مهندسی و مدیریت کیفیت

چکیده رابطه سن با مقاومت فشاری بتن با استفاده از تحلیل پروفایل‌ها در یک پروژه احداث ساختمان 6طبقه توسط کارشناسان کنترل کیفیت بتن بررسی‌شده است. در این پژوهش، 10 نمونه بتن در شرایط آزمایشگاهی عمل‌آوری شدند و مقاومت فشاری نمونه‌ها توسط 3 کارشناس مورد بررسی قرار گرفت. در فاز صفر با روش مطالعه ابزار، متأثر نبودن داده‌ها از خطای اندازه‌گیری موردبررسی قرارگرفت. در فاز یک با استفاده از نمودار کنترل استور و بریل، پروفایل‌های خارج از کنترل حذف‌شدند و مدلی برای برآورد مقاومت فشاری بتن برحسب سن نمونه ارائه‌شده است. در فاز دو با استفاده از 10000 داده‌ شبیه‌سازی‌شده توسط نرم‌افزار متلب ، عملکرد مدل با استفاده از نمودار (EWMA) موردبررسی قرارگرفت، نتایج نشان می‌دهد که نمودار EWMA قادر به شناسایی سیگنال‌ خارج از کنترل را می باشد، لذا کارشناسان کنترل کیفیت بتن می‌توانند عوامل تخریب بتن را پیش‌بینی کنند و اقداماتی برای ترمیم بتن بدون صرف هزینه‌های زیاد انجام دهند.

چکیده چکیده: امروزه عملکرد یک فرآیند یا کیفیت یک محصول در شرایط عدم اطمینان و تحت توزیع­هایی از خانواده توزیع نمایی توسط یک مدل ارتباطی فازی با داده­های دودویی با عنوان پروفایل­های خطی تعمیم­یافته فازی ارزیابی می­شوند. پروفایل­های خطی تعمیم یافته یکی از انواع پروفایل­های غیر خطی است که در آن مشاهدات فرآیند از توزیع غیر نرمال برنولی یا دوجمله­ای پیروی می­کنند. در این تحقیق رویکردهایی به منظور پایش پروفایل­های خطی تعمیم­یافته فازی در فاز 2 پیشنهاد می­کنیم. هدف اصلی این نوشتار پایش فرآیند آماری فازی برای کشف زمان وقوع تغییر در فرآیندها تحت عنوان نقطه تغییر فازی می­باشد و بر اساس اصل حداکثر درستنمایی (MLE) برای مشاهدات فازی استوار است. عملکرد روش پیشنهادی به منظور پایش پروفایل­های خطی تعمیم­یافته فازی و بر اساس احتمال یک سیگنال خارج از کنترل با استفاده از نمودار کنترل فازی (FEWMA) و سپس برآورد نقطه تغییر فازی برای داده­های شبیه­سازی شده و یک مثال عددی برای کارایی روش پیشنهادی نشان داده می­شود.

چکیده    گاهی اوقات یک مشخصه کیفی به صورت یک رابطه تابعی مشخص می شود که در کنترل کیفیت آماری به این رابطه پروفایل گویند. در این مقاله تحلیل پروفایل های خطی در فاز i نمودارهای کنترل از منظری جدید مورد بررسی قرار می گیرد. همیشه در کنترل کیفیت آماری فرض می شود که فرآیند دارای میانگین ثابتی است، ممکن است با فرآیندی روبه رو باشیم که مقدار میانگین پارامترهای آن در طول زمان ثابت نیست و این تغییرپذیری یک خصوصیت ذاتی فرآیند است. جهت کنترل این گونه فرآیند ها اکثر روش های موجود نمودارهای کنترل موثر نیستند. برای کنترل آماری یک چنین فرآیندهایی در فاز i، قبل از انجام کنترل فرآیند آماری، لازم است فرآیند به بخش هایی تقسیم شود که در آن ها ثابت و پایدار است. جهت بخش بندی فرآیند، مقالات محدودی استفاده از تکنیک خوشه بندی مبتنی بر زمان را پیشنهاد داده اند، همچنین مطالعات موجود، داده های تک متغیره را بررسی نموده اند. در این مقاله ما روش بخش بندی فرآیند را برای پایش پروفایل ها توسعه می دهیم. الگوریتم های مختلف بخش بندی برای داده های تابعی مورد مقایسه قرار می گیرند و نتایج آن گزارش می شود. مطالعات نشان می دهد الگوریتم خوشه‏بندی داده های تابعی براساس روش وارد، عملکرد خوبی برای بخش بندی پروفایل ها دارد.