پایان نامه طراحی و پیاده سازی یک نمودار کنترل مناسب برای محصولات شوینده بر اساس مشخصه های کیفی و داده های در دسترس

1- کلیات

1- 1- مقدمه

کیفیت را می توان به روش های مختلف تعریف کرد اغلب مردم فقط یک درک مفهومی از کیفیت و یا به عبارت دیگر درکی از یک یا چند ویژگی خاص در یک محصول یا خدمت دارند. درک مفهومی یک نقطه ی شروع مفید است ولی تعریف دقیق و مفیدتری از آن مورد نیاز است.

کیفیت به یکی از مهم ترین عوامل تصمیم گیری مشتری در انتخاب بین محصولات و خدمات موجود تبدیل شده است. این نگرش، فارغ از این که مصرف کننده یک شخص، یک سازمان صنعتی، یک خرده فروش، یک بانک، یک موسسه مالی و یا حتی یک برنامه ی نظامی باشد فراتررفته و در جامعه تقریبا فراگیر شده است. بنابراین درک و بهبود کیفیت به عنوان عوامل کلیدی موفقیت و رشد کسب و کار یک مزیت رقابتی محسوب می شود. بازگشت سرمایه ی قابل توجهی را باید در مورد کیفیت بهبود یافته و هم چنین به کارگیری موفقیت آمیز کیفیت به عنوان بخشی از راهبرد کلان کسب و کار انتظار داشت (گاروین،1987).

در جهان صنعتی امروز تحت تاثیر رقابت های تنگاتنگ صنعتی، ضرورت موجه کیفیت، توجه به کیفیت و بهبود مستمر در کیفیت برای مدیران هر سازمان تولیدی از اهمیت ویژه ای برخوردار شده است. به بیان دیگر مطلوب بودن کیفیت محصول نهایی، دیگر به تنهایی عامل اساسی برای موفقیت در رقابت و حضور برتر و پیوسته در بازار به شمار نمی آید بلکه عوامل متعدد و موثر دیگری هم مطرح شده اندکه در زمره ی مهمترین آنها همانا اطمینان مشتریان از توانایی سازمان ها در استمرار سطح کیفیت برای محصولی است که تولید و عرضه می نمایند. بر این اساس می توان گفت که دیگر توجه اصلی از مطلوب بودن کیفیت محصول بر کیفیت تمامی عملکردها و فرایندهای تاثیرگذار بر کیفیت معطوف شده است (قباچی،1391).

امروزه کنترل کیفیت از مهمترین مسائل در واحد های صنعتی می باشد.کنترل کیفیت نماینده ی مشتری در فرایند تولید است و استفاده از آن تولید کننده را از تغییرات ناگهانی و یا جزئی در کیفیت محصول آگاه ساخته و از تولید معیوب و تحمیل هزینه های سنگین جلوگیری می کند.کیفیت به عنوان یک استراتژی تجاری مهم در نظر گرفته می شود و سازمان هایی می توانند بهره وری، سهم بازار، سود و محبوبیت خود را افزایش دهند که از برنامه های بهبود کیفیت موفقیت آمیزی برخوردار باشند از طرف دیگر توسعه ی فن آوری در زمینه های اندازه گیری و محاسبه، این امکان را فراهم ساخته است که بتوان کنترل فرایند آماری را در صنایع مختلف به عنوان یک فعالیت روزمره بکار برد (قباچی،1391).

کنترل یعنی اتخاذ تدابیر لازم به منظور ایجاد و نگهداری مشخصات و استاندارد ها با کنترل می توان تغییرات نامطلوب را کشف کرد، علل آنها را شناسایی و جهت حذف این علل اقدامات لازم را بعمل آورد (نقندریان،

1372).

کنترل و بهبود کیفیت در اغلب ساز مان ها به یک راهبرد اساسی مبدل گشته است و کیفیت در دنیای رقابتی امروز یک مزیت رقابتی محسوب می شود و سازمان هایی که بتوانند کیفیت را بهبود بخشند و مشتریانشان را از طریق بهبود و کنترل کیفیت راضی نگاه دارند بر رقبای خود برتری خواهند داشت (مونتگومری،1383).

