بهينه سازي فرآيندهاي چندپاسخي با استفاده از روش هاي تصميمگيري چند معياره SIR و SMART

Optimization of Multi Response Processes Using SMART and SIR MultiCriteria Decision-Making Methods

چكيده مشخصات كيفي يك فرآيند حاصل تنظيمات مقادير متغيرهاي كنترلي فرآيند به شيوهاي است كه متغيرهاي پاسخ فرآيند در مقادير بهينه خود تنظيم شوند. طراحي آزمايشها يك رويكرد سيستماتيك است كه ميتواند با انجام تغييرات هدفدار در متغيرهاي كنترلي، متغير پاسخ فرآيند را اندازه گيري نمايد و در هر بار اجراي آزمايش با اندازهگيري متغيرهاي كنترلي و متغير پاسخ توصيفي از مكانيزم حاكم بر فرآيند و نحوه تاثير متغيرهاي كنترلي بر متغير پاسخ ارايه دهد. فرآيندهاي چندپاسخي عبارتند از فرآيندهايي كه در آنها پاسخ فرآيند چندگانه بوده و به طور همزمان چندين پاسخ يك فرآيند بر اساس چندين متغير كنترلي اندازهگيري ميشوند؛ تحت اين شرايط يافتن بهترين تركيب مقادير پاسخ فرآيند و متغيرهاي كنترلي متناظر به راحتي ممكن نيست. در اين مقاله تكنيكهايي به منظور شناسايي بهترين سطوح متغيرهاي پاسخ فرآيند و متغيرهاي كنترلي متناظر با آن در فرآيندهاي چند پاسخي با استفاده از روشهاي تصميم گيري چندمعياره ارايه مي شود. كاربرد روش ارايه شده در يك مطالعه موردي با اجراي دو روش نوين تصميمگيري چند معياره نشان داده ميشود. تحليل ها نشان مي دهد كه يافته هاي حاصل از هر دو تكنيك تصميم گيري چندمعياره از يكديگر پشتيباني ميكنند.

stract Quality characteristics of a process are result of adjusting process control variables so that the response variables are at their optimal values. Design of experiments is a systematic approach that can measure the response variables by changing the control variables. In each experiment by measuring control and response variables, design of experiments offers a description of mechanisms associated with the process and effects of control variables on response variables. Multi-response processes are the processes that contain several response variables simultaneously based on multiple control variables. Under these circumstances, finding the best combination of response variables and corresponding control variables is complicated. In this paper, MultiCriteria Decision Making (MCDM) techniques are developed to identify the best process response variables and corresponding control variables in the multi-response processes. Two novel MCDM technics namely Simple Multi Attribute Ranking Technique (SMART) and Superiority and Inferiority Ranking (SIR) are applied in acase study