مروارید درخشان اندیشه مهندسی و مدیریت کیفیت 3134-0849 1 1 2012 02 20 Performance Evaluation of Simple Linear Profile Monitoring Methods in Two-Stage Processes بررسی عملکرد روشهای پایش پروفایلهای خطی ساده در فرآیندهای دو مرحله ای 1 13 234957 FA سید تقی اخوان نیاکی گروه صنایع، دانشگاه صنعتی شریف،, تهران، ایران. پریا سلیمانی دانشگاه آزاد اسلامی واحد تهران جنوب, ایران,. 0000-0003-4510-069X معصومه اقبالی قهیازی دانشگاه آزاد اسلامی واحد تهران جنوب, ایران, Journal Article Nowadays, many products are the outputs of multi-stage processes. In such processes, the stages are often interdependent, meaning that the quality of the product in a particular stage depends not only on the quality in the current stage but also on the quality of the product in the previous stages. This phenomenon is referred to as the cascading property of multi-stage processes. The existence of this property and the lack of attention to it can lead to errors in interpreting the control charts used in the stages. Therefore, in the literature on multi-stage process monitoring, methods have been proposed to reduce or eliminate this problem. On the other hand, in some cases, the quality of a product is described by the relationship between a response variable and one or more independent variables, known as a profile, which can be the result and output of a multi-stage process. Since fewer studies have been conducted on monitoring profiles resulting from multi-stage processes, this paper investigates the effect of the cascading property on the monitoring of simple linear profiles in a two-stage process, based on the average run length criterion using simulation, and also examines the effect of inter-stage dependency on the estimation of the profile parameters of the second stage. امروزه بسیاری از محصولات، خروجی فرآیندهایی با بیش از یک مرحله می باشند. در چنین فرآیندهایی غالباً مراحل به یکدیگر وابسته هستند به این معنا که کیفیت محصول در یک مرحله خاص نه تنها به کیفیت آن در مرحله جاری بلکه به کیفیت محصول در مراحل پیشین نیز بستگی دارد که از آن به عنوان خاصیت آبشاری فرآیندهای چند مرحله ای یاد می شود. وجود این خاصیت در چنین فرآیندهایی و عدم توجه به آن، سبب بروز خطا در تفسیر نمودارهای کنترل مورد استفاده در مراحل می شود. از این رو در ادبیات موضوع پایش فرآیندهای چندمرحله ای، روش هایی به منظور کاهش و رفع این مشکل ارایه شده است. از سوی دیگر، در برخی از موارد کیفیت یک محصول به وسیله رابطه میان یک متغیر پاسخ و یک یا چند متغیر مستقل به عنوان پروفایل توصیف می-شود که می تواند نتیجه و خروجی فرآیندی با چندین مرحله باشد. از آن جا که مطالعات کمتری در زمینه پایش پروفایل های خروجی از فرآیندهای چند مرحله ای صورت گرفته است، در این مقاله به بررسی اثر آبشاری بر پایش پروفایل های خطی ساده در فرآیندی دو مرحله ای در قالب معیار متوسط طول دنباله با استفاده از شبیه سازی و نیز تاثیر وابستگی مراحل بر تخمین پارامترهای پروفایل مرحله دوم پرداخته شده است.

