توسعه مدل آنالیز سیستم اندازه‌گیری در شرایط عدم قطعیت با روش فازی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 کارشناس ارشد مهندسی صنایع، دانشگاه آزاد اسلامی، واحد قزوین، دانشکده مهندسی صنایع و مکانیک، قزوین، ایران

2 استادیار گروه مهندسی صنایع، دانشکده مهندسی صنایع و مکانیک، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران

چکیده

امروزه ارقام به‌دست آمده از اندازه‌گیری، تحت عناوین مختلف و بسیار بیش‌تر از گذشته مورد استفاده قرار می­‌گیرد. همچنین با استفاده از آمار و ارقامی که از فرایند تولید به‌دست می‌آید، می­توان در مورد کیفیت محصولات اظهار نظر کرد. بنابراین اخذ تصمیم صحیح در این‌­گونه موارد، به کیفیت انداز‌ه‌گیری بستگی دارد. همچنین با استفاده از فاکتورهای خطی بودن مشخص می­شود که آیا ابزار اندازه‌گیری در تمام محدوده قابل اندازه­‌گیری­‌ا‌ش یکسان کار می­‌کند یا خیر. هدف از این پژوهش توسعه مدل فازی برای بررسی رابطه­‌ی خطی بودن برای یک ابزار است که داده‌­ها به‌صورت فازی مثلثی و ذوزنقه­‌ای هستند در نهایت از داده‌های تامین‌کنندگان صنعت خودروسازی استفاده شد و روش پیشنهادی با استفاده از کدنویسی در نرم‌­افزار متلب حل شده است. سپس نتایج بدست آمده را با حالت کلاسیک مقایسه می­‌کنیم. نتایج نشان می­‌دهد که حالت فازی از حساسیت و انعطاف‌پذیری بیش‌تری نسبت به حالت کلاسیک برخوردار است.

کلیدواژه‌ها


عنوان مقاله [English]

Title: Measurement System Analysis: A Fuzzy model for Tool Capability

نویسندگان [English]

  • Neda Ghane 1
  • Soroush Avakh Darestani 2
1 MSc in Industrial Engineering, Islamic Azad University, Qazvin Branch, Faculty of Engineering and Mechanical Engineering, Qazvin, Iran.
2 Assistant Professor, Faculty of Industrial and Mechanical Engineering, Qazvin branch, Islamic Azad University, Qazvin, Iran.
چکیده [English]

Today, the figures obtained from measurements are used under different headings and much more than in the past. Also, using the statistics obtained from the production process, one can comment on the quality of the products. Therefore, making the right decision in such cases depends on the quality of the measurement. Linearity factors also determine whether a measuring instrument works the same in all of its measurable ranges. The purpose of this study is to develop a fuzzy model to investigate the linearity relationship for a tool whose data are fuzzy triangular and trapezoidal. Finally, the data of automotive industry suppliers were used and the proposed method using coding in software. MATLAB software is solved. Then we compare the results with the classical mode. The results show that the fuzzy mode has more sensitivity and flexibility than the classical mode. 

کلیدواژه‌ها [English]

  • Measurement System Analysis
  • Instrumental Relationship
  • triangular fuzzy numbers
  • Trapezoidal Fuzzy Numbers. 
[1] Yeh T.M., Pai F.Y., Huang C.W., (2015), Using Fuzzy Theory in %GR&R and NDC of Measurement System Analysis. Engineering, Volume 7, No 4, Pages 161-176. 
[2] Aahmadi GHomi R., Godarzi A., Dastor niko N., Taheri A. (1382). Measurement system analysis: concepts and methods of implementation (MSA),Training and Research Center Technology, Engineering design and supply Iran Khodro, Tehran.
[3] Mandel J. (1991). The Validation of Measurement through Interlaboratory Studies. Chemo metrics and Intelligent Laboratory Systems, Volume 11, Issue 2, Pages 109-119. 
[4] Montgomery D.C., and Runger G.C. (1993). Gauge Capability and Designed Experiments Part I: Basic Methods. Quality Engineering, Volume 6, No 1, Pages 115-135.
[5] Montgomery D.C., and Runger G.C. (1993b). Gauge Capability Analysis and Designed Experiments Part II: Experimental Design Models and Variance Component Estimation. Quality Engineering, Volume 6, No 2, Pages 289-305.
[6] Mandel J. (1997). Repeatability and Reproducibility for Pass/Fail Data. Journal of Testing & Evaluation, Volume 25, Issue 2, Pages 151-153.
[7]Tsai P. (1998). Variable Gauge Repeatability and Reproducibility Study Using the Analysis of Variance. Quality Engineer, Volume 1, NO 1, Pages 107-115. 
[8] Pan J.N. (2004). Determination of Optimal Parameters for Gage Repeatability and Reproducibility Study. International Journal of Quality and Reliability Management, Volume 21, Pages 672-682.
[9] Zadeh L.A. (1965). Fuzzy Sets. Information and Control, Volume 8, Issue 3, Pages 338-353.
[10] Raz T., Wang J.H., (1990). Probabilistic and membership approaches in the construction of control charts for linguistic data. Production Planning and Control, Issue 1, Pages 147-157.
[11] Hajipour V., Kazemi A., Mousavi S.M. (2013). A fuzzy expert system to increase accuracy and precision .in measurement system analysis, Measurement, Volume 46, Issue 8, Pages 2770–2780. 
[12] Tkachenko E.A., Rogova, E.M., Klimov V.V. (2016). Evolution of Performance Measurement Methods in Conditions of Uncertainty: The Implementation of Fuzzy Sets in Performance Measurement, International Journal of Economics and Management Engineering, Volume 10, No 4.
[13] Khazayeli M., Jafarzadeh S., Abdolahzadeh S. (2017). Solve linear programming problems with fuzzy data, Second National Conference on Mathematical Engineering advanced mathematical techniques, Urmia, Islamic Azad University Urmia.
[14]Shahrokhi M. (2018). Developing an Approach to Calculate Fuzzy Reliability Based on Fuzzy Failure Rate, Quarterly Journal of Industrial Management, Volume 10, Issue 2, Pages 183-200.
[15] Movahhedi, M. M., and Ghafarian Delavari, m. (2007). Investigation on Implementation problems of MSA in Assembly line of DESA Company, Quarterly journal of Management, Volume 6, Issue 1, Pages: 54-66
[16] Kaya I., and Kahraman C. (2011). Process capability analyses based on fuzzy measurements and fuzzy control charts, Expert System with Applications, Volume 38, Issue 4, Pages 3172-3184.