جستجوی مقالات مرتبط با کلیدواژه "پروفایل خطی ساده" در نشریات گروه "صنایع"
تکرار جستجوی کلیدواژه «پروفایل خطی ساده» در نشریات گروه «فنی و مهندسی»-
در بسیاری از شرایط، کیفیت یک محصول یا فرآیند به وسیله رابطه ای بین متغیر پاسخ و یک یا چند متغیر مستقل توصیف می شود که به این رابطه پروفایل گویند. پروفایل های خطی ساده یکی از انواع مختلف پروفایل ها بوده که در آن ها یک رابطه خطی بین یک متغیر پاسخ و یک متغیر مستقل وجود دارد. در این مقاله، شاخص توانایی تابعی برای پروفایل خطی ساده با تلورانس نامتقارن معرفی می شود. عملکرد شاخص تابعی ارایه شده با شاخص های موجود C_ppM^''' و C_pp^'' (Profile) با استفاده از مثال عددی و مطالعات شبیه سازی مورد بررسی قرار می گیرد. نتایج ارزیابی ها نشان دهنده این است که شاخص ارایه شده نسبت به شاخص های موجود در بیان توانایی فرآیند بهتر عمل می کند. همچنین فواصل اطمینان بر اساس سه روش بوت استرپ برای شاخص پیشنهادی ارایه می شود و عملکرد آن ها از طریق مطالعات شبیه سازی ارزیابی می گردد. برای نشان دادن کاربرد شاخص پیشنهادی، یک مطالعه موردی واقعی ارایه می شود.
کلید واژگان: پروفایل خطی ساده, شاخص های توانایی فرآیند, تلورانس نامتقارن, رویکرد تابعیIn some practical applications, the quality of a product or process is defined by a profile, which is a relationship between a response variable and one or more explanatory variables. Simple linear profiles (SLPs) are one of the various types of profiles in which the product or process quality is related to a simple linear function between a response and an explanatory variable. In this article, a functional capability index for a simple linear profile with asymmetric tolerance is introduced. The performance of the proposed index and existing ones ( and ) are studied using numerical examples and simulation studies in terms of mean absolute error (MAE), mean square error (MSE) and absolute percentage error (APE) metrics. The results show that the new index performs better than the two existing indices. Furthermore, confidence intervals for the proposed index are constructed using three bootstrap methods, and their performance is evaluated using simulation studies. A real-world case study is presented to demonstrate the application of the proposed index.
Keywords: Simple linear profile, Process incapability indices, Asymmetric tolerances, Functional approach -
زمانی که فرآیند تحت کنترل آماری باشد، در بسیاری از موارد عملکرد فرآیند از طریق شاخص قابلیت فرآیند ارزیابی می شود. مطالعات گسترده ای در ارزیابی قابلیت فرآیند زمانی که مشخصه کیفی به صورت تک متغیره یا چندمتغیره باشد، انجام شده است. هرچند این روش ها در مواردی که مشخصه ی کیفی به صورت پروفایل بیان شود، کارایی ندارد. پروفایل، رابطه ای بین متغیر مستقل و متغیر پاسخ است که می تواند به صورت ساده، چندگانه، چندمتغیره، و روابط پیچده تر بیان شود. از سوی دیگر، بسیاری از فرآیندها اعم از تولیدی و خدماتی از چندین مرحله متوالی تشکیل شده اند که با عنوان فرآیندهای چندمرحله ای شناخته می شوند. در این فرآیندها خروجی هر مرحله، به عنوان ورودی مرحله بعد درنظر گرفته می شود که به آن خاصیت آبشاری گویند. به دلیل وجود خاصیت آبشاری در فرآیندهای چندمرحله ای، استفاده از روش های معمول آماری ممکن است منجربه نتایج نادرستی شود. در این مطالعه، روشی برای تعیین شاخص قابلیت پروفایل خطی ساده در فرآیند دومرحله ای معرفی شده است. این روش از طریق یک مثال مورد بررسی قرار گرفته است که نتایج نشان دهنده کارکرد موثر روش پیشنهادی است.
