تخمین نقطه تغییر پله ای در پایش پروفایل های خطی ساده ی خودهمبسته با استفاده از روش های ماکزیمم درستنمایی و خوشه بندی

Authors

حمید رضا میربیک

کارشناسی ارشد مهندسی صنایع؛ دانشگاه تربیت مدرس، تهران رضا برادران کاظم زاده

دانشیار مهندسی صنایع؛ دانشگاه تربیت مدرس، تهران امیرحسین امیری

دانشیار مهندسی صنایع؛ دانشگاه شاهد، تهران

abstract

در بیشتر تحقیقات صورت گرفته در حوزه­ ی پایش پروفایل­ ها، فرض شده است که مشاهدات درون پروفایل­ ها از یکدیگر مستقل هستند، در صورتی که در بسیاری از کاربردهای واقعی به دلیل نزدیک شدن نمونه­ گیری­ها از لحاظ زمانی استقلال بین مشاهدات نقض می­شود. از طرف دیگر، معمولاً زمان واقعی تغییر در فرآیند (نقطه­ی تغییر) با زمانی که نمودارهای کنترل هشداری مبنی بر خارج از کنترل بودن فرآیند را اعلام می­ کنند، متفاوت است. پیدا کردن نقطه­ ی تغییر در فرآیند باعث صرفه­جویی زمان و هزینه در پیدا کردن علل ریشه ­ای خروج فرآیند از حالت تحت کنترل می ­شود. در این مقاله به طور خاص فرض می­ شود که کیفیت فرآیند با استفاده از یک پروفایل خطی ساده خودهمبسته از نوع ar(1)مدل می ­شود. سپس نقطه ­ی واقعی تغییر در فرآیند بعد از دریافت هشدار از نمودار کنترل  هتلینگ، طراحی شده در فاز 2، با استفاده از دو روش ماکزیمم درستنمایی و خوشه ­بندی محاسبه می­شود و عملکرد دو روش با استفاده از شبیه­ سـازی مقایسه می ­شود. در نهایت کـاربـرد روش­های پیشنهادی در قالب یک مطالعه ­ی موردی نشان داده می ­شود.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

توسعه ی الگوریتم خوشه بندی برای برآورد نقاط تغییر چندگانه در پایش پروفایل خطی ساده

شناسایی تغییر در پارامترهای فرایند از مسائل حائز اهمیت در کنترل فرایند آماری به شمار می رود؛ چرا که ارائه ی اطلاعات دقیق درخصوص زمان و الگوی تغییر در پارامترهای فرایند، اقدامات اصلاحی مؤثرتر را به دنبال خواهد داشت. به طور کلی، در مطالعات انجام شده در زمینه ی برآورد نقطه ی تغییر، عمدتاً موضوع تغییرات انفرادی پارامترها مورد بررسی قرار گرفته است. این در حالی است که یک هشدار در نمودار کنترل ممکن است...

full text

تخمین نقطه تغییر در پایش پروفایل های خطی ساده خودهمبستهar(1)

در این تحقیق، بطور خاص فرض می شود که کیفیت فرآیند با استفاده از یک پروفایل خطی ساده خودهمبسته از نوع ar(1) مدل می شود. سپس نقطه ی واقعی تغییر در فرآیند بعد از دریافت هشدار از نمودار کنترلt^2 هتلینگ، طراحی شده در فاز 2، با استفاده از سه روش ماکزیمم درستنمایی، خوشه بندی و بدون حذف خودهمبستگی با استفاده از دو نوع شیفت پله ای و تدریجی محاسبه می شود. در نهایت عملکرد سه روش پیشنهادی با استفاده از شبی...

15 صفحه اول

استفاده از برآوردکننده‌های استوار به‌منظور پایش پروفایل خطی ساده چندمتغیره

در برخی کاربردهای کنترل فرایند آماری، کیفیت یک محصول یا فرایند را می‌توان به‌صورت رابطه‌ی بین یک یا چند متغیر وابسته/مستقل بیان کرد که آن را «پروفایل» می‌نامند. در این نوشتار به بررسی پروفایل‌های خطی ساده‌ی چندمتغیره می‌پردازیم که در آن چندین مشخصه‌ی کیفی مرتبط به‌صورت مجموعه‌یی از توابع خطی برحسب یک متغیر مستقل مدل‌بندی می‌شود. در حالی که حضور داده‌های دورافتاده ممکن است در برآورد پارامترهای م...

full text

پایش پروفایل های خطی ساده با استفاده از نمودارهای کنترل تطبیقی t۲ در فاز ۲

پایش پروفایل ها یکی از موضوع های نوین تحقیقاتی در حوزه ی کنترل فرایند آماری است. دربیشتر مقالات موجود در زمینه ی ادبیات پایش پروفایل ها از نمودارهایی استفاده می شود که در آنها نرخ نمونه گیری از فرایند ثابت است. این نمودارها علی رغم مزیت های زیاد، نسبت به تغییرات کوچک و متوسط در فرایند حساس نیستند. برای چیرگی بر این کاستی، استفاده از نمودارهای تطبیقی منطقی به نظر می رسد. این نمودارها قادرند با م...

full text

توسعه‌ی الگوریتم خوشه‌بندی برای برآورد نقاط تغییر چندگانه در پایش پروفایل خطی ساده

شناسایی تغییر در پارامترهای فرایند از مسائل حائز اهمیت در کنترل فرایند آماری به شمار می‌رود؛ چرا که ارائه‌ی اطلاعات دقیق درخصوص زمان و الگوی تغییر در پارامترهای فرایند، اقدامات اصلاحی مؤثرتر را به‌دنبال خواهد داشت. به‌طور کلی، در مطالعات انجام‌شده در زمینه‌ی برآورد نقطه‌ی تغییر، عمدتاً موضوع تغییرات انفرادی پارامترها مورد بررسی قرار گرفته است. این در حالی است که یک هشدار در نمودار کنترل ممکن است...

full text

My Resources

Save resource for easier access later


Journal title:
پژوهش های مهندسی صنایع در سیستم های تولید

جلد ۴، شماره ۷، صفحات ۳۷-۴۷

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023