مریم محدثی بایگی - دانشجوی کارشناسی ارشد، دانشگاه فردوسی مشهد
علیرضا شادمان - استادیار، دانشگاه فردوسی مشهد

در کنترل فرایند آماری، پروفایل رابطه ای بین یک متغیر پاسخ و یک یا چند متغیر مستقل است که باید در طول زمان پایش شود. تحقیقات زیادی در حوزه ی پایش پروفایل ها انجام شده اما در اکثر آنها فرض بر نرمال بودن توزیع متغیر پاسخ است. در حالی که در بسیاری از موارد این فرض نقض می شود. به عنوان مثال زمانی که متغیر پاسخ دارای مقداری گسسته و نامنفی پاشد دارای توزیع پواسون یا دو جمله ای منفی است. همچنین در فاز یک پایش پروفایل ها، براورد زمان واقعی تغییر در پارامترهای فرایند به دلیل این که موجب صرفه جویی در هزینه و زمان تشخیص علل تغییر می شود موضوعی مهم است. در این مقاله به توسعه ی روش آزمون نسبت درستنمایی (LRT) در قالب رویکرد نقطه تغییر، در فاز یک پایش پروفایل های دو جمله ای منفی تحت دو سناریو عدم استفاده و استفاده از تبدیل برای نرمال کردن متغیر پاسخ پرداخته ایم. عملکرد این روش پیشنهادی برای دو سناریو مطرح شده ، تحت انواع گوناگون تغییرات پله ای، تدریجی و نقاط پرت در پارامترهای فرایند با استفاده از شبیه سازی مقایسه شده است. نتایج نشان دهنده عملکرد بهتر روش LRT در حالت عدم استفاده از تبدیل، تحت هر سه نوع تغییر بود.

پروفایل دو جمله ای منفی، فاز یک، آزمون نسبت درستنمایی، تبدیل