شماره ركورد
16166
شماره راهنما(اين فيلد مربوط به كارشناس ميباشد لطفا آن را خالي بگذاريد)
16166
پديد آورنده
شهرام قبادي
عنوان
توسعه روش هايي براي پايش پروفايل هاي خطي فازي
مقطع تحصيلي
دكتري
رشته تحصيلي
مهندسي سيستم هاي اقتصادي اجتماعي
سال تحصيل
شهريورماه 1392
تاريخ دفاع
شهريورماه 1392
استاد راهنما
دكتر كاظم نقندريان
استاد مشاور
دكتر رسول نورالسنا - دكتر محمدرضا موسوي
دانشكده
صنايع
چكيده
چكيده
در بسياري از حوزه هاي كاربردي توليد و خدمات، كيفيت يك فرايند/محصول با استفاده از رابطه بين يك متغير پاسخ(مشخصه كيفي) و يك يا چند متغير مستقل توصيف مي گردد كه بدين رابطه پروفايل گفته مي شود و لذا بمنظور كنترل كيفيت فرايند/محصول، كافيست كه پروفايل مربوطه پايش و كنترل شود. در برخي از كاربردهاي عملي پروفايلها، مشخصه هاي كيفي مي تواند غيردقيق و مبهم بوده و يا با اطلاعات ناقصي همراه باشد كه بصورت واژه هاي كلامي يا اعداد بازه اي بيان شود. رابطه بين اين نوع متغيرها از منطق فازي پيروي نموده و درنتيجه يك پروفايل فازي را تشكيل خواهند داد.
در اين رساله به توسعه روش هايي براي پايش پروفايل هاي خطي فازي پرداخته شد كه در آنها مشخصه هاي كيفي بعنوان متغير پاسخ از نوع فازي مي باشد. جهت استخراج مدل رگرسيوني پروفايل هاي فازي رويكردي با استفاده از برنامه ريزي خطي چندهدفه توسعه داده شده است. بمنظور پايش پروفايل هاي فازي در فاز يك، دو رويكرد تك متغيره و چندمتغيره ارائه گرديد. در رويكرد اول كه رويكرد تك متغيره F-IMR نام دارد، نمودار كنترل مشاهدات انفرادي فازي و نمودار كنترل دامنه متحرك فازي جهت پايش عرض از مبدا و شيب پروفايل و دامنه متحرك هريك توسعه دادهشده است. سپس يك رويكرد چندمتغيره با توسعه سه نمودار كنترل هاتلينگ فازي و MEWMA فازي و MCUSUM فازي طراحي و معرفي شد. در فاز دو به منظور پايش بلادرنگ پروفايل هاي فازي، دو رويكرد تك متغيره پيشنهادگرديد. رويكرد اول با توسعه روش F-IMR محقق شد و در رويكرد دوم (رويكرد F2-EWMA3)، دو نمودار EWMA فازي براي پايش ضرايب پروفايل و يك نمودار EWMA كلاسيك براي پايش شاخص مشابهت پروفايل ها توسعه داده شد. درادامه، تحليل حساسيت برنامه ريزي خطي استخراج رابطه پروفايل فازي و تنظيمات بهينه پارامترهاي آن ارائه گرديد. درنهايت عملكرد رويكردهاي پيشنهادي پايش فاز يك، برحسب احتمال هشدار خارج از كنترل بررسي شد. نتايج نشان داده است هرچند كه نمودار MCUSUM فازي عملكرد تقريبا برابري با نمودار MEWMA فازي در شناسايي انحرافات كوچك شيب پروفايل وقتيكه وضعيت خارج از كنترل در نمونه هاي مياني اتفاق مي افتد داراست، وليكن زمانيكه انحرافات بادليل در نمونه هاي ابتدايي و نمونه هاي انتهايي رخ مي دهد عملكرد بهتري از خود نشان مي دهد. درخصوص پايش عرض از مبدا پروفايل، هرچقدر كه انحرافات زودتر اتفاق افتد قدرت شناسايي آن توسط دو نمودار MCUSUM و MEWMA فازي نسبت به رويكرد F-IMR و هاتلينگ فازي بيشتر خواهد بود. همچنين عملكرد رويكردهاي پيشنهادي فاز دو، برحسب شاخص متوسط طول دنباله ارزيابي و مقايسه شد كه نتايج حاصله برتري رويكرد F2-EWMA3 نسبت به رويكرد F-IMR در شناسايي سريعتر انحرافات بادليل فرايند را تصديق نموده است. دو موردكاوي در صنايع گردشگري و شيميايي جهت نمايش كاربرد و اعتبار رويكردهاي پيشنهادي بررسي گرديده اند.
واژگان كليدي: پروفايل فازي، نمودار كنترل مشاهدات انفرادي فازي، نمودار كنترل دامنه متحرك فازي، نمودار كنترل هاتلينگ فازي، نمودار كنترل ميانگين متحرك موزون نمايي چندمتغيره فازي، نمودار كنترل جمع تجمعي چندمتغيره فازي.
تاريخ ورود اطلاعات
1395/09/30
دانشجوي وارد كننده اطلاعات
اعظم صادقي
چكيده به لاتين
Abstract
In several applications in real world, the quality of a process or a product is better characterized by a functional relationship, referred to as profile, between a response quality characteristic and one or more explanatory variables. Monitoring the quality profile is used to understand and to check the stability of this functional relationship over time. In some real applications, the profile can be represented adequately by a fuzzy linear regression model where the response quality characteristic is linguistic, imprecise, vague, and deficient.
The purpose of this research was to develop some novel approach for monitoring process/product profiles in fuzzy environment. A model in fuzzy linear regression was developed to construct the quality profiles by using multi-objective linear programming and then fuzzy individuals and moving-range (I-MR) control charts were developed to monitor both intercept and slope of fuzzy profiles to achieve an in-control process in phase I. Subsequently a multivariate approach was developed to monitor process/product fuzzy quality profiles in phase I. The multivariate approach includes three fuzzy multivariate control charts which were developed by using fuzzy set theory to monitor fuzzy profiles in order to achieve a stable process in phase I. Then, two univariate approach including F-IMR and F2-EWMA3 were developed for online monitoring of fuzzy profile in phase II. The F-IMR approach is comprised two individuals control chart and two moving range control chart which were developed through resolution identity technique. The F2-EWMA3 approach constitutes two fuzzy EWMA control chart and a conventional EWMA control chart. Furthermore, the influence of model parameters in constructing fuzzy regression were investigated at decision maker’s different preferences. The performance of developed approaches of phase I were investigated in the basis of signal probability in various out-of-control scenarios through a simulation study. Compared with univariate approach, the results indicated a good performance of multivariate approach in detecting all sized shifts in process profiles. The performance of developed approaches of phase II weere explored in the basis of Average Run Length in different shift scenarios throughout a simulation study. The results indicated superior performance of F2-EWMA3 approach. A case study in tourism industry and the other one in petrochemical industry were presented to show the applicability and validity of our approaches.
Keywords: Fuzzy Profile, Fuzzy Individuals Control Chart, Fuzzy Moving Range Control Chart, Fuzzy Hoteling Control Chart, Fuzzy Multivariate Exponentially Weighted Moving Average Control Chart, Fuzzy Multivariate Cumulative Sum Control Chart.