برآوردگر باثبات شناسایی نقاط پرت فاز اول نمودارهای کنترل کیفیت چندمتغیره با استفاده از تکنیک خوشه بندی سلسله مراتبی

هدف اصلی تحقیقات صورت گرفته در زمینه ی 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 می شود، یافتننقاط پرتفاز اول قبل از محاسبه حدود کنترلی برای حصول نتیجه مناسبدارای اهمیت بالاست. تکنیک های متفاوتی جهت شناسایی این نقاط انحرافی ارائه شده است که اکثر این الگوریتم ها به نمونه تصادفی اولیه وابسته می باشد که این نقطه شروع تصادفی می تواند بر دقت الگوریتم و جواب نهایی مسئله تاثیرگذار باشد. در این مقاله برآوردگری باثبات با استفاده از تکنیک خوشه بندی سلسله مراتبی ارائه می شود که تحت تاثیر داده های انحرافی در نمونه یا داده های نامتعارف نسبت به فرضیات مدل قرار نمی گیرد 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 روش های هتلینگ کلاسیک و برآوردگر حداقل دترمینان کواریانس مقایسه گردیده است. ارزیابی ها نشان می دهد که روش پیشنهادی نسبت به تحقیقات قبلی انجام شده در این زمینه، با مدت زمان کمتری، نقاط پرت و انحرافی بیشتری را شناسایی می کند.