شبیه سازی، رگرسیون، متغیر مستقل، مدل سازی پایان نامه ها و مقالات

عنوان صفحه
جدول2-1: مقایسه مسائل پایش پروفایل در فاز1 و فاز2 12
جدول2-2: تابع احتمال الگوهای خطی تعمیم یافته پرکاربرد در زمینه پایش پروفایل ها 14
جدول2-3: انواع مختلف الگوی لجستیک و پواسون و توابع پیوندی آن ها 14
جدول2-4: خلاصه تحقیقات انجام شده در تخمین نقطه تغییر در زمینه پایش پروفایل ها 31
جدول2-5: انواع مختلف تغییرات فرآیند و رویکردهای برآورد نقطه تغییر 31
جدول2-6: تحقیقات انجام شده در زمینه تخمین نقطه تغییر پروفایل پواسون 33
جدول2-7: تحقیقات انجام شده در زمینه تخمین نقطه تغییر پروفایل لجستیک 33
جدول4-1: نتایج شبیه سازی پروفایل پواسون با روش MLE 54
جدول4-2: نتایج شبیه سازی پروفایل پواسون با روش LRT پیشنهادی 55
جدول4-3: دقت عملکرد تخمین زننده نقطه تغییر پروفایل پواسون با روش MLE با شبیه سازی 55
جدول4-4: دقت عملکرد تخمین زننده نقطه تغییر پروفایل پواسون با روش LRT پیشنهادی با شبیه سازی 55
جدول4-5: نتایج شبیه سازی پروفایل لجستیک با روش MLEبا درنظر گرفتن شیفت π_i1=π_i0+απ_i0 56
جدول4-6: نتایج شبیه سازی پروفایل لجستیک با روش LRT با درنظر گرفتن شیفت π_i1=π_i0+απ_i0 56
جدول4-7: دقت عملکرد تخمین زننده نقطه تغییر پروفایل لجستیک با روش MLE با درنظر گرفتن شیفت π_i1=π_i0+απ_i0 56
جدول4-8: دقت عملکرد تخمین زننده نقطه تغییر پروفایل لجستیک با روش LRT پیشنهادی با درنظر گرفتن شیفت π_i1=π_i0+απ_i0 57
جدول4-9: نتایج شبیه سازی پروفایل لجستیک با روش MLE با درنظر گرفتن شیفت π_i1=π_i0+δ 57
جدول4-10: نتایج شبیه سازی پروفایل لجستیک با روش LRT با درنظر گرفتن شیفت π_i1=π_i0+δ 57
جدول4-11: دقت عملکرد تخمین زننده نقطه تغییر پروفایل لجستیک با روش MLE با درنظر گرفتن شیفت π_i1=π_i0+δ 57
جدول4-12: دقت عملکرد تخمین زننده نقطه تغییر پروفایل لجستیک با روش LRT پیشنهادی با درنظر گرفتن شیفت π_i1=π_i0+δ 58
جدول4-13: نتایج شبیه سازی پروفایل لجستیک با روش MLE 58
جدول4-14: نتایج شبیه سازی پروفایل لجستیک با روش LRT پیشنهادی 58
جدول4-15: دقت عملکرد تخمین زننده نقطه تغییر پروفایل لجستیک با روش MLE 59
جدول4-16: دقت عملکرد تخمین زننده نقطه تغییر پروفایل لجستیک با روش LRT پیشنهادی 59

فهرست شکل ها
عنوان صفحه
شکل2-1: بهبود فرایند با استفاده از نمودار کنترل 9
شکل2-2: تاثیرات انحرافات بادلیل و انحرافات تصادفی 10
شکل2-3: روند تخمین پارامترهای رگرسیون پواسون شرفی وهمکاران 18
شکل2-4: تغییر پله ای 23
شکل2-5: تغییر پله ای در نمودار کنترل شوهارت 23
شکل2-6: تغییر پله ای چندگانه 24
شکل2-7: تغییر پله ای چندگانه در نمودار کنترل شوهارت 24
شکل2-8: تغییر با روند خطی 25
شکل2-9: تغییر با روند خطی در نمودار کنترل شوهارت 25
شکل2-10: تغییر ایزوتونیک 27
شکل2-11: تغییر ایزوتونیک در نمودار کنترل شوهارت 27
شکل2-12: برآوردکننده ذاتی نمودار CUSUM 29
شکل2-13: برآوردکننده ذاتی نمودار EWMA 30
شکل4-1: فلوچارت تولید داده های شبیه سازی پروفایل پواسون و لجستیک 51
شکل4-2: فلوچارت شببیه سازی امید ریاضی و انحراف معیار آماره های LR 53
شکل4-3: فلوچارت روش پیشنهادی LRT 60

