روش بوت‌استرپ براي تعيين حدود كنترل ميانگين فرآيند آماري

Bootstrap Method for Mean Control Limits of Statistical Process

معمولاً عمل‌كرد يك فرآيند توليدي به‌وسيله نمودارهاي شوهارت كه ابزاري براي كشف انحراف‌هاي با دليل و بهبود فرآيند با كاهش تغييرپذيري است، تحت نظارت و كنترل قرار مي‌گيرد. هنگامي كه توزيع فرآيند نرمال نباشد اين‌گونه نمودارها كارايي ندارند. روش بوت‌استرپ يك خانواده از روش‌هاي باز نمونه‌گيري است كه مي‌تواند بدون فرض نرمال بودن مشاهده‌ها در كنترل كيفيت آماري استفاده شود. در مقاله‌هاي متعددي تنها از روش فاصله اطمينان صدكي براي تعيين حدود كنترل استفاده شده است. در اين مقاله علاوه بر فاصله‌هاي اطمينان صدكي بوت استرپ، t- بوت استرپ، تصحيح اريبي شتابيده (BCa) و فاصله اطمينان تقريبي بوت‌استرپ (ABC) براي تعيين حدود كنترل ميانگين فرآيند استفاده مي‌شوند. سپس در يك بررسي شبيه‌سازي از اين فواصل اطمينان بوت‌استرپ براي حدود كنترل ميانگين استفاده و مقايسه مي‌شوند. در نهايت اين حدود كنترل بوت‌استرپ براي نمودار ميانگين داده‌هاي ميزان گاز CO2 در نوشابه‌سازي كارخانه زمزم اصفهان استفاده مي‌شود.

Shewhart control charts are widely used in statistical process controls. These control charts are not applicable in the case of abnormal process distribution. In the absence of normality assumption in statistical quality controls one of the open sampling methods which can be applied is bootstrap method. In most of the papers, the Percentile Bootstrap Confidence interval is being applied in control limits determination. In this paper, we applied percentile bootstrap, bootstrap-t, bias corrected accelerated (BCa) and approximate bootstrap confidence interval (ABC) for mean control limits of statistical process. Then, the bootstrap confidence intervals were used and compared for mean control limits in simulation study. Finally, the bootstrap control limits were used for mean of CO2 data in Isfahan Zamzam factory.