دفاعیه دکتری در دانشکده مهندسی صنایع

مهندس کریم آتشگر،دانشجوی دوره دکتری دانشکده مهندسی صنایع،روزدوشنبه،هفدهم آبان ماه سال جاری،از رساله خود با عنوان« برآورد نقطه تغییردر فرآیند نرمال چند متغیره با تغییرات ایزوتونیک به کمک شبکه عصبی» به راهنمایی دکتر نورالسناء دفاع نمود.

چکیده این رساله به شرح زیر می باشد:

زمانی که نمودار کنترل فرآیند، به خارج از کنترل بودن فرآیند دلالت می کند، جستجو برای حذف علت / علل انحراف در آن فرآیند آغاز می شود. شناسایی زمان واقعی شروع انحراف فرآیند که از آن به عنوان "" نقطه تغییر [1] " نام برده می شود، یک اقدام کاملا مؤثر در شناسایی و حدف اثربخش علت ایجاد انحراف در یک فرآیند تک متغیره محسوب می شود. اما هنگامیکه از بردار مشخصه های کیفی با ساختار همبسته جهت کنترل یک فرآیند چند متغیره استفاده می شود، شناسایی نقطه تغییر به تنهایی نمی تواند در شناسایی و حذف علت / علل ایجاد شرایط خارج از کنترل مؤثر واقع شود. بعبارت دیگر، در فرآیندهای چند متغیره لازم است علاوه بر شناسایی نقطه تغییر، متغیر یا متغیرهایی که موجب ایجاد شرایط خارج از کنترل در فرآیند شده اند نیز شناسایی شوند، تا بتوان به طور اثربخش اقدامات بهبود را انجام داد. محققان متعددی با رویکرد آماری توانسته اند برای شناسایی شرایط خارج از کنترل فرآیند، شناسایی نقطه تغییر و تشخیص متغیر یا متغیرهایی که موجب انحراف در فرآیند شده اند، روشها وطرحهایی مجزا از یکدیگر ارائه دهند. بطوریکه مهندسین کیفیت برای ریشه یابی علت / علل انحراف الزام می یابند که از چند طرح در زمانهای متوالی استفاده نمایند. بعبارت دیگر، زمانی مهندسین کیفیت می توانند مثلا از روش ارائه شده برای شناسایی نقطه تغییر استفاده کنند که یک طرح دیگری قبلا شرایط خارج از کنترل را شناسایی کرده باشد. استفاده از طرحهای مختلف و در عین حال متفاوت، شرایط بسیار سخت و پیچیده ایی را در عرصه واقعی اجرا برای مهندسین کیفیت فراهم می آورد تا آنها برای کنترل و ریشه یابی علت / علل انحراف فرآیند، امکان اقدامات اثربخش را داشته باشند. تعدادی دیگر از محققان گامی پیش نهاده و توانسته اند که با استفاده از رویکرد شبکه عصبی طرحی ارائه دهند تا شرایط خارج از کنترل را همزمان با علت / علل انحراف در فرآیندهای دو متغیره تشخیص دهند. ولی محققان و دانشمندان تاکنون طرحی جامع که بتواند ضمن کنترل فرآیند، همزمان کلیه دانش لازم برای یک تجزیه وتحلیل ریشه ایی در شرایط خارج از کنترل فرآیند را برای مهندسین کیفیت فراهم آورند را در گزارشات تحقیقاتی خود ارائه نکرده اند. مضافا آنکه طرحهای ارائه شده توسط محققان، برای نوع خاصی از تغییر ( مانند تغییر پله ایی یگانه [2] ویا تغییر خطی [3] ) ارزیابی و گزارش شده اند. حال آنکه در عرصه واقعی فعالیت فرآیندها، مهندسین کیفیت بندرت ممکن است از قبل نسبت به نوع تغییر احتمالی فرآیند، در زمان نا معلومی که رخ خواهد داد، مطلع باشند.

در این رساله با فرض عدم اطلاع از نوع تغییراتی که ممکن است در فرآیند اتفاق افتد، با این فرض که تغییرات فرآیند وابسته به تغییرات مونوتونیک [4] باشند و یا تغییرات بصورت نا منظم افزایشی / کاهشی در بردار میانگین فرآیند ظاهر شوند، طرحی جامع ارائه می گردد که با پایش و کنترل فرآیند، ضمن دارا بودن قابلیت شناسایی شرایط خارج از کنترل، می تواند علاوه بر تشخیص متغیری که موجب خارج از کنترل شدن فرآیند شده است، نقطه تغییر را نیز برای فرآیند نرمال چند متغیره شناسایی نماید. مدل فوق برای ترکیبات مختلف تغییر در میانگین متغیرها با ضرایب همبستگی متعدد، با دو شاخص ""نرخ خطا [5] "" و ""متوسط طول دنباله [6] "" مورد ارزیابی قرار گرفته است.

واژه‌های کلیدی: نقطه تغیییر، تشخیص عامل انحراف فرآیند، شبکه عصبی، نمودار کنترل، متوسط طول دنباله.

[1] Change point

[2] Step change point

[3] Linear change point

[4] Monotonic

[5] Error Rate

[6] Average Run Length (ARL)