مهسا کرباسیان
عنوان پایان‌نامه
ملاک های عملکرد نمودار کنترلی
- دانشجو
- مهسا کرباسیان
- استاد راهنما
- محمد بامنی مقدم
- استاد مشاور
- رضا پورطاهری
- استاد داور
- محمدرضا صالحی راد
- مقطع تحصیلی
- کارشناسی ارشد
- تاریخ دفاع
- ۳۰ بهمن ۱۴۰۱
- ساعت دفاع
- چکیده
-
نمودارهای کنترلی، یکی از ارزشمندترین ابزارهای کنترل آماری فرایند SPC جهت نشان دادن این که مشخصه های کیفیت مورد بررسی در فرایند مورد نظر دارای وضعیت پایدار هستند یا نه، مورد استفاده قرار می گیرند. پایداری در فرایند بر مبنای شرایطی تعیین می شود که طی آن فرایند درجه بالایی از یکنواختی عملکرد در گذشته را نشان داده و انتظار می رود که این یکنواختی در آینده نیز حفظ شود. اگر تجزیه و تحلیل نمودار کنترلی نشان دهنده یک فرایند پایدار باشد، می توان داده های آن فرایند را برای پیش بینی عملکرد فرایند در آینده مورد استفاده قرار داد، اما اگر مشخص شود که فرایند مورد نظر پایدار نیست، می توان با استفاده از نمودارهای کنترلی علت تغییرات را شناسایی کرد. استفاده از نمودار کنترلی با کارایی بالاتر به موضوعی کلیدی تبدیل شده است. عملکرد نمودارهای کنترلی معمولاً با استفاده از معیار متوسط طول اجراARL ارزیابی می شود. استفاده از ،ARL به دلیل چولگی توزیع طول اجرا گمراه کننده است.امتیاز احتمال رتبه ای پیوسته CRPS زمانی که طول اجرای نمودارهای کنترلی مستقل از هم فرض شوند، معیاری مناسب برای مقایسه در مثال های شبیه سازی شده می باشد که تحت تاثیر چولگی توزیع طول اجرا قرار نمی گیرد. این رویکرد مقداری عددی را از طریق اندازه گیری فاصله بین صفر و تابع توزیع تجمعی طول اجرا برای تصمیم گیری در مورد عملکرد نمودار کنترلی ارائه می دهد. در حالتی که طول اجرای نمودارهای کنترلی وابسته به هم فرض شوند، مقایسه زوجی به منظور محاسبه مستقیم احتمال این که کدام نمودار کنترلی، تغییرات را سریع تر تشخیص می دهد، معرفی شده است و این روش توزیع طول اجراها را به طور مستقل بررسی نمی کند، بلکه توزیع توأم طول اجراها را در نظر می گیرد. در این پژوهش به معرفی و مقایسه معیارهای ارزیابی عملکرد نمودارهای کنترلی پرداخته شده است. معیارهای معرفی شده دارای محاسباتی ساده بوده و به راحتی تفسیر می شود. روش های مطرح شده در SPC مفید است و امید است این روش ها موجب بهبود کیفیت در بخش تولید شود
- Abstract
-
Within the manufacturing process, Statistical Process Control (SPC) is a powerful collection of problem-solving tools useful in both achieving process stability and improving capability through the reduction of variability. SPC is applied in order to monitor and control a process so that the process can make as much conforming product as possible with a minimum of waste. Arguably, control charts are the most successful tool in SPC procedure. If control chart analysis indicate a stable process, then data from that process can be used to predict the performance of the process in the future. If the monitored process is found to be not in control, analysis of the chart can help determine the sources of variation. Identifying sources of variation will reduce degraded process performance.Increased demand for control charts has led to more effective use of statistical methodologies, thus improving the quality of a product or a process. Researchers have made great efforts in the advancement of control charts. However, when two or more control charts monitor the same manufacturing process, comparing the control charts becomes a key issue. The performance of control charts is typically evaluated by run length distributions. The run length distribution of a control chart is the probability distribution of run length, which is the number of samples that need to be taken before the chart signals the change in the process.Diffculties exist in the comparison of control charts when using run length distribution as a criterion. For example, it is hard to determine whether a distribution is better than another graphically. Therefore, Average Run Length (ARL), which is the mean of run length distribution, has been accepted instead. However, using the first moment to summarize the entire distribution seems questionable.In this thesis, we first address whether or not traditionally used ARL can be considered a suffcient criterion. Research results indicate that using the average to present the entire run length distribution is not only less informative, but can also be misleading. Second, we investigate meaningful methods for comparing control charts. Continuous Ranked Probability Score (CRPS) is proposed here as a singlenumber criterion for the performance of control charts. CRPS is applicable when the run length distributions of two compared control charts are independent. The newly proposed score captures the distance from the distribution to zero. As it is shown in this thesis, CRPS could be considered as an ideal measurement when comparing the performance of control charts. The newly proposed score involves straight forward computation and is easily interpreted.When comparing the performance of control charts, dependency between the control charts is often overlooked. We have developed a procedure to solve this issue. Paired comparison is proposed in order to directly calculate the probability of which control chart detects the change earlier. The proposed method no longer treats the run length distribution independently, as it is taking the joint run length distribution into consideration. Paired comparison would increase statistical power due to the reduction of potential confounding errors. The proposed procedure is also easy to understand and simple to generalize to any control charts comparison, while taking the dependency into consideration.