توسعه نمودارهای کنترل جمع تجمعی و میانگین متحرک موزون نمایی دوگانه مبتنی بر رگرسیون خطی تعمیم‌یافته به منظور پایش فرایندهای آبشاری

نوع مقاله : مقاله پژوهشی

نویسندگان

1 عضو هیات علمی دانشگاه آزاد شمال

2 دانشجوی کارشناسی ارشد، گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد تهران شمال، تهران، ایران

چکیده

امروزه فرایند تولید بیشترمحصولات به گونه­‌ای است که محصولات طی مراحلمختلفبههموابسته‌­ایبوجودمیآیند.بدلیل وجودخاصیتی در این‌گونه فرایندها موسوم به خاصیت آبشاری، پایش جداگانه­‌ی مراحل بدون در نظر گرفتن رابطه­‌ی بین مشخصه­‌های کیفی در مراحل مختلف و با استفاده از نمودارهای کنترل مرسوم، باعث افزایش خطا در نتایج می‌­شود. یکیازنمودارهایکنترل پرکاربردوتخصصی کهبرایپایشفرایندهایچندمرحله­ای استفاده می­‌شود،نمودارهایانتخابعاملانحرافمی­باشد. این‌گونهازنمودارهایکنترلبیشتربرایمشخصه­هایکیفینرمالتوسعه داده شده و مورداستفادهقرارگرفته اند. در این مقاله، دو نمودار کنترل براساس الگوهای خطی تعمیم‌یافته به منظور پایش یک فرایند دو مرحله‌­ای با مشخصه کیفی دو جمله‌­ای در مرحله دوم پیشنهاد شده است. در رویکرد پیشنهادی به منظور پایش متغیر دو جمله‌­ای، یک نمودار کنترل جمع تجمعی و یک نمودار کنترل میانگین متحرک موزون نمایی دوگانه با در نظر گرفتن رابطه بین مشخصه­‌های کیفی در دو مرحله طراحی شده است. نمودارهای کنترل پیشنهادی براساس مقادیر باقی‌مانده انحراف بنا نهاده شده اند که به منظور برقرار کردن رابطه بین مشخصه­‌های کیفی مرحله اول و دوم از یک تابع رابط جدید در چارچوب الگوی خطی تعمیم‌یافته استفاده شده است. عملکرد نمودارهای کنترل پیشنهادی با استفاده از شبیه سازی و براساس معیار متوسط طول دنباله ارزیابی شده است. نتایج نشان دهنده آن است که توانایی کشف نمودارهای کنترل جمع تجمعی و میانگین متحرک موزون نمایی دوگانه پیشنهادی به مراتب بهتر از نمودارهای کنترل موجود در ادبیات موضوع می­‌باشد.

کلیدواژه‌ها


عنوان مقاله [English]

Development of cumulative sum control controls and dual rhythm moving moving averages based on generalized linear regression to monitor cascading processes

نویسندگان [English]

  • Shervin asadzadeh 1
  • Ali Torabi 2
1 Faculty member of North Azad University
2 Master Student, Department of Industrial Engineering, Faculty of Engineering, Islamic Azad University, North Tehran Branch, Tehran, Iran
چکیده [English]

Nowadays, the process of producing most products is such that the products are created in different and interdependent stages. . One of the most widely used and specialized control charts used to monitor multi-stage processes is the selection diagrams of deviant agents. These control charts have been further developed and used for high quality characteristics. In this paper, two control diagrams based on generalized linear patterns are proposed to monitor a two-step process with a two-sentence qualitative characteristic in the second step. In the proposed approach for monitoring binomial variables, a cumulative sum control control diagram and a dual-balance moving average control diagram are designed considering the relationship between qualitative characteristics in two stages. The proposed control diagrams are based on the residual values ​​of the deviation. In order to establish the relationship between the qualitative characteristics of the first and second stages, a new interface function has been used in the framework of the generalized linear pattern. The performance of the proposed control diagrams is evaluated using simulation based on the average sequence length criterion. The results show that the ability to detect cumulative summand control charts and the proposed dual rhythmic moving average is far better than the control charts in the literature.

