طراحی پایدار پارامتر در سیستم های سیگنال-پاسخ (مشخصه های پویای تاگوچی) در چند سال اخیر توجه زیادی را به خود جلب کرده است. هدف در این گونه آزمایش ها، پایدار کردن عملکرد سیستم در یک دامنه از مقادیر ورودی (عامل سیگنال) است. مطالعات طراحی پایدار پارامتر در سیستم های سیگنال-پاسخ شامل سه مرحله است که عبارتند از: تعیین تابع ایده آل، طراحی و اجرای آزمایش و تحلیل داده های حاصل از آزمایش با هدف بهینه سازی عملکرد آن. گاهی عملکرد یک سیستم با بیش از یک متغیر پاسخ سنجیده می شود. در این حالت نیاز به استفاده از رویکردهای جدیدی که توانایی تحلیل چنین سیستم هایی را داشته باشند احساس می شود. در این تحقیق بررسی و بهینه سازی سیستم های سیگنال-پاسخ زمانی که بیش از یک متغیر پاسخ وجود داشته باشد مورد توجه قرار گرفته است. نکته اصلی در چنین سیستم هایی (سیستم های چند پاسخه) وجود وابستگی میان متغیرهای پاسخ می باشد. تکیه اصلی این تحقیق بر پایه ارائه شاخصی جدید به منظور ارزیابی و تحلیل جواب های مسئله می باشد. مبنای روش پیشنهادی استفاده از کارایی فرآیند است. استفاده از کارایی فرآیند سبب توانایی روش تحلیل داده ها به منظور در نظر گرفتن وابستگی میان داده ها می گردد. مزیت دیگر استفاده از شاخص کارایی فرآیند عدم نیاز به سایر روش های تجمیع کننده پاسخ ها می باشد. به نوعی که این شاخص برای هر تعداد پاسخ یک معیار واحد ارائه می دهد. در این تحقیق به منظور رفع نقایص شاخص های موجود کارایی فرآیند، شاخص جدیدی معرفی گردیده است. توانایی در نظر گرفتن پاسخ هایی با حدود مشخصات فنی یک طرفه مهم ترین مزیت شاخص پیشنهادی است. در ادامه به منظور بررسی اعتبار و صحت رویکرد پیشنهادی از شبیه سازی استفاده شده است. نتایج شبیه سازی توانایی روش پیشنهادی را در به دست آوردن جواب هایی با میانگین نزدیک به هدف و واریانس کم نشان می دهد. عدم نیاز به فرض خطی بودن رابطه میان پاسخ ها و عامل سیگنال، توانایی در نظر گرفتن وابستگی میان پاسخ ها و همچنین توانایی بررسی پاسخ هایی با حدود مشخصات فنی یک طرفه مهم ترین امتیازات روش پیشنهادی می باشد.

در بعضی از مسائل کنترل فرآیند آماری، کیفیت یک محصول یا عملکرد فرآیند بوسیله رابطه بین یک متغیر پاسخ و یک یا چند متغیر مستقل توصیف می‏شود که محققان این رابطه را پروفایل می‏نامند. در بعضی از کاربردها این رابطه بوسیله رگرسیون خطی ساده مدل می‏شود درحالی که در موقعیت های دیگر مدل های پیچیده تری مورد نیاز می باشد. به عنوان مثال در فرآیند ساخت یک بست آلیاژی که در ساخت هواپیما به کار می رود، کیفیت بست آلیاژی بوسیله رابطه بین مقاومت فشاری آن و خروجی مشاهده شده از آن به صورت رد شدن یا نشدن آن بست توصیف می شود که این رابطه از یک مدل خطی تعمیم یافته با یک متغیر پاسخ دوتایی و یک متغیر پیش بینی کننده پیوسته تبعیت می کند. در این پایان نامه، روش های مبتنی بر نقطه تغییر و خوشه بندی برای تخمین تغییر پله ای در پروفایل های لجستیک در فاز 1 توسعه داده شده است. در روش خوشه بندی، از دو معیار مختلف استفاده شده است. در فاز1، هیچ اطلاعاتی از فرآیند در دسترس نمی باشد و پارامترهای فرآیند نامعلوم هستند. هدف، بررسی پایداری فرآیند و برآورد پارامترهای نامعلوم بر اساس یک فرآیند تحت کنترل آماری است. عملکرد روش ها با استفاده از شبیه‏سازی، در کشف شیفت پله ای با یکدیگر مورد مقایسه قرار گرفته است. یک مطالعه موردی در زمینه هواپیماسازی نیز مورد بررسی قرار گرفته و عملکرد هر سه روش ذکر شده مورد مطالعه و مقایسه قرار گرفت. نتایج بدست آمده حاکی از دقت بالای این سه روش در کشف شیفت پله ای می‏باشد.

