شناسايي نقطه تغيير در پايش پروفايل‌هاي رگرسيون پواسون با روند خطي

Identifying Time of Drift Changes in Poisson Regression Profiles

نمودارهاي كنترل يكي از مهم‏ترين ابزارهاي كنترل فرآيند آماري مي‌باشند كه جهت كنترل ميزان تغييرات مورد استفاده واقع مي‌شود. در نمودار كنترل زماني كه يك انحراف با دليل مشاهده مي‌شود، پي بردن به علل اصلي تغيير در فرآيند و شناسايي زماني كه اين انحراف آغاز شده، امري مهم و تاثيرگذار است كه به آن نقطه تغيير گويند. در برخي از مسايل كنترل فرآيند آماري، كيفيت يك محصول يا عملكرد يك فرآيند به وسيله رابطه بين يك متغير پاسخ و يك يا چند متغير مستقل توصيف مي‌شود، كه به آن پروفايل گويند. در بسياري از كاربردها هم چون كاليبراسيون رابطه مذكور به وسيله يك پروفايل خطي توصيف مي‌شود در حالي كه در موقعيت‌هاي ديگر مدل‌هاي پيچيده‌تري هم چون پروفايل‌هاي رگرسيون پواسون مورد نياز است. در اين مقاله از روش برآورد درستنمايي ماكزيمم به منظور كشف نقطه تغيير در فاز 2 پايش پروفايل‌هاي رگرسيون پواسون استفاده و عملكرد آن با استفاده از شبيه سازي بررسي شده است.

Control charts are the most important tools in SPC, which are used to monitor process changes. When a control chart signals a change in the process parameter, identi?cation of the special cause and the time when a process has changed that is referred to as the change point is important. In some process control applications, quality of a product or process can be characterized by a relationship between one or more variables that is typically referred to as profile. In many applications such as calibration, this relationship is linear; However, in some situations complex models such as poisson regression profiles is required. In this paper, a maximum likelihood estimator (MLE) is applied to estimate the change point in phase II monitoring of poisson regression profiles and simulation studies are provided to evaluate the effectiveness of the change point estimator.