مدلسازی فرآیند چند متغیره با استفاده از شاخص کارائی Cpm وزنی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 گروه مهندسی مکانیک و ساخت، دانشگاه پوترا مالزی، سلانگور، مالزی.

2 گروه مهندسی صنایع، دانشکده مهندسی صنایع، دانشگاه خوارزمی، تهران، ایران.

چکیده

تا کنون ابزارهای متفاوتی جهت بررسی، تجزیه و تحلیل کارائی فرآیند ارائه گردیده است. شاخصهای کارائی فرآیند نظیر Cp، Cpk و Cpm برخی از این ابزارها می باشند که توانائی فرآیند را جهت تولید محصولات منطبق با مشخصات فنی به صورت کمی مورد ارزیابی قرار می دهند. همچنین در بسیاری از پژوهشهای مرتبط، کارائی فرآیند تک متغیره مورد بررسی قرار گرفته است و بررسی فرآیندهایی که همزمان در آن چندین مشخصه کیفی دارای اهمیت می باشد کمتر صورت پذیرفته است. شاخص Cpm با استفاده از آموزه های تاگوچی در زمینه طراحی اثرزدا تعریف گردیده است. در این پژوهش ابتدا یک مدل ریاضی از نوع Lp متریک جهت تنظیم پارامترهای قابل کنترل ورودی با در نظر گرفتن همزمان کلیه مشخصه های کیفی خروجی فرآیند از نوع اسمی بهتر با اصلاح شاخص Cpm و با هدف بهینه سازی کارائی فرآیند با کلیه مشخصه های کیفی تعریف می گردد سپس مدل مذکور برای فرآیندهائی که هزینه تأمین چشمگیر می باشد توسعه داده می شود. همچنین در پایان نحوه کاربرد مدلهای ارائه شده بوسیله مثال عددی تشریح می گردد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Multi Variable Process Modeling Using Weighted Cpm Capability Index

نویسندگان [English]

  • Amir Parnianifard 1
  • Hamidreza Izadbakhsh 2
1 Department of Mechanical and Manufacturing Engineering, Putra Malaysia University, 43400 UPM Serdang, Selangor, Malaysia.
2 Department of Industrial Engineering, Faculty of Engineering , Kharazmi University, Tehran, Iran.
چکیده [English]

Up to now, different tools have been introduced for analyses of process capability such as process capability indexes of Cp, Cpk and Cpm that developed for analyzing the capability of process and adapting the quality specifications of product. Most studies in the literature only consider the process with single capability variable, while there is a lack of studies that consider multi-variable processes. Cpm index has been defined with Taguchi overview over robust design. In this research, the metric Lp model has introduced to investigate the optimum decision variables by considering nominal is better quality specification and reparation Cpm index. We also expand the proposed model for such a processes with considering overall cost as well as process quality. At the end of research, numerical example has been presented to exhibit usage of proposed model for obtaining the best levels of process decision variables.

کلیدواژه‌ها [English]

  • robust optimization
  • Taguchi method
  • Process Capability Indexes
قبادی، ش؛ نورالسناء، ر؛ شیرازی، ب. (1385). طراحی آزمایشها در محیط فازی با استفاده از تصمیم گیری چند هدفه فازی، پنجمین کنفرانس بین المللی مهندسی صنایع.

شهریاری، ح؛ نباتچیان، م. ر. (1385). طراحی پارامترهای محصول با استفاده از مدلسازی ریاضی و مقایسه آن با روش تاگوچی، پنجمین کنفرانس بین المللی مهندسی صنایع.

شهریاری، ح؛ عبداله زاده، م. ر. (1384). معرفی شاخص جدید کارائی فرآیند چند متغیره. چهارمین کنفرانس بین المللی مهندسی صنایع.

نباتچیان، م. ر؛ شهریاری، ح. (1394). اصلاح شاخص قابلیت فرآیند Cpm بر اساس آموزه­های تاگوچی. نهمیمن کنفرانس بین المللی مهندسی صنایع.

