک فرآیند محسوب شود. زمانی که از یک بردار مشخصههای کیفی جهت کنترل یک فرآیند استفاده می شود آنگاه شناسایی نقطه تغییر به تنهایی نمی توان د در شناسایی و حذف علت/علل ایجاد شرایط خارج از کنترل موثر واقع شود. بعبارت دیگر، در فرآیند های چند متغیره لازم است علاوه بر شناسایی نقطه تغییر، متغیر(هایی) که موجب ایجاد حالت خارج از کنترل شده اند نیز شناسایی شوند تا بتوان به طور اثربخش اقدامات بهبود را انجام داد. در این مقاله برای اولین بار با استفاده از شبکه عصبی مدلی ارائه می شود که بدون آنکه نوع تغییرات بردار میانگین یک فرآیند دانسته انگاشته شود، با فرض آنکه تغییرات فوق وابسته به تغییرات مونوتونیک باشند و یا تغییرات بصورت نامنظم افزایشی/کاهشی در فرآیند ظاهرشوند، می تواند علاوه بر تشخیص متغیری که موجب خارج از کنترل شدن فرآیند شده است، نقطه تغییر را نیز برای یک فرآیند نرمال دو متغیره شناسایی نماید. مدل فوق برای ترکیبات مختلف تغییر در میانگین متغیرها با ضرایب همبستگی متعدد، با دو شاخص "نرخ خطا" و " متوسط طول دنباله "مورد ارزیابی قرار گرفته است .
عباس سقایی، ، مسرت نعمت، ،
جلد ۲۲، شماره ۱ - ( ۳-۱۳۹۰ )
چکیده
کاربرد روش های کنترل کیفیت آماری در بخش بهداشت و درمان، روز به روز در حال گسترش است. در کاربردهای متداول کنترل فرآیند آماری، کیفیت فرآیند یا محصول توسط رابطه بین دو یا چند متغیر بیان می شود. این دسته از مسائل در قالب مفهومی به نام "پروفایل" مورد بررسی قرار می گیرند و نقش مهمی در فرآیند کنترل آماری ایفا میکنند. با وجود استفاده موردی موفق از روش پایش پروفایل ها در صنعت، این روش تاکنون در بهداشت و درمان برای پایش بیماری ها مورد استفاده قرار نگرفته است. در این مقاله، پایش پروفایل، در دو فاز I و II ، بر روی تست عملکرد ریه یک بیمار انجام گرفت. از مدلهای پروفایل، رگرسیون چند جمله ای برای این مطالعه مناسب تشخیص داده شد و از بین روش های موجود در پایش پروفایل های چند جمله ای ، روش آماره F در فاز I، و روش چند جمله ای های متعامد در فاز II ، انتخاب شدند. اجرای یک مطالعه موردی واقعی نشان داد که این روش در بهبود بهداشت و درمان نیز مناسب و کارامد است.
رسول نورالسناء، ، کامران پی‌نبر، ، مونا مرادی منش، ،
جلد ۲۲، شماره ۴ - ( ۱۲-۱۳۹۰ )
چکیده
اطلاع داشتن از زمان واقعی تغییر در پارامترهای یک فرآیند تولید، به کاربران این امکان را می دهد تا علل ریشه ای تغییر را در زمان کوتاهتر و با دقت بیشتر شناسایی کنند. در فرآیندهای باکیفیت بالا، بدلیل حساسیت و اهمیت زیاد رسیدن به نقص صفر، برآورد این زمان دستاوردهای ارزشمندی را به همراه خواهد داشت. در این مقاله، مقایسهای میان عملکرد برآوردکننده درستنمایی بیشینه و برآوردکننده های ذاتی نمودارهای کنترل تجمعی هندسی (CUSUM) و میانگین موزون درستنمایی(EWMA) صورت گرفته است. همچنین، بااستفاده از رویکرد تابع احتمالی، یک مجموعه اطمینان برای نقطه تغییر پیشنهاد شده است. نتایج حاصل از شبیه سازی مونت کارلو برتری عملکرد برآوردکننده پله ای ساده را نسبت به برآوردکنندههای ذاتی نشان میدهد.
Reza Baradaran Kazemzadeh، Mahdi Karbasian، Mohammad Ali Babakhani،
جلد ۲۳، شماره ۱ - ( ۳-۱۳۹۱ )
چکیده
عملکرد یک نمودار X-bar معمولاً تحت این فرض که انحراف معیار فرآیند به خوبی تخمین زده شده و تغییر نمی کند، بررسی می شود. البته این فرض در عمل معمولاً درست نبوده و نمودارهای X-bar در برابر اشتباهات تخمین انحراف معیار فرآیند یا تغییرات انحراف معیار پایدار نیستند. در این مقاله به بررسی یک نمودار کنترل میانگین متحرک موزون نمایی با بازه های نمونه گیری متغیر برای کنترل تغییرات در میانگین فرآیند پرداخته می شود. حدود کنترل بهینه به نحوی تعیین شده که نمودار در برابر اشتباهات تخمین انحراف معیار یا تغییرات آن پایداری خوبی داشته باشد. برای مقایسه عملکرد آن با سایر نمودارهای مشابه از روش زنجیره مارکوف استفاده شده و با استفاده از شبیه سازی، نتایج به دست آمده بررسی شده است. علت استفاده از ویژگی بازه های نمونه گیری متغیر، واکنش سریع تر نمودار به تغییرات میانگین است.
