توسعه روشهای شناسایی نقطه تغییر در محیط چند متغیره

پس از دریافت هشدار از نمودار کنترل، آگاهی از زمان واقعی تغییر در فرآِند- که به آن نقطه تغییر گفته می شود- به مهندسین فرایند کمک می کند تا در دامنه کوچکتری از زمان به جستجوی انحراف با دلیل و علت وقوع آن پرداخته و در نتیجه کشف علت انحراف و به طبع آن اتخاذ اقدام اصلاحی جهت بهبود کیفیت نیز زودتر انجام گیرد. در این مقاله با استفاده از روش ماکسیمم درستنمایی، تخمین زننده ای برای برآورد نقطه تغییر از نوع روند خطی در بردار میانگین یک فرایند نرمال چند متغیره ارائه شده است. با استفاده از شبیه سازی مونت کارلو صحت و دقت تخمین زننده پیشنهادی مورد ارزیابی قرار گرفته است. نتایج شبیه سازی ها نشان می دهد کع تخمین زننده مورد نظر بهازای اندازه تغییرات کوچک و بزرگ دارای عملکرد بسیار مناسبی هم از نظر صحت و هم از نظر دقت می باشد. استفاده از این روش زمانیکه انتظار می رود تغییر روند خطی در پارامتر میانگین رخ می دهد به ویژه به ازای اندازه تغییرات کوچک که نمودار کای- دو در شناسایی آنها از عملکرد ARL ضعیفی برخوردار است می تواند منجر به تسریع در شناسایی عامل انحراف گردد.

Keywords:

کنترل فرایند آماری , فرایند نرمال چند متغیره , نمودار کنترل x2 , شناسایی نقطه تغییر , تخمین زننده MLE , شبیه سازی مونت کارلو