کلید واژگان: شاخص قابلیت فرآیند, پروفایل خطی ساده, فرآیند چند مرحله ای, خاصیت آبشاریJournal of Industrial Engineering Research in Production Systems, Volume:10 Issue: 20, 2023, PP 183 -191When a process is statistically in-control, one may be interested in assessing the pWhen a process is statistically in-control, one may be interested in assessing the process performance based on the process capability analysis. Although an extensive literature exists on process capability analysis when quality characteristic of interest is continuous or discrete but the existing methods are not applicable to the case when a process or product is represented by a linear profile. A profile is a relationship between a response variable and one or more independent variables. Manufacturing operations are often involved with multistage processes, in which the output of a stage is the input of its subsequent stage. This property is known as the cascade property. Using common indices to assess the capability may lead to incorrect results as the cascade effect is ignored. This study presents a method to conduct process capability analysis in a two-stage process when quality of a product or process can be characterized by a simple linear profile. A numerical simulation evaluates the performance of the proposed method for a two-stage process. The results indicate effective performance of the proposed methodrocess performance based on the process capability analysis. Although an extensive literature exists on process capability analysis when quality characteristic of interest is continuous or discrete but the existing methods are not applicable to the case when a process or product is represented by a linear profile. A profile is a relationship between a response variable and one or more independent variables. Manufacturing operations are often involved with multistage processes, in which the output of a stage is the input of its subsequent stage. This property is known as the cascade property. Using common indices to assess the capability may lead to incorrect results as the cascade effect is ignored. This study presents a method to conduct process capability analysis in a two-stage process when quality of a product or process can be characterized by a simple linear profile. A numerical simulation evaluates the performance of the proposed method for a two-stage process. The results indicate effective performance of the proposed method
Keywords: Process Capability Index, Simple Linear Profile, Multistage Process, Cascade Property -
در روش های سنتی کنترل کیفیت،عملکرد فرایند یا کیفیت محصول از طریق پایش یک یا چند مشخصه کیفیت با استفاده از توزیع متناظر یک یا چندمتغیره آنها بررسی می شد. امروزه در بسیاری موارد، کیفیت از طریق رابطه بین یک یا چند متغیر پاسخ و یک یا چند متغیر مستقل توصیف می شود.در ادبیات کنترل کیفیت آماری، این رابطه را پروفایل می نامند. در این پژوهش به منظور پایش پروفایل خطی ساده در فاز دو از نمودار کنترل EWMAR و توزیع نرمال مربوط به آن برای کشف انواع تغییرات در پارامترهای عرض از مبدا و شیب استفاده می شود.به منظور بهبود عملکرد نمودار از قوانین حساس سازی در این نمودار استفاده می شود.سپس به منظور اعتبارسنجی نمودار کنترل پیشنهادی EWMAR-RULE، عملکرد نمودار بر اساس ARL با سایر نمودارها بررسی می شود.نتایج نشان دهنده اینست که نمودار کنترل در تغییرات افزایشی و کاهشی به مراتب عملکرد بهتری از سایر نمودارها دارد. همچنین عملکرد طرح پیشنهادی از سایر قوانین حساس سازی بهتر است.
کلید واژگان: نمودار کنترلEWMAR, پایش پروفایل, طرح قوانین حساس سازی, پروفایل خطی ساده, فازII -
گاهی مشخصه‌های کیفی به‌صورت رابطه‌یی میان متغیرهای مستقل و پاسخ توصیف می‌شوند که محققان به آن پروفایل می‌گویند. همچنین در بسیاری از فرایندها، همانند فرایندهای تولید کوتاه‌مدت پارامترهای فرایند در مراحل اولیه از پیش معلوم نیست و نمونه‌های اولیه برای اجرای مرحله 1 و تخمین پارامترهای فرایند در حالت تحت کنترل وجود ندارد. در این مقاله، نمودارهایی برای پایش مشخصه‌های کیفی فرایندهای تولید کوتاه‌مدت که توسط پروفایلهای خطی ساده توصیف می‌شوند با رویکرد پایش میانگین و پراکندگی باقی‌مانده‌ها طراحی شده است که قادرند از همان مراحل ابتدایی فرایند را پایش کنند و همزمان تخمین پارامترهای فرایند را نیز روزآمد کنند. عملکرد نمودارهای کنترل پیشنهادی با عملکرد یکی ازروش‌های موجود در پیشینه از طریق شبیه‌سازی مقایسه شده است. نتایج نشان می‌دهد که نمودارهای کنترل پیشنهادی از عملکرد مناسبی در کشف تغییرات متوسط و بزرگ بر حسب متوسط طول دنباله‌ی خارج از کنترل برخوردار هستند.
