نشریه مهندسی و مدیریت کیفیت
سال دهم شماره 1 (بهار 1399)

اگر شناسایی تغییرات کوچک در فرایند تولید مد نظر باشد، نمودار کنترلی میانگین متحرک موزون نمایی (EWMA) جایگزین مناسبی برای نمودار کنترلی X است. در شرایطی که به علت محدودیت های اقتصادی نتوان نمونه بزرگ از جامعه استخراج کرد، طرح نمونه گیری تصادفی ساده (SRS) ممکن است از دقت کافی برخوردار نباشد، که در این صورت می توان از طرح نمونه گیری مجموعه ی رتبه ای (RSS) استفاده نمود. در این مقاله برای اولین بار طراحی اقتصادی و آماری- اقتصادی نمودار کنترلی EWMA تحت طرح RSS بررسی شده است. با ارایه ی نتایج عددی، مزایای طراحی آماری-اقتصادی به طراحی اقتصادی نشان داده شده است. نتایج نشان می دهد که هزینه ها در طراحی آماری-اقتصادی نسبت به طراحی اقتصادی با اندک تغییری افزایش یافته است، اما به دلیل پایین بودن نرخ هشدار نادرست با اهداف کنترل کیفیت آماری هم راستا بوده و هم زمان با کاهش هزینه ها، کیفیت محصول را در سطح مطلوبی از خطا و توان بالا، کنترل می کند.

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.

تخمین نقطه ی تغییر با کاهش مدت زمان لازم و هزینه ی تشخیص عامل اثرگذار، به مهندسین کیفیت در جستجوی موثر برای کشف انحرافات با دلیل و بهبود کیفیت یک محصول یا یک فرآیند کمک می کند. در این مقاله، از رویکرد شبکه ی عصبی مصنوعی احتمالی برای تخمین نقطه ی تغییر پله ای در فاز 2 پایش پروفایل های چندگانه استفاده می شود. عملکرد شبکه ی عصبی احتمالی پیشنهادی برای تخمین نقطه ی تغییر با استفاده از شبیه سازی مونت کارلو مورد سنجش قرار می گیرد. نتایج شبیه سازی ها بیانگر این است که شبکه ی پیشنهادی در تخمین نقطه ی تغییر، در تغییرات کوچک از رویکرد حداکثر درستنمایی بهتر عمل می کند. اما در تغییرات متوسط تا بزرگ رویکرد حداکثر درستنمایی بهتر عمل می کند. به علاوه، مزیت دیگر رویکرد پیشنهادی این است که بر خلاف رویکرد حداکثر درستنمایی نیازی به هیچ گونه پیش آگاهی از نوع تغییر ندارد و به خوبی قادر به تخمین انواع نقاط تغییر نیز هست.

تعیین شاخص همبستگی اجزاء و تاثیر آن بر قابلیت اطمینان سیستم ضرورت دارد تا بتواند مدل ها را ملزم کند تا به طور صریح شکست های پیوسته را ترکیب و هماهنگ کند و برآورد درستی از قابلیت اطمینان سیستم ارایه دهند. رویکردهای قبلی برای مدل سازی همبستگی، محدود به سیستم هایی هستند که شامل دو یا سه جزء بوده و یا فرض می شوند که کارکرد اجزاء، از نظر آماری مستقل هستند. در این پژوهش ضمن در نظر گرفتن وابستگی بین کارکرد اجزاء به ارایه مدلی برای در نظر گرفتن این وابستگی و محاسبه قابلیت اطمینان سیستم های سری ، موازی ، سیستم های k-out of-n ، موازی-سری و سری- موازی پرداخته شده است و برای درک بهتر مساله مثالهایی همراه با تحلیل حساسیت ارایه شده است که در آن اجزاء از لحاظ کارکرد بهم وابسته اند

هدف این مقاله، بررسی پارامتر قابلیت اعتماد R=P(X<Y) براساس نمونه هایی با سانسور فزاینده نوع 2 است که در آن X و Y متغیرهای تصادفی مستقل با توزیع نمایی وارون تعمیم یافته با پارامترهای شکل متفاوت و پارامتر مقیاس یکسان هستند. برآوردگرماکسیمم درست نمایی (MLE) و برآوردگر نااریب با واریانس به طور یکنواخت مینیمم (UMVUE) پارامترR به دست می آیند و بازه های اطمینان مختلفی ارایه می شوند. همچنین، برآوردگر بیز R و بازه اطمینان HPD با استفاده از روش نمونه گیری گیبز پیشنهاد می شوند. شبیه سازی های مونت کارلو برای مقایسه عملکرد روش های مختلف انجام شده است.

در این پژوهش با استفاده از مدل مارکوف ، فرمول عمومی محاسبه قابلیت اطمینان و MTTF که از عوامل اصلی مهندسی در کیفیت میباشند و... در سیستم های دارای افزونگی 1 از n، از دو روش حل معادلات دیفرانسیل (حل دستگاه معادلات حالت ، استخراج تابع قابلیت اطمینان و محاسبه MTTF با استفاده از آن) و روش میانبر (محاسبه مستقیم MTTF بدون نیاز به تابع قابلیت اطمینان با استفاده از ماتریس های گذار در مدل مارکوف) بدست آمده که بعضا در مقاله نیز به طور مختصر اشاره شده و امکان برآورد این پارامترها برای هر تعداد n دلخواه، تسهیل گردیده است. همچنین با استفاده از توابع بدست آمده، میزان تاثیر افزایش اقلام افزونه بر ارتقای قابلیت اطمینان، در این سیستم ها (با حالت های آماده به خدمت و فعال و اجزاء تعمیرپذیر و غیرقابل تعمیر) ، جهت انجام محاسبات از نرم افزار Mathematica استفاده شده است .