<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>مروارید درخشان اندیشه</PublisherName>
				<JournalTitle>مهندسی و مدیریت کیفیت</JournalTitle>
				<Issn>3134-0849</Issn>
				<Volume>2</Volume>
				<Issue>2</Issue>
				<PubDate PubStatus="epublish">
					<Year>2012</Year>
					<Month>08</Month>
					<Day>22</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Examination of the Effect of Measurement Error on the Response Variable of Linear Profiles Using the Classical Model</ArticleTitle>
<VernacularTitle>بررسی اثر خطای اندازه گیری بر متغیر پاسخ پروفایلهای خطی با استفاده از مدل کلاسیک</VernacularTitle>
			<FirstPage>65</FirstPage>
			<LastPage>70</LastPage>
			<ELocationID EIdType="pii">235164</ELocationID>
			
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>عباس</FirstName>
					<LastName>سقایی</LastName>
<Affiliation>دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران, ایران.</Affiliation>

</Author>
<Author>
					<FirstName>سپیده</FirstName>
					<LastName>صاحبی</LastName>
<Affiliation>دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران, ایران.</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
		<Abstract>The measurement process is usually accompanied by error. Measurement error creates a discrepancy between the true value and the observed value of a quality characteristic, affecting the performance of control charts and reducing their ability to detect process changes. In some processes, a quality characteristic is expressed as a function, which is referred to as a &lt;em data-start=&quot;437&quot; data-end=&quot;446&quot;&gt;profile&lt;/em&gt;. Over the past decade, profiles and methods for monitoring them have attracted considerable attention from statistical quality control researchers. Although the impact of measurement error on various control charts and their parameters has been investigated, there is limited information regarding its effect on profiles and their monitoring methods.
In this study, the effect of measurement error on the response variable of linear profiles in Phase II is examined. Simulation results indicate that measurement error also affects the performance of profile monitoring methods, reducing the power of techniques such as EWMA-R and EWMA-3 in detecting process changes. Furthermore, this study proposes a new approach for selecting an appropriate measuring device based on profile monitoring methods in the presence of measurement error.</Abstract>
			<OtherAbstract Language="FA">فرآیند اندازه گیری معمولا با خطا همراه است. خطای اندازه گیری موجب اختلاف میان مقدار حقیقی و مشاهده شده‌ی یک مشخصه کیفی می گردد و بر عملکرد نمودارهای کنترل اثر گذاشته و توانایی آن ها را در تشخیص تغییر در فرآیند با مشکل همراه می سازد. در برخی فرآیند ها، یک مشخصه کیفی به صورت تابع بیان می شود که به آن پروفایل گویند. در دهه اخیر پروفایل ها و روش های پایش آن ها مورد توجه محققان کنترل کیفیت آماری قرار گرفته است. تاثیر خطای اندازه گیری بر نمودارهای کنترل مختلف و پارامترهای آن ها مورد بررسی قرار گرفته است، با این وجود اطلاعات اندکی در خصوص تاثیر خطای اندازه گیری بر پروفایل ها و روش های پایش آن ها وجود دارد. در این مطالعه، اثر خطای اندازه گیری بر متغیر پاسخ پروفایل های خطی در فاز ii بررسی شده است. نتایج شبیه سازی نشان داد که خطای اندازه گیری بر عملکرد روش های پایش پروفایل ها نیز اثر داشته و موجب کاهش قدرت روش های پایش پروفایل مانند ewma-r و ewma-3 برای کشف تغییر در فرآیند شده است. همچنین در این مطالعه، رویکرد جدیدی برای انتخاب دستگاه اندازه گیری مناسب براساس روش های پایش پروفایل در حضور خطای اندازه گیری پیشنهاد شده است.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">خطای اندازه گیری</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">مدل کلاسیک خطای اندازه گیری</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">پروفایل خطی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">پایش پروفایل</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">متوسط طول دنبله</Param>
			</Object>
		</ObjectList>
</Article>