کلید واژگان: نمودار کنترل, فرایندهای تولید کوتاه مدت, پایش فرایند, پروفایل خطی ساده, نمودار میانگین متحرک موزون نماییIn some applications, performance of a process or quality of a product is characterized by a relationship between a response variable and one or more explanatory variables, referred to as profile in the literature. Certain methods have been developed to monitor various profiles. On the other side, nowadays due to diversity of customer demand and short time for presenting products in market, manufacturing strategy is focused on short run processes characterized by high diversity and low volume. Therefore, statistical process control for such processes, due to inspection restrictions in a short period is a special practice. In such circumstances, control charts in Phase I cannot be performed and correct estimations are not available for estimating process mean and standard deviation. To overcome the situation, self-starting methods are developed to update the parameter estimations along with new observations and simultaneous checks of the out-of-control conditions. Hence, implementing traditional control charts for monitoring short run processes is not practical, and new methods and control charts should be developed to monitor such processes. In this paper with aggregating two above-mentioned subjects, quality characteristics which are pertained to short run processes and which are modeled by simple linear profiles, have been monitored. Suitable methods and new control charts are developed to monitor process effectively. In this paper, we focus on monitoring residuals and propose new control charts to monitor mean and dispersion of residuals simultaneously. In order to monitor residuals in short run processes whose quality characteristics are modeled by simple linear profiles, we propose two control charts for monitoring mean and one control chart for monitoring standard deviation. Then, with combination of these control charts, we develop two distinct control charts named QMCC and TMCC to monitor mean and variance of residuals concurrently. Performance of the proposed control charts have been compared with competitor control chart using simulation studies and average run length (ARL) criterion. The results of simulation studies show that our proposed control charts in some parameters have better performance compared to competitive control chart under moderate and large shifts in terms of out-of-control ARLs.
Keywords: Control chart, short run processes, process monitoring, simple linear profile, Exponentially weighted moving average -
امروزه به دلیل تنوع تقاضای مشتری و حضور کوتاه محصول در بازار، استراتژی ساخت و تولید به سمت فرایندهای تولید کوتاه مدت سوق یافته است. در این شرایط فاز 1 نمودار کنترل نمی تواند انجام شود و برآوردهای صحیحی برای پارامترهای فرآیند در دسترس نمی باشد، لذا طراحی نمودارهای کنترل جدید برای پایش چنین فرایندهایی ضروری است. همچنین گاهی کیفیت به وسیله رابطه ای بین یک متغیر پاسخ و یک متغیر مستقل توصیف می شود که به آن پروفایل خطی ساده گفته می شود. در این مقاله به منظور پایش پارامترهای پروفایلهای خطی ساده در فرایندهای تولید کوتاه مدت، سه نمودار در فاز 2 طراحی شده است که توانایی پایش پارامترهای پروفایل مذکور را داشته و بروزرسانی آنها را از همان ابتدای فرآیند مدنظر قرار می دهد. عملکرد نمودارهای پیشنهادی با نمودار کنترل رقیب بر اساس معیار متوسط طول دنباله مقایسه شده است. نتایج بیانگر عملکرد مناسب نمودارهای کنترل پیشنهادی درکشف تغییرات متوسط و بزرگ می باشد.کلید واژگان: متوسط طول دنباله, پایش پروفایل, فرآیندهای تولید کوتاه مدت, پروفایل خطی ساده, کنترل فرآیند آماری
-
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.
کلید واژگان: کنترل فرایند آماری, نقاط تغییر چندگانه, الگوریتم خوشه بندی, پروفایل خطی سادهDetection of change time of the process parameters is a crucial problem in statistical process control (SPC), because more detailed information on the time and the pattern of a change can provide process managers with more e ective clues for root-cause analysis and corresponding corrective actions. Parameter changes may take di erent forms including monotonic, trend, step shift, and so on. The issue frequently considered in the relevant studies involves only a single shift, whereas an out-of-control condition may be caused by multiple changes occurring in di erent points. On the other hand, recently, the issue of pro le monitoring in which the quality of a process or product is represented by a functional relationship between a dependent and a number of explanatory variables has attracted a great deal of attention as witnessed by the growing number of publications in this area. Our investigation showed that the studies dealing with change point estimation in pro le monitoring had neglected the case of multiple change points. This gap is noticed as the primary subject of this research and a clustering-based algorithm is proposed for estimating the number, as well as the location of the change points, while monitoring a simple linear pro le. This clustering-based method, which is implemented in an iterative manner, is an extension of a similar method in monitoring univariate individual quality measures using Shewhart control charts. A decision rule determined via simulation using a pre-speci ed signi cance level enables the algorithm to detect multiple change points of the parameters in addition to identifying out-of-control conditions. The proposed method is applied in the phase I of process monitoring, where a historical dataset is available and the ultimate goal is to nd reliable estimates of the process parameters, including the intercept and the slope of a linear pro le model. Extensive simulation scenarios were devised to declare the performance of the aforementioned method.
