پايش ماتريس واريانس-كوواريانس فرآيند نرمال چندمتغيره در فاز 2

Developing Methods for Monitoring Multivariate Variance-Covariance Matrix in Phase II

چكيده بسط چند متغيره نمودارهاي كنترل براي پراكندگي فرآيند به سادگي ميانگين فرآيند نيست. مدل كلي يا روش هايي كه رنج وسيعي از مسايل واقعي را پوشش دهد وجود ندارد. در بيشتر موارد، مسايل متفاوت نياز به بررسي هاي خاصي دارند. در اين تحقيق چندين مورد خاص از انواع تغيير در ماتريس واريانس- كوواريانس را در نظر ميگيريم و مدلها و نمودارهاي كنترل براي كشف اين تغييرات فرآيند را بهبود ميدهيم. در اين مقاله راههاي تشخيص وضعيتهاي خارج از كنترل بررسي شده و 3 روش براي پايش ماتريس واريانس كوواريانس چندمتغيره در فاز 2 ارايه شده است. آمارههاي پيشنهادي تحت انواع تغييرهاي تعريف شده مورد بررسي قرار گرفتند. نتايج شبيه سازي كارايي رضايت بخشي را براي روشهاي پيشنهادي نشان مي دهد.

Multivariate statistical process control is aimed at monitoring two or multiple quality characteristics simultaneously. In monitoring such processes, it is a necessity to achieve two major objectives. The first objective involves the prompt identification of out-of-control conditions while the second objective deals with the correct identification of the quality variable responsible for out-of-control state. In this research, we have investigated approaches to reach the first objective and several methods developed for monitoring multivariate variance-covariance matrix in phase II. The main objective in phase II is quickly identification shift in deviation. In this research, 2 methods developed for monitoring multivariate variance-covariance matrix in phase II that considered special cases of process displacement. The results of conducting simulation studies reveal that employing the proposed methods can effectively lead to a decrease in ARL.