| نام مرکز
|
:
|
کتابخانه مرکزی دانشگاه کردستان
|
| نوع مدرک
|
:
|
پایان نامه فارسی
|
| زبان مدرک
|
:
|
فارسی
|
| شماره رکورد
|
:
|
248940
|
| شماره مدرک
|
:
|
۵۵۲۷پ
|
| شماره راهنما
|
:
|
Reg. NO ۵۵۹۳
|
| سرشناسه
|
:
|
، پدیدآور حکیمی ، احمد
|
| عنوان
|
:
|
توسعه روش‌هایی برای پایش فرآیندهای چندمتغیره طبقه‌بندی شده ترتیبی [پایان نامه]
|
| نویسنده
|
:
|
/ احمد حکیمی
|
| استاد راهنما
|
:
|
هیوا فاروقی
|
| استاد مشاور
|
:
|
جمال ارکات، امیرحسین امیری
|
| محل تحصیل
|
:
|
: دانشگاه کردستان - دانشکده مهندسی دانشگاه کردستان - دانشکده علوم انسانی و اجتماعی
|
| سال تحصیل
|
:
|
، ۱۴۰۱ = ۲۰۲۲
|
| صفحه شمار
|
:
|
ح.۱۱۰ص: مصور، جدول، نمودار
|
| مقطع تحصیلی
|
:
|
دکترا
|
| رشته تحصیلی
|
:
|
صنایع
|
| دانشگاه
|
:
|
کردستان
|
| گروه تحصیلی
|
:
|
مهندسی صنایع
|
| گرایش تحصیلی
|
:
|
صنایع
|
| دانشکده
|
:
|
دانشگاه کردستان، دانشکده مهندسی
|
| نمره دانشجو
|
:
|
عالی
|
| يادداشت
|
:
|
چکیده فارسی - انگلیسی
|
| چکيده
|
:
|
امروزه در بسیاری از کاربردهای پایش فرآیندهای آماری، از متغیرهایی استفاده می¬شود که علاوه بر تمرکز بر توزیع متغیرها، وجود همبستگی معنادار بین آنها نیز مورد توجه قرار می-گیرد. براین اساس، فرآیندهای مختلفی همچون فرآیندهای چندمتغیره کمی و فرآیندهای چندمتغیره کیفی تعریف می¬شوند. تاکنون تحقیقات مختلفی در حوزه پایش فرآیندهای چندمتغیره کمی با درنظر گرفتن شرایط مختلف برای فرآیند ارائه شده است. اما آنچه که کمتر مورد توجه محققین قرار گرفته است، پایش فرآیندهای چندمتغیره کیفی با مشخصه¬های طبقه¬بندی شده می-باشد. در این تحقیق بدنبال ارائه و توسعه رویکردهای مختلفی به منظور پایش فرآیندهای چندمتغیره طبقه¬بندی شده هستیم که برای نمایش اولیه آن از جدول توافقی استفاده شده است. نکته حائز اهمیت آنکه تحقیقات مختلفی در حوزه پایش فرآیندهای چندمتغیره اسمی تاکنون انجام پذیرفته است که این تحقیق با هدف توسعه این دسته از پژوهش¬ها، رویکردهای جدیدی به منظور پایش فرآیندهای چندمتغیره طبقه¬بندی شده مبتنی بر داده¬های ترتیبی در هر دو فاز 1 و 2 ارائه داده است. در این تحقیق ابتدا به پایش فاز 1 فرآیندهای چندمتغیره ترتیبی پرداخته می¬شود. بدین منظور آماره¬های MR و آزمون نسبت درستنمایی استاندارد (SLRT) برای پایش¬این دسته از فرآیندها مبتنی بر مدل لگاریتم خطی ترتیبی توسعه داده شده است. علاوه¬براین، در پایش فاز 1، مقادیر پارامترهای مدل لگاریتم خطی ترتیبی نامعلوم است و باید تخمین زده شود که در این تحقیق از الگوریتم نیوتن-رافسون برای این منظور استفاده شده است. نتایج محاسبات شبیه-سازی شده در فاز 1 نشان دهنده عملکرد بهتر روش MR در کشف تغییرات کوچک و متوسط در پارامترهای فرآیند است. همچنین به منظور نشان دادن عملکرد مناسب روش¬های پیشنهادی در دنیای واقعی، از یک مجموعه داده در صنعت داروسازی با تمرکز بر فرآیند آزمایش انحلال به مدت 6 دوره زمانی استاندارد استفاده شده است.در پایش فاز 2 فرآیندهای چندمتغیره ترتیبی، نمودارهای کنترل MR و MG-p توسعه داده شدند. نتایج تحقیق مبتنی بر شاخص متوسط طول دنباله که تحت تغییرات کوچک، متوسط و بزرگ در پارامترهای مدل لگاریتم خط ترتیبی بدست آمده، حاکی از عملکرد بهتر آماره MR در اکثر تغییرات است. همچنین در همین فاز، آماره دیگری تحت عنوان آماره ترتیبی-نرمال چندمتغیره (MONS) توسعه یافت. به منظور ارزیابی عملکرد این آماره، مقادیر متوسط طول دنباله تحت تغییرات مختلف در پارامتر مدل، با آماره Generalized-p مورد مقایسه قرار گرفت که نتایج حاکی از عملکرد بهتر آماره MONS می‌باشد. علاوه براین، برای بررسی عملکرد این نمودارهای کنترل در فضای واقعی، از یک مثال عددی در حوزه مراقبت سلامت که توسط[1] ارائه شد، مورد استفاده قرار گرفت. نتایج مثال عددی واقعی نیز بیانگر عملکرد مناسب روش پیشنهادی در این بخش است.