کنترل آماری فرآیند شاخه ای از علم مهندسی است و به ما این اجازه را می دهد که فرآیند مورد نظرمان را به نحو ایده آل مورد ارزیابی و کنترل قرار دهیم. از دیرباز نمودارهای کنترلی، به عنوان یکی از ابزارهای قدرتمند کنترل آماری فرآیند برای کنترل مشخصات یک محصول بکاربرده شده و به مرور زمان بر تعداد و تنوع آنها افزوده شده است. لذا با توجه به اهمیت این نمودارهای کنترلی، برای بهبود این نمودارها در چند دهه اخیر روش های مختلفی ارائه شده است که یکی از این روش ها استفاده از تکنیک های کنترل تطبیقی است. روش های کنترل تطبیقی این ویژگی را دارند که با متغیر کردن یک و یا بیشتر پارامترهای نمودار کنترلی در طول مدت فرآیند، عملکرد این نمودارها را در شناسایی سریعتر تغییرات فرایند بهبود بخشند. از طرف دیگر یکی از روشهای نسبتا نوین در حوزه کنترل کیفیت آماری، روش پایش پروفایل ها است. در این روش به جای اینکه یک یا چند مشخصه کیفی را کنترل کنیم، یک رابطه رگرسیونی بین متغیر پاسخ و متغیر های کنترلی در نظر گرفته و آن را در طول زمان مورد پایش قرار می دهیم و هر زمان که رابطه مورد نظر برقرار نباشد فرآیند را خارج از کنترل آماری اعلام می کنیم. در این پایان نامه به طور خاص روی نمودار کنترل میانگین متحرک موزون نمایی چند متغیره برای پایش پروفایل های خطی ساده و چندگانه متمرکز شده و با بکار گیری انواع روش های تطبیقی شامل اندازه نمونه متغیر، ضریب هموارسازی متغیر و فاصله نمونه گیری متغیر در نمودار کنترل mewma پیشنهادی زو و همکاران (2007)، سعی شده است تا عملکرد کشف شیفتهای پدید آمده در پارامترهای فرآیند بهبود داده شود. در نهایت، نتایج بدست آمده از این تحقیقات نشان می دهند که عملکرد هر کدام از روش های تطبیقی پیشنهادی مورد استفاده در نمودار mewma، تنها در یکی از نواحی شیفت های پدید آمده در پارامتر های فرآیند، بهبود ایجاد می کنند. بنابراین در این پایان نامه به منظور ایجاد نتایج بهتر در کل شیفت های کوچک تا بزرگ پدید آمده در پارامترهای فرآیند از روش های تلفیقی نیز، شامل vss- ضریب هموارسازی متغیر، vssi و vssi- ضریب هموارسازی متغیر، استفاده شده است. روش های تلفیقی این قابلیت را دارند که با بهره گیری از سایر رویکردها، عملکرد خوبی در کل شیفتهای پدید آمده در پارامترهای فرآیند داشته باشند.

کنترل فرآیند آماری عمدتاً درگیر با فعالیت های تفسیر نمودار کنترل، تشخیص فرآیندهای انحرافی و انجام عملیات اصلاحی است. این نمودارها تحت کنترل یا خارج از کنترل بودن فرآیند را نشان می دهند. با توجه به اینکه تجزیه و تحلیل نمودارهای کنترل برای بسیاری از کاربران دشوار بوده و نیازمند تجربه و دانش کافی از فرآیند تولیدی و آماری می باشد، لذا نیاز به سیستمی است تا قادر باشد به طور خودکار وضعیت های خارج از کنترل را شناسایی، منابع انحراف را آشکار و فعالیت های اصلاحی را توصیه نماید. در برخی از مسائل کنترل کیفیت آماری، کیفیت یک محصول یا عملکرد یک فرآیند بوسیله رابطه بین متغیر پاسخ و یک یا چند متغیر مستقل توصیف می شود. این رابطه پروفایل نامیده می شود. انواع مختلف پروفایل ها توسط محققان مختلف مورد بررسی قرار گرفته است. در بعضی از کاربردها همچون کالیبراسیون این رابطه با استفاده از یک مدل رگرسیون خطی ساده توصیف شده در حالی که در موقعیت های دیگر مدل های پیچده تری نیاز است. یک نوع از این پروفایل ها مبتنی بر الگوهای خطی تعمیم یافته است. در این پایان نامه از شبکه عصبی مصنوعی برای پایش پروفایل های خطی تعمیم یافته در فاز دوم استفاده شده است. هدف اصلی در فاز دوم پایش پروفایل ها کشف شیفت ها در کمترین زمان ممکن است. شبکه عصبی مصنوعی پیشنهادی یک شبکه عصبی مصنوعی پرسپترون چندلایه با الگوریتم آموزشی پس انتشار خطا است. شبکه پیشنهادی به پایش پروفایل های پواسون و دوتایی می پردازد. با استفاده از مثال های عددی و شبیه سازی عملکرد متوسط طول دنباله شبکه عصبی مصنوعی پیشنهادی با روش t_i^2 مورد مقایسه قرار گرفته است. نتایج نشان می دهد شبکه عصبی مصنوعی پیشنهادی عملکرد تقریباً مناسبی نسبت به روش t_i^2 دارد. از طرفی شبکه عصبی پیشنهادی در زمانی که فرآیند خارج از کنترل است قادر به تشخیص پارامتر(های) عامل هشدار می باشد.

