تخمین نقطهی تغییر پلهای در پروفایلهای خطی چندگانه با استفاده از شبکهی عصبی احتمالی
نویسندگان
1 دانشگاه علوم پزشکی اصفهان
2 دانشگاه شهید باهنر کرمان
3 دانشگاه شهید بهشتی
doi
10.48313/jqem.2020.115126چکیده
تخمین نقطهی تغییر با کاهش مدت زمان لازم و هزینهی تشخیص عامل اثرگذار، به مهندسین کیفیت در جستجوی مؤثر برای کشف انحرافات با دلیل و بهبود کیفیت یک محصول یا یک فرآیند کمک میکند. در این مقاله، از رویکرد شبکهی عصبی مصنوعی احتمالی برای تخمین نقطهی تغییر پلهای در فاز 2 پایش پروفایلهای چندگانه استفاده میشود. عملکرد شبکهی عصبی احتمالی پیشنهادی برای تخمین نقطهی تغییر با استفاده از شبیهسازی مونتکارلو مورد سنجش قرار میگیرد. نتایج شبیهسازیها بیانگر این است که شبکهی پیشنهادی در تخمین نقطهی تغییر، در تغییرات کوچک از رویکرد حداکثر درستنمایی بهتر عمل میکند. اما در تغییرات متوسط تا بزرگ رویکرد حداکثر درستنمایی بهتر عمل میکند. به علاوه، مزیت دیگر رویکرد پیشنهادی این است که بر خلاف رویکرد حداکثر درستنمایی نیازی به هیچ گونه پیش آگاهی از نوع تغییر ندارد و به خوبی قادر به تخمین انواع نقاط تغییر نیز هست.
