استفاده از شبکه های عصبی مصنوعی در پایش فرآیندهای چند مشخصه وصفی- متغیر و تشخیص عوامل انحراف

در بسیاری از فرآیندهای تولیدی یا محیط های خدماتی، کیفیت محصول یا عملکرد فرآیند بر حسب ترکیبی از مشخصه های کیفی همبسته متغیر و وصفی توصیف می گردد. مثلاً در فرآیند تزریق پلاستیک، وزن محصول و تعداد عیوب ظاهری آن به عنوان مشخصه های کیفی یک محصول در نظر گرفته می شوند که با یکدیگر همبستگی دارند. علی رغم تحقیقات گسترده ای که به منظور پایش فرآیندهای چند متغیره و چند مشخصه وصفی به صورت جداگانه انجام شده است، تا کنون روش های اندکی تنها برای پایش میانگین فرآیندهای چند مشخصه وصفی- متغیر ارائه شده است. در این پایان-نامه، روش هایی برای پایش میانگین، تغییرپذیری و هم چنین پایش همزمان میانگین و تغییرپذیری فرآیندهای چند مشخصه وصفی- متغیر با استفاده از شبکه عصبی مصنوعی ارائه شده است. مزیت عمده روش های مبتنی بر شبکه عصبی ارائه شده در این پایان نامه نسبت به نمودارهای کنترل موجود این است که روش های پیشنهادی علاوه بر شناسایی وضعیت کلی فرآیند، قادر به تشخیص مشخصه (مشخصه های) کیفی عامل انحراف در فرآیند و هم چنین طبقه بندی اندازه شیفت در مشخصه (مشخصه های) کیفی خارج از کنترل نیز می باشند. در این پایان نامه هم چنین سه نمودار کنترل چند مشخصه وصفی- متغیر نیز برای پایش تغییرپذیری فرآیندهای چند مشخصه وصفی- متغیر توسعه یافته اند. لازم به ذکر است که کلیه تحقیقات صورت گرفته در این پایان نامه مربوط به فاز 2 بوده و در نتیجه پارامترهای توزیع مشخصه های کیفی بر اساس نتایج حاصل از تجزیه و تحلیل فاز 1 معلوم می-باشند. عملکرد روش های مبتنی بر شبکه عصبی ارائه شده در کشف شیفت های مختلف در بردار میانگین، ماتریس کوواریانس و هم چنین شیفت های همزمان در بردار میانگین و ماتریس کواریانس فرآیندهای چند مشخصه وصفی- متغیر در قالب چندین مثال عددی به وسیله شبیه سازی و بر اساس معیار متوسط طول دنباله مورد ارزیابی قرار گرفته است و نتایج حاصل با نمودارهای کنترل چند مشخصه وصفی- متغیر توسعه یافته مقایسه شده است. نتایج مثال های عددی نشان می دهد که روش-های مبتنی بر شبکه‏ عصبی پیشنهادی عملکرد نمودارهای کنترل توسعه یافته را در کشف تغییرات مختلف در بردار میانگین و ماتریس کوواریانس و هم چنین تغییرات همزمان در بردار میانگین و ماتریس کوواریانس فرآیند بهبود می بخشند. نتایج شبیه سازی هم چنین ثابت می کند که روش های مبتنی بر شبکه عصبی پیشنهادی عملکرد بسیار خوبی نیز در شناسایی عوامل انحراف و هم چنین طبقه بندی اندازه شیفت در مشخصه های کیفی فرآیند دارند.