Keywords: Statistical process control, multiple changepoint, clustering-based detection rule, profle monitoring -
در بیشتر تحقیقات صورت گرفته در حوزه ی پایش پروفایل ها، فرض شده است که مشاهدات درون پروفایل ها از یکدیگر مستقل هستند، در صورتی که در بسیاری از کاربردهای واقعی به دلیل نزدیک شدن نمونه گیری ها از لحاظ زمانی استقلال بین مشاهدات نقض می شود. از طرف دیگر، معمولا زمان واقعی تغییر در فرآیند (نقطه ی تغییر) با زمانی که نمودارهای کنترل هشداری مبنی بر خارج از کنترل بودن فرآیند را اعلام می کنند، متفاوت است. پیدا کردن نقطه ی تغییر در فرآیند باعث صرفه جویی زمان و هزینه در پیدا کردن علل ریشه ای خروج فرآیند از حالت تحت کنترل می شود. در این مقاله به طور خاص فرض می شود که کیفیت فرآیند با استفاده از یک پروفایل خطی ساده خودهمبسته از نوع AR(1)مدل می شود. سپس نقطه ی واقعی تغییر در فرآیند بعد از دریافت هشدار از نمودار کنترل هتلینگ، طراحی شده در فاز 2، با استفاده از دو روش ماکزیمم درستنمایی و خوشه بندی محاسبه می شود و عملکرد دو روش با استفاده از شبیه سازی مقایسه می شود. در نهایت کاربرد روش های پیشنهادی در قالب یک مطالعه ی موردی نشان داده می شود.کلید واژگان: پروفایل خطی ساده, نقطه ی تغییر, خود همبستگی, خوشه بندی, ماکزیمم درستنماییJournal of Industrial Engineering Research in Production Systems, Volume:4 Issue: 7, 2016, PP 37 -47In most of the researches in the area of profile monitoring, quality of a process is described by a relationship between a response variable and one explanatory variable, referred to as simple linear profile in the literature. Most of the papers in this field have assumed that observations within each profile are independent; however, the independency between the observations can be violated due to time collapse between two successive samplings in many real applications. On the other hand, usually real time of changes in process (change point) is different from the time control charts alarm the process is out-of-control. Finding the change point in the process saves time and money to find out root causes of the problem in the process. This paper specifically assumes that quality of process is modeled by using an AR(1) auto correlated simple linear profile. Then, the step change point of the process is estimated by using maximum likelihood and clustering methods after getting a signal from the T2 hotelling control chart in Phase II. Performance of the proposed methods is compared by using simulation studies. Finally, an application of the proposed methods is shown through a real case.Keywords: Simple linear profile Change point Auto, correlation, clustering Maximum likelihood
-
در بعضی از مسائل کنترل فرایند آماری، کیفیت به وسیله ی یک پروفایل خطی ساده توصیف می شود. یکی از متداول ترین روش ها برای پایش پروفایل های خطی ساده در فاز 2، نمودار کنترل 3E W M A- است. در این مقاله ابتدا نمودار کنترل 3E W M A- با اندکی تغییر به گونه یی طراحی می شود که بتوان به جای یک محصول در هر سطح از مقادیر $x$، از چندین محصول استفاده کرد. سپس روشی برای محاسبه ی متوسط طول دنباله ی نمودار کنترل 3E W M A- تعدیل شده برای پایش پروفایل های خطی ساده براساس رویکرد زنجیره ی مارکوف ارائه می شود. در ادامه، طراحی اقتصادی نمودار کنترل 3E W M A- تعدیل شده مورد بررسی قرار می گیرد. از تابع لورنز و ونس به عنوان تابع هزینه استفاده شده که در آن پارامترهای هزینه یی تولید محصول نامنطبق براساس تابع هزینه ی تاگوچی محاسبه می شود. برای حل مدل طراحی اقتصادی نمودار 3E W M A- تعدیل شده از الگوریتم فراابتکاری ژنتیک استفاده شده است. در انتها آنالیز حساسیت روی پارامترهای مدل و اندازه ی جمعیت الگوریتم ژنتیک انجام و نتایج تحلیل شده است.
