پديد آورندگان :
سلماس نيا، علي دانشگاه قم دانشكده فني و مهندسي - گروه مهندسي صنايع , حاتمي، احمد دانشگاه قم دانشكده فني و مهندسي - گروه مهندسي صنايع , طالش كاظمي، علي دانشگاه قم دانشكده فني و مهندسي - گروه مهندسي صنايع
كليدواژه :
نگهداري تعميرات , طراحي اقتصادي آماري , انحرافات با دليل چندگانه , زمان بين رويدادها , پايش آماري فرايند
چكيده فارسي :
امروزه نظارت بر فرايند آماري)SPM(و نگهداري تعميرات دو ابزار شناخته شده براي كاهش توليد محصول نامنطبق هستند. در اين ارتباط، يك رويكرد براي يكپارچه‌سازي SPM و نگهداري تعميرات براي فرايندهاي باكيفيت بالا ارايه مي‌شود. به علاوه، در بيشتر مطالعاتي كه اين دو مفهوم را به طور هم‌زمان در نظر گرفته‌اند، فرض بر آن است كه فقط يك انحراف با دليل در فرايند توليد مي‌تواند رخ دهد. اين فرض ساده‌كننده مي‌تواند منجر به عملكرد ضعيف خط توليد در هر دو عامل اقتصادي و آماري شود، هنگامي‌كه مقدار انحراف رخداده در فرايند متفاوت از انحراف پيش‌بيني شده باشد. در نتيجه، به منظور نزديك‌تر شدن مدل با دنياي واقعي امكان رخداد چند انحراف با دليل در مدل ارايه شده در نظر گرفته مي‌شود. در ادامه، از الگوريتم بهينه‌سازي ازدحام ذرات براي بيشينه‌سازي سود مورد انتظار چرخه‌ي توليد به قسم محدوديت‌هاي آماري استفاده مي‌شود. در پايان، تحليل حساسيت روي پارامترها و مطالعات مقايسه‌يي براي بررسي تاثير بر روي تابع هدف انجام مي‌شود.
چكيده لاتين :
Statistical Process Monitoring (SPM),maintenance are two major concepts todecrease the number of non-conforming products. In this regard,an integratedmodel of SPM,maintenance for imperfect high-quality processes is presented.Furthermore,in studies that consider these two concepts simultaneously,it is assumed that there is only one assignable cause in the production process. This simplifying assumption is unlikely to occur in real production processes due tothe usual complexity of manufacturing systems. It may lead to a poor performance in both economic,statistical criteria if the assignable cause originating the shift is different from the one anticipated at the design of the chart. To make the model more adapted to real manufacturing situations,the process under consideration can turn into an out-of-control state due to several types of assignable causes. The particle swarm optimization algorithm is used to maximize the expected profit per time unit,subject to statistical quality constraints. Then,the effects of parameters lambda,in (the event occurrence rate when the process is in the in-control state),A,in(the false alarm cost),A,out(the search,repair cost),V,in (the profitper time unit when the process is in-control state),V,out (the profit per time unit when the process is out-of-control state),and C,e (the cost incurred by the occurrence of the event) on the profit per time unit are investigated. Finally,to show the effectiveness of the suggested approach,two comparative studies are presented. In the first comparative study,the integrated model is compared to a similar model without maintenance activities. The results confirm that implementation of maintenance activities leads to a significant increasein the manufacturer's profit. In the second comparative study,the presented model is compared to a similar model in which statistical constraints are eliminated. The results indicate that the proposed model extremely improves average time to signal in both in-control,out-of-control states while the profit per time unit decreases slightly.
