مهندسی و مدیریت کیفیت

چکیده معمولا برای ارزیابی عملکرد نمودارهای کنترل در حوزه بهداشت و درمان، پارامترهای نمودار کنترل معلوم فرض می­‌شوند؛ هرچند که در عمل معمولا این پارامترها نامعلوم بوده و برای پایش فرایند، پارامترهای فرایند باید در فاز 1 تخمین زده شوند. زمانی که از تخمین پارامتر به جای مقادیر معلوم آن‌ها استفاده می­‌شود، عملکرد نمودار کنترل تحت تأثیر قرار می­‌گیرد. در این مقاله ابتدا یک نمودار کنترل ریسک تعدیل شده میانگین متحرک موزون نمایی برنولی پیشنهاد می‌‏شود. سپس اثر تخمین پارامتر بر عملکرد تحت کنترل و خارج از کنترل نمودار کنترل پیشنهادی بررسی می­‌شود. در ادامه برای کاهش این اثر، روش‌های افزایش اندازه نمونه و اصلاح حدود کنترل مورد استفاده قرار می­‌گیرد. نتایج شبیه‌­سازی بر حسب معیارهای متوسط طول دنباله، انحراف معیار طول دنباله و ضریب تغییرات طول دنباله گزارش می­‌شود. نتایج حاصل از شبیه­‌سازی، کاهش اثر تخمین پارامتر توسط روش‌های افزایش اندازه نمونه و اصلاح حدود کنترل را تأیید می­‌کند.

چکیده در برخی مسائل، کیفیت یک فرایند یا محصول با استفاده از یک پروفایل که رابطه بین یک یا چند متغیر پاسخ و یک یا چند متغیر مستقل است توصیف و کنترل می‌شود. در موارد مشخصی که متغیرهای پاسخ همبسته‌اند، می‌توان کیفیت فرآیند یا محصول را به وسیله چندین پروفایل هم‌زمان توصیف نمود. در برخی موارد به دلیل فاصله کم بین دوبار نمونه‌گیری، متغیرهای پاسخ در یک پروفایل خودهمبسته می‌شوند. خود همبستگی روی براورد پارامترهای رگرسیون تاثیر گذاشته و عملکرد نمودارهای کنترلی در کشف تغییرها ضعیف‌تر می‌شود. در این مقاله یک پروفایل چندمتغیره خطی ساده خودهمبسته در نظر گرفته می‌شود و فرض می‌شود که خودهمبستگی بتواند با مدل‌های AR(1) و MA(1) توصیف ‌شود. سپس دو نمودار کنترل برای پایش پروفایل‌های چندمتغیره خطی ساده در فاز 1 پیشنهاد می‌شود. عملکرد نمودارهای کنترل پیشنهادی در فاز 1 با استفاده از شبیه‌سازی و معیار توان آزمون مقایسه می‌شوند.

چکیده شناسایی تغییرات معنادار در شاخص های کلیدی فرآیندهای مالی یکی از نکات مورد توجه در سال های اخیر و پس از بحران های مالی می باشد. نمودارهای کنترل یکی از ابزارهای قدرتمندمورد استفاده در این زمینه می باشد. نکته قابل توجه در استفاده عملی از نمودارهای کنترل، تخمین پارامترهای فرآیند بر اساس داده های در دسترس می باشد. علیرغم تحقیقات گسترده در زمینه بررسی تاثیر تخمین پارامترها بر روی عملکرد نمودارهای کنترل، تحقیقات کمی بر روی فرآیندهایی با مشاهدات وابسته زمانی صورت گرفته است. با توجه به اهمیت و کاربرد گسترده مدل سری زمانی Auto Regressive Conditional Heteroskedasticity (ARCH) در پایش فرآیندهای مالی، در این مقاله، به بررسی تاثیر اندازه نمونه اولیه برای تخمین پارامترهای مدل بر روی عملکرد نمودارهای کنترل فاز 2 پرداخته می شود. عملکرد هر یک از نمودارهای کنترل با استفاده از مطالعات شبیه سازی و بر اساس معیارهای AARL و SDARL بررسی و نتایج حاصل تشریح می گردد.

چکیده امروزه دفاع از مناطق و منابع حسّاس، موضوعی بنیادی است که وسعت وگستره آن، تمامی زیر ساخت­های کلیدی را دربر می‌گیرد و برای رسیدن به هدف کاهش خسارات و صدمات ناشی از حمله مهاجم، به­کارگیری استراتژی‌های آگاهانه و مفید، لازم و ضروری است. در این تحقیق، مدل­سازی برای بهینه­یابی سرمایه‌گذاری حفاظت از سیستم­هایی درنظر گرفته شده است که ساختار قابلیت اطمینان آنها به صورت سری- موازی بوده و دارای همبستگی عملکردی با یکدیگر هستند. به­طور کلّی در این تحقیق، ابتدا با درنظرگرفتن استقلال عملکردی زیرسیستم‌ها، احتمالات موجود در حمله موفق، ساختار قابلیت اطمینان سیستم و رویکرد تئوری بازی‌ها در پیدانمودن نقطه تعادل، یک مدل برنامه‌ریزی غیرخطی برای تعیین میزان سرمایه‌گذاری دفاع از سیستم‌ها، ارائه شده است. سپس با تعیین روابط قابلیت اطمینان با وجود همبستگی عملکردی بین زیرسیستم‌ها، یک مدل برنامه‌ریزی خطی برای تعیین ضریب همبستگی زیرسیستم­ها و تخصیص مجدد سرمایه‌گذاری برای دفاع از سیستم­ها، معرفی می­شود. در نهایت، مدل ارائه‌شده تحقیق برای یک مثال عددی استفاده‌شده و نتایج آن مورد تجزیه و تحلیل قرار گرفته است.