<Article>
<Journal>
				<PublisherName>مروارید درخشان اندیشه</PublisherName>
				<JournalTitle>مهندسی و مدیریت کیفیت</JournalTitle>
				<Issn>3134-0849</Issn>
				<Volume>2</Volume>
				<Issue>2</Issue>
				<PubDate PubStatus="epublish">
					<Year>2012</Year>
					<Month>08</Month>
					<Day>22</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Application of Design of Experiments and Grey Analysis to Optimize the Surface Roughness Quality of AISI 4340 Steel in Turning Using TiN Tools</ArticleTitle>
<VernacularTitle>به کارگیری طراحی آزمایشها و آنالیز گری جهت بهینه سازی کیفیت صافی سطح فولاد AISI4340 در تراشکاری با ابزار TiN</VernacularTitle>
			<FirstPage>71</FirstPage>
			<LastPage>77</LastPage>
			<ELocationID EIdType="pii">235167</ELocationID>
			
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>سامان</FirstName>
					<LastName>خلیل پورآذری</LastName>
<Affiliation>دانشگاه صنعتی ارومیه, ارومیه، ایران.</Affiliation>

</Author>
<Author>
					<FirstName>پیام</FirstName>
					<LastName>نصیب</LastName>
<Affiliation>دانشگاه صنعتی ارومیه, ارومیه، ایران.</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
		<Abstract>Nowadays, competition in various industries focuses on reducing production waste and improving the quality of manufactured products. In this article, the improvement of surface roughness quality of AISI 4340 workpieces in the turning process using TiN-coated carbide tools is investigated. For this purpose, the parameters affecting the surface quality, namely cutting speed, feed rate, and depth of cut, were selected as the input factors for the experiments. Then, the degrees of freedom of the system and the required number of levels were determined, and the corresponding orthogonal arrays were calculated. Accordingly, twenty-seven experiments were designed to measure the surface roughness values, and for each experiment, three measurements of the surface roughness parameter were recorded. Next, by calculating the grey ratios, grey coefficients, and grey grades using the relevant formulas, the final grey relational graphs were plotted for all three levels of the experiments. Based on the grey relational diagram, the percentage influence of each input parameter on achieving the desired surface roughness was determined, and the optimal numerical values for these parameters were identified. A comparison of the grey analysis results with the actual experimental data confirms the accuracy and capability of this method in predicting surface roughness in the turning process.</Abstract>
			<OtherAbstract Language="FA">امروزه رقابت در صنایع مختلف بر کاهش میزان ضایعات تولید و بالابردن کیفیت محصول تولیدی متمرکز می باشد. در این مقاله افزایش کیفیت صافی سطح قطعه کارaisi4340 در فرآیند تراشکاری با ابزار کاربایدی tin مورد بررسی قرار گرفته است. به این منظور پارامترهای موثر در بهبود کیفیت سطح قطعه کار شامل سرعت برشی، میزان پیشروی و عمق برش ابزار به عنوان پارامترهای ورودی آزمایشات انتخاب شد. سپس درجات آزادی سیستم و تعداد سطوح مورد نیاز آزمایشات تعیین و آرایه های متعامد معادل محاسبه گردید. به این ترتیب بیست و هفت آزمایش برای اندازه گیری مقادیر صافی سطح قطعه طراحی و به ازا هر آزمایش سه مقدار برای سنجش پارامتر صافی سطح قطعه کار اندازه گیری شد. در ادامه با محاسبه مقادیر نسبت، ضریب و درجه گری توسط روابط به کار رفته، نمودار گری نهایی برای هر سه سطح از آزمایش ترسیم گردید. بر اساس نمودار گری، میزان تاثیر هر یک از پارامترهای ورودی آزمایش برای حصول به صافی سطح مناسب به صورت درصدی محاسبه و بهینه ترین مقادیر عددی برای آنها تعیین شد. مقایسه نتایج آنالیز گری با آزمایشات عملی انجام گرفته نشان دهنده صحت و توانایی این روش در پیش بینی میزان صافی سطح قطعه کار در فرآیند تراشکاری می باشد.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">تراشکاری ,طراحی آزمایش ,بهینه سازی ,آنالیز گری ,صافی سطح</Param>
			</Object>
		</ObjectList>
</Article>

