کریم آتشگر - دانشجوی دکتری دانشکده مهندسی صنایع ، دانشگاه علم و صنعت ایران
رسول نورالنساء - استاد دانشکده مهندسی صنایع ، دانشگاه علم و صنعت ایران

زمانی که نمودار کنترل شرایط خارج از کنترل را نشان می دهد ، جستجو برای شناسایی و حذف علت / علل انحراف آغاز می شود. شناسایی زمان ایجاد انحراف در فرآیند که از آن به عنوان نقطه تغییر نام برده می شود می تواند یک اقدام موثر در شناسایی و حذف اثربخش علت / علل ایجاد انحراف در یک فرآیند محسوب شود. زمانی که از یک بردار مشخصه های کیفی جهت کنترل یک فرآیند استفاده می شود آنگاه شناسایی نقطه تغییر به تنهایی نمی تواند در شناسایی و حذف علت / علل ایجاد شرایط خارج از کنترل موثر واقع شود . به عبارت دیگر ، در فرآیندهای چند متغیره لازم است علاوه بر شناسایی نقطه تغییر ، متغیر(هایی) که موجب ایجاد حالت خارج از کنترل شده اند نیز شناسایی شوند تا بتوان به طور اثربخش اقدامات بهبود را انجام داد. در این مقاله برای اولین بار با استفاده از شبکه عصبی مدلی ارائه می شود که بدون آنکه نوع تغییرات بردار میانگین یک فرآیند دانسته انگاشته شود ، با فرض آنکه تغییرات فوق وابسته به تغییرات مونوتونیک باشند و یا تغییرات بصورت نامنظم افزایشی / کاهشی در فرآیند ظاهر شوند ، می تواند علاوه بر تشخیص متغیری که موجب خارج از کنترل شدن فرآیند شده است ، نقطه تغییر را نیز برای یک فرآیند نرمال دو متغیره شناسایی نماید . مدل فوق برای ترکیبات مختلف تغییر در میانگین متغیرها با ضرایب همبستگی متعدد ، با دو شاخص «نرخ طلا» و «متوسط طول دنباله» مورد ارزیابی قرار گرفته است .

نقطه تغییر ، شبکه عصبی ، نمودار کنترل ، متوسط طول دنباله