فهرست علایم و نشانه ها
عنوان علامت اختصاری
MLE Maximum likelihood estimation
LSE Least Square Error
GLM Generalized linear model
CUSUM Cumulative
sum
EWMA Exponentially weighted moving average
ARL Average run length
LRT Likelihood ratio test

فصل اول
مقدمه و کلیات موضوع

1-1 مقدمه
کنترل فرآیند آماری به عنوان شاخه ای از کنترل کیفیت آماری، مجموعه ای از ابزار است که برای کنترل و کاهش پراکندگی و در نتیجه بهبود کیفیت فرآیندها استفاده می شود. به عبارت دیگر هر روش آماری که برای کشف تغییرات فرآیند در طول زمان طراحی می شود در حوزه تحت پوشش کنترل فرآیند آماری قرار می گیرد (وودال1 و مونتگمری2 ،1999). از ابزار اصلی کنترل فرآیند آماری که به منظور بهبود کیفیت به کار گرفته می شوند می توان به هیستوگرام، برگه کنترل، نمودار پارتو، نمودار علت و معلول، نمودار پراکندگی، نمودار تمرکز نقص ها و نمودار کنترل اشاره نمود. از نظر مونتگومری (2005) در میان هفت ابزار فوق که غالباً ابزارهای هفتگانه عالی3 نامیده می شوند، نمودار کنترل مهمترین و قدرتمندترین ابزار کنترل فرآیند آماری می باشد. نمودار کنترل جهت کنترل میزان تغییرات در یک یا چند مشخصه کیفی مورد استفاده واقع می شود. در تحقیقات پیشین و به طور کلی در اکثر کاربردهای مرسوم کنترل فرآیند آماری، فرض بر این بوده است که کیفیت محصول یا عملکرد فرآیند می تواند به وسیله ی توزیع یک یا چند مشخصه کیفی توصیف شده و به وسیله نمودارهای کنترل تک متغیره یا چند متغیره کنترل شود. در دهه ی گذشته محققانی همچون کنگ4 و آلباین5 (2000) و وودال و همکاران (2004) حوزه ی جدیدی را در علم کنترل فرآیند آماری معرفی نموده و عنوان می کنند که در بسیاری از واحدهای صنعتی و خدماتی، کیفیت محصول یا عملکرد فرآیند به وسیله رابطه بین یک متغیر پاسخ و یک یا چند متغیر مستقل، بهتر توصیف می شود. آنها این رابطه را پروفایل می نامند. در بسیاری از کاربردها همچون کالیبراسیون این رابطه به وسیله ی یک مدل رگرسیون خطی توصیف می شود در حالی که در کاربردهای دیگر مانند اندازه گیری های مختلف از یک متغیر یکسان مثل ضخامت در مکان های مختلف یک قطعه، مدل های پیچیده تری همچون مدل های رگرسیون غیرخطی مورد نیاز است. طی سال های اخیر پایش پروفایل برای مشخصه های کیفی وصفی مانند برنولی، پواسون و چندجمله ای با استفاده از مدل های خطی تعمیم یافته مورد توجه محققین قرار گرفته است. پروفایل های خطی تعمیم یافته پروفایل هایی هستند که با استفاده از تابع تبدیل مشخص به پروفایل خطی تبدیل می شوند. روش های مختلفی برای مدل سازی و پایش این گونه از پروفایل ها توسعه داده شده است. تحقیق در این حوزه از یک سو منطبق با جهت گیری علمی محققان در زمینه ی کنترل کیفیت آماری و از سوی دیگر تلاش برای پاسخ به نیاز واحدهای صنعتی یا خدماتی است که به گونه ای نیاز به مدل سازی مشخصه های کیفی به صورت پروفایل های خطی تعمیم یافته دارند.

این مطلب رو هم توصیه می کنم بخونین:   منابع و ماخذ تحقیقارزش دفتری، ارزش بازار، اطلاعات مالی، رگرسیون

