|
|
نمودارهای کنترلی استوار برای دادههای سریزمانی
|
|
|
|
|
نویسنده
|
کلهر اعظم ,بامنی مقدم محمد
|
منبع
|
مهندسي و مديريت كيفيت - 1399 - دوره : 10 - شماره : 4 - صفحه:269 -278
|
چکیده
|
هر روش آماری که برای کشف تغییرهای فرایند در طول زمان طراحی میشود در حوزه کنترل آماری فرایند قرار دارد. از میان ابزارهای پر کاربردکنترل آماری فرایند، نمودارکنترلی مهمترین و قدرتمندترین ابزار کنترل آماری فرایند است . نمودارهای کنترل آماری فرایند در رابطه با کنترل فرایند از دو جنبه کامل نیستند.نمودارهای کنترل آماری فرایند طبق مشخصات طراحی انجام میپذیرد یا نه و دیگر اینکه نمودارهای کنترلی توانایی شناسایی علل غیر تصادفی و حذف آنها را ندارند. در این مقاله نمودارهای کنترلی استوار برای دادههای سریزمانی برای پی بردن به انحرافهای با دلیل، معرفی میکنیم که دادههای واقعی اجرای عملیات مرکز ساختمانهای کشاورزی و بیوتکنولوژی کرج میباشدکه دادهها به صورت روزانه جمعآوری شده و نمودارهای کنترلی استوار و نمودارهای کنترلی استاندارد را برای دادههای سریزمانی رسم میکنیم که انجام تجزیه و تحلیل آماری این طرح با استفاده از نرمافزار spss16صورت پذیرفته است و در نهایت با مقایسه کردن نمودارکنترلی استوار با نمودارکنترلی استاندارد برای دادههای سریزمانی به این نتیجه میرسیم که نمودار کنترلی استوارکارایی مطلوبی نسبت به نمودار کنترلی استاندارد دارد.
|
کلیدواژه
|
کنترل آماری فرایند(spc)، نمودارهای کنترلی، سریهای زمانی نامانا، هولت وینترز، دادههای پرت، استواری
|
آدرس
|
دانشگاه البرز قزوین, گروه آمار, ایران, دانشگاه علامه طباطبایی, گروه آمار, ایران
|
پست الکترونیکی
|
bamenimoghadam@atu.ac.ir
|
|
|
|
|
|
|
|
|
Sturdy Control Charts for Time Series Data
|
|
|
Authors
|
Kalhor Azam ,Bameni Moghadam Mohammad
|
Abstract
|
Any statistical method designed to detect process changes over time is within the scope of statistical process control. Among the most widely used tools for statistical process control, the control chart is the most important and powerful tool for statistical process control. Here it is important to understand that statistical process control charts are not complete in relation to process control in two respects. They do not have nonrandom causes and their elimination. In this paper, we introduce robust control diagrams for timeseries data to detect reasoned deviations. We collect daily diagrams and draw solid control charts and standard control charts for time series data. Statistical analysis of this design was performed using SPSS16 software and finally by comparing Solid control diagram With standard control diagram for time series data, we conclude that the stable control diagram has a better performance than the standard control diagram.
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|