نمودار نسبت درستنمایی تاوانیده مبتنی بر نمونه گیری دوگانه برای کشف تغییرات ماتریس کوواریانس

سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 229

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_SYS-5-1_003

تاریخ نمایه سازی: 13 اردیبهشت 1404

چکیده مقاله:

با توجه به الزام تولیدکننده بر جلب رضایت مشتری و محدودیت های مالی، پایش تعداد زیاد مشخصه های کیفی با حداقل اندازه نمونه چالش مهمی است که محققین کنترل کیفیت آماری با آن مواجه هستند. بر اساس آخرین اطلاع مولف، نمودارهای چندمتغیره مبتنی بر نمونه گیری دوگانه با این فرض طراحی شده اند که تعداد مشخصه های کیفی از اندازه نمونه کوچک تر است. بنابراین، این مقاله برپایش ماتریس پراکندگی فرآیندهای ابعاد بالا بر مبنای یکپارچه سازی آماره نسبت درستنمایی تاوانیده لبه ای و تکنیک نمونه گیری دوگانه متمرکز می شود. به منظور بررسی عملکرد نمودار پیشنهادی ابتدا هفت سناریوی خارج از کنترل شامل سه الگوی توام قطری/غیرقطری، دو الگوی قطری و دو الگوی غیرقطری معرفی شده و ویژگی های طول دنباله و همچنین امید ریاضی اندازه نمونه نمودار پیشنهادی بر اساس شبیه سازی استخراج می شوند. نتایج شبیه سازی حاکی از آن است که تحت هر سه دسته الگوی ذکرشده، حساسیت نمودار پیشنهادی در کشف اختلالات ماتریس کوواریانس با افزایش بزرگی شیفت در مولفه های آن بهبود می یابد. نتایج شبیه سازی همچنین موید آن است که هر چه تعداد مولفه های متاثر از عامل انحراف در ماتریس کوواریانس کاهش می یابد، نمودار کنترل پیشنهادی در زمان طولانی تری قادر به شناسایی خروج فرآیند از حالت تحت کنترل است.

کلیدواژه ها:

کنترل کیفیت آماری ، نمونه گیری دوگانه ، ماتریس کوواریانس ، داده های با ابعاد بالا ، نسبت درستنمایی تاوانیده لبه ای

نویسندگان

زینب ایجی

دانشجوی دکتری، گروه مهندسی صنایع، دانشکده مهندسی صنایع، دانشگاه ایوان کی، ایوان کی، ایران

محمدرضا ملکی

نویسنده مسئول: استادیار، گروه مهندسی صنایع، دانشکده فنی مهندسی گلپایگان، دانشگاه صنعتی اصفهان، گلپایگان، ایران

حسین اقبالی

استادیار، گروه مهندسی صنایع، دانشکده مهندسی صنایع، دانشگاه ایوان کی، ایوان کی، ایران

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 :
  • Avanesov, V., & Buzun, N. (۲۰۱۸). Change-point detection in high-dimensional ...
  • Eizi, A., Sadeghpour Gildeh, B., & Ehsan Monabbati, S. (۲۰۲۰). ...
  • Jalilibal, Z., Karavigh, M. H. A., Maleki, M. R., & ...
  • Mim, F. N., Khoo, M. B., Saha, S., & Castagliola, ...
  • Saemian, M., Salmasnia, A., & Maleki, M. R. (۲۰۲۲). A ...
  • نمایش کامل مراجع