<Article>
<Journal>
				<PublisherName>مروارید درخشان اندیشه</PublisherName>
				<JournalTitle>مهندسی و مدیریت کیفیت</JournalTitle>
				<Issn>3134-0849</Issn>
				<Volume>2</Volume>
				<Issue>2</Issue>
				<PubDate PubStatus="epublish">
					<Year>2012</Year>
					<Month>08</Month>
					<Day>22</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Robust Design Optimization for Time-Based Quality Indices Using the Utility Function</ArticleTitle>
<VernacularTitle>بهینه سازی طراحی استوار برای شاخصهای کیفی زمان محور با استفاده از تابع مطلوبیت</VernacularTitle>
			<FirstPage>78</FirstPage>
			<LastPage>88</LastPage>
			<ELocationID EIdType="pii">235251</ELocationID>
			
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>محمدرضا</FirstName>
					<LastName>نباتچیان</LastName>
<Affiliation>گروه مهندسی صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران.</Affiliation>

</Author>
<Author>
					<FirstName>حمید</FirstName>
					<LastName>شهریاری</LastName>
<Affiliation>گروه مهندسی صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران.</Affiliation>

</Author>
<Author>
					<FirstName>رسول</FirstName>
					<LastName>شفایی</LastName>
<Affiliation>گروه مهندسی صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران.</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
		<Abstract>The subject of time-dependent quality indices—whose values vary over time—has attracted significant attention from quality researchers in recent years. Various methods have been developed for this purpose, among which one of the most recent approaches involves analyzing performance profiles over time. Moreover, as competition among manufactured products intensifies, product design has become a primary focus within the product life cycle for manufacturing organizations. One of the most widely used approaches in this context is robust design. The application of response surface methodology and its related optimization tools has also gained great importance in design studies.
In this article, a utility function–based method is presented for the robust design optimization of time-dependent quality indices. Based on the results obtained from a pharmaceutical case study, the proposed method performs significantly better than the two existing methods.</Abstract>
			<OtherAbstract Language="FA">موضوع زمان و بررسی شاخص های کیفی که مقادیر آن ها با تغییر زمان دستخوش تغییر می گردد (شاخص های کیفی زمان محور)، از مسایل مورد توجه محققان حوزه کیفیت در سال های اخیر بوده است. روش های مختلفی برای این منظور طراحی شده است که یکی از جدیدترین آن ها بررسی پروفایل عملکرد در طی زمان می باشد. همچنین، با افزایش سطح رقابت میان محصولات تولیدی، موضوع طراحی محصول به عنوان اصلی ترین بخش چرخه عمر محصول مورد توجه سازمان های تولیدی قرار گرفته است. یکی از پرکاربردترین این روش ها، روش طراحی استوار می باشد. استفاده از روش سطح پاسخ و ابزارهای بهینه سازی مرتبط با آن در مبحث طراحی نیز از اهمیت بالایی برخوردار گردیده است. در این مقاله، روشی مبتنی بر تابع مطلوبیت برای بهینه سازی طراحی استوار شاخص های کیفی زمان محور ارایه شده است. با توجه به نتایج حاصل از مورد مطالعه شده در حوزه داروسازی، روش پیشنهادی نسبت به دو روش موجود به مراتب بهتر عمل می نماید.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">طراحی استوار ,شاخص های کیفی زمان محور ,تابع مطلوبیت</Param>
			</Object>
		</ObjectList>
</Article>

