#تخمین نقطه تغییر در ماتریس کواریانس فرآیند نرمال چندمتغیره با استفاده از شبکه عصبی
PHYSICAL DESCRIPTION
Specific Material Designation and Extent of Item
#ن، ۸۷ ص.: مصور
Specific Material Designation and Extent of Item
1
EXTERNAL INDEXES/ABSTRACTS/REFERENCES NOTE
Name of source
#زمانی که نمودار کنترل حالت فرآیند را خارج از کنترل اعلام میصکند، زمان واقعی تغییر نبوده و نمودار کنترل، انحرافات را با یک تاخیر زمانی از نقطه واقعی تغییر کشف میصکند .بنابراین آگاهی از زمان واقعی تغییر در فرآیند که به آن نقطه تغییر گفته میصشود، سبب میصشود که منابع ایجاد اشکال در فرآیند شناسایی شده و با حذف آنصها راه جهت بهبود درازمدت در فرآیند باز شود .در بسیاری از فرآیندهای صنعتی وجود چندین مشخصه کیفی همبسته اجتناب ناپذیر میصباشد .برای تحت کنترل بودن یک فرآیند چند متغیره لازم است که بردار میانگین و ماتریس کواریانس فرآیند به صورت همزمان تحت کنترل باشند .در این گونه از فرآیندها با افزایش تعداد متغیرها، عملکرد نمودارهای کنترل به طور قابل توجهی کاهش یافته و تاخیر زمانی میان زمان واقعی تغییر در فرآیند و زمان هشداردهی نمودار کنترل افزایش میصیابد .با توجه به اهمیت شناسایی زمان واقعی تغییر در فرآیند، تحقیقات گستردهصای در این خصوص انجام شده است که اکثر این تحقیقات در حوزه فرآیندهای تک متغیره میصباشد و تحقیقات اندکی به فرآیندهای چند متغیره اختصاص یافته است .بیشتر تحقیقات انجام شده در حوزه تخمین زمان واقعی تغییر در فرآیندهای چند متغیره معطوف به تغییرات در بردار میانگین مشخصهصهای کیفی میصباشد و تنها یک تحقیق در خصوص ماتریس کواریانس انجام شده است .در حالی که ممکن است در یک فرآیند چند متغیره، علیرغم تحت کنترل بودن بردار میانگین، ماتریس کواریانس دچار تغییر شود .اخیرا استفاده از شبکهصهای عصبی در شناسایی نقطه تغییر با توجه به عملکرد مناسب این شبکهصها، مورد توجه محققان قرار گرفته است .اما تمامی تحقیقات انجام شده در این زمینه تنها تغییرات در بردار میانگین فرآیندهای نرمال چند متغیره را مدنظر قرار دادهصاند و تا به حال روشی مبتنی بر شبکهصهای عصبی برای تخمین نقطه تغییر در ماتریس کواریانس فرآیندهای چند متفیره پیشنهاد نشده است .در این پایان نامه مدلی مبتنی بر شبکهصهای عصبی مصنوعی برای تخمین نقطه تغییر در ماتریس کواریانس فرآیندهای نرمال چند متغیره پیشنهاد شده است .روش ارائه شده در فاز2 نمودارهای کنترل میصباشد که در آن پارامترهای فرآیند اعم از بردار میانگین و ماتریس کواریانس براساس تجزیه و تحلیل از فاز1 معلوم فرض میصشود .نوع تغییر رخ داده در واریانس مشخصهصهای کیفی از نوع تغییرات پلهصای فرض شده است .عملکرد شبکهصهای عصبی طراحی شده در تخمین نقطه تغییر براساس دو معیار توزیع تجربی برآوردها و همچنین میانگین و انحراف استاندارد به ازای شیفتصهای مختلف در واریانس مشخصهصهای کیفی در قالب یک مثال عددی مبتنی بر شبیه سازی ارزیابی شده است .نتایج حاصله نشان دهنده عملکرد مناسب روش پیشنهادی در تخمین نقطه تغییر در ماتریس کواریانس فرآیندهای نرمال چند متغیره میصباشد .