طراحی یک شبکه عصبی مصنوعی برای کشف تغییر، تشخیص عامل انحراف و تعیین اندازه شیفت به طور همزمان در بردار میانگین فرآیندهای چندمشخصه وصفی- متغیر

Abstract

در برخی از فرآیندهای تولیدی، کیفیت محصول بر حسب ترکیبی از مشخصه‌های کیفی متغیر و وصفی همبسته بیان می‌گردد. براساس آخرین اطلاعات مولفین، تاکنون هیچ تحقیقی در خصوص شناسایی اندازه شیفت در میانگین مشخصه‌های کیفی خارج از کنترل در فرآیندهای چند مشخصه وصفی- متغیر صورت نگرفته است. در این مقاله، روشی مبتنی بر شبکه عصبی برای شناسایی اندازه شیفت در میانگین مشخصه‌های کیفی متغیر و وصفی همبسته و طبقه‌بندی بردار میانگین به کلاس‌های مختلف ارائه می‌گردد. شبکه عصبی پیشنهادی همچنین قادر است وضعیت بردار میانگین فرآیند اعم از تحت کنترل یا خارج از کنترل بودن آن را کشف نماید و مشخصه (‌های) کیفی عامل انحراف را نیز تشخیص دهد. عملکرد شبکه پیشنهادی در تعیین اندازه شیفت، تشخیص وضعیت فرآیند و همچنین تشخیص عوامل انحراف در قالب یک مثال عددی براساس شبیه‌سازی ارزیابی شده است. هم‌چنین عملکرد شبکه پیشنهادی در کشف شیفت و تشخیص عوامل انحراف در میانگین فرآیند با روش‌های موجود در ادبیات مقایسه شده است. نتایج حاصل از شبیه‌سازی نشان می‌دهد که شبکه عصبی ارائه شده عملکرد رضایت‌بخشی در تعیین وضعیت بردار میانگین فرآیند، تشخیص عوامل انحراف و شناسایی اندازه شیفت در میانگین مشخصه‌های کیفی در فرآیندهای چند مشخصه وصفی- متغیر دارد.