<Article>
<Journal>
				<PublisherName>مروارید درخشان اندیشه</PublisherName>
				<JournalTitle>مهندسی و مدیریت کیفیت</JournalTitle>
				<Issn>3134-0849</Issn>
				<Volume>2</Volume>
				<Issue>2</Issue>
				<PubDate PubStatus="epublish">
					<Year>2012</Year>
					<Month>08</Month>
					<Day>22</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Identification of Defects in Power Distribution Panels Using Spatial Control Charts</ArticleTitle>
<VernacularTitle>شناسایی عیوب تابلوهای توزیع برق با نمودارهای کنترل فضایی</VernacularTitle>
			<FirstPage>89</FirstPage>
			<LastPage>96</LastPage>
			<ELocationID EIdType="pii">235252</ELocationID>
			
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>بهمن</FirstName>
					<LastName>جمشیدی عینی</LastName>
<Affiliation>گروه مهندسی برق، شرکت توزیع نیروی برق استان البرز، کرج، ایران.</Affiliation>

</Author>
<Author>
					<FirstName>عباس</FirstName>
					<LastName>سقایی</LastName>
<Affiliation>دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، تهران، ایران.</Affiliation>

</Author>
<Author>
					<FirstName>سید حسین</FirstName>
					<LastName>حسینی</LastName>
<Affiliation>گروه مهندسی برق، مدیر منطقه برق شهرقدس، شرکت توزیع نیروی البرز، کرج، ایران.</Affiliation>

</Author>
<Author>
					<FirstName>سحر</FirstName>
					<LastName>علیمردانی</LastName>
<Affiliation>دانشگاه آزاد اسلامی واحد قزوین, ایران.</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
		<Abstract>In image monitoring, the information contained in an image is evaluated using control charts. A spatial control chart is a type of control chart in which the horizontal axis represents the position within the image. These charts are used to detect abnormal points in an image. Thermovision is a branch of machine vision that deals with the analysis of infrared images. Although infrared cameras have long been used in preventive maintenance to identify faulty equipment, overloads, and loose connections, the images captured by these cameras are usually analyzed only through empirical methods, and the few quantitative studies conducted in this area have not utilized control charts. In identifying defects in power distribution panels, several challenges must be considered, including the variety of equipment used in electrical panels, the lack of sufficient data to train pattern recognition models, autocorrelation, and the complex behavior of heat transfer by radiation, convection, and conduction. The insufficient data for training pattern recognition models such as neural networks makes spatial control charts relatively more advantageous than these methods. In this study, a combination of spatial control charts and robust regression is employed to detect defects in power distribution panels, and the detection capabilities of various control charts for identifying these defects are compared.</Abstract>
			<OtherAbstract Language="FA">در پایش تصویر، اطلاعات عکس با نمودارهای کنترل مورد پایش قرار می گیرد. نمودار کنترل فضایی نوعی نمودار کنترل است که محور افقی آن موقعیت در تصویر را نشان می دهد. از این نمودارها برای پیدا کردن نقاط غیرطبیعی در عکس استفاده می شود. ترموویژن شاخه ای از بینایی ماشین است که به بررسی تصاویر مادون قرمز می پردازد. هرچند دوربینهای مادون قرمز سالهاست که در تعمیرات پیشگیرانه جهت شناسایی تجهیزات معیوب، اضافه بار و اتصالات سست استفاده می شوند، تصاویر تهیه شده با این دوربینها تنها با روشهای تجربی تحلیل می گردد و در تحقیقات کمی هم که در این زمینه صورت گرفته از نمودار کنترل استفاده نشده است. برای شناسایی نقصهای تابلوهای توزیع برق باید تنوع تجهیزات مورد استفاده در تابلوهای برق، نبود داده کافی برای آموزش مدلهای شناسایی الگو، خودهمبستگی و رفتار پیچیده انتقال حرارت از طریق تابش، همرفت و رسانایی گرمایی در نظر گرفته شود. نبود داده کافی برای آموزش مدلهای تشخیص الگو مانند شبکه عصبی باعث شده است تا استفاده از نمودارهای کنترل فضایی نسبت به این روشها مزیت نسبی پیدا کند. در این تحقیق از ترکیب نمودار کنترل فضایی و رگرسیون استوار جهت شناسایی عیوب تابلوی توزیع برق استفاده شده و قدرت تشخیص نمودارهای کنترل مختلف برای شناسایی این عیوب مورد مقایسه قرار گرفته است.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">نمودار کنترل فضایی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">پردازش تصویر</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">مادون قرمز</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">تعمیرات پیشگیرانه</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">رگرسیون استوار</Param>
			</Object>
		</ObjectList>
</Article>