کلید واژگان: طراحی اقتصادی, نمودار کنترل 3E W M A, زنجیره ی مارکوف, پروفایل خطی سادهIn some statistical process control applications, the quality of a process or a product is characterized by the relationship between a response variable and one or more explanatory variables referred to as a profile by researchers. Simple linear profiles are a different type of profile which has many applications, especially in calibration. One of the most powerful methods in phase II monitoring of simple linear profiles is the EWMA-3 method proposed by Kim et al. (2003). In phase II, the aim is detecting assignable causes as soon as possible. The power of control charts in detecting assignable causes is usually measured by an average run length criterion. Kim et al. (2003) proposed a method in cases where there is only one response value at each level of explanatory variable. However, there are some situations in which there is more than one response value at each level of explanatory variable. In this paper, first, we modify the EWMA-3 method by Kim et al. (2003) for cases with more than one response value at each level of explanatory variable. Then, we present a Markov chain model to measure the ARL criterion of the modified EWMA-3 method. After that, we design the modified EWMA-3 control chart economically to account for the economic properties of the control chart. For this purpose, we use the Lorenzen and Vance cost model and optimize parameter sample size, sampling interval, smoothing parameters and the coefficients of control limits for three EWMA control charts, including the EWMA control charts for monitoring the intercept, the slope and the standard deviation. In addition, we use the idea of the Taguchi cost function in our proposed model. Finally, a genetic algorithm is used to solve the proposed model. The performance of the proposed economic model is evaluated through a numerical example. Then, a sensitivity analysis is undertaken to identify the effect of different parameters and the population size of the genetic algorithm on the economic and statistical properties of the modified EWMA-3 control charts.Keywords: Economic design, EWMA, 3 control chart, markov chain, simple linear profile -
نمودارهای کنترل ابزاری قوی برای پایش فرایندها می باشند،طراحی نمودارهای کنترل معمولا از دو طریق آماری و اقتصادی انجام می گیرد.. گاهی یک رابطه بین یک متغیر پاسخ و یک یا چند متغیر مستقل که پروفایل نامیده می شود، برای پایش فرایند تعریف می شود. با اینکه روش های مختلفی برای پایش پروفایل ها گفته شده است اما برای طراحی اقتصادی آنها راهکاری ارائه نشده است،طراحی اقتصادی پروفایل ها به دلیل تعدد نمودارهای مورد استفاده در اغلب روش های پایش آن ودر نتیجه تعداد زیاد پارامترها و همچنین متفاوت بودن برخی از مفاهیمچشمگیر می گردد.در این مقاله برای یکی از روش های پایش که از سه نمودار کنترل EWMA به صورت همزمان استفاده می کند،مبحث طراحی اقتصادی مطرح گردیده و تابع هزینه مدل شده، علاوه برآن متوسط طول دنباله با استفاده از روش زنجیره مارکوف توسعه داده شده است.در انتها یک مثال عددی بررسی شده و پس از حل با روش جست و جوی نلدر-مید، پارامترهای بهینه محاسبه شده اند.
کلید واژگان: پروفایل خطی ساده, طراحی اقتصادی, میانگین متحرک موزون نمایی, متوسط طول دنباله, زنجیره مارکوفInternational Journal of Industrial Engineering & Production Management, Volume:24 Issue: 4, 2014, PP 406 -412Control charts are powerful tools to monitor process. Design of control chart is usually performed through two ways, statistical and economical approaches Sometimes, a relationship, commonly called profile, between a response variable and one or more explanatory variables is defined for process monitoring. Various control charts proposed up to now to monitor profiles have not been designed economically. The importance of an economic design of profiles is significant. This is due to difference in some concepts and numerous of parameters. In this paper, for one of the monitoring approaches, which use three exponentially weighted moving average control charts simultaneously, cost function is presented and this approach is redesigned economically. In addition, the average run length calculating model is developed using the Markov chain method. This economic design is applied for a numerical example and solved by Nelder-Mead downhill simplex method and the optimal values of parameters are calculated.Keywords: Simple linear profiles, Economic design, Exponentially weighted moving average (EWMA), Average run length (ARL), Markov chain method
- نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
©2000-2025 magiran.com All Rights Reserved.