14550

14550

پايش پروفايل با استفاده از روش لَسو

كارشناسي ارشد

سيستم‌هاي اقتصادي - اجتماعي

تيرماه1394

تيرماه1394

دكتر رسول نورالسناء

دكتر محمد سعيدي مهرآباد

صنايع

چكيده در بسياري از مسائل كنترل كيفيت آماري،كيفيت ساخت محصولات براساسيك يا چند ويژگيكيفي كه در زمان‌هايمتوالييا مكان¬هاي مجاورهم‌اندازه¬گيريمي¬شوند، بيان مي‌گردد. استفاده از نمودارهاي متداول چندمتغيره براي كنترل اين مشاهدات موجب مي¬گردد ماتريس واريانس-كوارايانس منفرد شدهو آماره¬هاي چند متغيره غيرقابلمحاسبه ¬شود.با فرض اينكه مقادير مشخصه كيفيداده¬هاي تابعي تشكيل دهند، محققين متعددي كيفيت محصول يا فرآيند را به‌وسيله رابطه بين متغير كيفي (پاسخ) و متغير (متغيرهاي) مستقل توصيف نمودند و اين رابطه را در مهندسي كيفيت پروفايل (در آمار تحت عنوان داده‌هاي تابعي و در مهندسي برق سيگنال) ناميدند. به‌منظور پايش پروفايل¬ها بايد تابعي به آن‌ها برازش داده و سپس پارامترهاي (ضرايب) اين تابعرا پايش كرد.درصورتي‌كه تابع تحت بررسي داراي رفتار پيچيده بوده و يا متغيرهاي مستقل آن نامعلوم (ناپارامتري) باشد، لازم است تعداد پارامترهاي بيشتري را براي برازش اين تابع برآورد كرد؛ درحالي‌كهبا افزايش تعداد پارامترهاي برآورد شده، توان آزمون¬هاي آماري كاهش مي¬يابد؛ بنابراين رويكردي مناسب است كه بتواند با حداقل ضريب ممكن، بهترين برازش را به تابع تحت بررسي داشته باشد.اين مطلب معادل با انتخاب بهترين مدل رگرسيوني و پردازش تنك سيگنال است.باوجود تحقيقات گسترده در اين موضوعات،تاكنون از روش¬هاي نوين آن در پايش پروفايل‌هااستفاده‌نشده است. يكي از جديدترين تحقيقات انجام‌شده«لَسوي آميخته يك‌بعدي» است كه هدف آن شناسايي تغييرات متوالي است. در اين پژوهش رويكرديبه‌منظور شناسايي تغييرات متوالي در يك پروفايل با استفاده از اين نوع لَسو پيشنهادشده است. بدين منظور ابتدا بهترين ضرايب را كه نمايانگر شكل كلي پروفايل هستند، شناسايي كرده و سپس آنها را با استفاده نمودارهاي كنترل پايش مي‌كنيم. براي بررسي صحت روش پيشنهادي دو مثال متفاوتمطرح‌شده است و با استفاده از شبيه‌سازي‌هاي مختلف نشان داده‌مي¬شود كه متوسط طول دنباله براي نمودارهاي كنترل چند متغيره T2 و MEWMA عملكرد مناسبي دارد. واژه‌هاي كليدي:پايش پروفايل، لَسو، لَسوي آميخته¬ي يك‌بعدي، متوسط طول دنباله، تابع پله.