طرح های نمونه گیری به منظور پذیرش برای انباشته های ناهمگن
محل انتشار: پنجمین کنفرانس بین المللی مهندسی صنایع
سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 4,346
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IIEC05_108
تاریخ نمایه سازی: 22 آبان 1385
چکیده مقاله:
با توجه به حضور و تأثیر عوامل متعدد در فرآیندهای تولیدی، ساخت محصولات کاملاً یکسان و بدون عیب ممکن نیست . کنترل کامل این عوامل یا امکان ندارد و یا آنکه از نظر اقتصادی مقرون به صرفه نمی باشد، لذا باید کیفیت محصول تولیدی کنترل شود . یکی از شیوه های انجام این کار، نمونه گیری به منظور پذیرش می باشد . در طرح های نمونه گیری به منظور پذیرش موجود فرض بر آن است که انباشته ها همگن می باشند یعنی درصد ضایعات محصول از انباشته ای به انباشته دیگر تغییر نمی کند . در حالی که نقصان تدریجی کیفیت انباشته های تشکیل شده واقعیتی غیرقابل انکار می باشد . در این صورت نسبت ضایعات انباشته هایی که به طور متوالی تشکیل می شوند به یک میزان نبوده و فرض همگن بودن انباشته ها معتبر نخواهد بود . در این پژوهش با استفاده از توزیع آماری مناسبی که می تواند ناهمگنی در انباشته ها را توصیف نماید طرح های نمونه گیری به منظور پذیرش، مشابه طرح های مبتنی برتلرانس درصد ضایعات انباشته ) ) LTPD در سیستم داج ـ رامیگ طراحی و معرفی شده اند . نتایج ارزیابی طرح های پیشنهادی و مقایسه آنها با طرح های مشابه موجود در سیستم داج ـ رامیگ نشان می دهد که این طرح ها ریسک مصرف کننده را کاهش می دهند . این تأثیر در خصوص انباشته هایی که کیفیت آنها چندان خوب و یا چندان بد نیست، مشهودتر است . مضافاَ آنکه متوسط سطح کیفیت خروجی ) ) AOQL در بسیاری از موارد بهتر از مقادیری است که ازطرح های متناظر در سیستم داج ـ رامیگ نتیجه می شود .
کلیدواژه ها:
ضایعات ، طرح نمونه گیری ، انباشته ناهمگن ، تلرانس درصد ضایعات انباشته (LTPD) ، متوسط سطح کیفیت خروجی .(AOQL (
نویسندگان
حمید شهریاری
عضو هیات علمی دانشکده مهندسی صنایع دانشگاه صنعتی خواجه نصیرالدین طوسی
مهدی فرانک فرج پور
دانشجوی کارشناسی ارشد دانشکده مهندسی صنایع دانشگاه صنعتی خواجه نصیرالدین
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :