عنوان مقاله :
مدل نقطه ي تغيير براي پايش پروفايل هاي پواسون در فاز 2
عنوان به زبان ديگر :
A CHANGE POINT MODEL FOR MONITORING POISSON PROFILES IN PHASE II
پديد آورندگان :
عبدالتاجديني ، سجاد , صميمي، باسر دانشگاه صنعتي حواجه نصيرالدين طوسي - دانشكده مهندسي صنايع
كليدواژه :
پايش پروفايل پواسون , مدل نقطه ي تغيير , الگوهاي خطي تعميم يافته , آزمون نسبت درست نمايي , فاز 2 كنترل فرايند آماري
چكيده فارسي :
در بعضي از كاربردهاي كنترل فرايند آماري، عملكرد فرايند يا كيفيت محصول به وسيله ي رابطه ي بين يك متغير پاسخ و يك يا چند متغير مستقل توصيف مي شود كه اين رابطه را پروفايل مي نامند. طي سال هاي اخير پايش پروفايل براي مشخصه هاي كيفي وصفي مانند برنولي، پواسون و چندجمله يي با استفاده از مدل هاي خطي تعميم يافته مورد توجه محققين قرار گرفته است. نمودارهاي كنترل مرسوم براي پايش پروفايل علي رغم قابليت بسيار در تشخيص وضعيت فرايند، نسبت به تشخيص زمان واقعي ايجاد انحراف در فرايند، كه به آن «نقطه ي تغيير» گفته مي شود، از كارايي لازم برخوردار نيستند. هدف ما در اين تحقيق استفاده از آزمون نسبت درست نمايي به منظور پايش و تخمين نقطه ي تغيير در پروفايل هاي پواسون در فاز 2 كنترل فرايند آماري، و مقايسه ي اين روش با روش تخمين بيشترين درست نمايي مبتني بر به كارگيري نمودار كنترل T2 براي پايش ضرايب پروفايل است.
چكيده لاتين :
In some process control applications, the quality of a product or process can be characterized by a relationship between two or more variables, which is typically referred to as a profile. In recent years, profile monitoring of attribute quality characteristics, such as Bernoulli, Poisson and multinomial distributed response variables using generalized linear models, has received a great deal of attention by academic researchers as well as practitioners. In spite of their ability to detect the state of a process, traditional control charts for monitoring profiles are not sufficiently capable to determine the real time of change when a process enters the state of out-of-control condition. In this paper, we investigate the use of likelihood ratio test (LRT) method to monitor Poisson profiles and compare its performance with that of the traditional approach which employs maximum likelihood estimator (MLE) of change point, once an out- of- control signal appears in Hotteling T 2 control chart for monitoring profile parameters. It should be added that this study considers only a single step shift in parameters of the profile. Simulation results indicate that the proposed method outperforms the traditional approach in terms of both average run length (ARL) of detecting out-of-control conditions as well as accuracy of change point estimation. The relatively high dispersion of estimation of small shifts of the parameters is the main consideration of the proposed method which can be attributed to the higher detection speed manifested by shorter average run length of control chart resulting in fewer data points accessible to identify the exact change point. Integrating the LRT method with exponentially weighted moving average (EWMA) chart has proved to be more powerful in detecting small process shifts as well as dealing with other types of process shifts, such as linear trend, which are the main areas proposed in the concluding remarks of the paper.
عنوان نشريه :
مهندسي صنايع و مديريت شريف
عنوان نشريه :
مهندسي صنايع و مديريت شريف
