فهرست مطالب
نشریه سیستم های فازی و کاربردها
سال چهارم شماره 1 (پیاپی 8، پاییز 1400)
- ویژه نامه شماره 1 (یاد بود شادروان دکتر بهرام صادقپور گیلده)
- تاریخ انتشار: 1400/09/01
- تعداد عناوین: 4
-
-
صفحات 1-25
شاخص های کارایی فرایند معیارھای عددی هستند که میزان مطابقت محصولات تولیدییک فرآیند با مشخصات در نظر گرفته شده توسط مشتریان یا تولیدکنندگان را نشان می دهند. در فرایندهایی که کیفیت فرایند یا محصولات بر اساس رابطه تابعی بین متغیر وابسته (پاسخ) و یک یا چند متغیر مستقل (توضیحی) تعریف می شود، پروفایل نامیده شده و برای ارزیابی کارایی، از شاخص های کارایی پروفایل استفاده می شود. در حالتی که را بطه پروفایل به صورت یک رابطه خطی بین متغیر وابسته و یک متغیر مستقل باشد، پروفایل خطی ساده نامیده می شود. در این فرایندها، حدود مشخصات فنی، حدود تلورانس طبیعی، میانگین و هدف فرایند نیز با استفاده از رابطه خطی ساده (مشابه مدل رگرسیون) تعریف شده و شاخص های کارایی که بر این اساس ارایه می شوند، شاخص های کارایی تابعی نام دارند.در این مقاله، برای فرایندهایی که کیفیت بر اساس پروفایل خطی ساده است، دو شاخص کارایی تابعی مبتنی بر منطق فازی پیشنهاد می شود و با استفاده از مطالعات شبیه سازی شده، عملکرد آن ها در مقایسه با شاخص های تابعی موجود، بر اساس معیار میانگین مربعات خطا ارزیابی می شود. این مطالعات، نتیجه می دهند که دو شاخص جدید عملکرد بهتری نسبت به دو شاخص موجود دارند. به علاوه، برای نشان دادن طرز استفاده از شاخص های جدید، مثال واقعی ارایه می شود.
کلیدواژگان: شاخص های کارایی تابعی، اعداد فازی، پروفایل خطی ساده، حدود مشخصات تابعی -
صفحات 27-48
استفاده از روش های کنترل کیفیت آماری در حوزه های مختلف پزشکی می تواند در بهبود کیفیت فرایندهای جراحی نقش مهمی را ایفا کند. نمودارهای کنترل کیفیت ریسک تعدیل شده به دلیل در نظر گرفتن مخاطرات قبل از عمل جراحی بیماران جهت پایش عملکرد جراحان تاثیر به سزایی دارد. به علت مبهم و نادقیق بودن ریسک و بیان آن به صورت عبارات کم، متوسط، زیاد و... لازم است که در قالب یک عدد فازی در نظر گرفته شود. در این صورت نمودارهای کنترلی خاصی برای پایش مقادیر آماره هایی که بر اساس داده های فازی ساخته شده اند، نیاز است. در این مطالعه این نمودارهای کنترلی معرفی می شوند. سپس با استفاده از داده های واقعی حاصل از اعمال جراحی بیماران قلبی، نتایج بررسی و مقایسه خواهند شد.استفاده از روش های کنترل کیفیت آماری در حوزه های مختلف پزشکی می تواند در بهبود کیفیت فرایندهای جراحی نقش مهمی را ایفا کند. نمودارهای کنترل کیفیت ریسک تعدیل شده به دلیل در نظر گرفتن مخاطرات قبل از عمل جراحی بیماران جهت پایش عملکرد جراحان تاثیر به سزایی دارد. به علت مبهم و نادقیق بودن ریسک و بیان آن به صورت عبارات کم، متوسط، زیاد و... لازم است که در قالب یک عدد فازی در نظر گرفته شود. در این صورت نمودارهای کنترلی خاصی برای پایش مقادیر آماره هایی که بر اساس داده های فازی ساخته شده اند، نیاز است. در این مطالعه این نمودارهای کنترلی معرفی می شوند. سپس با استفاده از داده های واقعی حاصل از اعمال جراحی بیماران قلبی، نتایج بررسی و مقایسه خواهند شد.
