ارائه نمودار كنترل استوار به‌منظور پايش داده هاي قابليت اطمينان با استفاده از توابع هابر و توكي باي اسكور

A Robust Control Chart for Monitoring Reliability Data using Huber and Bi-square Functions

بازار رقابتي امروز شاهد تمايل روزافزون شركت‌ها و سازمان‌هاي صنعتي و خدماتي در جهت بهبود قابليت اطمينان مي-باشد. بدين منظور رويكردهاي پايش زيادي توسط محققين به‌منظور كنترل مشخصه‌هاي كيفي با ماهيت قابليت اطمينان ارائه گرديده است. همچنين در عمل، فرآيندها از چندين زير فرآيند وابسته به هم تشكيل‌شده‌اند و لذا مهم‌ترين ويژگي فرآيندهاي چندمرحله‌اي با عنوان خاصيت آبشاري، مي‌بايست به‌گونه‌اي براي پايش مؤثر مدنظر قرار گيرد. در اين مقاله مدل¬سازي و پايش داده¬هاي قابليت اطمينان در حضور داده¬هاي پرت مدنظر قرار گرفته است. بدين منظور رويكردهاي رگرسيون استوار با مدل¬هاي رگرسيوني زمان تسريع شده جهت يافتن ارتباط دقيق بين متغيرها به هنگام حضور داده¬هاي پرت، تلفيق شده¬اند. جهت تعديل اثر مخرب داده¬هاي پرت از مدل رگرسيون استوار برآوردگر M مبتني بر توابع هابر و توكي باي اسكور استفاده شده است. در ادامه به تشكيل نمودار جمع تجمعي جديد جهت پايش متغير كيفي با توزيع ويبول و با درنظر گرفتن متغيرهاي تاثيرگذار، پرداخته شده است. سپس عملكرد نمودارهاي كنترل پيشنهادي در طي شبيه‌سازي گسترده موردبررسي قرار گرفته است. معيار بررسي عملكرد نمودارهاي كنترل پيشنهادي، شاخص متوسط طول دنباله مي¬باشد. نتايج حاكي از عملكرد بهتر نمودار جمع تجمعي مبتني بر تابع توكي باي ¬اسكور مي باشد.

The competitive market has witnessed more willingness on both manufacturing and service organizations to improve the reliability of products. Thus, many monitoring approaches have been proposed by researchers to control the reliability-related quality characteristics in single-stage processes. However, in practice, the processes are made up of several sub-processes and therefore the most important feature of the multi-stage processes, called cascade property, should be considered by establishing the relationship between the quality characteristics of interest. In this paper, modeling and monitoring the reliability data in the presence of outliers have been addressed. To this end, the accelerated failure time (AFT) models have been integrated with robust regression techniques to find the accurate relationship among variables. The robust regression method called M-estimator based on the Huber and the Tukey bisquare functions has been used in order to dampen the detrimental impact of destructive outliers. Subsequently, a novel cumulative sum (CUSUM) has been constructed for the sake of optimal monitoring of Weibull-distributed quality variable with dependent influential covariate. The performance of the proposed control schemes has been evaluated via extensive simulation studies using average run length (ARL). The results reveal that the Tukey bisquare-based CUSUM outperforms its counterparts.