|
|
|
|
استفاده از برآوردکننده‌های استوار به‌منظور پایش پروفایل خطی ساده چندمتغیره
|
|
|
|
|
|
|
|
نویسنده
|
کردستانی مسلم ,صمیمی یاسر
|
|
منبع
|
مهندسي صنايع و مديريت شريف - 1395 - دوره : 32-1 - شماره : 2/2 - صفحه:3 -13
|
|
چکیده
|
در برخی کاربردهای کنترل فرایند آماری، کیفیت یک محصول یا فرایند را می‌توان به‌صورت رابطه‌ی بین یک یا چند متغیر وابسته/مستقل بیان کرد که آن را «پروفایل» می‌نامند. در این نوشتار به بررسی پروفایل‌های خطی ساده‌ی چندمتغیره می‌پردازیم که در آن چندین مشخصه‌ی کیفی مرتبط به‌صورت مجموعه‌یی از توابع خطی برحسب یک متغیر مستقل مدل‌بندی می‌شود. در حالی که حضور داده‌های دورافتاده ممکن است در برآورد پارامترهای مدل با استفاده از برآوردکننده‌های کلاسیک اختلال ایجاد کند. به‌منظور برآورد پارامترهای پروفایل دو رویکرد استوار مبتنی بر برآوردکننده‌ی m پیشنهاد می‌شود که در دو وضعیت تک‌مرحله‌یی و دومرحله‌یی کاربرد داشته است. عملکرد برآوردکننده‌های پیشنهادی از دو نقطه‌نظر استواری و کارایی مورد بررسی قرار می‌گیرد. نتایج نشان می‌دهد در فاز 1 کنترل فرایند آماری، برای مقادیر متوسط و بزرگ از آلودگی، عملکرد برآوردکننده‌های استوار بسیار بهتر از رویکرد کلاسیک است.
|
|
کلیدواژه
|
کنترل فرایند آماری، پروفایل خطی ساده چندمتغیره، برآوردکننده‌ی m، تابع بای‌اسکوئر
|
|
آدرس
|
دانشگاه صنعتی خواجه نصیرالدین طوسی, دانشکده‌ی مهندسی صنایع, ایران, دانشگاه صنعتی خواجه نصیرالدین طوسی, دانشکده‌ی مهندسی صنایع, ایران
|
|
پست الکترونیکی
|
y_samimi@kntu.ac.ir
|
|
|
|
|
|
|
|
|
|
|
|
|
|
MONITORING MULTIVARIATE SIMPLE LINEAR PROFILES USING ROBUST REGRESSION MESTIMATORS
|
|
|
|
|
Authors
|
|
|
Abstract
|
In some quality control applications, quality of a product or process can be characterized by a relationship between two or more variables that is typically referred to as profile. Research on profile monitoring commenced with studying simple linear profiles nearly fifteen years ago and then was pursued by investigating other types of profiles including multiple linear profiles, polynomial profiles, generalized linear profiles, and recently multivariate linear profiles. This paper has focused on the last case where several correlated quality characteristics can be modeled as a set of linear functions of one or more explanatory variables. Since, for the sake of simplicity, the model structure of our study consists of only one predictor, this type of profile has been referred to as multivariate simple linear profile. This paper deals with statistical process control in phase one where parameters of the model are to be estimated in order to develop a control chart for process monitoring. While outliers may hamper the expected performance of the classical regression estimators leading to erroneous interpretation of the process, this study resorts to robust regression estimators as the remedy of the estimation problem in the presence of outliers. Two robust approaches are proposed in our study to estimate parameters of multivariate simple linear profiles on the basis of robust regression Mestimates with bisquare weight function. In the first approach, the aggregation of estimates in the sample level is done by averaging while the second approach employs a second Mestimate to aggregate parameter estimates. Extensive simulation studies are conducted to investigate and compare the performance of the proposed estimators in terms of robustness and efficiency. The results show that in the absence of outliers or for small amount of contamination, the robust methods perform as well as the classical method, while for medium and large amounts of contamination the proposed estimators perform considerably better than the classical ones.
|
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|