1-2 تعریف مساله
در بسیاری از شرایط کیفیت فرآیند یا محصول به کمک رابطه ی بین یک متغیر پاسخ و یک یا چند متغیر مستقل بهتر توصیف می شود لذا در هر مرحله ی نمونه گیری مجموعه ای از داده ها گردآوری می شود که می توان رابطه ی آن ها را به کمک تابعی تحت عنوان پروفایل نشان داد. پروفایل ها بر اساس نوع رابطه بین متغیر پاسخ و متغیرهای مستقل به انواع مختلفی تقسیم می شوند.
بررسی های صورت گرفته در ادبیات موضوع نشان می دهد که پایش پروفایل های خطی به علت سادگی محاسبات بخش قابل توجهی از تحقیقات صورت گرفته در حوزه پایش پروفایل ها را به خود اختصاص داده است. پروفایل های خطی تعمیم یافته پروفایل هایی هستند که با استفاده از تابع تبدیل مشخص به پروفایل خطی تبدیل می شوند. پروفایل های خطی تعمیم یافته گسسته شامل پروفایل های لجستیک (باینری) و پواسون می باشند. پایش این پروفایل ها به دلایلی چون کاربرد فراوان آن در صنعت و جدید بودن حوزه ی کاری به عنوان یک موضوع حایز اهمیت در زمینه پایش پروفایل ها مطرح می باشند. معمولا به منظور پایش این گونه از پروفایل ها، نمودارهای کنترل چندمتغیره تکی مورد استفاده قرار می گیرد. از سوی دیگر، با توجه به این که زمان کشف تغییر توسط نمودارهای کنترل لزوما منطبق با زمان واقعی تغییر نیست استفاده از رویکردهای شناسایی نقطه ی تغییر که زمان واقعی تغییر را معلوم می کند، می تواند در کشف سریع تر و ساده تر انحرافات با دلیل موثر واقع شود.
در این پایان نامه به منظور پایش پروفایل های لجستیک و پواسون در فاز 2 پس از توسعه مدل نقطه تغییر بر اساس تابع درستنمایی، نموداری مبتنی بر آماره ی درستنمایی استاندارد شده ارائه شده است. در این روش علاوه بر امکان تشخیص وضعیت خارج از کنترل، امکان برآورد نقطه تغییر نیز به صورت همزمان فراهم می شود.

1-3 ضرورت انجام تحقیق و کاربردهای آن
در این پایان نامه مباحث مربوط به پایش پروفایل های خطی تعمیم یافته گسسته بررسی شده است. این پایان نامه برای دانشجویان و محققانی که علاقه مند به تحقیق در زمینه کنترل فرآیند آماری به ویژه پایش پروفایل ها هستند، مرجع مناسبی است. همچنین موسسات پژوهشی که در زمینه کنترل کیفیت آماری به بررسی می پردازند نیز می توانند از آن بهره گیرند. از دیدگاه کاربردی، روش های ارائه شده در این پایان نامه می تواند در بخش های خدماتی و صنعتی که عملکرد فرآیند یا کیفیت محصول به و
سیله یک رابطه باینری یا پواسون بین متغیر پاسخ و متغیرهای مستقل توصیف می شود، استفاده شود.

1-4 اهداف تحقیق
اهداف تحقیقاتی این پایان نامه در قالب موارد زیر مطرح می گردد:
1- توسعه روشی برای پایش پروفایل های پواسون و باینری با روش آزمون نسبت درستنمایی(LRT) در فاز 2
2- توسعه روشی برای تخمین نقطه تغییر در فاز 2
3- ارائه رابطه بازگشتی برای کوتاه تر کردن زمان پایش پروفایل های اضافه شده در فاز 2
4- مقایسه عملکرد تخمین نقطه تغییر با رویکرد LRT و تخمین نقطه تغییر با رویکرد MLE

1-5 مفروضات تحقیق
1- عملکرد فرایند یا کیفیت محصول به وسیله یک رابطه رگرسیونی بین متغیر پاسخ با توزیع باینری یا پواسون و یک متغیر مستقل X توصیف می شود. بعلاوه مقادیر متغیر پاسخ در طول زمان و همچنین به ازای سطوح مختلف متغیر X از یکدیگر مستقل هستند.
2- مقادیری که متغیر تصادفی X اختیار می کند مقادیر ثابت و معلوم هستند.
3- مطالعات پایش پروفایل ها در فاز2 نمودار کنترل صورت گرفته است.
4- تغییر اعمال شده از طریق ضرایب پروفایل بر میانگین متغیر پاسخ و از نوع پله ای منفرد است.

1-6 بیان روش انجام تحقیق
روش انجام تحقیق مطابق روش متداول در انجام یک کار تحقیقاتی در حوزه کنترل فرآیند آماری بوده و بر اساس مراحل زیر صورت گرفته است:
1- جمع آوری اطلاعات شامل جستجو در سایت های معتبر علمی، مطالعه ی مقالات و کتاب ها
2- بررسی مقالات و مطالعات

شبیه سازی، رگرسیون، متغیر مستقل، مدل سازی پایان نامه ها و مقالات

دیدگاهتان را بنویسید