برآورد فاصله‌یی شاخص‌های cp‌m و cp‌m‌k فرایندهای خودبرگشت به‌کمک روش بوت‌استرپ بلوکی حلقوی

شاخص‌های قابلیت فرایند، به‌عنوان معیارهای کمی عملکرد فرایند در راستای نیل به بهبود کیفیت، در صنعت کاربرد گسترده‌یی دارند. استقلال مشاهدات از متداول‌ترین مفروضات اغلب شاخص‌های قابلیت فرایند است اما در عمل، الگوهای همبستگی میان اطلاعات نمونه‌یی قابل کشف است که منجر به نقض فرض استقلال مشاهدات می‌شود. عدم تشخیص صحیح یک فرایند خودهمبسته ممکن است باعث اشتباه در تصمیم‌گیری و به بار آمدن خسارت‌های کیفی شود. به‌دلیل توزیع نامعلوم شاخص‌های مذکور در حضور خودهمبستگی میان داده‌ها، در این نوشتار الگوریتمی برای برآوردهای فاصله‌یی cp‌m و cp‌m در فرایندهای (1)a‌r با بهره‌گیری از روش ناپارامتری بوت‌استرپ بلوکی حلقوی ارائه شده است. به‌علاوه ارزیابی این راهکار و مقایسه‌ی آن با سایر روش‌های موجود در ادبیات، به‌کمک مطالعات شبیه‌سازی مختلف نشان می‌دهد که عملکرد الگوریتم پیشنهادی با فواصلی به روش بوت‌استرپ استاندارد، نسبت به فواصل صدکی، بهتر است. همچنین روش والگرن برای برآورد فاصله‌یی شاخص cp‌m و روش بوت‌استرپ بلوکی حلقوی برای شاخص cp‌m در حضور داده‌های خودهمبسته‌ی (1)a‌r برتری دارد. البته، در شرایط عدم اطلاع از سطح خودهمبستگی، همواره روش بوت‌استرپ بلوکی حلقوی برتری دارد.