Συνεχής παρακολούθηση παραγωγικών διαδικασιών με χρήση του θεωρήματος Bayes και δέντρων αποφάσεων

Continuous process monitoring based on the Bayes' theorem and decision tree analysis (Αγγλική)

  1. MSc thesis
  2. ΤΣΙΩΤΑ, ΚΩΝΣΤΑΝΤΙΝΑ
  3. Διαχείριση και Τεχνολογία Ποιότητας (ΔΙΠ)
  4. 25 Σεπτεμβρίου 2021 [2021-09-25]
  5. Ελληνικά
  6. 118
  7. ΤΑΣΙΑΣ, ΚΩΝΣΤΑΝΤΙΝΟΣ
  8. ΤΑΣΙΑΣ, ΚΩΝΣΤΑΝΤΙΝΟΣ | ΚΑΛΛΙΩΡΑΣ, ΑΘΑΝΑΣΙΟΣ
  9. Statistical process control | Bayes theorem | Decision trees | Continuous process monitoring | Matlab
  10. 2
  11. 15
  12. 7
  13. Κυρίως σώμα διπλωματικής
    • Ένα σύγχρονο ζήτημα που εμφανίζεται στον Στατιστικό Έλεγχος Διεργασιών, είναι το πρόβλημα της επίδρασης πολλών πιθανών συστηματικών αιτιών σε μια παραγωγική διαδικασία. Για το σκοπό αυτό, στην παρούσα εργασία μελετάται η επίδραση δύο πιθανών συστηματικών αιτιών σε μια διαδικασία με διαφορετικές πιθανότητες εμφάνισης η κάθε μία και περισσότερους από έναν πιθανούς τρόπους αποκατάστασης (εξαρτήματα Α,Β,Γ,Δ). Η επίδραση των συστηματικών αιτιών θέτει την παραγωγική διαδικασία σε κατάσταση εκτός στατιστικού ελέγχου και μετατοπίζει τη θέση του μετρούμενου χαρακτηριστικού ποιότητας. Στο πλαίσιο αυτό, αναπτύσσεται ένα μοντέλο παρακολούθησης της στατιστικής διαδικασίας που ελέγχει το σύνολο των παραγόμενων προϊόντων (100% παρακολούθηση) και λαμβάνει υπόψη τις οικονομικές παραμέτρους της υπό παρακολούθηση διαδικασίας. Στο προτεινόμενο μοντέλο παρακολούθησης συνδυάζεται η θεωρία των δεσμευμένων πιθανοτήτων, το θεώρημα Bayes και η θεωρία λήψης αποφάσεων Στο τέλος κάθε δειγματοληψίας μεγέθους δείγματος n=1, εκτιμάται η πιθανότητα η διαδικασία να παραμένει σε κατάσταση στατιστικού ελέγχου ή να μεταβαίνει σε κατάσταση εκτός στατιστικού ελέγχου. Συγκεντρώνονται σε πίνακες όλες οι δυνατές αποφάσεις, οι πιθανές καταστάσεις της διαδικασίας, οι σχέσεις κόστους απόφασης και οι σχέσεις κόστους ή ανταμοιβής. Σε κάθε δειγματοληψία οι πιθανότητες της κατάστασης της διαδικασίας μετασχηματίζονται με την εφαρμογή του θεωρήματος Bayes και εφαρμόζεται το κριτήριο της μέγιστης ανταμοιβής προκειμένου να προσδιοριστεί η βέλτιστη απόφαση που μεγιστοποιεί το όφελος της παραγωγικής διαδικασίας.
    • During the recent years, an increasing interest in the occurrence and the effect of multiple possible assignable causes in a process operation has been mentioned in the fields of Statistical Process Control and Continuous Monitoring. This thesis focuses on the study of the effect of two possible assignable causes with different occurrence probabilities each and more than one possible way of recovery (components A, B, C, D). The presence of an assignable cause has the tendency to shift the operation’s state from in-control to out-of-control. To this effect, a statistical process monitoring model is developed to control all the produced products (100% monitoring), considering also the financial parameters of the monitored process. The proposed monitoring model combines three key elements: the probability theory, the Bayes theorem, and the decision theory principle, as well. At the end of each sampling (sample size is set as n = 1), the statistical model estimates the probability in which the process remains in-control or shifts to an out-of-control state and makes a decision. All possible decisions, possible operation states, decision cost ratios, and cost or reward ratios are illustrated in tables. After the accomplishment of each sampling, the probabilities of the operation states are transformed by the Bayes theorem. Finally, the criterion of maximum reward is applied to determine the optimal decision that maximizes the benefit of the production process.
  15. Items in Apothesis are protected by copyright, with all rights reserved, unless otherwise indicated.