مهندسی و مدیریت کیفیت

چکیده نمودارهای کنترل سنتی مبتنی بر این فرض اساسی هستند که دادههای فرآیند بطور متوالی مستقل از یکدیگر بوده و دارای توزیع نرمال میباشند. این در حالی است که در بسیاری از موارد در دنیای واقعی از جمله در فرآیندهای شیمیایی و پیوسته این فرض اساسی وجود ندارد و بین دادههای جمعآوری شده از فرآیند نوعی خودهمبستگی وجود دارد. استفاده از نمودارهای کنترل سنتی در فرآیندهای خود همبسته غیرقابل اطمینان بوده و باعث افزایش اخطارهای اشتباه میشود. یکی از روشهای توسعه داده شده به منظور کنترل فرآیندهای خودهمبسته، شناسایی ساختار سریهای زمانی فرآیند و استفاده از مقادیر باقیمانده‌ها به منظور کنترل فرآیند است. در این مقاله از یک مدل مبتنی بر سیستمهای تطبیقی عصبی-فازی به منظور شناسایی ساختار سریهای زمانی و پیشبینی استفاده شده طراحی میشود. در نهایت AR(2) است. همچنین نمودارهای کنترل باقیمانده مبتنی بر این سیستم برای دادههای خود برگشتی درجه 2 با استفاده از دادههای شبیهسازی شده، کارایی روش پیشنهادی در نمودار میانگین متحرک موزون نمائی و برای درجه‌های مختلفی از همبستگی مورد ارزیابی قرار گرفته و نشان داده میشود که روش پیشنهادی برای دادههای با همبستگی زیاد دارای کارایی بسیار مناسب است.