برآورد زمان تغيير پله اي ساده در نسبت اقلام معيوب در فرآيندهاي باكيفيت بالا

Estimating Time of a Simple Step Change in Non-conforming Items in High-Yield Processes

اطلاع داشتن از زمان واقعي تغيير در پارامترهاي يك فرآيند توليد، به كاربران اين امكان را مي دهد تا علل ريشه اي تغيير را در زمان كوتاهتر و با دقت بيشتر شناسايي كنند. در فرآيندهاي باكيفيت بالا، بدليل حساسيت و اهميت زياد رسيدن به نقص صفر، برآورد اين زمان دستاوردهاي ارزشمندي را به همراه خواهد داشت. در اين مقاله، مقايسه اي ميان عملكرد برآوردكننده درستنمايي بيشينه و برآوردكننده هاي ذاتي نمودارهاي كنترل تجمعي هندسي (CUSUM) و ميانگين موزون درستنمايي(EWMA) صورت گرفته است. همچنين، بااستفاده از رويكرد تابع احتمالي، يك مجموعه اطمينان براي نقطه تغيير پيشنهاد شده است. نتايج حاصل از شبيه سازي مونت كارلو برتري عملكرد برآوردكننده پله اي ساده را نسبت به برآوردكننده هاي ذاتي نشان مي دهد.

Knowing about the real time of a change in the parameter(s) of a statistical process would enable users to identify root causes more quickly and precisely. Due to the sensitivity and importance of reaching zero defects in high quality processes, to be aware of the change time would be so precious. In this paper, we consider the performance of the Maximum Likelihood Estimator in comparison with built-in change point estimators of Cumulative Sum (CUSUM) and Exponential Weighted Moving Average (EWMA) control charts. Using likelihood function approach, we also proposed a confidence set for the change point. The results of a Monte-Carlo simulation have shown the priority of the MLE in identifying the real time of the change.