پايش تغييرپذيري فرآيندهاي چند مشخصه وصفي و متغير با استفاده از شبكه عصبي مصنوعي

امروزه در برخي محيط‏هاي توليدي يا خدماتي، كيفيت محصول يا عملكرد فرآيند به وسيله تركيبي از مشخصه‏هاي كيفي متغير و وصفي همبسته توصيف مي‏گردد. بر اساس آخرين اطلاعات مولفان، تا كنون هيچ روشي براي پايش ماتريس واريانس- كوواريانس اين گونه فرآيندها ارايه نشده است. در اين مقاله، يك شبكه عصبي مصنوعي براي پايش تغييرپذيري يك فرآيند چند مشخصه وصفي و متغير ارايه شده است. شبكه ارايه شده نه تنها قادر به كشف وضعيت‏هاي خارج از كنترل بوده، بلكه مي تواند مشخصه /مشخصه‏هاي عامل انحراف در فرآيند را نيز شناسايي كند. كارايي روش ارايه شده با استفاده از يك مثال عددي بر اساس معيارهاي متوسط طول دنباله و درصد تشخيص درست مشخصه /مشخصه‏هاي كيفي عامل انحراف بررسي شده است. همچنين عملكرد شبكه طراحي شده در پايش ماتريس واريانس- كوواريانس فرآيندهاي چند مشخصه وصفي و متغير با دو روش آماري پايش ماتريس واريانس- كوواريانس براي مشخصه‏هاي كيفي متغير كه در اين مقاله براي پايش فرآيندهاي چند متغيره- چند مشخصه توسعه داده شده اند، مقايسه شده است. نتايج مثال عددي نشان مي‏دهد كه شبكه عصبي طراحي شده عملكرد بهتري در كشف وضعيت‏هاي مختلف خارج از كنترل نسبت به روش هاي آماري توسعه داده شده دارد و همچنين به خوبي قادر به تشخيص مشخصه(هاي) كيفي عامل انحراف در فرآيند است.