مهندسی و مدیریت کیفیت

چکیده اگر شناسایی تغییرات کوچک در فرایند تولید مد نظر باشد، نمودار کنترلی میانگین متحرک موزون نمایی (EWMA) جایگزین مناسبی برای نمودار کنترلی X ̅ است. در شرایطی که به‌‌علت محدودیت‌های اقتصادی نتوان نمونه بزرگ از جامعه استخراج کرد، طرح نمونه‌گیری تصادفی ساده (SRS) ممکن است از دقت کافی برخوردار نباشد، که در این صورت می‌توان از طرح نمونه‌گیری مجموعه‌ی رتبه‌‌ای (RSS) استفاده نمود. در این مقاله برای اولین بار طراحی اقتصادی و آماری- اقتصادی نمودار کنترلی EWMA تحت طرح RSS بررسی شده است. با ارائه‌ی نتایج‌ عددی، مزایای طراحی آماری-اقتصادی به طراحی اقتصادی نشان داده شده است. نتایج نشان می‌دهد که هزینه‌ها در طراحی آماری-اقتصادی نسبت به طراحی اقتصادی با اندک تغییری افزایش یافته است، اما به‌دلیل پایین بودن نرخ هشدار نادرست با اهداف کنترل کیفیت آماری هم‌راستا بوده و هم‌زمان با کاهش هزینه‌ها، کیفیت محصول را در سطح مطلوبی از خطا و توان بالا، کنترل می‌کند.

چکیده امروزه به دلیل تنوع تقاضای مشتری و حضور کوتاه محصول در بازار، استراتژی ساخت و تولید به سمت فرایندهای تولید کوتاه مدت سوق یافته است. در این شرایط فاز 1 نمودار کنترل نمی‌‌تواند انجام شود و برآوردهای صحیحی برای پارامترهای فرآیند در دسترس نمی‌باشد، لذا طراحی نمودارهای کنترل جدید برای پایش چنین فرایندهایی ضروری است. همچنین گاهی کیفیت به وسیله رابطه‌ای بین یک متغیر پاسخ و یک متغیر مستقل توصیف می‌شود که به آن پروفایل خطی ساده گفته می‌شود. در این مقاله به منظور پایش پارامترهای پروفایلهای خطی ساده در فرایندهای تولید کوتاه مدت، سه نمودار در فاز 2 طراحی شده است که توانایی پایش پارامترهای پروفایل مذکور را داشته و بروزرسانی آنها را از همان ابتدای فرآیند مدنظر قرار می‌دهد. عملکرد نمودارهای پیشنهادی با نمودار کنترل رقیب بر اساس معیار متوسط طول دنباله مقایسه شده است. نتایج بیانگر عملکرد مناسب نمودارهای کنترل پیشنهادی درکشف تغییرات متوسط و بزرگ می‌باشد.

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 بسیاری از مهندسان و محققان، مدل­های قابلیت اطمینان خود را بر اساس این فرضیه قرار می­دهند که اجزاء یک سیستم از نظر آماری به شیوه­ی مستقل، کار می کنند و با شکست مواجهه می­شوند. این فرض اغلب در عمل نقض می­گردد زیرا ، عوامل خاص محیطی و سیستمی در کارکرد اجزاء تاثیر گذار بوده و در نتیجه به شکست­­های همبسته کمک می­کند، که می­تواند قابلیت اطمینان یک سیستم را کاهش دهد. تعیین شاخص همبستگی  اجزاء و تاثیر آن بر قابلیت اطمینان سیستم ضرورت دارد  تا بتواند مدل­ها را ملزم کند تا به طور صریح شکست­های پیوسته را ترکیب و هماهنگ کند و برآورد درستی از قابلیت اطمینان سیستم ارائه دهند. رویکردهای قبلی برای مدل سازی  همبستگی، محدود به سیستم­هایی هستند که شامل دو یا سه جزء بوده  و یا فرض می­شوند که کارکرد اجزاء، از نظر آماری مستقل هستند. در این پژوهش ضمن در نظر گرفتن وابستگی  بین کارکرد اجزاء به ارائه مدلی برای  در نظر گرفتن این وابستگی  و محاسبه قابلیت اطمینان سیستم های سری ، موازی ، سیستم های k-out of-n ، موازی-سری و سری- موازی  پرداخته شده است و برای درک بهتر مساله مثالهایی  همراه با تحلیل حساسیت ارائه شده است که در آن اجزاء از لحاظ کارکرد بهم وابسته اند این مثالها نشان می دهد که چگونه همبستگی بین اجزاء بر کارکرد آنها تاثیر گذار بوده است .

چکیده هدف این مقاله، بررسی پارامتر قابلیت اعتماد R=P(X<Y) براساس نمونه هایی با سانسور فزاینده نوع 2 است که در آن X و Y متغیرهای تصادفی مستقل با توزیع نمایی وارون تعمیم یافته با پارامترهای شکل متفاوت و پارامتر مقیاس یکسان هستند. برآوردگرماکسیمم درست نمایی (MLE) و برآوردگر نااریب با واریانس به طور یکنواخت‌ مینیمم (UMVUE) پارامترR به دست می آیند و بازه های اطمینان مختلفی ارائه می شوند. همچنین، برآوردگر بیز R و بازه اطمینان HPD با استفاده از روش نمونه گیری گیبز پیشنهاد می شوند. شبیه‌ سازی‌ های مونت کارلو برای مقایسه عملکرد روش های مختلف انجام شده است.

چکیده در این پژوهش با استفاده از مدل مارکوف ، فرمول عمومی محاسبه قابلیت اطمینان و MTTF که از عوامل اصلی مهندسی در کیفیت میباشند و ... در سیستم های دارای افزونگی 1 از n، از دو روش حل معادلات دیفرانسیل (حل دستگاه معادلات حالت ، استخراج تابع قابلیت اطمینان و محاسبه MTTF با استفاده از آن) و روش میانبر (محاسبه مستقیم MTTF بدون نیاز به تابع قابلیت اطمینان با استفاده از ماتریس های گذار در مدل مارکوف) بدست آمده که بعضا در مقاله نیز به طور مختصر اشاره شده و امکان برآورد این پارامترها برای هر تعداد n دلخواه، تسهیل گردیده است. همچنین با استفاده از توابع بدست آمده، میزان تاثیر افزایش اقلام افزونه بر ارتقای قابلیت اطمینان، در این سیستم ها (با حالت های آماده به خدمت و فعال و اجزاء تعمیرپذیر و غیرقابل تعمیر) ، جهت انجام محاسبات از نرم افزار Mathematica استفاده شده است .