en برآورد بیزی نقطه‌ی تغییر چندگانه در یک فرایند گاما با استفاده از نمودار کنترل X-bar عمومى General پژوهشي Research <p align="center" dir="RTL"></p> <p align="center" dir="RTL"></p> <p dir="RTL">‌ متصدیان و مسئولان فرایند تولید، همواره به دنبال راهی برای بهبود این فرایند هستند. یکی از گام‌های اساسی در بهبود فرایند این است که به سرعت بتوان زمان خروج فرایند از کنترل یا نقطه‌ی تغییر را برآورد کرد. برخلاف فرض متداول &laquo;نرمال بودن&raquo; که برای فرایند در نظر گرفته می شود، در این‌جا فرایندی را در نظر می‌گیریم که از توزیع گاما پیروی می‌کند. به‌علاوه در این مقاله امکان وجود چندنقطه‌ی تغییر را نیز در نظر می‌گیریم. با روش پیشنهادی، نمودار کنترل X-bar&nbsp;را مورد استفاده قرار می‌دهیم و برآورد بیزی پارامترها را با استفاده از روش مونت‌کارلوی زنجیر مارکوفی جهشی برگشت‌پذیر به دست می‌آوریم. سپس کارایی روش پیشنهادی را با استفاده از یک سلسله شبیه‌سازی‌ها مورد ارزیابی قرار می‌دهیم. نتایج شبیه‌سازی نشان می‌دهند که در بسیاری مواقع اگر بیش از یک نقطه‌ی تغییر وجود داشته باشد، روش پیشنهادی ما قادر به برآورد کردن مدل واقعی خواهدبود. در نتیجه، در صورت وجود بیش از یک نقطه‌ی تغییر در فرایند،‌ شانس اینرا خواهیم داشت که آن‌ها را کشف کنیم. این کار در یافتن و برطرف کردن عوامل خروج فرایند از کنترل،‌ کمک زیادی می‌کند. بنا بر این،‌ روش مذکور انعطاف‌پذیری بیش‌تری نسبت به حالتی دارد که در آن فقط وجود یک نقطه‌ی تغییر، فرض می شود.</p> <p dir="RTL"></p> <p dir="RTL"></p> <p><span style="line-height: 1.6em;">The process personnel always seek the opportunity to improve the processes. One of the essential steps for process improvement is to quickly recognize the starting time or the change point of a process disturbance. Different from the traditional normally distributed assumption for a process, this study considers a process which follows a gamma process. In addition, we consider the possibility of the existence of more than one change point. The proposed approach combines the commonly used </span>X-bar<span style="line-height: 1.6em;">&nbsp;control chart with the Bayesian estimation technique using reversible jump Markov chain Monte Carlo method (RJMCMC) to obtain Bayes estimates. The efficiency of our proposed method is evaluated through a series of simulations. The results show that in many cases if there exist more than one change point, our proposed method is able to estimate the true model. Consequently, if there exist more than one change point in the process we have some chance to estimate the true model which will be helpful to determine and remove the root causes introduced into the process. This method is more flexible than the case we assumed that there is just one change point in the process. &nbsp;</span></p> <p></p> <p></p> برآورد بیزی, فرایند گاما, نقطه تغییر چندگانه, روش مونت‌کارلوی زنجیر مارکوفی جهشی برگشت‌پذیر, نمودار کنترل Bayesian estimation, gamma process, multiple change points, RJMCMC, X-bar chart. 203 216 http://jsri.srtc.ac.ir/browse.php?a_code=A-10-1-141&slc_lang=en&sid=1 Esmail Dehghan Monfared اسماعیل دهقان منفرد monfared2@gmail.com 1003194753284600556 1003194753284600556 Yes Reza Meshkani رضا مشکانی mrmeshkani@gmail.com 1003194753284600557 1003194753284600557 No