نمودار کنترل جدید برای پایش قابلیت فرایند بر اساس پارامترهای توزیع احتمال مشخصه کیفی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 گروه مهندسی صنایع-دانشگاه صنعتی ارومیه

2 دانشگاه صنعتی ارومیه

3 دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران

10.22084/ier.2020.20250.1905

چکیده

شاخص‌های قابلیت فرایند به صورت گسترده‌ای در صنایع مختلف برای مقاصد تضمین کیفیت مورد استفاده قرار می‌گیرند. یک تحلیل مناسب از شاخص قابلیت فرایند می‌تواند منجر به بهبود سطح کیفیت و براوردن انتظارات مشتریان شود. اخیراً نمودارهای کنترلی برای پایش شاخص‌های قابلیت فرایند توسعه داده شده‌اند که بر اساس آن‌ها می‌توان به ارزیابی مستمر قابلیت یک فرایند در تولید محصولات منطبق پرداخت. با این حال، این نمودارها عمدتاً به پایش یک شاخص واحد می‌پردازند و نمی‌توانند رابطه تغییرات پارامترهای توزیع مشخصه‌های کیفی را با تغییرات میزان قابلیت فرایند نشان دهند. در واقع تغییرات میانگین و پراکندگی فرایند در قالب یک شاخص بیان می‌شوند و نمودارها به پایش این تک شاخص می‌پردازند. در این تحقیق قصد داریم نمودارهای کنترل جدیدی برای پایش قابلیت یک فرایند در تولید محصولات منطبق توسعه دهیم. در این نمودارها قابلیت یک فرایند در تولید محصولات منطبق بر حسب میانگین و پراکندگی فرایند رسم و پایش همزمان آن‌ها منجر به در نظر گرفتن اثر متقابل این پارامترها می‌شود. این نمودارها برای توزیع‌های نرمال، لوگ نرمال و ویبول توسعه داده و عملکرد آن‌ها بر اساس رویکرد شبیه‌سازی و شاخص‌های متوسط و انحراف استاندارد طول دنباله ارزیابی می‌شود. نتایج نشان می‌دهد که نمودارهای پیشنهادی به خوبی می‌توانند قابلیت یک فرایند را مورد پایش قرار دهند.

کلیدواژه‌ها


عنوان مقاله [English]

Control charts for process capability monitoring based on the probability distribution parameters of the quality characteristics

نویسندگان [English]

  • Sevda Janalipour 1
  • Kamyar Sabri-Laghaie 2
  • Rassoul Noorossana 3
1 Faculty of Industrial Engineering-Urmia University of Technology
2 Urmia University of Technology
3 Industrial Engineering Department, Iran University of Science and Technology
چکیده [English]

Process capability indices are widely used in different industries for quality assurance purposes. An appropriate analysis of the process capability index can result in improving quality level and satisfying customer requirements. Recently, some control charts have been developed for continuous evaluation of process capability in producing conforming products. However, these charts are designed to monitor a single index and cannot directly show the relation between parameters of the quality characteristic distribution and the process capability index. In fact, average and dispersion of a process are combined into an index and control charts monitor this individual index. In this research, control charts are developed for monitoring the capability of a process in producing conforming products. In these charts, the capability of a process in producing conforming products is monitored in terms of the average and dispersion of the process. Therefore, interaction between these measures can also be considered into account. Control charts are developed for Normal, Lognormal and Weibull distributions and their performances are evaluated through simulation and Average Run Length (ARL) and Standard Deviation of Run Length (SDRL) measures. The results show that the proposed control charts can lead to an appropriate monitoring of the process capability.

کلیدواژه‌ها [English]

  • Process capability
  • Control chart
  • Normal
  • Log-Normal
  • Weibull
[1] Montgomery, D.C., (2007). Introduction to statistical quality control, John Wiley & Sons.

[2] Kane, V.E., (1986). “Process capability indices”, Journal of quality technology, 18(1): 41-52.

[3]. Aslam, M., (2018). “Statistical monitoring of process capability index having one-sided specification under repetitive sampling using an exact distribution”. IEEE Access, 6: 25270-25276.

[4] Chen, K.-S., K.-T. Yu, and S. Sheu, (2006). “Process capability monitoring chart with an application in the silicon-filler manufacturing process”, International Journal of Production Economics, 103(2): 565-571.

[5] Spiring, F.A., (1995). “Process capability: a total quality management tool”. Total Quality Management, 6(1): 21-34.

[6] Chen, K., H. Huang, and C.T. Huang, (2007). “Control charts for one-sided capability indices, Quality & Quantity, 41(3): 413-427.

[7] Spiring, F.A., (1991). Assessing process capability in the presence of systematic assignable cause. Journal of Quality Technology, 23(2): p. 125-134.

[8] Boyles, R.A., (1991). “The Taguchi capability index”, Journal of Quality Technology, 23(1): 17-26.

[9] Sarkar, A. and Pal, S. (1997). “Process control and evaluation in the presence of systematic assignable cause”. Quality Engineering, 10(2): 383-388.

[10]  Subramani, J., (2010). “Process control in the presence of linear trend”, Model Assisted Statistics and Applications, 5(4): 273-282.

[11] Subramani, J., (2004). “Application of systematic sampling in process control, statistics and applications. Journal of Society of Statistics”, Computer and Applications (New Series), 1: 7-17.

[12]  Subramani, J. and S. Balamurali, (2012). “Control charts for variables with specified process capability indices”. International Journal of Probability and Statistics, 1(4): 101-110.

[13]  Ahmad, L., M. Aslam, and C.-H. Jun, (2016). “The design of a new repetitive sampling control chart based on process capability index’, Transactions of the Institute of Measurement and Control, 38(8): 971-980.

[14] Liao, M.-Y., (2016). “Process capability control chart for non-normal data–evidence of on-going capability assessment”, Quality Technology & Quantitative Management, 13(2): 165-181.

[15]  Slam, M., Rao, G. S., AL-Marshadi, A. H., Ahmad, L., Jun, C. H. (2019). “Control Charts for Monitoring Process Capability Index Using Median Absolute Deviation for Some Popular Distributions”, Processes, 7(5): 287-293

[16] Faraz, A., E.M. Saniga, and C. Heuchenne, (2015). “Shewhart control charts for monitoring reliability with Weibull lifetimes”. Quality and Reliability Engineering International, 31(8): 1565-1574.

[17] Borror, C.M., D.C. Montgomery, and G.C. Runger, (1999). “Robustness of the EWMA control chart to non-normality”. Journal of Quality Technology, 31(3): 309-316.

[18] Batson, R. G., Jeong, Y., Fonseca, D. J., & Ray, P. S. (2006). “Control charts for monitoring field failure data”. Quality and Reliability Engineering International, 22(7): 733-755