طراحي يك سيستم فازي به منظور شناسايي الگوهاي غير طبيعي نمودارهاي كنترل و اولويت بندي منشا انحرافات با دليل

Design of a Fuzzy Rule-Based System to Recognize Control Chart Patterns and Prioritize Assignable Cause

چكيده تكنيكهاي كنترل فرآيند آماري بطور گسترده در مراكز صنعتي به منظور كنترل فرآيند توليد مورد استفاده قرار ميگيرند. تشخيص الگوهاي غيرطبيعي در نمودارهاي كنترل كه نشان دهنده خارج از كنترل بودن فرآيند توليد هستند، يكي از مهمترين مفاهيم در استفاده از نمودارهاي كنترل ميباشند بطوريكه هر كدام نشان دهنده يك انحراف با دليل در فرآيند توليد ميباشند و بايد شناسايي و رفع شوند. هنگاميكه در يك نمودار كنترل چندين الگوي غيرطبيعي وجود دارد، تعيين شدت منشا انحرافات با دليل مربوط به هر يك از الگوها با عدم قطعيت و ابهاماتي مواجه است كه استفاده از نمودارهاي كنترل و روشهاي سنتي تفسي آنها را دچار مشكل كرده است. در اين مطالعه يك سيستم فازي يكپارچه بر مبناي قواعد فازي توسعه داده ميشود تا با استفاده از آن شدت انحرافات با دليل تخمين زده شوند و برمبناي اين تخمينها، انحرافات با دليل به منظور بررسي و رفع منشا انحرافات اولويت بندي شوند. در انتها با استفاده از مطالعه موردي چگونگي استفاده از از سيستم فازي پيشنهادي تشريح ميشود.

Control chart patterns recognition is one the most important concepts in control charts application. Relating patterns exhibited on the control chart to assignable causes is an ambiguous and vague task especially when multiple patterns exist. In this study, in order to prioritize assignable causes, a fuzzy rule based system based on the accumulated evidence is developed for control chart. Finally, we use case studies to show the reasonable performance of the proposed fuzzy rule based system.