بررسي عملكرد روشهاي پايش پروفايلهاي خطي ساده در فرآيندهاي دو مرحله اي

Investigating Performance of Simple Linear Profiles Monitoring Schemes in Two stage Processes

امروزه بسياري از محصولات، خروجي فرآيندهايي با بيش از يك مرحله مي باشند. در چنين فرآيندهايي غالباً مراحل به يكديگر وابسته هستند به اين معنا كه كيفيت محصول در يك مرحله خاص نه تنها به كيفيت آن در مرحله جاري بلكه به كيفيت محصول در مراحل پيشين نيز بستگي دارد كه از آن به عنوان خاصيت آبشاري فرآيندهاي چند مرحله اي ياد مي شود. وجود اين خاصيت در چنين فرآيندهايي و عدم توجه به آن، سبب بروز خطا در تفسير نمودارهاي كنترل مورد استفاده در مراحل مي شود. از اين رو در ادبيات موضوع پايش فرآيندهاي چندمرحله اي، روش هايي به منظور كاهش و رفع اين مشكل ارايه شده است. از سوي ديگر، در برخي از موارد كيفيت يك محصول به وسيله رابطه ميان يك متغير پاسخ و يك يا چند متغير مستقل به عنوان پروفايل توصيف مي-شود كه مي تواند نتيجه و خروجي فرآيندي با چندين مرحله باشد. از آن جا كه مطالعات كمتري در زمينه پايش پروفايل هاي خروجي از فرآيندهاي چند مرحله اي صورت گرفته است، در اين مقاله به بررسي اثر آبشاري بر پايش پروفايل هاي خطي ساده در فرآيندي دو مرحله اي در قالب معيار متوسط طول دنباله با استفاده از شبيه سازي و نيز تاثير وابستگي مراحل بر تخمين پارامترهاي پروفايل مرحله دوم پرداخته شده است.

Nowadays many products are the result of multistage processes. In such processes, the stages are correlated and quality of a product not only depends on the operations performed in the current stage, but also it is affected by the operations performed in previous stage(s). This is so called the cascade property of multistage processes that makes the interpretation of signals obtained by control charts. So in multistage processes literature some monitoring techniques have been developed to reduce or eliminate the cascade property of multistage processes. Sometimes quality of a product is characterized by a relationship between a response variable and one or more explanatory variables known as profile. Although the effect of cascade property has been examined on univariate and multivariate processes, there are fewer studies that consider this problem in profile monitoring arena. In this paper, we evaluate the performance of two existing methods of simple linear profile monitoring through simulation experiments when a profile is going through a two-stage process and study the effect of inter-stage correlation on the estimation of second stage profile regression coefficients.