هم چنین از روش های آماری نیز می توان برای بهبود کیفیت محصولات و خدمات استفاده کرد. کیفیت در دنیای امروز بحث مهمی است و در تمامی زمینه ها مورد بررسی می باشد و یکی از مهم ترین عوامل تصمیم گیری مشتری در انتخاب بین محصولات و خدمات است. برای پیاده سازی و تحقق کیفیت ابزارهای زیادی وجود دارد. در دهه ی اخیر انعقاد پیمان تجارت جهانی باعث شکسته شدن حصارها و مرزهای بازرگانی وگمرکی و ایجاد شریان های بزرگ تبادل کالا و سرازیر شدن سیل محصولات و خدمات به سوی کشورهای مختلف گردید. در چنین اوضاع و احوالی طبعا کشورهای در حال توسعه نیز در تیر رس و مرکز ثقل ورود محصولات و کالاهای تولیدی کشورهای پیشرفته تر قرار می گیرند. چرا که این کشورها نیز برای عدم انزوا و دور نماندن از تجارت بین المللی ناچار به گشودن دروازه های خود بر روی این محصولات و خدمات هستند. وجود این پدیده در کشورهای در حال توسعه می تواند منشا بروز اثر متضاد و متفاوت باشد :

شکوفایی، رشد و پویایی اقتصاد آنها که در نتیجه برخورد و رقابت های میان تولیدات داخلی و محصولات وارداتی است.

- رکود اقتصادی، افزایش بیکاری و ورشکستگی صنعتی که ناشی از عدم توان رقابت با سایر کشورهاست.

آنچه ملسم است آنکه، ورود کالاهای مختلف کشورهای دیگر و تنوع محصولات و خدمات در بازار تجارت، موجب وسعت دید و نگرش افراد جامعه و نیز افزایش سطح توقعات آنها می گردد. زیرا آنها به راحتی می توانند تفاوت بین یک محصول با کیفیت و یک محصول نا مرغوب را تشخیص دهند و این مسئولیت تولید کننده های داخلی را در تولید با کیفیت بالاتر و قیمت تمام شده ی کمتر سنگین تر می نماید.

طبعا در چنین جریان و مسیری سازمان ها و موسسات داخلی ناچارند تا از یکسو با نگرش و اهتمام دقیق تر به خواست و نظر مشتریان اقدام به تولید با حد اکثر کیفیت نموده و سطح کیفی محصولات خود را ارتقا بخشند و از طرف دیگر می بایست در کاهش هزینه های تولیدات و خدمات خود اهتمام ورزند، به گونه ای که ضمن تولید محصولات و خدمات با کیفیت، قیمت تمام شده ی آن نیز کاهش یابد تا این دو امر توام با هم منجر به افزایش میزان فروش و در نهایت رسیدن به یک حد قابل قبول سودآوری گردد. رسیدن به این هدف مستلزم بکارگیری و استفاده از همه ابزارها و هدف های مدیریتی است که در این راه دو مورد از اثربخش ترین حالات به کار بستن و پیاده سازی نظام های مدرن و کارای کیفیت و بهره وری می باشد.

مدیریت کیفیت و نیز مدیریت بهره وری به عنوان دو رکن اساسی و مهم نقش و تاثیر بسزا و در خور توجهی در توسعه بخشیدن به توان رقابت پذیری و تداوم فعالیت سازمان ها دارند و چه بسا غفلت از آنها می تواند پیامد ها و نتایج نا خوشایندی را برای یک سازمان به همراه داشته باشد. هر سازمان می تواند مطمئن باشد که با تولید محصولات و خدمات با کیفیت و نیز رعایت اصول بهره وری نه تنها قادر است موقعیت خود را در بازار تثبیت نماید بلکه به افق های دورتر نیز، نگاهی داشته باشد (مونتگومری،1383).

