عامل رقابت از ابتدا در زندگی انسان نقشی منحصر به فرد داشته و در عصر اطلاعات بسیار گسترده تر شده است. امروزه شرکت هایی موفق هستند که تولیدات و خدمات شان را، با کیفیتی حتی بیش از حد انتظار مشتریان ارایه دهند. بنابر این مسئله ی اصلی، چگونگی بالا بردن کیفیت و به کارگیری روشی است که سنجه ی قوی تری برای ارزیابی کیفیت باشد. نمودارهای کنترلی یکی از کارامدترین ابزار برای این منظور می باشند. مقدار مشخصه های کیفیتی پیوسته مانند وزن، طول و ... کمّی هستند و به راحتی اندازه گیری می شوند، اما مشخصه های کیفیتی گسسته (وصفی) مانند ظاهر، رنگ، خوردگی و ... با قضاوت انسان و به صورت واحدهای مبهم زبان شناختی بیان شده و به راحتی توسط اعداد نشان داده نمی شوند. کمّی کردن این اطلاعات مبهم، از طریق مفهوم های منطق فازی عملی می شود. نمودارهای کنترلی آماری، محصول ها را در دو طبقه ی «تحت کنترل» و «خارج از کنترل» قرار می دهند، در حالی که اگر کیفیت محصول به صورت ناگهانی از حالت رضایت بخش به حالت ضعیف تغییر نکند، این طبقه بندی مناسب نخواهد بود. نمودارهای کنترلی فازی با در نظر گرفتن سطح های میانی کیفیت، وضعیت کیفیتی محصول را به صورت واقعی تری بیان می کند. اگر مایل باشیم فرایندی را در حضور هر دو نوع عدم قطعیت تصادفی بودن و مبهم بودن، بررسی کنیم، تنها متغیرهای تصادفی فازی که حاصل همراهی هر دو نظریه ی مجموعه های فازی و نظریه ی احتمال هستند، شرایط را به طور کامل توصیف می کنند. هدف این پژوهش، معرفی یک نمودار کنترلی با استفاده از متغیرهای تصادفی فازی است که می تواند ابهام موجود در داده ها را مادامی که تغییرپذیری قابل ملاحظه ای بین مشاهده ها وجود دارد، بررسی کند. نمودار کنترلی آماری-فازی، تعمیمی از نمودارهای کنترلی شوهارتی در فضای فازی بوده و از روش های غیرفازی سازی از قبیل: میانگین فازی، نمای فازی و... استفاده نمی کند، چرا که استفاده از مقدارهای نمایان گر متفاوت، نتیجه های متفاوت در مورد فرایند ارایه می کند. در این نمودار، تمامی مقایسه ها در فضای فازی انجام شده و وضعیت خارج از کنترل، بر اساس یک ناحیه ی تحت کنترل فازی و یک معیار عدم شمول فازی تعیین می شود و نشان می دهد که هر زیرگروه فازی تا چه حد از ناحیه ی تحت کنترل فازی انحراف دارد. در این پژوهش، روش کلی شبیه سازی متغیرهای تصادفی فازی، برای متغیرهای تصادفی فازی lr با توزیع نرمال بسط داده شده و با استفاده از این داده ها، روش تنظیم و استفاده از این نمودار توضیح داده شده است. هم چنین نحوه ی عمل کرد نمودارهای کنترلی آماری-فازی با نمودارهای کنترلی آماری و فازی در حضور داده های مبهم، مورد بررسی و مقایسه قرار گرفته است.

‏‎کنترل آماری فرایند نیازمند روش های آماری است که تغییرات را در الگوی داده هایی در طول زمان تشخیص دهد. روش های رایج مانند نمودارهای شوهارتی ‏و غیر شوهارتی جمع تجمعی‏ و میانگین متحرک موزون نمایی نیازمند مقادیر تحت کنترل پارامترهای فرایند هستند‏، که به ندرت دقیقاً معلوم هستند. وقتی که پارامترهای براورد شده را به کار ببریم‏، رفتار طول اجرا به طور تصادفی تغییر می کند‏ و در واقع کنترل رفتار طول اجرا‏ را برای هر نمودار خاص غیر ممکن می کند. یک روش برای کشف و تشخیص تغییرهای گام بر اساس دانش فرایند ناقص‏، استفاده از تحلیل نقطه تغییر با پارامترهای نامعلوم است. تحلیل نقطه تغییر توانایی تشخیص تغییرات نامحسوس از قلم افتاده توسط نمودارهای کنترلی را داراست. بنابراین تحلیل نقطه تغییر با فراهم کردن سطوح اطمینان و فواصل اطمینان تغییرات را بهتر تشخیص می دهد. یک مزیت دیگر‏، در حالی که روش های نقطه تغییر برای تغییرهای گام باقی مانده‏، طراحی شده اند‏ هم چنین می توانند با نمودار شوهارتی نیز رقابت کنند.

برای هر نوع بیمه ای، حق بیمه ها بر اساس میزان ریسک پوشش داده شده تعیین می گردند. معمولا بیمه گران از عوامل ریسک که بر ریسک پوشش داده شده تاثیر گذارند استفاده می کنند و بیمه گزاران را بر اساس سطح ریسکشان طبقه بندی می کنند و نرخ های مختلفی را به بیمه گزاران در هر کلاس نسبت میدهند نتیجتا بیمه گزاران برای بیمه حق بیمه عادلانه ای می پردازند. فوت یک ریسک در بیمه های عمر و مستمری بحساب می اید. از عوامل سن و جنس برای طبقه بندی افراد میشود و اکچوئرها را قادر به ایجاد جداول مرگ ومیر متفاوتی با نرخ های مختلف برای هر جنس و گروه سنی می کند. علاوه بر این فاکتورها عوامل ریسک مهم دیگری نیز توسط مطالعات پزشکی کشف شده اند که این امر موجب می شود تا طبقه بندی کنونی ریسک بتواند با در نظر گرفتن طیف وسیعتری از عوامل ریسک توسعه یابد. ساخت مدل مرگ ومیر با عوامل ریسک بیشتر برای بیمه گر و هم بیمه گزار نیز مفید خواهد بود. بنابراین اهداف پایان نامه بدین صورت می باشد: 1. بررسی عوامل ریسک موثر بر مرگ و میر بزرگسالان. فاکتورهای مهم ریسک در ادبیات موضوع بررسی می شوند. 2. معرفی یک مدل مرگ ومیر با عوامل ریسک گوناگون با استفاده از داده های شرکت بیمه ایران و ارزیابی تفاوت های نرخ مرگ و میر در بین کلاس های ریسک. 3. تاثیر تفاوت های نرخ مرگ ومیر بر محاسبات اکچوئری بوسیله محاسبات متعددی از حق بیمه های بیمه عمر و مستمری مشاهده می شود.