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 متأثر از چندین تغییر باشد؛ تغییراتی که عدم کشف آنها ممکن است باعث تأخیر یا حتی جهت‌گیری اشتباه در روند انجام اقدامات اصلاحی باشد. از سوی دیگر، در کاربردهای کنترل فرایند آماری عملکرد یک فرایند یا محصول معمولاً به‌صورت یک مشخصه‌ی کیفی انفرادی یا برداری از مشخصه‌های کیفی که در طول زمان جمع‌آوری شده مورد ارزیابی قرار می‌گیرد. با این وجود، به‌ویژه طی سال‌های اخیر تحقیقات متعدد به بررسی شرایطی می‌پردازند که عملکرد یک فرایند از طریق تحلیل رابطه تابعی بین یک متغیر وابسته و یک یا چند متغیر مستقل به‌شکل مناسب‌تری قابل توصیف است. چنین تابعی تحت عنوان پروفایل شناخته می‌شود. مروری بر تحقیقات انجام شده در زمینه‌ی شناسایی نقطه‌ی تغییر در پایش پروفایل‌ها نشان می‌دهد تا این زمان موضوع تغییرات چندگانه در این زمینه مورد بررسی قرار نگرفته است. در این مقاله، روشی برای کشف تعداد و برآورد زمان وقوع تغییرات چندگانه در زمینه‌ی پایش پروفایل خطی ساده با استفاده از یک الگوریتم خوشه‌بندی ارائه می‌شود. نتایج مطالعه‌ی شبیه‌سازی درخصوص دو و سه تغییر پله‌یی در پارامترهای مدل نشان می‌دهد روش ارائه شده علاوه بر امکان پایش فرایند در سطح معناداری معین، با دقت مناسبی قادر به شناسایی نقاط تغییر چندگانه است.