چکیده در اکثر مواقع، هشداری که از یک نمودار کنترل دریافت می‌شود نشان‌دهنده زمان واقعی تغییر در فرآیند نیست که علت آن وجود تأخیر بین زمان واقعی تغییر و زمان دریافت هشدار از نمودار کنترل است. در نتیجه نیاز است که زمان واقعی تغییر که از آن به عنوان "نقطه تغییر" یاد می‌شود، بررسی شود. با بررسی ادبیات موضوع شناسایی زمان واقعی تغییر در فرآیند می‌توان نتیجه گرفت که اکثر تحقیقات انجام شده در این حوزه بر فرآیندهای تک متغیره متمرکز بوده و تحقیقات اندکی به فرآیندهای چند متغیره اختصاص یافته است. علاوه بر این، بیش‌تر تحقیقات انجام شده در حوزه تخمین زمان تغییر در فرآیندهای چند متغیره معطوف به تغییرات در بردار میانگین فرآیند بوده و تنها یک تحقیق در خصوص ماتریس کواریانس انجام شده است. در این مقاله مدلی مبتنی بر شبکه عصبی مصنوعی برای تخمین نقطه تغییر در ماتریس کواریانس فرآیندهای نرمال چند متغیره پیشنهاد شده است. روش ارائه شده در فاز 2 نمودارهای کنترل می‌باشد و نوع تغییر رخ داده در واریانس مشخصه‌های کیفی از نوع تغییرات پله‌ای فرض شده است. عملکرد روش پیشنهادی در تخمین نقطه تغییر براساس دو معیار توزیع تجربی برآوردها و هم‌چنین میانگین و انحراف استاندارد تخمین‌زننده نقطه تغییر به ازای شیفت‌های پله‌ای مختلف در واریانس متغیرهای فرآیند در قالب مطالعه شبیه‌سازی ارزیابی شده است. در نهایت به منظور توضیح بیشتر روش ارائه شده یک مثال عددی ارائه شده است. نتایج حاصل نشان‌دهنده عملکرد مناسب روش پیشنهادی در تخمین نقطه تغییر در ماتریس کواریانس فرآیندهای نرمال چند متغیره می‌باشد.

چکیده نمودار کنترل یکی از پرکاربردترین ابزارهای کنترل آماری فرآیندها است که نقش مهمی را در ارتقاء کیفیت آن ها ایفا می کند. یکی از ضعف های نمودارهای کنترل سرعت پایین آن در تشخیص تغییرات ایجاد شده در پارامتر فرآیند است. بدین منظور نمودارهای کنترل تطبیقی برای بهبود عملکرد نمودارهای کنترل برای کشف تغییرات کوچک توسعه یافته اند. در این مقاله از روش تطبیقی فاصله نمونه گیری متغیر، برای بهبود عملکرد نمودار کنترل ماکسیممِ میانگین متحرک موزون نمایی انحراف مجذور میانگین متحرک موزون - نمایی برای کشف تغییرات در میانگین و واریانس و تغییرات همزمان میانگین و واریانس استفاده شده است. عملکرد روش پیشنهادی با استفاده از شبیه سازی و معیارهای میانگین زمان تا هشدار و متوسط زمان تعدیل شده تا وقوع هشدار، با نمودار کنترل نمونه گیری با فواصل ثابت، مقایسه شده است. نتایج نشان می دهد که روش پیشنهادی به ازای تغییرات بزرگ، دارای عملکرد بهتری نسبت به نتایج نمودار کنترل موجود در ادبیات تحقیق است.

چکیده امروزه بیشتر محصولات تولیدی، در طی مراحل مختلف به هم وابسته از فرآیند به وجود می آیند. به دلیل وجود خاصیت آبشاری در اغلب این گونه از فرآیندها، پایش آن ها با استفاده از نمودارهای کنترلی مرسوم، باعث به وجود آمدن خطاهای غیر قابل اجتناب و تصمیم گیری های اشتباه می شود، یکی از نمودارهای کاربردی برای پایش فرآیندهای چند مرحله ای، نمودار انتخاب عامل انحراف می باشد. اینگونه نمودارها بیشتر برای مشخصه های کیفی نرمال مورد استفاده قرار گرفته اند. در این مقاله یک فرآیند دو مرحله ای در شرایطی که مشخصه کیفی در مرحله دوم دارای توزیع گاما است، مورد بررسی قرار گرفته است و برای پایش این فرآیند از نمودار انتخاب عامل انحراف استفاده شده است. آماره نمودار کنترل انتخاب عامل انحراف، مقادیر حاصل از ترکیب روش معکوس نورتا و مدل خطی تعمیم یافته می‏باشد. برای بررسی عملکرد روش پیشنهادی از شاخص متوسط طول دنباله استفاده شده و عملکرد آن با بهترین روش موجود در ادبیات مقایسه شده است. نتایج نشان دهنده عملکرد بهتر روش پیشنهادی در کشف شیفت های کاهشی و افزایشی است.




 




 

چکیده 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.