کلیدواژگان: ریسک بیماران، رگرسیون لجستیک فازی، نمودار جمع تجمعی -
صفحات 49-70
یکی از ابزارهای مهم در حوزه کنترل کیفیت آماری، طرح نمونه گیری برای پذیرش است که بر اساس اطلاعات به دست آمده از نمونه گرفته شده از انباشته تولیدات، تصمیم گیری درباره کیفیت انباشته تحت بازرسی در هر مرحله از تولید که نیاز باشد، انجام می گیرد. با توجه به روش نمونه گیری بکار گرفته شده، تاکنون طرح های مختلفی توسط محققان در محیط کلاسیک و فازی مطرح شده اند. در این مقاله طرح نمونه گیری دنباله ای برای پذیرش انباشته ای از تولیدات در صورتی که با آزمون فرضیه های فازی سر و کار داشته باشیم، معرفی می شود. در طرح معرفی شده، علاوه بر نادقیق انگاشتن نسبت اقلام معیوب انباشته، معیارهای پذیرش و رد انباشته نیز مقادیر فازی فرض می شوند. در طرح حاضر، برخلاف طرح دنباله ای موجود، ناحیه مربوط به ادامه نمونه گیری به سه بخش افراز شده و تصمیم گیری فازی درباره پذیرش، رد و یا ادامه نمونه گیری از انباشته تحت بررسی، با توجه به اینکه نقطه متناظر با تعداد اقلام معیوب مشاهده شده در هر مرحله از نمونه گیری در کدام ناحیه واقع شده باشد، انجام می گیرد. در پایان از یک مثال کاربردی برای تفهیم بهتر مطالب استفاده می شود. نتایج حاصل نشان می دهد که طرح فازی معرفی شده، در حالت خاص، طرح دنباله ای موجود در حالت کلاسیک را نتیجه می دهد.
کلیدواژگان: آزمون فرضیه فازی، کنترل کیفیت آماری، حساب اعداد فازی، طرح نمونه گیری دنباله ای -
صفحات 71-93
در این مقاله، روش آماری جدیدی برای تعیین شاخص کارایی فرایند ارایه می نماییم. روش ارایه شده هم پیشگو و هم ناپارامتری بوده و برای تعیین شاخص کارایی فرایند های گسسته معرفی شده است. روش مذکور روشی آماری براساس فرض های معدود در خصوص توزیع های احتمال و استنباط بر اساس مشاهدات است. روش استنباط پیشگو روشی با فرض تعویض پذیری کمیت های تصادفی هم برای داده های مشاهده شده و هم برای داده های آتی (مشاهده نشده) است و عدم قطعیت را با استفاده از احتمالات فاصله ای تعیین می نماید. همچنین برآورد فازی شاخص کارایی پراکیس و زیکلاکی] 21 [و شاخص کارایی پیشگوی جدید معرفی شده، به دست خواهد آمد. در این مقاله، روش آماری جدیدی برای تعیین شاخص کارایی فرایند ارایه می نماییم. روش ارایه شده هم پیشگو و هم ناپارامتری بوده و برای تعیین شاخص کارایی فرایند های گسسته معرفی شده است. روش مذکور روشی آماری براساس فرض های معدود در خصوص توزیع های احتمال و استنباط بر اساس مشاهدات است. روش استنباط پیشگو روشی با فرض تعویض پذیری کمیت های تصادفی هم برای داده های مشاهده شده و هم برای داده های آتی (مشاهده نشده) است و عدم قطعیت را با استفاده از احتمالات فاصله ای تعیین می نماید. همچنین برآورد فازی شاخص کارایی پراکیس و زیکلاکی] 21 [و شاخص کارایی پیشگوی جدید معرفی شده، به دست خواهد آمد.
