توسعه ی الگوریتم خوشه بندی برای برآورد نقاط تغییر چندگانه در پایش پروفایل خطی ساده

شناسایی تغییر در پارامترهای فرایند از مسائل حائز اهمیت در کنترل فرایند آماری به شمار می رود؛ چرا که ارائه ی اطلاعات دقیق درخصوص زمان و الگوی تغییر در پارامترهای فرایند، اقدامات اصلاحی موثرتر را به دنبال خواهد داشت. به طور کلی، در مطالعات انجام شده در زمینه ی برآورد نقطه ی تغییر، عمدتا موضوع تغییرات انفرادی پارامترها مورد بررسی قرار گرفته است. این در حالی است که یک هشدار در نمودار کنترل ممکن است متاثر از چندین تغییر باشد؛ تغییراتی که عدم کشف آنها ممکن است باعث تاخیر یا حتی جهت گیری اشتباه در روند انجام اقدامات اصلاحی باشد. از سوی دیگر، در کاربردهای کنترل فرایند آماری عملکرد یک فرایند یا محصول معمولا به صورت یک مشخصه ی کیفی انفرادی یا برداری از مشخصه های کیفی که در طول زمان جمع آوری شده مورد ارزیابی قرار می گیرد. با این وجود، به ویژه طی سال های اخیر تحقیقات متعدد به بررسی شرایطی می پردازند که عملکرد یک فرایند از طریق تحلیل رابطه تابعی بین یک متغیر وابسته و یک یا چند متغیر مستقل به شکل مناسب تری قابل توصیف است. چنین تابعی تحت عنوان پروفایل شناخته می شود. مروری بر تحقیقات انجام شده در زمینه ی شناسایی نقطه ی تغییر در پایش پروفایل ها نشان می دهد تا این زمان موضوع تغییرات چندگانه در این زمینه مورد بررسی قرار نگرفته است. در این مقاله، روشی برای کشف تعداد و برآورد زمان وقوع تغییرات چندگانه در زمینه ی پایش پروفایل خطی ساده با استفاده از یک الگوریتم خوشه بندی ارائه می شود. نتایج مطالعه ی شبیه سازی درخصوص دو و سه تغییر پله یی در پارامترهای مدل نشان می دهد روش ارائه شده علاوه بر امکان پایش فرایند در سطح معناداری معین، با دقت مناسبی قادر به شناسایی نقاط تغییر چندگانه است.