نباتچیان، م. ر؛ شهریاری، ح؛ شفائی، ر. (1391). بررسی عملکرد مشخصه­های کیفی محصول در محیط مصرف بر اساس شاخص قابلیت فرآیند. نهمیمن کنفرانس بین المللی مهندسی صنایع.

شاهین، آ؛ پرنیانی فرد، ا. (1391). توسعه یک مدل بهینه سازی امتزاج با اهداف طراحی اثرزدا. نهمین کنفرانس بین المللی مهندسی صنایع.

فتاحی، پ؛ سعیدی مهرآباد، م؛ حمیدی، م. (1384). ارائه یک مدل تلرانس دهی قطعات بمنظور کاهش هزینه های تولید و زیان کیفیت. چهارمین کنفرانس بین المللی مهندسی صنایع.

نقی خانی، م؛ علیجانی، م.(1389). استفاده از رویه پاسخ  (RSM)در تخصیص بهینه تلرانس. هفتمین کنفرانس بین المللی مهندسی صنایع.

Biukaghazadeh,  P., & Ghodsypour, H. (1388). Robust Multi-objective portfolio selection problem. 7 th International industrial engineering conference. esfahan, 2010.

Beyer, H. G., & Sendhoff, B. (2007). Robust optimization–a comprehensive survey. Computer methods in applied mechanics and engineering, 196(33-34), 3190-3218.

Chandra, M. J. (2001). Statistical quality control. CRC Press.

Chen, C. (2004). Robust design based on fuzzy optimization. Tamsui oxford journal of mathematical sciences, 20(1), 65.

Diez, M., & Peri, D. (2010). Robust optimization for ship conceptual design. Ocean engineering, 37(11-12), 966-977.

Kraslawski, A., Koiranen, T., & Nystrom, L. (1993). Concurrent engineering: robust design in fuzzy environment. Computers & chemical engineering, 17, S447-S452.

Ardakani, M., Noorossana, R., Niaki, S. A., & Lahijanian, H. (2009). Robust parameter design using the weighted metric method—the case of the smaller the better. International journal of applied mathematics and computer science, 19(1), 59-68.

Pearn, W. L., & Chen, K. S. (1999). Making decisions in assessing process capability index Cpk. Quality and reliability engineering international, 15(4), 321-326.

Rudisill, F., & Litteral, L. A. (2008). Capability ratios: Comparison and interpretation of short-term and overall indices. International journal of quality and standards, 2(1), 67.

Messac, A., & Ismail-Yahaya, A. (2002). Multiobjective robust design using physical programming. Structural and multidisciplinary optimization, 23(5), 357-371.

Shahin, A. (2006, July). Robust design: an advanced quality engineering methodology for change management in the third millennium. Proceedings of the 7th international conference of quality managers (pp. 201-212).

Sun, G., Li, G., Gong, Z., Cui, X., Yang, X., & Li, Q. (2010). Multiobjective robust optimization method for drawbead design in sheet metal forming. Materials & design, 31(4), 1917-1929.

Parnianifard, A., Azfanizam, A., Ariffin, M. K. A. M., & Ismail, M. I. S. (2018). An overview on robust design hybrid metamodeling: Advanced methodology in process optimization under uncertainty. International journal of industrial engineering computations, 9, 1-32.

Parnianifard, A., Azfanizam, A., Ariffin, M. K. A. M., Ismail, M. I. S., & Ale Ebrahim, N. (2018). Recent developments in metamodel based robust black-box simulation optimization: An overview. Decision science letters, 8(1), 17-44.

Dellino, G., & Meloni, C. (2015). Uncertainty management in simulation-optimization of complex systems (pp. 147-168). Boston MA: Springer.

Moghaddam, S., & Mahlooji, M. (2016). Robust simulation optimization using φ-divergence. International journal of industrial engineering computations, 7(4), 517-534.

Khoshnevisan, S., Wang, L., & Juang, C. H. (2017). Response surface-based robust geotechnical design of supported excavation–spreadsheet-based solution. Georisk: Assessment and management of risk for engineered systems and geohazards, 11(1), 90-102.