مروری بر مبحث کنترل کیفیت آمار ی با بهره گیری از یادگیری ماشینی مرور نظام مند ، گرو ه بندی مزایا و معایب ، چشم انداز مطالعات آ تی

بهره گیری از روش های یادگیری ماشینی باعث افزایش چشمگیر کارایی در سامانه های کنترل کیفیت آماری میشود. عدم وجود تحقیقات کاربردی در این موضوع به زبان فارسی در مقابل ادبیات موضوع قابل توجه در زبان انگلیسی ضرورت مروری موضوعی را نشان میدهد . در این مقاله سعی بر مرور نظام مند دیدگاه های کاربردی به جهت توانمند کردن روش کنترل کیفیت آماری با استفاده از یادگیری ماشینی است و گزارشی از سیر تحول روش های یادگیری ماشینی که تاکنون در فرآیندهای اصلی کنترل کیفیت آماری به کار گرفته شده اند به همراه مزایا و معایب آنها ارائه و گروه بندی شده است. ازجمله این مزایا، بهبود فرآیند از نظر زمان، دقت و کارآمدی است و ازجمله معایب و یا چالش ها، انتخاب طرح صحیح نمونه گیری پذیرش، عدم پیش بینی دقیق علت های ناهماهنگی ، نیاز به بررسی جداگانه طرح های تجربی و عدم بهبود در تشخیص مشکلات CCP ، PCs و MSPC است. همچنین در این راستا با تاکید بر پیشینه موضوع، حوزه های پیشرفتی که میتواند باعث ترسیم خط مشی در کارهای آینده شوند، شناسایی، تحلیل و تبیین شده اند.

کلیدواژه ها:

کنترل کیفیت آماری SQC ، یادگیری ماشینی ML ، نمونه برداری پذیرشی AS ، کنترل فرآیند آماریSPC تغییرات در فرآیند PCs