امروزه بسیاری از فرآیندها به صورت چند مرحله ای می باشند. در اکثر فرآیندها کیفیت محصول حاصل عملکرد این مراحل مختلف است و معمولا این مراحل به یکدیگر وابسته می-باشند. لذا مستقل فرض کردن مراحل سبب بروز خطا در تحلیل خروجی می گردد. تاکنون تاثیر چنین شرایطی بر پایش فرآیندهای چند مرحله ای تک متغیره و چند متغیره بررسی شده است اما شرایطی که در یک فرآیند چند مرحله ای مشخصه مورد پایش از جنس پروفایل باشد کمتر مورد تحقیق قرار گرفته است. در این پژوهش ابتدا به معرفی مدلهایی مبنی بر وجود پروفایل در یک فرآیند دو مرحله ای و نیز معرفی چند رویکرد مختلف جهت پایش اینچنین مدلهایی پرداخته ایم، سپس در مورد تشخیص عامل انحراف در مدلها با توجه به مرحله ایجاد کننده انحراف رویکردهایی پیشنهاد شده است و در نهایت به تعمیم مدل، رویکردهای حل و تشخیص عامل انحراف در فرآیندهای چند مرحله ای در حضور پروفایل در حداقل یکی از مراحل پرداخته ایم. بررسی نتایج نشان می دهد که رویکردهای وابسته به پایش باقیمانده ها و همچنین روشهای با حافظه دارای عملکرد بهتری نسبت به سایر رویکردها و روشها می باشد. در نهایت به بررسی یک مورد عملی در این زمینه پرداخته شده است. در این پژوهش با توجه به جدید بودن موضوع سعی شده مدلهای ارائه شده به تفکیک و با جزئیات کامل بیان گردد. برای پایش مدلهای معرفی شده رویکردهای گوناگونی مطرح شده و به ازای هر رویکرد روشهای پایش مختص به خود ارائه شده است. تحلیلهای صورت پذیرفته توسط داده های شبیه سازی شده با توجه به مدلهای ارائه شده بیان گردیده است، همانند سایر پژوهش ها در زمینه کنترل فرآیند آماری در این رساله نیز معیار تصمیم گیری جهت مقایسه رویکردهای مختلف، شاخص متوسط طول دنباله می باشد.

چکیده در بسیاری از شرایط، کیفیت یک فرایند یا محصول به وسیله رابطه‏ای بین متغیر پاسخ و یک یا چندین متغیر مستقل توصیف می‏شود که محققان این رابطه را پروفایل می‏نامند پروفایل‏های خطی ساده یکی از انواع مختلف پروفایل‏ها بوده که توسط محققان مورد بررسی قرار گرفته و روش‏هایی برای پایش آن‏ها در هر دو فاز یک و دو ارائه شده است. در فاز 1 پایداری فرایند مورد بررسی قرار گرفته و پارامترهای فرایند تخمین زده می شوند در حالی که هدف از فاز 2 کشف سریع شیفت و روند در پارامترهای مدل براساس نمودار کنترل طراحی شده در فاز 1 می‏باشد و این موضوع معمولاً به وسیله متوسط طول دنباله اندازه‏گیری می‏شود. یکی از معروف ترین روش‏ها برای پایش پروفایل خطی ساده در فاز 2، نمودار کنترل ewma-3 پیشنهادی کیم و همکاران (2003) می‏باشد. در این پایان نامه ابتدا نمودار کنترل ewma-3 به گونه‏ای توسعه داده شده است که بتوان بیش از یک محصول را در هر سطح از متغیر پاسخ در نظر گرفت. همچنین متوسط طول دنباله نمودارهای کنترل ewma-3 و ewma-3 تعدیل شده در حالت تحت کنترل و خارج از کنترل با استفاده از زنجیره مارکوف محاسبه شده است. در ادامه مدلهای طراحی اقتصادی و طراحی اقتصادی- آماری نمودار ewma-3 تعدیل شده ارائه شده است در این مدلها از تابع هزینه لورنس و ونس (1986) به عنوان تابع هدف مدل طراحی اقتصادی و اقتصادی – آماری استفاده شده و پارامترهای هزینه‏ای تولید محصول نامنطبق در دو حالت تحت کنترل و خارج از کنترل بر اساس تابع هزینه تاگوچی محاسبه شده است. برای حل مدلهای پیشنهادی از الگوریتم فرا ابتکاری ژنتیک استفاده شده و متغیرهای تصمیم مدل شامل اندازه نمونه در هر سطح از متغیر مستقل، فاصله بین دو بار نمونه گیری، ضرایب هموارسازی سه نمودار کنترل میانگین متحرک موزون نمایی برای پایش عرض از مبداء، شیب و انحراف معیار و همچنین ضریب حدود کنترل این سه نمودار محاسبه شده‏اند. در انتها آنالیز حساسیت روی پارامترهای هر دو مدل اقتصادی و اقتصادی – آماری انجام شده و اثر آنها روی ویژگیهای آماری و اقتصادی بررسی و تحلیل شده است.

