برآورد فاصله یی شاخص های Cp m و Cp m k فرایندهای خودبرگشت به کمک روش بوت استرپ بلوکی حلقوی

شاخص های قابلیت فرایند، به عنوان معیارهای کمی عملکرد فرایند در راستای نیل به بهبود کیفیت، در صنعت کاربرد گسترده یی دارند. استقلال مشاهدات از متداول ترین مفروضات اغلب شاخص های قابلیت فرایند است اما در عمل، الگوهای همبستگی میان اطلاعات نمونه یی قابل کشف است که منجر به نقض فرض استقلال مشاهدات می شود. عدم تشخیص صحیح یک فرایند خودهمبسته ممکن است باعث اشتباه در تصمیم گیری و به بار آمدن خسارت های کیفی شود. به دلیل توزیع نامعلوم شاخص های مذکور در حضور خودهمبستگی میان داده ها، در این نوشتار الگوریتمی برای برآوردهای فاصله یی $C_{p m}$ و $C_{p m k}$ در فرایندهای )1(A R با بهره گیری از روش ناپارامتری بوت استرپ بلوکی حلقوی ارائه شده است. به علاوه ارزیابی این راهکار و مقایسه ی آن با سایر روش های موجود در ادبیات، به کمک مطالعات شبیه سازی مختلف نشان می دهد که عملکرد الگوریتم پیشنهادی با فواصلی به روش بوت استرپ استاندارد، نسبت به فواصل صدکی، بهتر است. همچنین روش والگرن برای برآورد فاصله یی شاخص $C_{p m}$ و روش بوت استرپ بلوکی حلقوی برای شاخص $C_{p m k}$ در حضور داده های خودهمبسته ی )1(A R برتری دارد. البته، در شرایط عدم اطلاع از سطح خودهمبستگی، همواره روش بوت استرپ بلوکی حلقوی برتری دارد.