مهندسی و مدیریت کیفیت

چکیده تخمین نقطه‌ی تغییر با کاهش مدت زمان لازم و هزینه‌ی تشخیص عامل اثرگذار، به مهندسین کیفیت در جستجوی مؤثر برای کشف انحرافات با دلیل و بهبود کیفیت یک محصول یا یک فرآیند کمک می‌کند. در این مقاله، از رویکرد شبکه‌ی عصبی مصنوعی احتمالی برای تخمین نقطه‌ی تغییر پله‌ای در فاز 2 پایش پروفایل‌های چندگانه استفاده می‌شود. عملکرد شبکه‌ی عصبی احتمالی پیشنهادی برای تخمین نقطه‌ی تغییر با استفاده از شبیه‌سازی مونت‌کارلو مورد سنجش قرار می‌گیرد. نتایج شبیه‌سازی‌ها بیانگر این است که شبکه‌ی پیشنهادی در تخمین نقطه‌ی تغییر، در تغییرات کوچک از رویکرد حداکثر درستنمایی بهتر عمل می‌کند. اما در تغییرات متوسط تا بزرگ رویکرد حداکثر درستنمایی بهتر عمل می‌کند. به علاوه، مزیت دیگر رویکرد پیشنهادی این است که بر خلاف رویکرد حداکثر درستنمایی نیازی به هیچ گونه پیش آگاهی از نوع تغییر ندارد و به خوبی قادر به تخمین انواع نقاط تغییر نیز هست.

چکیده در بسیاری از کاربردهای کنترل فرایند آماری، رابطه بین متغیر پاسخ و یک یا چند متغیر کنترلی توسط یک تابع مورد ارزیابی قرار می­­گیرد که به آن پروفایل گفته می­شود. پروفایل­ها به لحاظ ماهیت متغیر پاسخ به انواع مختلفی مانند پروفایل­های خطی و غیرخطی تقسیم می­شود. در این تحقیق، نمودار کنترل جدیدی مبتنی بر رویکرد آزمون خطی تعمیم یافته و رگرسیون تکه ای، به منظور پایش پروفایل های خطی چندگانه با اثرات متقابل در فاز 2 ارائه شده است. نتایج شبیه سازی نمودار کنترل پیشنهادی بیانگر عملکرد بسیار بهتر آن نسبت به نمودار کنترل مبتنی بر روش حداقل مربعات خطا است.