-2- بیان مساله

کیفیت در دنیای امروز بحث مهمی است و در همه ی زمینه‌ها مطرح است. برای پیاده ‌سازی و تحقق کیفیت ابزارهای زیادی وجود دارد که معروفترین این ابزارها؛ ابزارهای هفتگانه‌ی کیفیت هستند. امروزه بر لزوم کنترل کیفیت آماری در بیشتر سازمان های تولیدی و خدماتی، تاکید شده است. نمودارهای کنترل یکی از این ابزارهاست که در واقع انحراف فرایند را مشخص می کند. با توجه به اینکه موضوع اصلی این تحقیق، طراحی و پیاده ‌سازی نمودارهای کنترل به منظور بهبود کیفیت محصولات شوینده است، در این پروژه داده ها توسط این نمودارها کنترل، و نوسانات فرایند بررسی می‌شوند و به بررسی نقاط خارج از کنترل، علت بروز مشکلات و شرح اقدام اصلاحی می ‌پردازیم. و هم چنین به بررسی نقاط تغییر پرداخته و تغییر پذیری را بررسی می نماییم. همانگونه که می دانیم در هر فرایند تولید، همیشه علی رغم طراحی خوب یا نگهداری مناسب از آن، مقدار خاصی تغییرپذیری بطور ذاتی وجود دارد. این تغییر پذیری یا اختلال در اثر انباشته شدن مجموعه ی زیادی از انحرافات کوچک و غیر قابل اجتناب بوجود می آید.

اگر اختلافات موجود در یک فرایند کوچک باشد، آنگاه عملکرد فرایند از لحاظ تغییر پذیری قابل قبول خواهد بود. در ساختار کنترل کیفیت آماری این تغییر پذیری ذاتی معمولا به عنوان "انحرافات تصادفی" شناخته می شود. فرایندی که فقط در حضور انحرافات تصادفی عمل کند را فرایند تحت کنترل آماری می گویند.گونه های دیگر تغییر پذیری نیز ممکن است گهگاهی در فرایند تولید مشاهده شود. تغییر پذیری در مشخصات کیفی معمولا از سه منبع سرچشمه می گیرد: تنظیم نادرست دستگاه -  خطای اپراتور-  مواد اولیه ی معیوب.

 بطور کلی یک چنین تغییر پذیری در مقایسه با اختلالات ذاتی موجود درفرایند، بزرگتر است و معمولا بیانگر سطح غیر قابل قبولی برای عملکرد فرایند می باشد. این منابع ایجاد تغییر پذیری که بخشی از انحرافات تصادفی محسوب نمی گردند را انحرافات با دلیل می گویند. فرایندی که در حضور انحرافات با دلیل عمل کند را فرایند خارج از کنترل می نامند.

یکی از اهداف اصلی کنترل فرایند آماری، پی بردن سریع به وجود انحرافات با دلیل یا تغییرات در فرایند، قبل از اینکه تعداد زیادی محصول معیوب تولید شود می باشد و علل ایجاد چنین انحرافاتی را بررسی و اقدامات اصلاحی انجام می دهد. نمودار کنترل یکی از روش های کنترل فرایند در حین تولید است که برای این منظور مناسب می باشد (میرخواهان،1390).

اخیرا تحقیقات زیادی راجع به نمودارهای کنترل و استفاده از آنها برای بهبود و کنترل کیفیت، در زمینه های مختلف و برای صنایع و خدمات گوناگون در زمینه های پزشکی و بهداشتی، عمرانی، بانکداری و مالی، صنایع تولیدی و غیره، مورد استفاده قرار گرفته شده است. از آنجایی که تا به امروز هیچ نوع تحقیقی در زمینه ی طراحی نمودار کنترل برای مواد شوینده صورت نگرفته است، لازم و ضروری می دانیم که این موضوع را مطرح نموده و با کنترل کیفیت مواد شوینده، سطح سلامت استفاده کنندگان را بهبود بخشیم.

چارچوب نظری تحقیق

برای انجام تحقیق ابتدا طرح پیشنهادی را ارائه می دهیم، سپس به گردآوری اطلاعات می پردازیم که شامل اطلاعات کتابخانه ای و میدانی و منابع اینترنتی و سایر منابع می باشد. پس از این مرحله به جمع آوری داده ها از طریق مصاحبه با مسئولین ذیربط وکارشناسان مربوطه می پردازیم و سپس به طراحی و پیاده سازی نمودارهای کنترل توسط داده های در دسترس، پرداخته و نتیجه گیری نهایی را انجام می دهیم. در ادامه متودولوژی تحقیق در در قالب یک نمودار ارائه شده است.