کلیدواژه‌ها [English]

  • generalized linear patterns
  • Interface function
  • Multi-step process
  • Remaining deviation
  • Cumulative sum control chart
  • Dual rhythmic moving average control chart
[1] Wade M.R., Woodall W.H., (1993). A Review and Analysis of Cause-Selecting Control Charts. Journal of Quality Technology. 25:3, 161-169.
[2] Zhang G.X., (1984). A New Type of Control Charts and Theory of Diagnosis with Control Charts. World Quality Congress Transactions. American Society for Quality Control, 175-185.
[3] Mandel B.J., (1969). The Regression Control Chart. Journal of Quality Technology. 1:1, 1-9.
[4] Hawkins D.M., (1991). Multivariate Quality Control Based on Regression Adjusted Variables. Technometrics. 33:1, 61-75.
[5] Hawkins D.M., (1993). Regression Adjustment for Variables in Multivariate Quality Control. Journal of quality Technology. 25: 3, 170-182.
[6] Lucas J.M., Saccucci M.S., (1990). Exponentially Weighted Moving Average Control Schemes: Properties and Enhancements. Technometrics. 32:1, 1–29.
[7] Zhang L., Chen G., (2005). An Extended EWMA Mean Chart. Quality Technology & Quantitative Management. 2:1, 39–52.
 [8] Hauck D.J., Runger G.C. Montgomery D.C., (1999). Multivariate Statistical Process Monitoring and Diagnosis with Grouped Regression-adjusted Variables. Communications in Statistics, Simulation and Computation, 28:2, 309-328.
[9] Niaki S.T.A., Davoodi M., (2009). Designing a Multivariate-multistage Quality Control System using Artificial Neural Networks. International Journal of Production Research, 47:1, 251-271.
[10] Asadzadeh Sh., Aghaie A., Shahriari H., (2009) Monitoring Dependent Process Steps using Robust Cause-Selecting Control Charts. Quality and Reliability Engineering International. 25:7, 851-874.
 [11] Asadzadeh Sh., Zerehsaz Y., Saghaie A., Aghaie A., (2011) Compound-Estimator based  Cause-Selecting Control Chart for Monitoring Multistage Processes. Communications in Statistics, Simulation and Computation. 40:3, 322-344.
[12] Jearkpaporn D., Montgomery D.C., Runger G.C., Borror C.M., (2003). Process Monitoring for Correlated Gamma-distributed Data using Generalized-Linear Model-Based Control Chart. Quality and Reliability Engineering International. 19:6, 477-491.
[13] Jearkpaporn D., Montgomery D.C., Runger G.C. Borror C.M., (2005). Model-based Process Monitoring using Robust Generalized Linear Models. International Journal of Production Research. 43:7, 1337-1354.
[14] Jearkpaporn D., Borror C.M., Runger G.C., Montgomery D.C. (2007). Process Monitoring for Mean Shifts for Multiple Stage Processes. International Journal of Production Research. 45:23, 5547-5570.
[15] Skinner K.R., Montgomery D.C., Runger G.C., (2003). Process Monitoring for Multiple Count Data using Generalized Linear Model-Based Control Charts. International Journal of Production Research. 41: 6, 1167-1180.
 [16] Asgari A., Amiri A., Niaki S. T. A., (2014). A New Link Function in GLM-based Control Charts to Improve Monitoring of Two-stage Processes with Poisson Response. The International Journal of Advanced Manufacturing Technology. 72:9, 1243-1256.
[17] اخوان نیاکی ، سیدتقی.، سلیمانی ، پریا.، اقبالی قهیازی ، معصومه.(1390). بررسی عملکرد روش های پایش پروفایل های خطی ساده در فرآیندهای دو مرحله ای ، نشریه مهندسی و مدیریت کیفیت،1(1)،60-1.
[18]  امیری، امیرحسین.، عسگری، علی.،دورودیان،محمدهادی. (1391)پایش فرآیندهای دو مرحله ای با متغیر خروجی گاما با به کارگیری الگوهای خطی تعمیم یافته و روش معکوس نورتا. نشریه مهندسی و مدیریت کیفیت، 2(1)، 70-1.
 [19] Amiri A., Yeh A.B., Asgari A. (2016). Monitoring Two-Stage Processes with Binomial Data Using Generalized Linear Model-Based Control Charts. Quality Technology and Quantitative Management. 13:3, 241-262.