بهبود پایش میانگین فرآیندهای نرمال چند متغیره با استفاده از شبکه عصبی مصنوعی و رگرسیون لجستیک

پایش فرآیندهای نرمال چندمتغیره یکی از موضوعات مورد توجه در حوزه کنترل فرآیند آماری است. در پژوهش های پیشین،از نمودارهای کنترل مانند (T(۲ هتلینگ و مدلهای اولیه یادگیری ماشین برای پایش میانگین فرآیندهای چندمتغیره استفادهشده است. در مقاله حاضر، روشی نوین برای پایش میانگین فرآیندهای چندمتغیره پیشنهاد میشود که شامل تغییراتی درروشهای رایج شبکه عصبی مصنوعی (ANN) و استفاده از رگرسیون لجستیک به عنوان مدلی که تاکنون در این زمینه مورداستفاده قرار نگرفته، است. برخلاف پژوهش های پیشین که خروجی مدلهای یادگیری ماشین بهصورت مقادیر عددی پیوستهبرای تعیین حدود کنترل استفاده میشد، در این پژوهش خروجی مدلها به صورت احتمالاتی تنظیم میشود که نشان دهندهاحتمال تحت کنترل بودن یا خارج از کنترل بودن نمونه ها است. برای تعیین حد آستانه این احتمالات، الگوریتمی طراحی شدهاست که دستیابی به متوسط طول دنباله تحت کنترل ((ARL(۰) مطلوب را تضمین میکند. نتایج شبیه سازی ها بر حسبمتوسط طول دنباله خارج از کنترل ((ARL(۱) نشان میدهد که روشهای پیشنهادی در تشخیص تغییرات در میانگین فرآیندهاعملکرد بهتری نسبت به روشهای موجود دارند.

کلیدواژه ها:

پایش فرآیندهای چندمتغیره ، شبکه عصبی مصنوعی ، رگرسیون لجستیک ، متوسط طول دنباله (ARL) ، فاز ۲