استنباط پيشگو ناپارامتري فازي بهينه براي طرح نمونه‌گيري جهت پذيرش يك مرحله‌اي

Optimum Fuzzy Nonparametric Predictive Inference for Single Acceptance Sampling

نمونه گيري براي پذيرش يكي از اجزاي اصلي در زمينه ي كنترل كيفيت آماري است، كه در ابتدا براي بازرسي از محموله هاي ورودي يا خروجي استفاده ميشود. روشهاي نمونه گيري جهت پذيرش ميتواند، در يك برنامه كنترل پذيرش به منظور رسيدن به كيفيت بهتر با هزينه ي كمتر، بهبود كنترل و افزايش بهره وري، استفاده شود. در اين مقاله نمونه گيري جهت پذيرش به روش استنباط پيشگو ناپارامتري را در محيط فازي بررسي مينماييم. در برخي از موارد، تعريف پارامترهاي طرح نمونه گيري براي پذيرش به صورت مقادير قطعي ممكن نيست. به خصوص در محيط هاي توليد، ممكن است تعريف پارامترهاي تعداد عناصر منطبق يا حجم نمونه به عنوان ارزش قطعي آسان نباشد. در اين موارد، اين پارامترها ميتوانند با متغيرهاي زباني بيان شوند. نظريه ي مجموعه ي فازي را ميتوان با موفقيت براي مقابله با ابهام در اين عبارات زباني جهت نمونه گيري براي پذيرش به روش استنباط پيشگو ناپارامتري بهكار برد. به عبارت ديگر هدف اين مقاله ارايهي روش جديد تحت عنوان استنباط پيشگو ناپارامتري فازي براي طرح نمونه گيري جهت پذيرش يك مرحله اي ميباشد

Acceptance sampling is one of the main parts of the statistical quality control. It is primarily used for the inspection of incoming or outgoing lots. Acceptance sampling procedures can be used in an acceptance control program to reach better quality with lower expenses, improvement of the control and the increase of efficiency. The aims of this paper, studying acceptance sampling based on nonparametric predictive inference in a fuzzy environment. In some cases, it may not be possible to define acceptance sampling parameters as crisp values. Especially in production environments, it may not be easy to define the parameters number of conforming items and the size of the samples crisp values. In these cases, these parameters can be expressed by linguistic variables. The fuzzy set theory can be used successfully to cope the vagueness in these linguistic expressions for acceptance sampling based on nonparametric predictive inference. In other words, the aim of this paper is present a new method titled fuzzy nonparametric predictive inference for single acceptance sampling plan