مروارید درخشان اندیشه مهندسی و مدیریت کیفیت 3134-0849 1 1 2012 02 20 Fuzzy Reliability Modeling in an Aluminum Powder Production System مدل‌سازی قابلیت اطمینان فازی در سیستم تولید پودر آلومینیوم 14 20 234958 FA فریبرز موسوی مدنی دانشگاه الزهرا (س)، تهران، ایران. زهره علیپور دانشگاه الزهرا (س), تهران، ایران. زهرا رفیعی مجد دانشگاه الزهرا (س), تهران، ایران. یاسمن چریانی زنجانی دانشگاه الزهرا (س), تهران، ایران. Journal Article Since the beginning of human existence, humans have sought ways to reduce risks and threats in their living and working environments and to make them safer. Accidents such as airplane crashes, factory explosions, and similar events, which have resulted in extensive human and financial losses, have further emphasized the importance of accuracy and focus on methods for reducing the occurrence of such incidents. Moreover, with the rapid advancement of technology and the increasing complexity of systems, the severity of damages and consequences arising from accidents has increased. Therefore, enhancing the reliability level of equipment and systems, from simple to complex and even highly complex networks, is of great importance. The concept of reliability was first introduced during World War II in the context of improving the dependability of military equipment. The metal powder production industry is exposed to the risk of dust explosions due to dust generation. Therefore, analyzing the production system, identifying critical equipment, and evaluating the reliability of the system are among the most important ways to reduce the probability of explosions. In this paper, the fuzzy reliability of an aluminum powder production system is investigated based on statistical data, and it is demonstrated that fuzzy reliability is significantly more accurate than classical reliability. بشر از آغاز پیدایش سعی در کشف راه های کاهش خطر و تهدیدهای پیرامون خود در محیط زندگی و کار و ایمن سازی هر چه بیشتر آن ها داشته است. حوادثی هم چون سقوط هواپیما و انفجارهای کارخانه ها و حوادثی از این قبیل، که منجر به خسارات جانی و مالی بسیار زیادی شده اند، اهمیت دقت و تمرکز بر راه های کاهش بروز چنین حوادثی را دو چندان نموده است از طرفی با پیشرفت سریع تکنولوژی و افزایش پیچیدگی سیستم ها، شدت و خسارات و پیامدهای ناشی از حوادث افزایش یافته است. بنابراین، افزایش سطح اطمینان دستگاه ها، سیستم ها از سطح ساده تا پیچیده و حتی شبکه های پیچیده بسیار حایز اهمیت می باشد. بحث قابلیت اطمینان نخستین بار در جنگ جهانی دوم در حوزه بالا رفتن اطمینان تجهیزات نظامی مطرح شد. صنعت تولید پودر فلزات به دلیل تولید غبار در معرض انفجار غبار می باشد. بنابراین بررسی سیستم تولید و شناسایی دستگاه های حساس و ارزیابی قابلیت اطمینان سیستم از مهم ترین راه های کاهش احتمال انفجار می باشد. در این مقاله به بررسی قابلیت اطمینان فازی سیستم تولید پودر آلومینیوم براساس داده های آماری پرداخته شده است و نشان داده شده که قابلیت اطمینان فازی بسیار دقیق تر از قابلیت اطمینان کلاسیک می باشد.

مروارید درخشان اندیشه مهندسی و مدیریت کیفیت 3134-0849 1 1 2012 02 20 Reliability Optimization of Series-Parallel Systems in the Redundant Component Allocation Problem بهینه سازی قابلیت اعتماد سیستم سری- موازی در مساله تخصیص اجزای مازاد 21 27 234960 FA مهسا خاک سفیدی دانشگاه صنعتی اصفهان, اصفهان، ایران. غلامعلی رییسی دانشگاه صنعتی اصفهان, اصفهان، ایران. سید حمید میرمحمدی دانشگاه صنعتی اصفهان, اصفهان، ایران. مهدی کرباسیان دانشکده مهندسی صنایع، دانشگاه صنعتی مالک اشتر، اصفهان، ایران 0000-0001-9132-5078 Journal Article One of the common approaches in system reliability optimization is the use of redundant components. It has been proven that the redundant component allocation problem is NP-hard and involves selecting redundant components to optimize system reliability based on pre-defined constraints. In this paper, the maximization of reliability in series-parallel systems is addressed by adding redundant components subject to weight and cost constraints. In the allocation of redundant components, the existence of multiple types for each component is considered, meaning that in addition to determining the number of components, it is also necessary to select the appropriate type from the available options. This problem is modeled as a three-level graph, and an Ant Colony Optimization (ACO) algorithm is employed to solve it. The search capability of the proposed algorithm is enhanced by a local search method in the neighborhood of feasible points, and a dynamic penalty function is used to guide solutions toward feasible regions. The application of this algorithm is demonstrated in optimizing the reliability of a mechanical gearbox system. Numerical results obtained from solving sample problems indicate the considerable efficiency of the proposed algorithm compared to previous approaches, achieving not only the maximization of reliability but also minimizing the required weight and cost. یکی از روش های رایج در بهینه سازی قابلیت اعتماد سیستم، استفاده از اجزای مازاد می باشد. اثبات شده است که مساله تخصیص اجزای مازاد یک مساله np-hard است و شامل انتخاب اجزای مازاد برای بهینه سازی قابلیت اعتماد سیستم، براساس محدودیت-های از پیش تعیین شده می باشد. در این مقاله به ماکزیمم سازی قابلیت اعتماد سیستم سری-موازی، از طریق افزودن اجزای مازاد، براساس محدودیت وزن و هزینه پرداخته می شود. در تخصیص اجزای مازاد، فرض وجود چند نوع مختلف برای اجزا درنظر گرفته شده است، بدان معنا که علاوه بر تعیین تعداد اجزا ، لازم است از بین انواع حالت های امکان پذیر برای تخصیص، نوع جز مناسبی نیز انتخاب گردد. این مساله به صورت یک گراف سه سطحی مدل شده است که برای حل آن از الگوریتم اجتماع مورچگان استفاده می-شود. قدرت جست وجوی الگوریتم پشنهادی با ارایه یک روش جست وجوی محلی در همسایگی نقاط موجه افزایش یافته است و از یک تابع جریمه پویا برای هدایت پاسخ ها به سمت منطقه موجه استفاده می شود. کاربرد این الگوریتم، در بهینه سازی قابلیت اعتماد سیستم مکانیکی یک جعبه دنده نشان داده شده است. نتایج عددی حاصل از حل مسایل نمونه، کارآیی قابل ملاحظه الگوریتم پیشنهادی را نسبت به رویکرد پیشین نشان می دهد و در آن، علاوه بر ماکزیمم سازی قابلیت اعتماد، مقادیر وزن و هزینه مورد نیاز نیز حداقل می گردد.