رسول نورالسناء، حمیدرضا ایزدبخش،
جلد ۲۳، شماره ۴ - ( ۱۲-۱۳۹۱ )
چکیده
در بسیاری از فرآیندهای تولیدی و خدماتی، کیفیت محصول یا عملکرد فرآیند به کمک رابطه ای خطی یا غیرخطی، بین متغیر پاسخ و یک یا چند متغیر مستقل، بیان می گردد. به چنین روابطی در اصطلاح، پروفایل می گویند. متغیر پاسخ در رابطه پروفایل می تواند پیوسته یا گسسته باشد. تحقیقات نسبتاً گسترده ای تا بحال در رابطه با متغیرهای پاسخ پیوسته انجام شده ولی متغیرهای پاسخ گسسته کمتر مورد توجه قرار گرفته است. در حالی که کاربردهای بالقوه ای وجود دارد که متغیر پاسخ با مدلهای رگرسیون لجستک رسته ای یا دودویی مدلسازی می شوند. متغیرهای پاسخ رسته ای کاربردهای متوعی به ویژه در صنعت خدمات دارند. در این مقاله ابتدا به منظور پایش پروفایل ها در فاز I، نمودارهای کنترل پیشنهادی برای پایش پروفایل هایی که دارای پاسخ چندرسته ای اسمی هستند توسعه داده شده اند. مدل مبنای پروفایل، رگرسیون لجستیک چندرسته ای اسمی در نظر گرفته شده است. عملکرد نمودارهای کنترل با استفاده از شبیه سازی و احتمال هشدار برای سناریوهای مختلف خارج از کنترل مقایسه شده اند.
مجید نوجوان، ندا نیابتی،
جلد ۲۴، شماره ۲ - ( ۶-۱۳۹۲ )
چکیده
نمودار ناپارامتری رتبه علامت دار (Signed-rank) برای کشف تغییرات در میانه(میانگین) فرایند کاربرد دارد. در این مقاله این نمودار در حالتی بررسی می شود که فاصله زمانی بین دو نمونه گیری متغیر است. مقایسه ای که میان عملکرد این نمودار و عملکرد نمودار در حالت فاصله نمونه گیری ثابت انجام شد ،مشخص کرد که روش فاصله نمونه گیری متغیر کارایی این نمودار را افزایش می دهد. بیکر ]۱[ نشان داد که نمودار رتبه علامت دار برای توزیع های دامنه سنگین نسبت به همتای پارامتری اش ( نمودار x ̅) عملکرد بهتری دارد و در توزیع های دامنه سبک نمودارx ̅ کارایی بیشتری دارد. در این مقاله مقایساتی میان نمودار رتبه علامت دار در حالت فاصله نمونه گیری متغیر و نمودار x ̅ درحالت فاصله نمونه گیری ثابت برای دو توزیع دامنه سنگین کو.شی و نمایی دوبل،توزیع دامنه سبک یکنواخت و توزیع نرمال صورت گرفت.نتایج نشان داد که روش VSI نمودار رتبه علامت دار را برای توزیع های دامنه سبک حساس تر می سازد به طوری که قادر به رقابت با نمودار x ̅ باشد.
زسول نورالسناء، مهرداد نیکو،
جلد ۲۷، شماره ۴ - ( ۱۲-۱۳۹۵ )
چکیده
در بسیاری از فرآیندهای تولیدی کیفیت یک محصول به وسیله رابطه غیر خطی بین متغیر پاسخ (ویژگی کیفیتی ) و متغیر مستقل بیان می شود . استفاده از رگرسیون غیر خطی در پایش پروفایل های غیر خطی در مقالات متعددی پیشنهادشده است ، که با دو ایراد مواجه است ، اول اینکه توزیع ضرایب رگرسیون در نمونه های کوچک مشخص نیست و دوم با افزایش پیچیدگی فرآیند ، تعداد پارامترهای رگرسیون افزایش و توان آزمون ودرنتیجه کارایی نمودارهای کنترل کاهش می یابد. در این مقاله از تبدیل موجک ها برای پایش پروفایل های غیر خطی در فاز II استفاده شده است .در تبدیل موجک ها دو پارامتر هموارسازی ، آستانه و سطح تجزیه شکل تابع رگرسیون را مشخص می کند . ابتدا روشی برای تعیین سطح تجزیه پیشنهاد شده و در سطح تجزیه مشخص شده میانگین و واریانس پروفایل پایش شده است . برای پایش تغییر پذیری درون پروفایل براساس دو آماره تخمین واریانس در تبدیل موجک ها، دو نمودار کنترل ناپارامتریک و پارامتریک ، معرفی شده و کارایی آن ها با استفاده از توان آزمون با هم مقایسه شده است. نمودار کنترل F/ T۲ نسب به median/T۲ از عملکرد بهتری در کشف شیفتهای مختلف در میانگین برخوردار است .در صورتیکه در شیفت های بسیارکوچک در واریانس F/ T۲ کارایی بهتر و با افزایش مقدار شیفت median/T۲ عملکرد بهتری را نشان میدهد.
