fa طراحی بهینه‌‌ی مقید نمودار کنترلی X ̅‎ برای داد‎‌ه‌های همبسته تحت مدل شوک وایبول و انحراف‌های با دلیل چندگانه با در نظر گرفتن تابع زیان تاگوچی عمومى General پژوهشي Research <span style="font-size:12px;"><span style="color:black;"><span style="font-family:tahoma,sans-serif;">استفاده از نمودارهای کنترلی که یکی از ابزارهای کنترل آماری فرایند است، یکی از مناسب‌ترین روش‌ها برای پایش یک سیستم تصادفی است، که در آن تغییر ایجادشده در ویژگی‌های متغیر خروجی فرایند به‌دلیل رخداد یک یا چند انحراف با دلیل است. در زمان طراحی نمودار کنترلی </span></span><span dir="LTR"><span style="color:black;"><span style="font-family:tahoma,sans-serif;">$bar{X}$</span></span></span><span style="color:black;"><span style="font-family:tahoma,sans-serif;"> معمولاً فرض می‌شود که نمونه‌های استخراجی از فرایند تولید، همبسته نیستند. با این حال، در عمل، موارد صنعتی زیادی وجود دارد که در آن همبستگی بین نمونه‌ها وجود دارد. بهتر است فرض شود که هر نمونه یک تحقق از یک بردار تصادفی نرمال چندمتغیره است. اگر چه تا کنون برخی از کارهای تحقیقاتی بر روی طراحی اقتصادی نمودارهای کنترل با در نظر گرفتن یک انحراف با دلیل همراه با داده‌های همبسته انجام شده است، تا کنون طراحی آماری اقتصادی نمودار کنترلی </span></span><span dir="LTR"><span style="color:black;"><span style="font-family:tahoma,sans-serif;">$bar{X}$</span></span></span><span style="color:black;"><span style="font-family:tahoma,sans-serif;"> برای داده‌های همبسته تحت مدل شوک وایبول همراه با مدل اصلاح‌شده تابع زیان تاگوچی ارایه نشده است. استفاده از تابع زیان اصلاح‌شده تاگوچی در مقوله‌ی نمودارهای کنترل کیفیت همراه با طراحی آماری اقتصادی و اقتصادی منجر به تصمیم‌گیری بهتر در صنعت می‌شود. بر اساس بهینه‌سازی متوسط هزینه در واحد زمان و مقادیر مختلف پارامترهای توزیع وایبول، مقادیر مطلوب برای پارامترهای طراحی اندازه‌ی نمونه، فاصله‌ی نمونه‌گیری و ضریب حدود کنترلی، محاسبه شد. سپس مدل‌های هزینه تحت طرح نمونه‌گیری غیر یکنواخت و یکنواخت مقایسه شد. نتایج حاصل‌شده نشان داد که مدل تحت انحراف با دلیل چندگانه با نمونه‌های همبسته و نمونه‌گیری غیر یکنواخت هزینه پایین‌تری نسبت به مدل با نمونه‌گیری یکنواخت دارد.</span></span></span><span dir="LTR"><span style="font-family:tahoma,sans-serif;"><span style="font-size:12.0pt;"></span></span></span> A proper method of monitoring a stochastic system is to utilize the control charts of statistical process control in which a drift in characteristics of output may be due to one or several assignable causes. In the establishment of $bar{X}$ &nbsp;charts, an assumption is made that there is no correlation within the samples. However, in practice, there are many industrial cases in which the correlation does exist within the samples. It would be more appropriate to assume that each sample is a realization of a multivariate normal random vector. Although some research works have been done on the economic design of control charts with single assignable cause with correlated data, the economic statistical design of $bar{X}$ &nbsp;control chart for correlated data under Weibull shock model with modified Taguchi loss function have not been presented yet. Using modified Taguchi loss function in the concept of quality control charts with economic and economic statistical design leads to better decisions in the industry. Based on the optimization of the average cost per unit of time and different combination values of Weibull distribution parameters, optimal design values of sample size, sampling interval and control limit coefficient were derived and calculated. Then the cost models under non-uniform and uniform sampling scheme were compared. The results revealed that the model under multiple assignable causes with correlated samples with non-uniform sampling has a lower cost than that with uniform sampling. طراحی آماری اقتصادی, نمودار کنترلی $bar{X}$, انحراف با دلیل چندگانه, مدل شوک وایبول, داده‌های همبسته, تابع زیان تاگوچی. Economic statistical design, $bar{X}$ control chart, multiple assignable causes, Weibull shock model, correlated data, Taguchi loss function. 1 44 http://jsri.srtc.ac.ir/browse.php?a_code=A-10-93-2&slc_lang=fa&sid=1 Mohammad Hossein Naderi محمد حسین نادری 10031947532846001389 10031947532846001389 No Allameh Tabatabaee Asghar Seif اصغر سیف 10031947532846001390 10031947532846001390 No Booali Sina Mohammad Bameni Moghadam محمد بامنی مقدم bamenimoghadam@atu.ac.ir 10031947532846001391 10031947532846001391 Yes Allameh Tabatabaee