Approaches for problem diagnosis via statistical process control charts

Abstract

İstatistiksel proses kontrol çizelgeleri, süreci etkileyen özel nedenlerin varlığına işaret eden kontrol-dışı sinyalleri saptamayı amaçlar. Böyle bir sinyal saptandığında bunun yorumlanması, diğer bir deyişle sinyale yol açan gerçek nedenlerin ortaya çıkarılması operatör ya da mühendislerin görevidir. Son zamanlarda bu yorumlama işlemini kolaylaştıracak bazı teknikler geliştirilmiştir. Çalışma, bu teknikleri üç ana başlık altında incelemektedir: geleneksel tek değişkenli kontrol çizelgeleri, yapay sinir ağı uygulamaları ve çok değişkenli kontrol çizelgeleri.

Statistical process control charts aim to detect out-of-control signals which indicate existence of special causes effecting the process. Once such a signal is detected, the interpretation of the signal, that is, discovering the actual causes behind the signal, rests upon the shoulders of operators or engineers. Recently, some techniques have been developed for making this interpretation process easier. This study presents an overview of such techniques in three categories: traditional one-variable control charts, artificial neural network applications and multivariate control charts.