نشریه بین المللی مهندسی صنایع و مدیریت تولید

---

 یک فرض اساسی در کنترل فرآیند آماری و در تحلیل کارایی فرآیند، این است که مشاهدات گرفته از فرآیند مستقل باشند. هر چند بسیاری از فرآیندها درجه معینی از خود همبستگی را نشان می‌ده ند، در این مقاله اثراتی که خود همبستگی روی واریانس فرآیند و ضریب کارایی ایجاد می‌نماید، مورد بحث واقع می‌شود و نشان داده می‌شود که وقتی خود همبستگی وجود دارد، برآورد واریانس نا اریب نیست. همچنین در این مقاله دو روش ساده برای محاسبه ضریب کارایی فرآیند توسعه داده شده است. روش اول بر اساس فرض زیرگروههای منطقی میانگین و تحلیل واریانس مذکور، بنا شده‌است. روش دوم براساس محاسبه ضریب کارایی فرآیند از طریق مدل اتورگرسیو ایجاد شده ‌است.

 

---

هدف اصلی تحقیقات صورت گرفته در زمینه‌ی کنترل فرآیند آماری چند متغیره، درنظر گرفتن همبستگی بین چندین مشخصه کیفی برای یک مرحله از فرآیند است. در فاز دوم رویه کنترل فرآیند چندمتغیره با استفاده ازحدود کنترلی بدست آمده از فاز اول و مشاهدات آتی، تحت کنترل بودن ادامه فرآیند بررسی می‌شود، یافتننقاط پرتفاز اول قبل از محاسبه حدود کنترلی برای حصول نتیجه مناسبدارای اهمیت بالاست. تکنیک‌های متفاوتی جهت شناسایی این نقاط انحرافی ارائه شده است که اکثر این الگوریتم‌ها به نمونه تصادفی اولیه وابسته می‌باشد که این نقطه شروع تصادفی می‌تواند بر دقت الگوریتم و جواب نهایی مسئله تأثیرگذار باشد. در این مقاله برآوردگری باثبات با استفاده از تکنیک خوشه‌بندی سلسله مراتبی ارائه می‌شود که تحت تأثیر داده‌های انحرافی در نمونه یا داده‌های نامتعارف نسبت به فرضیات مدل قرار نمی‌گیرد و نقاط پرت موجود در فاز اول نمودارهای کنترلی چندمتغیره را شناسایی و حذف می-کند. در نهایت با ایجاد سناریوهای مختلف از نقاط پرت و انحرافی، روش پیشنهادی مورد سنجش قرار گرفته و نتیجه کار با روش‌های هتلینگ کلاسیک و برآوردگر حداقل دترمینان کواریانس مقایسه گردیده است. ارزیابی‌ها نشان می‌دهد که روش پیشنهادی نسبت به تحقیقات قبلی انجام شده در این زمینه، با مدت زمان کمتری، نقاط پرت و انحرافی بیشتری را شناسایی می‌کند.