|
|
|
|
ارائه‌ی روش‌هایی برای به کارگیری تصویر محصول در کنترل فرایند آماری
|
|
|
|
|
|
|
|
نویسنده
|
کوشا مهدی ,نورالسنا رسول
|
|
منبع
|
مهندسي صنايع و مديريت شريف - 1398 - دوره : 35-1 - شماره : 2/1 - صفحه:3 -9
|
|
چکیده
|
کنترل آماری فرایند هم‌زمان با پیشرفته‌تر شدن فرایندها و پیچیده‌تر شدن محصولات تولیدی نقش چشمگیری در صنایع تولیدی داشته است. با توجه به افزایش حساسیت فرایندها و ناکارآمد بودن روش‌های مبتنی بر بازرسی انسانی، در سال‌های اخیر، استفاده از تصویر محصول در کنترل فرایند آماری توسط پژوهشگران مورد توجه قرار گرفته است. در این مقاله، سه روش مبتنی بر موجک یک‌بعدی برای پایش آماری تصاویر ارائه شده است. این روش‌ها برای پایش فرایند از رویکرد نسبت درست‌نمایی استفاده می‌کنند و در نتیجه علاوه بر اعلام شرایط خارج از کنترل، توانایی ارائه‌ی نقطه‌ی تغییر را نیز دارند. عملکرد این روش‌ها با استفاده از نمودار کنترل نسبت درست‌نمایی تعمیم یافته و از نظر شاخص‌های متوسط طول دنباله و تفاوت بین نقطه‌ی تغییر واقعی و تخمینی ارزیابی شده است. مطالعات شبیه‌سازی با استفاده از تصویر نوعی پارچه انجام شده است و نتایج نشان‌دهنده‌ی سطح مناسب توانایی روش‌ها در تشخیص حالت‌های خارج از کنترل و تخمین نقطه‌ی تغییر هستند.
|
|
کلیدواژه
|
نمودار کنترل، پایش پروفایل، موجک، پردازش تصویر، فاز 2، نسبت درست‌نمایی تعمیم یافته
|
|
آدرس
|
دانشگاه علم و صنعت ایران, دانشکده‌ی مهندسی صنایع, ایران, دانشگاه علم و صنعت ایران, دانشکده‌ی مهندسی صنایع, ایران
|
|
پست الکترونیکی
|
rassoul@iust.ac.ir
|
|
|
|
|
|
|
|
|
|
|
|
|
|
DEVELOPING WAVELETBASED METHODS FOR MONITORING IMAGES}
|
|
|
|
|
Authors
|
|
|
Abstract
|
Statistical process control plays an impressive role in industries due to the growing complicated products and processes. This tool helps practitioners prevent the production of defected products and waste of money and time. Due to the importance of processes and inefficiency of methods based on human inspection, the use of image data for statistical process control has gained great attention among researchers in recent years. Image data have been applied by industries for many years for separating defected products and preventing them to get to customers. In recent years, some methods are proposed by researchers in the area of applying statistical features of image data in statistical process control. Image data analysis is decomposed into two categories: spatial domain and frequency domain. The main concentration of previous research studies in the area of process monitoring using image data is in the area of spatial domain analysis. This study has proposed three methods based on onedimensional wavelet decomposition for monitoring image data with respect to frequency domain features. At each level of decomposition, wavelet transformation decomposes each signal into two elements including an approximation part (which is similar to the main signal and is performed as a lowpass filter) and a detail element (which is performed as a highpass filter). The first method proposed in this paper only applies approximation coefficient for process monitoring. The second and third methods consider the detail coefficient by using hard thresholding and soft thresholding, respectively. These methods use a likelihood ratiobased statistic for process monitoring. Hence, they can show an outofcontrol status and estimate the change point that is one of the most important diagnostic information. The performance of these methods is evaluated and compared with respect to the average run length and the difference between real and estimated changepoint criteria. Simulation studies are performed by using a textile image. Results showed a suitable degree of accuracy in detecting out of control status and estimating change points.
|
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|