شماره راهنما :
2332 دكتري
پديد آورنده :
قاسمي، زهره
عنوان :
ارائه روش‌هاي جديد براي پايش پروفايل چندمتغيره
محل تحصيل :
اصفهان : دانشگاه صنعتي اصفهان
صفحه شمار :
يازده، 112ص، مصور، جدول، نمودار
توصيفگر ها :
پايش پروفايل , پروفايل چندمتغيره , نمودار كنترل , طول دنباله , اثر تخمين , حالت پايدار , كنترل فرآيند آماري , profile monitoring , multivariate linear profile , control chart , Run length , parameter estimation , steady state , statistical process control
تاريخ ورود اطلاعات :
1403/06/05
رشته تحصيلي :
مهندسي صنايع
دانشكده :
مهندسي صنايع و سيستم ها
تاريخ ويرايش اطلاعات :
1403/06/06
چكيده فارسي :
در برخي كاربردهاي كنترل فرآيند آماري، كيفيت يك محصول يا فرآيند مي¬تواند توسط يك رابطه رگرسيون خطي يا غيرخطي بين يك متغير پاسخ و يك يا چند متغير مستقل مشخص شود كه به آن "پروفايل" گفته مي‌شود. متغير پاسخ، نشان‌دهنده كيفيت محصول يا فرآيند و متغيرهاي مستقل، نشان‌دهنده عوامل تأثيرگذار بر كيفيت مي‌باشند. بررسي و كنترل كيفيت محصول يا فرآيند، توسط پايش پروفايل و با استفاده از نمودارهاي كنترل انجام مي¬شود كه به‌عنوان ابزاري توانمند جهت پايش پروفايل‌ها در طول زمان شناخته شده‌اند. يكي از انواع پروفايل¬هاي پركاربرد، پروفايل خطي چندمتغيره است كه مي¬تواند به صورت ساده و يا چندگانه باشد. تحقيق حاضر به معرفي چند روش پايش پروفايل خطي چندمتغيره در فاز دوم مي¬پردازد. جهت پايش پروفايل خطي ساده چند متغيره، چهار روش پايش ارائه شده كه در آن¬ها از نمودار كنترل MHWMA جهت پايش ضرايب رگرسيوني پروفايل و از نمودارهاي كنترل MMECD و EWMA توسعه¬يافته براي پايش پراكندگي پروفايل استفاده مي¬شود. بررسي عملكرد روش¬هاي پيشنهادي با استفاده از شبيه¬سازي مونت¬كارلو و بر اساس شاخص ARL انجام شده و نتايج به¬دست¬آمده نشان داد روش¬هاي پيشنهادي، نسبت به روش¬هاي موجود عملكرد بهتري دارند. بديهي است تشخيص سريع¬تر تغييرات ايجادشده در فرآيند، منجر به بهبود كيفيت و مانع از صرف هزينه‌هاي اضافي مي‌شود. با استفاده از دو مطالعه موردي، عملكرد مناسب اين روش¬ها در دنياي واقعي نيز نشان داده شد. جهت پايش پروفايل خطي چندگانه چندمتغيره، سه روش پايش بر مبناي نمودارهاي MHWMA و χ^2 ارائه شده است. عملكرد اين روش¬ها بر اساس شاخص ARL مورد ارزيابي قرار گرفته و مقايسه نتايج با روش¬هاي پيشين نشان داد روش¬هاي پيشنهادي در تشخيص تغييرات پارامترهاي پروفايل, عملكرد بهتري دارند. استفاده از اين روش ها در يك مطالعه موردي، عملكرد مناسب آن را در دنياي واقعي نيز تاييد نمود. موضوع ديگري كه در اين تحقيق به آن پرداخته شده است، بررسي عملكرد روش¬هاي پيشنهادي در شرايطي است كه پارامترهاي پروفايل نامعلوم بوده و در فاز اول تخمين زده شده¬اند. ارزيابي اين موضوع بر اساس شاخص CVARL انجام شده و نتايج نشان داد تخمين پارامترها بر عملكرد اين روش¬ها اثرگذار است. اين نتيجه طبق مطالعات گذشته، قابل پيش¬بيني بوده اما نتايج شبيه-سازي، حاكي از عملكرد مطلوب روش¬هاي پيشنهادي در صورت تخمين پارامترها مي¬باشد. عملكرد روش¬هاي پيشنهادي درحالت پايدار نيز مورد بررسي قرار گرفت و نتايج ARL به¬دست¬آمده با روش¬هاي موجود مقايسه گرديد. روش¬هاي پيشنهادي در حالت پايدار تغييرات ايجادشده در فرآيند را به¬سرعت شناسايي مي¬كنند.
چكيده انگليسي :
In some statistical process control applications, the quality of a product or process is characterized by a linear or nonlinear regression function that relates a response variable to one or more explanatory variables. This structure is referred to as a "profile". Profile monitoring ensures the stability of this relationship over time, often through control charts. Multivariate linear profiles, whether simple or multiple, are sometimes essential for effective quality modeling, where two or more correlated response variables are regressed on one or more explanatory variables. This research presents some new methods for monitoring multivariate linear profiles using the Multivariate Homogeneously Weighted Moving Average control chart in phase II. The performance of the proposed methods was evaluated using Monte Carlo simulation, based on ARL and SDRL metrics. Results for monitoring multivariate simple linear profiles indicated that the proposed methods outperform existing ones, enabling quicker change detection, enhancing quality, and reducing additional costs. Two case studies showed the effective performance of the proposed methods. Comparisons with previous approaches in monitoring multivariate multiple linear profiles showed that the proposed methods perform better in detecting changes. Application in a case study validates their effectiveness. evaluation of the proposed methods when profile parameters are unknown and estimated in phase I, using the CVARL metric, confirms their superior performance compared to previous methods. Investigation the steady-state performance showed that the proposed methods exhibit proper performance, as indicated by SARL results when compared to existing methods.
استاد راهنما :
علي زينل همداني
استاد مشاور :
احمد احمدي يزدي
استاد داور :
غلامعلي رئيسي اردلي , ساره گلي فروشاني , اميرحسين اميري
