شناسایی نقطه تغییر در بردار میانگین فرآیند نرمال دومتغیره با تغییرات مونوتونیک

زمانی که نمودارکنترل شرایط خارج از کنترل را نشان می دهد، جستجو برای شناسایی و حذف علت/علل انحراف آغاز می شود. شناسایی زمان ایجاد انحراف در فرآیند که از آن به عنوان «نقطه تغییر» نام برده می شود می تواند یک اقدام موثر در شناسایی و حذف اثربخش علت/علل ایجاد انحراف دریک فرآیند محسوب شود. زمانی که از یک بردار مشخصه های کیفی جهت کنترل یک فرآیند استفاده می شود آنگاه شناسایی نقطه تغییر به تنهایی نمی توان د در شناسایی و حذف علت/علل ایجاد شرایط خارج از کنترل موثر واقع شود. بعبارت دیگر، در فرآیند های چند متغیره لازم است علاوه بر شناسایی نقطه تغییر، متغیر(هایی) که موجب ایجاد حالت خارج از کنترل شده اند نیز شناسایی شوند تا بتوان به طور اثربخش اقدامات بهبود را انجام داد. در این مقاله برای اولین بار با استفاده از شبکه عصبی مدلی ارائه می شود که بدون آنکه نوع تغییرات بردار میانگین یک فرآیند دانسته انگاشته شود، با فرض آنکه تغییرات فوق وابسته به تغییرات مونوتونیک باشند و یا تغییرات بصورت نامنظم افزایشی/کاهشی در فرآیند ظاهرشوند، می تواند علاوه بر تشخیص متغیری که موجب خارج از کنترل شدن فرآیند شده است، نقطه تغییر را نیز برای یک فرآیند نرمال دو متغیره شناسایی نماید. مدل فوق برای ترکیبات مختلف تغییر در میانگین متغیرها با ضرایب همبستگی متعدد، با دو شاخص «نرخ خطا» و «متوسط طول دنباله»مورد ارزیابی قرار گرفته است.