تخمين نقطه تغيير در ميانگين يك فرآيند دو مشخصه وصفي با توزيع بينم

Estimation of the Change Point of a Bivariate Binomial Process Mean

نمودارهاي كنترل ابزار قدرتمندي هستند كه به منظور پايش تغييرات فرآيند مورد استفاده قرار مي گيرند. در كنترل فرآيند آماري، موارد بسيار زيادي وجود دارد كه مشخصه هاي كيفي وصفي در محصول يا فرآيند، به صورت همزمان پايش مي شوند. اگرچه دريافت اخطار در نمودارهاي كنترل بيانگر وجود تغيير در فرآيند است ولي اغلب زمان شروع تغيير مشخص نيست. تشخيص زمان دقيق شروع تغيير به مهندسين فرآيند در شناسايي علل تغيير و همچنين بهبود فرآيند كمك مي كند. در اين مقاله تكنيك هاي كنترل فرآيند آماري براي فرآيندي مورد مطالعه و بررسي قرار مي گيرد كه مشخصه هاي كيفي وصفي از نوع منطبق/ نامنطبق به صورت دو متغيره اندازه گيري مي شوند، همچنين با استفاده از روش بيشترين درستنمايي تخمين زننده اي براي برآورد زمان شروع تغيير در اين فرآيندها پيشنهاد مي كنيم. در اين مقاله فرض بر اين است كه دو مشخصه ي كيفي وصفي مختلف در يك محصول داراي همبستگي هستند. نتايج شبيه سازي نشان داده است كه روش پيشنهادي براي شناسايي زمان تغيير در بردار ميانگين فرآيند از عملكرد خوبي برخوردار است.

Control charts are powerful tools used to observe process changes. In "statistical processes control" there are many cases that several attribute quality characteristics of a product or a process are inspected simultaneously. Although in these control charts receiving an indicator is a sign of process change, the indicator does not specify when the actual process change has occurred. Knowing the exact time of the process change would assist process engineers in their search for the particular cause and aid them in process improvements. In this paper, statistical quality control charts are studied and compared in situations where multiple attribute characteristics of a product or process are measured simultaneously. Multi-attribute quality characteristics that are investigated in this research consist of conforming and non conforming characteristics and are represented by binomial distribution. Furthermore, for this intention an estimator of the process change point is suggested using maximum likelihood method. In this paper, It is assumed that multiple attribute quality characteristics are assumed to be correlated with each other. The results of simulation show that the estimator provides a good assessment for the approximation of the time of change in the process.