پایش استوار داده های قابلیت اطمینان مبتنی بر تابع هابر

چکیده مقاله

بازار رقابتی امروز شاهد تمایل روزافزون شرکتها و سازمانهای صنعتی و خدماتی در جهت بهبود قابليت اطمينان میباشد. بدین منظور رویکردهای پایش زیادی توسط محققين بهمنظور کنترل مشخصههای کيفی با ماهيت قابليت اطمينان ارائه گردیده است. همچنين در عمل، فرآیندها از چندین زیر فرآیند وابسته به هم تشکيلشدهاند و لذا مهمترین ویژگی فرآیندهای چندمرحلهای با عنوان خاصيت آبشاری، میبایست بهگونهای برای پایش مؤثر مدنظر قرار گيرد. علاوه بر این، یک مدل رگرسيونی می-تواند رابطه بين مشخصههای کيفی مراحل فرایند را توضيح دهد که روش حداقل مربعات برای برآورد پارامترهای نامعلوم موجود در مدل رگرسيونی اعمال میشود .بااینحال روش حداقل مربعات نسبت به دادههای پرت بسيار حساس میباشد و یک داده پرت میتواند برآورد حداقل مربعات را برهم زند؛ بنابراین مشاهدات دورافتاده بهطور قابلملاحظهای اثر نامطلوبی بر روی مدل رگرسيونی روش حداقل مربعات می-گذارند و درنتيجه مدل نمیتواند دادهها را برازش نماید. برای حل این مشکل میبایست از روشهای رگرسيونی استوار استفاده نمود .روشهای رگرسيونی استوار برای بهبود روش حداقل مربعاتی که دادهها مشاهدات غيرمعمول را در بردارند، طراحی میگردند. در این مقاله بر آنيم تا به مدلسازی و پایش دادههای قابليت اطمينان در حضور دادههای پرت و با در نظر گرفتن متغيرهای تأثيرگذار بپردازیم. بدین منظور ابتدا به بررسی رابطه بين دو متغير در یک فرآیند دومرحلهای میپردازیم. سپس با استفاده از برآوردگر رگرسيونی استوار مناسب و به کمک تابع هابر، تأثير مخرب دادههای پرت را بر روی برآورد ضرایب رگرسيونی ،خنثی یا تعدیل مینمایيم. در ادامه جهت پایش فرایند به مدلسازی آن پرداخته میشود و سپس با توجه به مدل مطرحشده به تشکيل تابع درستنمایی و ارائه نمودار کنترل جدید میپردازیم. سپس عملکرد نمودار کنترل پيشنهادی در طی شبيهسازی گسترده موردبررسی قرار خواهد گرفت. معيار بررسی عملکرد نمودارهای کنترل پيشنهادی، شاخص متوسط طول دنباله خواهد بود.

دریافت لینک دانلود مقاله