مقايسه نمودارهاي كنترل انطباق پذير با داده هاي غيرنرمال با رهيافت شبيه سازي

A comparative Study with Adaptive Control Charts under Non-normality with Simulation Approach

كنترل فرآيند آماري روشي قدرتمند در ايجاد ثبات و بهبود كارآيي فرآيند از طريق كاهش تغيير پذيري است. نمودارهاي كنترل از پركاربردترين ابزارهاي كنترل آماري فرآيند بوده و نقش مهمي را در ارتقا كيفيت فرآيندها ايفا مي كند. پژوهش هاي اخير اين مطلب را بازگو مي كند كه نمودارهاي كنترل انطباق پذير X ? (اندازه نمونه متغير، فاصله بين نمونه گيري متغير و پارامتر متغير) سريع تر از نمودار شوهارت استاندارد X ?در يافتن شيفت هاي ميانگين عمل مي كنند. يكي از مفروضات معمول براي طراحي يك نمودار كنترل، نرمال بودن توزيع مشاهدات است ولي ممكن است در بعضي فرآيندها اين فرض صادق نباشد. در اين مقاله كارايي نمودارهاي كنترل انطباق پذير تحت داده هاي غيرنرمال از رهيافت شبيه سازي با استفاده از نرم افزار MATLAB بررسي مي شود و نشان داده خواهد شد كه نمودار كنترل پارامتر متغير بهتر از ساير نمودارهاي كنترل انطباق پذير X ? در يافتن تغييرات كوچك ميانگين تحت داده هاي داراي توزيع غيرنرمال عمل مي كند و از همه مهم تر خطر هشدار اشتباه كاهش مي يابد.

The Statistical Process Control (SPC) is a powerful method in making processes robust and improving quality level of products by decreasing variance of process. Control chart is one of the most practical tools in SPC and plays an important role in improving quality of processes. Recent studies has demonstrated the adaptive (i.e., variable sample sizes, sampling intervals, and/or action limit coefficients) X ?charts are quicker than standard Shewhart (SS) X ?control chart in detecting process mean shifts. The usual assumption for designing a control chart is that the data or measurements are normally distributed. However, this assumption may not be true for some processes. In this paper, the performance of the adaptive X ? chart is evaluated under non-normality (Gamma and t distributions) with simulation approach by MATLAB software. Based on the study, it is shown that the variable parameters (VP) X ? chart is more effective than the other adaptive control charts in detecting small process mean shifts under non-normality. More importantly, the risk of false alarm of the VP X ? chart can be substantially decreased.