مهندسی و مدیریت کیفیت

چکیده هدف: هدف این مقاله ارایه یک مدل واقع‌گرایانه و کاربردی برای طراحی آماری-اقتصادی نمودار کنترل در حضور علت‌های اسنادپذیر چندگانه مستقل تحت مدل شوک بر12 است. این مدل با هدف کاهش خطای برآورد هزینه در واحد زمان چرخه کیفیت طراحی شده است.
روش‌شناسی پژوهش: در این پژوهش با استفاده از توزیع بر12 به‌عنوان مدل شوک، مدل RED برای طراحی بهینه نمودار کنترل توسعه داده شده است. همچنین تابع هزینه لورنزن و ونس در حضور علت‌های اسنادپذیر چندگانه تعمیم یافته و با یک مثال عددی اعتبار روش پیشنهادی نشان داده شده است.
یافته‎ها: نتایج عددی نشان می‌دهد مدل پیشنهادی نسبت به مدل‌های پیشین، دقت بالاتری در برآورد هزینه واقعی در واحد زمان چرخه کیفیت دارد. همچنین افزایش احتمال وقوع شوک باعث افزایش هزینه متوسط می‌شود که ضرورت لحاظ کردن این احتمال در طراحی را برجسته می‌سازد.
اصالت/ارزش‌افزوده علمی: برای نخستین‌بار توزیع بر 12 به‌عنوان مدل شوک در طراحی آماری-اقتصادی نمودار کنترل معرفی شده است. مقاله با تعمیم مدل هزینه‌ای موجود، رویکردی نوین و واقع‌گرایانه برای طراحی نمودارهای کنترلی در حضور شوک‌های چندگانه ارایه می‌دهد.

چکیده مدل‌سازی و براورد تابع شدت یک الگوی نقطه ای، یکی از مسائل مقدماتی و در عین حال اساسی در استنباط فرایندهای نقطه ای است و به عنوان پیش نیاز بسیاری از مسائل دیگر به شمار می رود و از دیدگاه‌های مختلفی به آن پرداخته شده است. با پیشرفت سریع فناوری‌های جمع‌آوری داده، طیف گسترده‌ای از داده ها تولید شده است و در نظر گرفتن متغیرهای کمکی، گام بزرگی در جهت پیشرفت نظریه ی فرایند نقطه‌ای بوده است . در این مقاله یک روش جدید برای براورد ناپارامتری تابع شدت یک فرایند نقطه‌ای پواسون ناهمگن که تابعی نامعلوم از چندین متغیر کمکی فضایی مستقل است، معرفی می کنیم. از آن جایی که دقت تقریب تابع چندمتغیره بر دقت براورد تابع شدت تاثیر دارد، با بهینه سازی پارامتر شکل تابع پایه شعاعی از طریق کمینه کردن ملاک اطلاع بیزی، کیفیت براورد ناپارامتری شدت فرایندهای نقطه ای پواسون فضایی را ارتقا می دهیم.

چکیده این مقاله برای اولین بار در طراحی آماری نمودارهای کنترلی تطبیقی به طراحی آماری نمودار کنترلی تک‌ متغیره X ̅ تحت مدل شوک وایبول پرداخته است. در عمل به‌کارگیری مدل‌های شوک که دارای تابع‌های نرخ خطر منعطف‌تری است در طراحی آماری نمودارهای کنترلی تطبیقی به واقعیت نزدیکتر است. این تحقیق نشان می‌دهد که نمودار X ̅ تحت مدل شوک وایبول(VRS) با فاصله‌های نمونه‌گیری نایکنواخت و اندازه نمونه متغیر، نسبت به نمودار X ̅ تحت مدل شوک وایبول با فاصله‌های نمونه‌گیری نایکنواخت و اندازه نمونه ثابت(FRS)، کشف تغییرات میانگین سریع‌تر بوده و عملکرد بهتری دارد. در این مدل با افزایش تغییرات در میانگین، سرعت کشف تغییرات در میانگین افزایش پیدا می‌کند و مقدار h_"1" افزایش و ANF کاهش پیدا می‌کند. همچنین تغییرات نسبتا بزرگ (𝛅≥"2" )، به اندازه نمونه مطلوب نسبتا کوچک (n_"2" ≤ 10" ) و تغییرات کوچکتر(2 >𝛅)، به اندازه نمونه بهینه بزرگتر (11 ≤n_"2") منجر می‌شود.