|
|
|
:
|
Today, in many statistical process monitoring applications, variables are used that, in addition to focusing on the distribution of variables, the existence of a significant correlation between them is also considered. In these applications, there are several processes are defined as quantitative and qualitative multivariate. So far, various researches in the field of quantitative multivariate process monitoring have been presented considering different conditions for the process. But what has received less attention from researchers is the monitoring of qualitative multivariate processes with classified characteristics. It is noted that, various researches in the field of nominal multivariate process monitoring have been conducted. In this research, some schemes have been presented to monitor the multivariate categorical processes based on ordinal contingency tables in both Phases I and II. To this aim, first, the Phase I monitoring has been done. In this Phase, two statistics including MR and standard likelihood ratio test are developed to monitor the ordinal log-linear model based processes in terms of power criterion. Note that, to impose shift in parameters, three types including step shifts, drifts and with presence of outlier are considered. In addition, in Phase I monitoring, the log-linear model parameters are unknown and should be estimated. In this research, Newton-Raphson alonge with Beh algorithms are used to estimate the intercept, individual effects and interactions, respectively. Simulations results show that the MR control chart has better performance than another scheme to detect the out-of-control condition under small and moderate shifts in all ordinal log-linear model parameters. In addition, to show the efficiency of the proposed schemes in real word, a real case study in pharmaceutical industry during six months has been used. In this research, three statistics including MR, MG-p and multivariate ordinal-normal are proposed to monitor the multivariate processes based on ordinal contingency table in Phase II. Results from simulation studies show that MR control chart outperform the MG-p chart in detecting out-of-control condition under small and moderate shifts in log-linear model parameters in terms of average run length. In addition, the multivariate ordinal-normal control chart has better performance than MG-p in different small and moderate shifts in model parameters. Furthuremore, to show the efficiency of the proposed schemes in real area, two numerical examples in telecommunication industry and health-care systems are considered. The results of this section also confirm the results of the simulations.
|
| توصیفگر
|
:
|
پایش فرآیندهای آماری Statistical process monitoring
|
|
|
:
|
جداول توافقی contingency table
|
|
|
:
|
مدل لگاریتم خطی ترتیبی ordinal log-linear model
|
|
|
:
|
نمودار کنترل control chart
|
| شناسه افزوده
|
:
|
، استاد راهنما فاروقی ، هیوا
|
|
|
:
|
ارکات، جمال ، استاد مشاور
|
|
|
:
|
، استاد مشاورامیری ، امیر حسین
|
| شناسه افزوده
|
:
|
دانشگاه کردستان. دانشکده مهندسی
|