مروارید درخشان اندیشه مهندسی و مدیریت کیفیت 3134-0849 2 1 2012 05 21 Detection of Out-of-Control Parameters in Polynomial Profiles Using an Artificial Neural Network تشخیص پارامتر خارج از کنترل در پروفایلهای چندجمله ای با استفاده از شبکه عصبی مصنوعی 21 26 235057 FA رضا برادران کاظم زاده مدیریت سیستم و بهره وری مهندسی صنایع دانشگاه تربیت مدرس تهران 0009-0000-5723-0809 مونا ایوبی گروه مهندسی صنایع دانشگاه آزاد اسلامی، واحد تهران غرب Journal Article Profile monitoring is one of the emerging research areas in the field of statistical process control. A profile describes the relationship between a response variable and one or more independent variables. This relationship, which is typically modeled using a regression equation, may be simple linear, multiple linear, polynomial, or in some cases nonlinear. In order to monitor the quality of a process or product whose quality characteristic is expressed as a profile, multivariate control charts must be used due to the correlation among the regression model parameters. Various types of multivariate control charts can be applied to detect small and large shifts in the process.<br data-start="761" data-end="764">A major limitation of multivariate control charts is their inability to identify the specific parameter that goes out of control once a change is detected. In this study, after a multivariate MCUSUM control chart in the MCUSUM–Chi-square method signals a shift in a polynomial profile, a multilayer perceptron neural network is employed to identify the out-of-control parameter. The designed network is trained and then tested, and the results demonstrate its strong performance in identifying the parameter that has shifted out of control. بحث پایش پروفایل‏ها یکی از زمین‌های نوین تحقیقاتی در حوزه کنترل فرآیند آماری است. پروفایل رابطه بین یک متغیر پاسخ و یک یا چند متغیر مستقل را توصیف می‏کند. این رابطه که معمولاٌ با استفاده از یک رابطه رگرسیونی مدل می‏شود می‏تواند خطی ساده، خطی چندگانه، چند جمله‏ای و در مواردی غیرخطی باشد. به منظور پایش کیفیت یک فرآیند یا محصول با مشخصه کیفی به صورت پروفایل، به دلیل وجود همبستگی بین پارامترهای مدل رگرسیون می بایست از نمودارهای کنترل چندمتغیره استفاده شود. انواع نمودارهای کنترل چندمتغیره می توانند برای شناسایی تغییرهای کوچک و بزرگ در فرآیند مورد استفاده واقع شوند. مشکل عمده نمودارهای کنترل چندمتغیره، عدم تشخیص پارامتر خارج از کنترل زمانی که نمودار وجود تغییر در فرآیند را نشان می دهد، می باشد. در این مقاله، جهت تشخیص پارامتر خارج از کنترل پس از این که نمودار کنترل چندمتغیره mcusum در روش mcusum-کای دو وجود تغییر را در یک پروفایل چندجمله ای اعلام کرد، از شبکه عصبی چند لایه پرسپترون استفاده می شود. شبکه طراحی شده، پس از آموزش مورد آزمون قرار گرفته و نتایج نشان دهنده عملکرد بسیار خوب شبکه در تشخیص پارامتر خارج از کنترل است.