پایش تغییرپذیری فرآیندهای چند مشخصه وصفی و متغیر با استفاده از شبکه عصبی مصنوعی

امروزه در برخی محیط‏های تولیدییا خدماتی، کیفیت محصول یا عملکرد فرآیند به وسیله ترکیبی از مشخصه‏های کیفی متغیر و وصفی همبسته توصیف می‏گردد. بر اساس آخرین اطلاعات مولفان، تا کنون هیچ روشی برای پایش ماتریس واریانس- کوواریانس این گونه فرآیندها ارائه نشده است. در این مقاله، یک شبکه عصبی مصنوعی برای پایش تغییرپذیری یک فرآیند چند مشخصه وصفی و متغیر ارائه شده است. شبکه ارائه شده نه تنها قادر به کشف وضعیت‏های خارج از کنترل بوده، بلکه می تواند مشخصه /مشخصه‏های عامل انحراف در فرآیند را نیز شناسایی کند. کارایی روش ارائه شده با استفاده از یک مثال عددی بر اساس معیارهای متوسط طول دنباله و درصد تشخیص­ درست مشخصه /مشخصه‏های کیفی عامل انحراف بررسی شده است. همچنین عملکرد شبکه طراحی شده در پایش ماتریس واریانس- کوواریانس فرآیندهای چند مشخصه وصفی و متغیر با دو روش آماری پایش ماتریس واریانس- کوواریانس برای مشخصه‏های کیفی متغیر که در این مقاله برای پایش فرآیندهای چند متغیره- چند مشخصه توسعه داده شده اند، مقایسه شده است. نتایج مثال عددی نشان می‏دهد که شبکه عصبی طراحی شده عملکرد بهتری در کشف وضعیت‏های مختلف خارج از کنترل نسبت به روش های آماری توسعه داده شده دارد و همچنین به خوبی قادر به تشخیص مشخصه(های) کیفی عامل انحراف در فرآیند است.

Keywords:

شبکه پرسپترون چند لایه , شبکه عصبی مصنوعی , فرآیند چند مشخصه وصفی و متغیر , کنترل فرآیند آماری , متوسط طول دنباله