توسعه رويكرد تخمين نقطه تغيير در پروفايل‌هاي رگرسيون لجستيك فازي در فاز 2

A change point estimation approach for fuzzy logistic regression profiles in Phase II

مروزه عملكرد يك فرآيند يا كيفيت يك محصول در شرايط عدم اطمينان و تحت توزيع­ هايي از خانواده توزيع نمايي توسط يك مدل ارتباطي فازي با داده ­هاي دودويي با عنوان پروفايل ­هاي خطي تعميم ­يافته فازي ارزيابي مي­ شوند. پروفايل­ هاي خطي تعميم يافته يكي از انواع پروفايل ­هاي غير خطي است كه در آن مشاهدات فرآيند از توزيع غير نرمال برنولي يا دوجمله­ اي پيروي مي ­كنند. در اين تحقيق رويكردهايي به منظور پايش پروفايل ­هاي خطي تعميم­ يافته فازي در فاز 2 پيشنهاد مي كنيم. هدف اصلي اين نوشتار پايش فرآيند آماري فازي براي كشف زمان وقوع تغيير در فرآيندها تحت عنوان نقطه تغيير فازي مي ­باشد و بر اساس اصل حداكثر درستنمايي (MLE) براي مشاهدات فازي استوار است. عملكرد روش پيشنهادي به منظور پايش پروفايل­ هاي خطي تعميم ­يافته فازي و بر اساس احتمال يك سيگنال خارج از كنترل با استفاده از نمودار كنترل فازي (FEWMA) و سپس برآورد نقطه تغيير فازي براي داده ­هاي شبيه­ سازي شده و يك مثال عددي براي كارايي روش پيشنهادي نشان داده مي ­شود.

Todays, the performance of a process or the quality of a product in conditions of uncertainty and under distributions from the exponential distribution family is evaluated by a fuzzy communication model with binary data called fuzzy generalized linear profiles. Generalized linear profiles are a type of nonlinear profile in which process observations follow the Bernoulli or binomial distribution. In this research, approaches In order to monitor fuzzy generalized linear profiles in phase 2, we propose. The main purpose of this paper is to monitor the fuzzy statistical process to detect the time of occurrence of changes in processes as fuzzy change point and based on the principle of maximum likelihood (MLE). Is based on fuzzy observations. Performance of the proposed method for monitoring fuzzy generalized linear profiles based on the probability of an out-of-control signal using the fuzzy control diagram (FEWMA) and then estimating the fuzzy change point for the simulated data and real data.