فهرست نشریات علمی دسترسی آزاد ایران

مقدمه و اهداف: در صنایع تولیدی پیشرفته، خصوصاً در صنایعی نظیر فولاد که با فرآیندهای پیچیده و چندمرحله‌ای مواجه هستند، بهینه‌سازی نظارت بر کیفیت و عملکرد خطوط تولید از اهمیت بالایی برخوردار است. روش‌های سنتی پایش تک‌متغیره به دلیل ناتوانی در تحلیل روابط میان متغیرهای مختلف، در شناسایی به‌موقع ناهنجاری‌ها ناکارآمد هستند. از این‌رو، ترکیب روش‌های کنترل کیفیت چندمتغیره (MSPC) و تحلیل مؤلفه‌های اصلی (PCA) به عنوان یک راهکار نوین، می‌تواند ابزاری کارآمد برای کاهش پیچیدگی داده‌ها، افزایش دقت پایش و بهبود کیفیت نهایی محصولات باشد. هدف این پژوهش، طراحی و اعتبارسنجی مدلی ترکیبی بر پایه PCA و نمودارهای کنترلی چندمتغیره جهت بهینه‌سازی نظارت در فرآیند تولید تختال در شرکت فولاد مبارکه است.روش‌ها: مطالعه حاضر با رویکرد کمی و بر مبنای تحلیل داده‌های واقعی خطوط تولید فولاد مبارکه انجام شد. ابتدا داده‌های کنترلی مرتبط با فرآیند ریخته‌گری جمع‌آوری و داده‌های پرت با استفاده از نمودارهای باکس‌پلات حذف شدند. سپس با انجام آزمون KMO و بارتلت، کفایت داده‌ها و همبستگی متغیرها جهت اجرای تحلیل PCA تأیید شد KMO = 0.78، p < 0.001  تحلیل PCA به استخراج سه مؤلفه اصلی منجر گردید که مهم‌ترین متغیرهای تأثیرگذار را در فرآیند مشخص کرد. این مؤلفه‌ها به‌عنوان ورودی به مدل‌های کنترلی چندمتغیره MEWMA و MCUSUM داده شدند. در موارد خاص، از نمودار T² Hotelling استفاده شد. مدل توسعه‌یافته پس از پیاده‌سازی، توسط خبرگان صنعت اعتبارسنجی شد.یافته‌ها :نتایج تحلیل نشان داد که با کاهش ابعاد داده‌ها از ۹ متغیر به ۳ مؤلفه کلیدی (PC1، PC2 و PC3)، امکان پایش دقیق‌تر فرآیند فراهم شد. در مرحله‌ی ریخته‌گری، استفاده از نمودار MEWMA منجر به شناسایی سریع‌تر نوسانات و انحرافات شد، در حالی‌که نمودار EWMA برای پایش تک‌متغیره جهت مقایسه عملکرد به کار رفت. مقایسه بین این دو مدل نشان داد که MEWMA دارای حساسیت بالاتری نسبت به تغییرات کوچک در فرآیند است. همچنین اجرای مدل ترکیبی موجب شد ۹۵٪ از نقاط خارج از کنترل تنها با چهار نمودار شناسایی شوند، در حالی‌که پیش‌تر در بیش از ۴۵ نمودار پراکنده بودند. تحلیل رگرسیونی مؤلفه‌ها نیز تأیید کرد که مؤلفه‌های اصلی به‌خوبی تغییرات متغیرهای کلیدی را توصیف می‌کنند.نتیجه‌گیری: این پژوهش نشان می دهد که ترکیب روش‌های PCA و کنترل کیفیت چندمتغیره نه‌تنها باعث افزایش دقت در نظارت بر فرآیند تولید شده بلکه به میزان چشم‌گیری از پیچیدگی مدل‌های کنترلی و هزینه‌های پایش کاسته است. به‌کارگیری این رویکرد منجر به کاهش هشدارهای کاذب، افزایش سرعت واکنش به تغییرات، و ارتقای کلی سیستم کیفیت می شود.. همچنین با تنظیم مناسب پارامتر لاندا (λ) در مدل MEWMA، میزان هم‌پوشانی تشخیص نقاط انحرافی با روش‌های تک‌متغیره به بیش از ۸۰٪ می رسد. بر اساس تأیید خبرگان، مدل پیشنهادی قابلیت اجرایی بالایی داشته و به‌عنوان یک راهکار عملی برای بهبود پایش فرآیند در صنایع بزرگ مانند فولادسازی پیشنهاد می‌گردد.