<Article>
<Journal>
				<PublisherName>مروارید درخشان اندیشه</PublisherName>
				<JournalTitle>مهندسی و مدیریت کیفیت</JournalTitle>
				<Issn>3134-0849</Issn>
				<Volume>2</Volume>
				<Issue>2</Issue>
				<PubDate PubStatus="epublish">
					<Year>2012</Year>
					<Month>08</Month>
					<Day>22</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Optimal Design of a Sign Control Chart with Variable Sample Size</ArticleTitle>
<VernacularTitle>طراحی بهینه نمودار کنترل علامت با اندازه نمونه متغیر</VernacularTitle>
			<FirstPage>97</FirstPage>
			<LastPage>104</LastPage>
			<ELocationID EIdType="pii">235258</ELocationID>
			
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>رسول</FirstName>
					<LastName>نورالسنا</LastName>
<Affiliation>دانشگاه علم و صنعت ایران, تهران، ایران</Affiliation>

</Author>
<Author>
					<FirstName>زهرا</FirstName>
					<LastName>صدیقی</LastName>
<Affiliation>.دانشگاه علم و صنعت ایران, تهران، ایران</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
		<Abstract>Many researchers have shown that adaptive control charts perform more efficiently than fixed-parameter charts in detecting process shifts. The adaptive charts proposed in previous studies are generally based on the assumption that the observations follow a normal distribution. However, in many real-world processes, the distribution of observations is non-normal or, in most cases, unknown. The control chart proposed in this article is a sign control chart with variable sample size for monitoring the process median. It has two key advantages: first, it does not require the assumption of normality for the observations, and second, it is adaptive, which allows it to detect shifts in the process median more quickly than fixed-parameter charts. The performance of this chart is evaluated based on the Average Sample Number (ASN) until an alarm is triggered, which is obtained using the properties of a Markov chain.</Abstract>
			<OtherAbstract Language="FA">بسیاری از محققان نشان داده اند که نمودارهای کنترل تطابقی نسبت به نمودارهایی با پارامترهای ثابت در تشخیص تغییر در فرایند کاراتر عمل می کنند. نمودارهای تطابقی معرفی شده توسط محققان بر این فرض استوار هستند که توزیع مشاهدات مورد نظر نرمال می باشند ولی در بسیاری از فرایندهایی که در عمل وجود دارند، توزیع مشاهدات غیر نرمال است یا در اغلب اوقات توزیع مشاهدات نامعلوم می باشد. نمودار کنترل پیشنهاد شده در این مقاله نمودار کنترل علامت با اندازه نمونه گیری متغیر برای کنترل کردن میانه فرایند است که دو ویژگی بارز را دارا می باشد، ویژگی اول این است که فرض نرمال بودن مشاهدات دیگر مورد نیاز نیست و ویژگی دوم مربوط به تطابقی بودن این نمودار پیشنهاد شده است که موجب می شود نسبت به نمودارهایی با پارامترهای ثابت در شناسایی تغییر در میانه فرایند سریع تر عمل کنند.ارزیابی این نمودار بر اساس متوسط تعداد نمونه تا هشدار می باشد که بر اساس ویژگی های زنجیره ی مارکوف بدست می آید.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">نمودار کنترل علامت ,توزیع غیر نرمال ,اندازه نمونه گیری متغیر ,متوسط تعداد نمونه تا هشدار</Param>
			</Object>
		</ObjectList>
</Article>
</ArticleSet>
