امیر هاشمی - گروه آمار، دانشکده علوم ریاضی، دانشگاه شاهرود
داود شاهسونی - گروه آمار، دانشکده علوم ریاضی، دانشگاه شاهرود

شناسایی موثر نقطه تغییر در یک فرآیند چند متغیره یکی از مسایلی است که اکثر مطالعات موجود برای این مهم، توسط روش درست نمایی ماکزیمم یا روش یادگیری ماشین انجام شده است. مشکل روش درست نمایی ماکزیمم، فرض مشخص بودن توزیع فرآیند است که در عمل، معمولا اطلاعاتی در مورد توزیع فرآیند نداریم؛ همچنین روش های یادگیری ماشین، هزینه محاسباتی هنگفتی را با افزایش متغیرهای ورودی در پی خواهند داشت. در این مقاله با معرفی یک مدل ترکیبی دومرحله ای، ابتدا تعداد متغیرهای ورودی موثر را توسط مدل رگرسیون لجستیک تعیین نموده و سپس با اعمال مدل ماشین بردار پشتیبان (SVM)، نقطه تغییر به طور موثر شناسایی شده است. نتایج شبیه سازی، حاکی از توانایی این مدل ترکیبی در مقایسه با نمودار کنترل شوهارت و مدل ساده SVM است.

نقطه تغییر، فرآیندهای چند متغیره، رگرسیون لجستیک، ماشین بردار پشتیبان