پايش داده هاي قابليت اطمينان خودهمبسته در يك فرآيند دومرحله اي

Monitoring Autocorrelated Reliability Data in a Two-stage Process

بيشتر محصولات امروزي نتيجه چندين مرحله مختلف فرآيند هستند. لذا در سال‌‌هاي اخير توجه و تأكيد زيادي بر پايش و شناسايي فرآيندهاي چندمرحله‌‌اي شده است كه مهم‌ترين ويژگي فرآيندهاي چندمرحله‌‌اي با عنوان خاصيت آبشاري در پايش اين نوع فرآيندها مدنظر مي‌‌باشد. پايش فرآيند چندگانه براي بهبود مؤثر قابليت اطمينان توليد در عمليات خدمت‌‌رساني يا توليدات صنعتي موردبحث قرارگرفته است. براين مبنا، خروجي فرآيند تحت شرايط خاصي مورد بازرسي رايج قرارگرفته و مقادير مشخصه‌‌هاي كيفي داده‌‌هاي قابليت اطمينان اندازه‌‌گيري مي‌‌شود. داده‌‌هاي قابليت اطمينان داراي ويژگي‌‌هاي منحصربه‌فردي هستند كه ازجمله مهم‌ترين آن‌‌ها مي‌‌توان به موضوع سانسورشدگي و همچنين پيروي از توزيع‌‌هايي شامل خانواده‌‌هاي مكان-مقياس و لگاريتم-مكان-مقياس اشاره كرد. اين دو ويژگي، رويكردهاي پايش پيشين را از درجه اعتبار ساقط كرده و لزوم ارائه و به‌كارگيري روش‌‌هاي كنترل جديد را ايجاب مي‌‌كند. علاوه بر اين، بيشتر روش‌‌هاي پيشنهادي نوين، يا فرآيندهاي تك‌‌مرحله‌‌اي را در نظر گرفته‌‌اند و يا متغيرهاي كيفي را مستقل فرض كرده‌‌اند. حال‌آنكه در عمل، فرآيندها از چندين زيرفرآيند وابسته به هم تشكيل‌ شده‌اند و لذا خاصيت آبشاري، مي‌‌بايست براي پايش مؤثر مدنظر قرار گيرد. علاوه بر اين، در بعضي موارد، مشاهدات از خروجي فرآيند، خودهمبسته نيز هستند. اين بدان معني است كه استفاده از شكل‌‌هاي پايش داده موجود، كاري بيهوده مي‌‌باشد؛ بنابراين، دسته‌‌اي از مدل‌‌هاي رگرسيون تحليل بقا يعني مدل رگرسيون زمان شكست تسريع يافته، مورد استفاده قرارگرفته است. در اين مقاله، نمودارهاي كنترل به‌منظور پايش پارامتر مقياس داده‌‌هاي قابليت اطمينان با توزيع ويبول و داراي خاصيت خودهمبستگي، در فرآيندي دو مرحله‌‌اي پيشنهاد مي‌‌گردد. تحليل كارايي مشخص مي‌‌كند كه نمودار كنترل جمع تجمعي نسبت به نمودار كنترل ميانگين متحرك موزون نمايي داراي برتري مي‌‌باشد. همچنين اثر ناديده گرفتن خودهمبستگي مطالعه گرديده و تأثير خودهمبستگي بر عملكرد كنترل فرآيند نمايان شده است.

Many products are result of several stages of process. In recent years, emphasis is on monitoring and detecting of multistage processes with Cascade Property as their major feature. Monitoring of multistage processes has been discussed for efficient improvement of production reliability in industrial productions and service operations. Accordingly, output of a process is inspected in special situations and values of quality characteristics of reliability data are measured. The most important features of reliability data are censoring and conforming location-scale and log-location-scale distributions. These two features void past approaches and require utilization of new control methods. Moreover, some recommended methods recognize one-stage processes or assume quality variables as independent variables. However, processes include several dependent subprocesses. Therefore, cascade property must be included in monitoring. In some cases, observations of a process output are Autocorrelated. This means that using existing data monitoring methods are useless. Hence, group of survival analysis regression methods such as Accelerated Failure Time regression method is used. In this article, control charts are proposed to monitor scale parameter of reliability data with Weibull distribution and autocorrelation property in multistage processes. Analysis of proficiency shows that Cumulative Sum (CUSUM) control chart is better than Exponentially Weighted Moving Average (EWMA) control chart for detection of out of control situation. Then, the effect of ignoring autocorrelation is studied and the result showed that it is pronounced on the performance of process control.