طراحی یک شبکه عصبی مصنوعی برای کشف تغییر، تشخیص عامل انحراف و تعیین اندازه شیفت به طور همزمان در بردار میانگین فرآیندهای چندمشخصه وصفی- متغیر

در برخی از فرآیندهای تولیدی، کیفیت محصول بر حسب ترکیبی از مشخصه های کیفی متغیر و وصفی همبسته بیان می گردد. براساس آخرین اطلاعات مولفین، تاکنون هیچ تحقیقی در خصوص شناسایی اندازه شیفت در میانگین مشخصه های کیفی خارج از کنترل در فرآیندهای چند مشخصه وصفی- متغیر صورت نگرفته است. در این مقاله، روشی مبتنی بر شبکه عصبی برای شناسایی اندازه شیفت در میانگین مشخصه های کیفی متغیر و وصفی همبسته و طبقه بندی بردار میانگین به کلاس های مختلف ارائه می گردد. شبکه عصبی پیشنهادی همچنین قادر است وضعیت بردار میانگین فرآیند اعم از تحت کنترل یا خارج از کنترل بودن آن را کشف نماید و مشخصه (های) کیفی عامل انحراف را نیز تشخیص دهد. عملکرد شبکه پیشنهادی در تعیین اندازه شیفت، تشخیص وضعیت فرآیند و همچنین تشخیص عوامل انحراف در قالب یک مثال عددی براساس شبیه سازی ارزیابی شده است. هم چنین عملکرد شبکه پیشنهادی در کشف شیفت و تشخیص عوامل انحراف در میانگین فرآیند با روش های موجود در ادبیات مقایسه شده است. نتایج حاصل از شبیه سازی نشان می دهد که شبکه عصبی ارائه شده عملکرد رضایت بخشی در تعیین وضعیت بردار میانگین فرآیند، تشخیص عوامل انحراف و شناسایی اندازه شیفت در میانگین مشخصه های کیفی در فرآیندهای چند مشخصه وصفی- متغیر دارد.