مروارید درخشان اندیشه مهندسی و مدیریت کیفیت 3134-0849 1 1 2012 02 20 Development of a Time-Based Segmentation Method for Phase I Profile Monitoring توسعه روش بخش‌بندی مبتنی بر زمان برای پایش پروفایل‌ها در فاز I 28 38 234962 FA عباس سقایی گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد علوم تحقیقات الهه غلامزاده نباتی گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد علوم تحقیقات Journal Article Sometimes, a quality characteristic is expressed as a specific functional relationship, which is referred to as a profile in statistical quality control. In this paper, linear profile analysis in Phase I control charts is investigated from a new perspective. In statistical quality control, it is usually assumed that the process has a constant mean. However, there may be processes where the mean of the parameters is not constant over time, and this variability is an inherent characteristic of the process. For controlling such processes, most existing control chart methods are ineffective. To statistically monitor such processes in Phase I, it is necessary to segment the process into sections where it is stable and consistent before performing statistical process control. For process segmentation, few studies have proposed the use of time-based clustering techniques, and the existing studies have mainly focused on univariate data. In this paper, we develop a process segmentation method for profile monitoring. Different segmentation algorithms for functional data are compared, and the results are reported. Studies show that the functional data clustering algorithm based on the Fuzzy c-means method performs well for profile segmentation. 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.