یکی از ابزارهای پایش در کنترل کیفیت آماری نمودارهای کنترل است که تحت کنترل و یا خارج از کنترل بودن فرآیند را نشان می دهد. در بسیاری از فرآیند ها برای تعیین حالت تحت کنترل یا خارج از کنترل فرآیند، باید به جای یک مشخصه چندین مشخصه به صورت همزمان تحت کنترل قرار بگیرند. در فرآیندهای چند متغیره همانند فرآیندهای تک متغیره، نیاز است که علاوه بر پایش بردار میانگین فرآیند، ماتریس واریانس-کواریانس نیز پایش شود. از طرفی هشداری که از نمودار کنترل دریافت می شود نشان دهنده زمان تغییر در فرآیند نیست و علت آن وجود تاخیر بین زمان واقعی تغییر تا دریافت هشدار از نمودار کنترل می-باشد. در نتیجه نیاز است که زمان واقعی تغییر که از آن به عنوان "نقطه تغییر" یاد می شود، بررسی شود. در فرآیندهای چند متغیره با افزایش تعداد متغیرها، عملکرد نمودارهای کنترل به طور قابل توجهی کاهش یافته و تاخیر زمانی میان زمان واقعی تغییر در فرآیند و زمان هشداردهی نمودار کنترل افزایش می یابد. به علت ناکارآمدی نمودارهای کنترل در این گونه فرآیندها استفاده از رویکردهای جایگزین مانند شبکه های عصبی پیشنهاد شده است. استفاده از شبکه های عصبی مصنوعی در کنترل فرآیند آماری از مزیت های فراوانی برخوردار است که از مهم تریت آن ها می توان به عدم نیاز به مفروضات اولیه در مورد مشخصه های کیفی و همچنین ساده نمودن تفسیر نمودارهای کنترل اشاره نمود. در این پایان نامه مدلی مبتنی بر شبکه های عصبی مصنوعی برای تخمین نقطه تغییر پله ای در ماتریس کواریانس فرآیندهای نرمال چند متغیره در فاز 2 نمودارهای کنترل پیشنهاد شده است.

اندازه گیری اسپکتوفوتومتری نیتریت در آب های خلیج چابهار به روش مشتق سازی با معرف 2و3- دی آمینونفتالن و میکرواستخراج مشتق به روش dllme-sfod

در نمودار های کنترل شوهارت سنتی وضعیت نمودار کنترل از لحاظ تحت کنترل بودن و یا خارج از کنترل بودن در صورت تغییر کوچک در موقعیت نقاط بر روی نمودار کنترل، از حالت تحت کنترل به حالت خارج از کنترل و یا بلعکس به سرعت صورت می گیرد. که این امر باعث می شود که احتمال خطای نوع اول و دوم و حساسیت نمودار کنترل بالا رود. در این نمودار های کنترل پارامترهای طراحی در طول پایش فرایند ثابت هستند. در سال های اخیر اثبات شده است وقتی پارامتر های طراحی در زمان پایش فرایند متغیر باشند، نمودار های کنترل شیفت های بوجود آمده در میانگین و واریانس را سریع تر تشخیص می دهند. که به این نوع نمودارهای کنترل، نمودارهای کنترل تطبیقی گویند. در این نمودار های کنترل پارامتر های طراحی بر اساس وضعیت آخرین نقطه، دو مقدار کم و زیاد را به خود اختصاص می دهند. در این پایان نامه پارامترهای طراحی در محیط فازی و به صورت متغیرهای زبانی تعریف می شوند و نمودار کنترل بر این اساس طراحی می گردد.