مهندسی و مدیریت کیفیت

چکیده هدف: هدف این پژوهش، مقایسه­ و بررسی ویژگی­‌های آماری چهار برآوردگر رایج انحراف معیار فرآیند برای داده‌­های گروهی در کنترل کیفیت آماری است.
روش‌شناسی پژوهش: در راستای دستیابی به اهداف پژوهش، ابتدا اریبی و میانگین توان دوم خطای برآوردگرها ارایه می‌­شود. سپس برآوردگرها بر اساس MSE باهم مقایسه می‌­‌شوند.
یافته‎ها: ثابت می­‌شود که دو برآوردگر از چهار برآوردگر، در دو کلاس مختلف از برآوردگرهای نا اریب خطی دارای کمترین واریانس هستند. همچنین با محاسبات عددی نشان داده می‌­شود که برآوردگری که بر اساس میانگین حسابی انحراف معیار گروه‌­ها ساخته شده است، کارایی بیشتری از سایر برآوردگرها دارد.
اصالت/ارزش‌افزوده علمی: با توجه به نتایج به‌دست ‌آمده در این پژوهش، پیشنهاد می­‌شود برای برآورد انحراف معیار فرآیند در داده­‌های گروهی، از برآوردگری که بر اساس میانگین حسابی انحراف معیار گروه‌­ها ساخته شده است به‌جای برآوردگرهایی که بر اساس میانگین حسابی دامنه‌­ گروه‌­ها ساخته شده‌­اند، استفاده کرد.

چکیده در کنترل کیفیت آماری، معمولاً تمرکز و پراکندگی مشخصه­های کیفیت پیوسته در یک فرایند، توأماً و با کمک دو نمودار بررسی می­شوند. بدین ترتیب تغییر­ها در هر یک به­صورت همزمان قابل شناسایی خواهند بود. به علت کارایی بالای نمودار­های کنترل توأم میانگین و انحراف معیار با نمونه­گیری دوگانه در شناسایی سریع تغییر­های میانگین و انحراف استاندارد فرایند، بحث و بررسی در مورد این دسته از نمودار­ها لازم و ضروری به نظر می­رسد. در این مقاله، بر پایه­ی نتایج حاصل از طراحی نمودار­های کنترل توأم میانگین و انحراف معیار با نمونه­گیری دو­گانه، نمودار­های کنترل توأم میانگین و انحراف معیار با نمونه­گیری سه­گانه معرفی می­شوند. طراحی آماری توأم نمودار­های کنترل میانگین و انحراف معیار با نمونه­گیری سه­گانه به­عنوان مسئله­ی بهینه­سازی فرمول­بندی می­شوند و برای حل این مسئله، الگوریتم ژنتیک پیش­نهاد می­شود.

چکیده نمودارهای کنترل یکی از مهم‏ترین ابزارهای کنترل فرآیند آماری می‌باشند که جهت کنترل میزان تغییرات مورد استفاده واقع می‌شود. در نمودار کنترل زمانی که یک انحراف با دلیل مشاهده می‌شود، پی بردن به علل اصلی تغییر در فرآیند و شناسایی زمانی که این انحراف آغاز شده، امری مهم و تاثیرگذار است که به آن نقطه تغییر گویند. در برخی از مسایل کنترل فرآیند آماری، کیفیت یک محصول یا عملکرد یک فرآیند به وسیله رابطه بین یک متغیر پاسخ و یک یا چند متغیر مستقل توصیف می‌شود، که به آن پروفایل گویند. در بسیاری از کاربردها هم چون کالیبراسیون رابطه مذکور به وسیله یک پروفایل خطی توصیف می‌شود در حالی که در موقعیت‌های دیگر مدل‌های پیچیده‌تری هم چون پروفایل‌های رگرسیون پواسون مورد نیاز است. در این مقاله از روش برآورد درستنمایی ماکزیمم به منظور کشف نقطه تغییر در فاز 2 پایش پروفایل‌های رگرسیون پواسون استفاده و عملکرد آن با استفاده از شبیه سازی بررسی شده است.