کلیدواژگان: کنترل کیفیت، اندیس کارایی، استنباط پیشگو ناپارامتری، اعداد فازی
-
Pages 1-25
Process capability indices (PCIs) are numerical quantities that measure how the process products meet the required specifications considered for them. In some processes, the quality of a process or product can be characterized by a functional relationship between a response quality characteristic and one or more explanatory variables. This relationship is usually known as a profile. When this relationship is as a linear function based on only independent, is named simple linear profile. One type capability indices for this process is functional capability indices. Then, the specification limits, natural tolerance intervals, mean and target are as simple linear function of the independent variable. In the present paper, two new functional process capability indices are introduced that for calculating them, fuzzy numbers are engaged to weigh the levels of the independent variable by membership degree.The performance of the proposed indices in comparison with the two available indices are investigated in simulation scheme, in terms of bias and mean square error (MSE). Results show that the new indices perform better that their competitors. Some graphics are presented to show this matter, obviously. Furthermore, a real example are presented to show how the new indices applied to measure the capability of process.
Keywords: Functional capability indices, Fuzzy Numbers, Simple linear profile, functional specification limits -
Pages 27-48
The use of statistical quality control methods in various fields of medicine can play an important role in improving the quality of surgical processes. Risk-adjusted quality control charts are very effective in monitoring the performance of surgeons due to the consideration of preoperative risks of patients. Because of the ambiguity and inaccuracy of the risk and its expression in the form of low, medium, high, etc., it is necessary to consider it as a fuzzy number. In this case, special quality control charts are needed to monitor the values of statistics based on fuzzy data. In this study, these quality control charts are introduced. The results will then be reviewed and compared using real data from heart surgery.
Keywords: Control Charts, fuzzy data. risk -
Pages 49-70
One of the important tools in the field of statistical quality control is acceptance sampling plan which is used to make a decision about the quality of producing items. Based on the kinds of sampling methods, so far, many different classic and fuzzy plans have been designed by researchers. In this paper, sequential sampling plan is introduced when one deals with fuzzy hypotheses testing. In the proposed scheme, in addition to the inaccuracy of the proportion of defective items, the decision criteria are also assumed to be fuzzy values. In the developed plan, the continue sampling plan area separated to three parts, so that the fuzzy decision about the production is made based on which region the plotted point is located. The obtained results show that the proposed fuzzy plan includes the existing classic sequential sampling plan in a special case. Finally, a practical example is given to be more clarified.
Keywords: Fuzzy hypotheses testing, Statistical Quality Control, Fuzzy numbers arithmetic, Sequential sampling plan -
Pages 71-93
This paper presents a novel statistical approach to process capability index. With thisend in view, we present a nonparametric predictive approach to process capability index.Attention is restricted to the approach to process capability index for discrete processes.This approach is a statistical method based on fewer assumptions about probability dis-tributions, together with inferences based on factual data. The nonparametric predictiveapproach assumes exchangeability of random variables, both related to observed data andfuture observations, and uncertainty is quantified through using interval probabilities. Fi-nally, process capability indexes that are introduced in this study, are analyzed under thefuzzy environment.This paper presents a novel statistical approach to process capability index. With thisend in view, we present a nonparametric predictive approach to process capability index.Attention is restricted to the approach to process capability index for discrete processes.This approach is a statistical method based on fewer assumptions about probability dis-tributions, together with inferences based on factual data. The nonparametric predictiveapproach assumes exchangeability of random variables, both related to observed data andfuture observations, and uncertainty is quantified through using interval probabilities. Fi-nally, process capability indexes that are introduced in this study, are analyzed under thefuzzy environment.
Keywords: Quality Control, Process capability index, Nonparametric predictive inference, Fuzzy number
©2000-2024 magiran.com All Rights Reserved.