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.

مروارید درخشان اندیشه مهندسی و مدیریت کیفیت 3134-0849 1 1 2012 02 20 Detection of Change Points in Poisson Regression Profiles with a Linear Trend شناسایی نقاط تغییر در پروفایل‌های رگرسیون پواسون دارای روند خطی 39 44 234963 FA علیرضا شرفی دانشگاه صنعتی امیرکبیر, ایران. مجید امین نیری دانشگاه صنعتی امیرکبیر, ایران. امیرحسین امیری گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه شاهد، تهران، ایران 0000-0002-2385-8910 Journal Article Control charts are among the most important tools in statistical process control, used to monitor the extent of variation in a process. When a assignable cause deviation is observed in a control chart, identifying the root causes of the change and determining the time at which the deviation began—referred to as the change point—is crucial and impactful. In some statistical process control problems, the quality of a product or the performance of a process is described by the relationship between a response variable and one or more independent variables, known as a profile. In many applications, such as calibration, this relationship is described by a linear profile, while in other situations more complex models, such as Poisson regression profiles, are required. In this paper, the maximum likelihood estimation method is employed to detect change points in Phase II monitoring of Poisson regression profiles, and its performance is evaluated through simulation. 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.

https://www.pqprc.ir/article_234963_26538d23876fb805f71c681afb1cd193.pdf

مروارید درخشان اندیشه مهندسی و مدیریت کیفیت 3134-0849 1 1 2012 02 20 Comparison of Adaptive Control Charts for Non-Normal Data Using Simulation مقایسه نمودارهای کنترل انطباق‌پذیر با داده‌های غیرنرمال با استفاده از شبیه‌سازی 45 55 234965 FA رسول نورالسنا دانشگاه علم و صنعت، تهران، ایران. علی ادیبی دانشگاه تهران, تهران، ایران احمد زراعتکار مقدم دانشگاه علم و صنعت، تهران، ایران Journal Article Statistical process control is a powerful method for establishing stability and improving process performance by reducing variability. Control charts are among the most widely used tools in statistical process control and play a significant role in enhancing process quality. Recent studies have shown that adaptive control charts—such as those with variable sample sizes, variable sampling intervals, and variable parameters—detect mean shifts faster than standard Shewhart xˉ\bar{x}xˉ control charts. One common assumption in designing a control chart is that observations follow a normal distribution; however, this assumption may not hold in some processes. In this paper, the performance of adaptive control charts under non-normal data is investigated using a simulation approach in MATLAB. It is demonstrated that the variable-parameter control chart outperforms other adaptive xˉ\bar{x}xˉ control charts in detecting small mean shifts under non-normal data, and, most importantly, it reduces the risk of false alarms. کنترل فرآیند آماری روشی قدرتمند در ایجاد ثبات و بهبود کارآیی فرآیند از طریق کاهش تغییر پذیری است. نمودارهای کنترل از پرکاربردترین ابزارهای کنترل آماری فرآیند بوده و نقش مهمی را در ارتقا کیفیت فرآیندها ایفا می کند. پژوهش های اخیر این مطلب را بازگو می کند که نمودارهای کنترل انطباق پذیر x ? (اندازه نمونه متغیر، فاصله بین نمونه گیری متغیر و پارامتر متغیر) سریع تر از نمودار شوهارت استاندارد x ?در یافتن شیفت های میانگین عمل می کنند. یکی از مفروضات معمول برای طراحی یک نمودار کنترل، نرمال بودن توزیع مشاهدات است ولی ممکن است در بعضی فرآیندها این فرض صادق نباشد. در این مقاله کارایی نمودارهای کنترل انطباق پذیر تحت داده های غیرنرمال از رهیافت شبیه سازی با استفاده از نرم افزار matlab بررسی می شود و نشان داده خواهد شد که نمودار کنترل پارامتر متغیر بهتر از سایر نمودارهای کنترل انطباق پذیر x ? در یافتن تغییرات کوچک میانگین تحت داده های دارای توزیع غیرنرمال عمل می کند و از همه مهم تر خطر هشدار اشتباه کاهش می یابد.