چکیده:
امروزه کنترل فرایند آماری نقش مهمی را در بررسی و کنترل دقیق کیفیت محصولات ایفا میکند.بدین منظور روشهای متعددی نیز برای انجام این فرآیند مورد استفاده قرار میگیرد.اما از آنجایی که در نمودارهای کنترل گسسته،غالب اطلاعات در دسترس،به صورت ترمهای زبانی میباشند که مبهم و نادقیقند،بنابراین در اکثر مواقع تشخیص و تعیین مقادیر به صورت کمی بسیار مشکل است.در این مقاله علاوهبر کمی نمودن ترمهای زبانی با استفاده از خواص مجموعههای فازی،روشی جهت کنترل فرآیند گسسته ارائه میگردد.
در این تحقیق که به صورت مطالعه موردی در شرکت محورسازان ایران خودرو صورت گرفته است،نمودارهای کنترل فازی پیشنهاد شده بوسیله ونگ و رز مورد بررسی قرار گرفته است.نتایج این تحقیق نشان میدهد که در شرایطی که ناچار به استفاده از متغیرهای زبانی هستیم،نمودارهای کنترل فازی گزارش دقیقتر و مناسبتری از فرایند را نسبت به نمودارهای کنترل کلاسیک ارائه میدهد.این روش به ویژه در زمانی که فرایند از کنترل خارج میگردد،سریعتر هشدار داده و وجود یک حالت غیر عادی در فرایند را نشان میدهد.تعداد واژههای زبانی مورد استفاده برای بیان سطح کیفیت محصول بر روی دقت و حساسیت نمودارهای کنترل موثر است و هرچه تعداد واژههای زبانی مورد استفاده برای بیان سطح کیفیت محصول نیز بیشتر باشد،احتمال رسم یک نقطه در فاصله بین حدود کنترل یا احتمال خطای نوع دوم کمتر میشود.
Nowadays statistical control process plays an important role in quality control of products. So wide variety of methods are utilized to do so. But since the most percentage of available information in the discrete control charts are verbal terms, fuzzy and vague ,in most cases it is difficult for us to refine them into the quantitative data. Thus in this article we are to change these verbal data into the quantitative data by fuzzy logic and furthermore to provide new method to control discrete process.
ln this research that has been executed in the lrankhodroo,
Mehvarsazan Company, fuzzy control charts suggested by Rose & Wang examined. Results achieved from this research represent when we have to use verbal variables, fuzzy control charts present clearer and better results than classic control charts. This method particularly when the process is out of control will give a faster alert and will report existence of a disorder in the process. The number of verbal terms used for defining quality level of product influence on accuracy and sensitivity of control charts and the more verbal terms used for defining quality level of product , the less probability of second-type erronjl) or stretching a point in control limit sides(LCL & UCL).
خلاصه ماشینی:
در این تحقیق که به صورت مطالعه موردی در شرکت محورسازان ایران خودرو صورت گرفته است،نمودارهای کنترل فازی پیشنهاد شده بوسیله ونگ و رز مورد بررسی قرار گرفته است.
تعداد واژههای زبانی مورد استفاده برای بیان سطح کیفیت محصول بر روی دقت و حساسیت نمودارهای کنترل موثر است و هرچه تعداد واژههای زبانی مورد استفاده برای بیان سطح کیفیت محصول نیز بیشتر باشد،احتمال رسم یک نقطه در فاصله بین حدود کنترل یا احتمال خطای نوع دوم کمتر میشود.
در نتیجه با فرض اینکه توزیع نمونهگیری تقریبا نرمال است و یا اندازه نمونه(n)نسبتا بزرگ(بزرگتر از 25)است، با کاربرد فرمولهای استاندارد نمودارهای کنترل متغیرها،حدود کنترل به صورت زیر بدست میآیند: (5) LCL-Max0,(CL-A3MSD) UCL-Min1,(cl+A3MSD) که در این روابط داریم: (6)(به تصویر صفحه مراجعه شود) روش عضویت را نیز میتوان به این شکل توضیح داد.
(7)(به تصویر صفحه مراجعه شود) بهطور کلی گامهای رسم نمودارهای کنترل براساس روش عضویت عبارتند از: گام اول-زیرمجموعه فازی(MFj)مرتبط با میانگین هر نمونه به صورت زیر محاسبه میگردد: (8)(به تصویر صفحه مراجعه شود) گام دوم-میانگین جامع m نمونه در دسترس اولیه(CMF)به صورت متوسط میانگینهای نمونه محاسبه میگردد: (9)(به تصویر صفحه مراجعه شود) این عملیات بر روی زیرمجموعههای فازی انجام شده و نتیجه آن یک زیرمجموعه ئ فازی است.
برای هر زیرمجموعه فازی نیز یک مجموعه تابع عضویت با مورد استفاده قرار گرفته که در شکل 2 نشان داده شده است.
در نگاره(3)نتایج محاسبه میانه فازی برای مجموعه تابع عضویت آمده است: (به تصویر صفحه مراجعه شود) نمودار 2.
نتایج استفاده از روش عضویت فازی (به تصویر صفحه مراجعه شود) همچنین نمودار مربوط به این حالت نیز در نمودار(4)نمایش داده شده است.