fa طراحی یک سیستم فازی بعنوان جایگزینی برای نمودار کنترل مشاهدات انفرادی پژوهشي Research <p align="right"><strong>  </strong><strong></strong>نمودارهای کنترل شوهارت، از مهمترین ابزار کنترل فرایند آماری است که از طریق ترسیم مقادیر آماره نمونه‏ای مربوط به ویژگی‏ کیفیتی مورد نظر در طول زمان بمنظور تشخیص انحرافات با دلیلی که کیفیت خروجی فرایند را تحت تاثیر قرار می‏دهد بکار گرفته می‏شوند. نمودارهای <i>X </i>و <i>MR </i>یکی از انواع نمودارهای کنترل تک متغیره برای پایش میانگین و پراکندگی مشخصه‏های کیفیتی متغیر محسوب می‏شوند که هرگاه نمونه تنها شامل یک محصول ‏باشد مورد استفاده واقع می‏شوند. عملکرد ضعیف نمودار X هنگام مواجهه با مشاهدات غیر نرمال و وجود خود همبستگی در نمودار <i>MR </i>، به عقیده بسیاری از محققین اثر بخشی این نمودارها را مورد تردید قرار داده است. از سوی دیگر با رواج بکارگیری متدولوژی بهبود کیفیت شش سیگما بویژه در صنایع تولیدی، ضرورت تشخیص کاهش در پراکندگی متغیر تحت بررسی بیش از پیش احساس می‏شود که متاسفانه نمودار <i>MR </i>از این قابلیت برخوردار نیست. این مقاله بر پایه استفاده از منظق فازی، یک روش ساده برای ارزیابی وضعیت میانگین و پراکندگی متغیر مورد بررسی ارایه می‏کند که ضمن مرتفع نمودن معایب فوق‏الذکر، می‏تواند الگوهای غیر عادی موجود در یک فرایند را نیز تشخیص دهد. رویکرد کنترل فرایند بر مبنای بکارگیری یک سیستم خبره فازی در مقایسه با روشهای سنتی، در ارزیابی وضعیت مقادیر انفرادی، برتری‏های قابل توجهی حاصل نموده است. عملکرد نمودار کنترل فازی برای شناسایی رفتارهای غیر عادی فرایند در قیاس با نمودار <i>X </i>و <i>MR </i>با استفاده از داده‏های حاصل از شبیه سازی مورد بررسی و مطالعه قرار گرفته و مزایای روش جدید تشریح گردیده است. <strong></strong></p> <p><font face="times new roman,times,serif"><font size="2"> Shewhart charts are the main tools for statistical process control. They are used for detecting assignable causes which affect quality of process output. From them, X and MR charts are two univariate control charts for monitoring mean and variation of measurable quality characteristics. The main drawbacks of these charts are: weakness of X chart against non-normal distribution of process data, autocorrelation of consecutive MR values, and inability of MR chart in detecting decrease in process variation. These drawbacks have declined their effectiveness. This paper presents a simple method for monitoring two parameters of normal distribution, based on fuzzy logic, resolving above drawbacks. The proposed method can detect non-random patterns of the process data. Here a fuzzy expert system is developed to assess individual measurements. This results in considerable improvement in decreasing out-of-control average run length versus the traditional control charts. Moreover, performance of fuzzy control chart for recognizing unnatural process behaviors has investigated using Mont-Carlo simulation and advantages of this novel method have been investigated. </font></font></p><p>  </p> کنترل فرایند آماری، نمودارهای کنترل برای مشاهدات انفرادی، پایگاه قواعد فازی، روندهای غیر تصادفی 89 102 http://ijiepm.iust.ac.ir/browse.php?a_code=A-10-1-9&slc_lang=fa&sid=1 M. H. Fazel Zarandi 18003194753284600700 18003194753284600700 Yes Y. Samimi Zarandi@aut.ac.ir 18003194753284600701 18003194753284600701 No