اهمیت پژوهش و ضرورت انجام تحقیق

امروزه محصولات شوینده تنوع زیادی پیدا کرده اند و روز بروز محصولات بیشتر با برندهای مختلف وارد بازار می شود. اما اینکه محصولات با چه کیفیتی تولید می شوند و مواد سازنده ی این محصولات دارای چه ویژگی هایی می باشد، اهمیت زیادی دارد. زیرا در صورت مطلوب نبودن کیفیت مواد سازنده ی محصول و بدنبال آن نا مرغوب بودن آن، صدمات و خطراتی متوجه استفاده کنندگان خواهد بود که این صدمات می تواند عارضه های پوستی و حساسیتی، سرطان پوست، نابینایی، مشکلات تنفسی و ریوی و غیره باشند. به همین دلیل و برای جلوگیری از بروز احتمالی چنین عارضه هایی، بررسی کیفیت محصولات شوینده و کنترل کیفی این محصولات امری لازم و ضروری می باشد.

تحقیق پیش رو در شرکت پدیده شیمی پایدار که یک شرکت بهداشتی است و در زمینه ی تولید مواد شوینده فعالیت می‌کند، انجام شده است. از آنجا که مواد شوینده حساسیت بالایی دارند و عدم دقت کافی در مراحل ساخت و عدم بررسی صحیح مواد از لحاظ کیفیت می‌تواند منجر به مشکلات پوستی و بیماری هایی شود، بهبود کیفیت و بررسی و کنترل مواد شوینده می‌تواند منجر به رضایتمندی اقشار مختلف جامعه و سلامت آنان شود.

در زمینه‌ی کنترل کیفیت تحقیقات مختلف و متنوعی صورت گرفته است که می‌توان از نتایج آنها برای انجام بهتر و موثرتر تحقیق حاضر بهره جست.

1-5- اهداف تحقیق

1-5-1- اهداف اصلی

هدف اصلی از انجام پژوهش حاضر، طراحی و پیاده سازی یک نمودار کنترل مناسب برای محصولات شوینده بر اساس مشخصه های کیفی و داده های در دسترس می باشد. و ارزیابی و تاثیر و کارکرد این نمودار برای محصول مورد نظر، به منظور بهبود کیفیت محصولات بررسی خواهد شد.

1-5-2- اهداف فرعی

از آن جا که استفاده از کنترل کیفیت آماری ما را از تغییرات ناگهانی و یا جزئی در کیفیت محصول آگاه ساخته و اجرای اقدامات چاره جویانه را امکان پذیر می سازد و از تولید محصولات معیوب و تحمیل هزینه های سنگین جلوگیری می کند، و هم چنین به دلیل اهمیت و قدرت نمودارهای کنترل در کشف این تغییرات، محقق بر این شد تا با بکارگیری این ابزار در کارخانه ی مورد نظر، منجر به بهبود کیفیت محصولات و بتبع آن حفظ سلامت مصرف کنندگان شود.

فهرست منابع

منابع فارسی :

]1[ آذرشب، امیر، جوانشیر، حسن، ابراهیم نژاد، سعدالله(1390). طراحی طرح کنترل ترکیبی با استفاده از دو نمودار کنترل EWMA. نشریه ﺗﺨﺼﺼﯽ ﻣﻬﻨﺪﺳﯽ ﺻﻨﺎﯾﻊ، دوره 45، ﺷﻤﺎره 1، ﻓﺮوردﯾﻦ ، از ﺻﻔﺤﻪ 1 ﺗﺎ11

]2[ اسماعیل پور، رضا، رمضانیان، محمد رحیم، کاظم اف، فاروق (1388). ارائه مدل کنترل فرآیند آماری فازی با روش مد فازی برای کنترل تعداد نقص های محصول. مدیریت صنعتی دانشگاه تهران) » بهار و تابستان  - شماره 2 (علمی-پژوهشی ص 3 تا 18

]3[ ارشادی، محمد جواد(1387). ارزیابی و طراحی اقتصادی - آماری چارت‌های کنترلی چند متغیره با رویکرد ایجاد بهبود در مدل هزینه و محدودیت، پایان نامه کارشناسی ارشد، دانشکده مهندسی صنایع، دانشگاه صنعتی شریف،1387

 ]4[ ارشادی، محمدجواد، اخوان نیاکی، سیدتقی، جلالی نائینی، سیدغلامرضا (1390) یک رویکرد ترکیبی زنجیره مارکوف و الگوریتم مورچگان در طراحی اقتصادی-آماری نمودارهای کنترل چند متغیره  چهارمین کنفرانس بین المللی تحقیق در عملیات ایران

]5 [استادشریفی معمار، احمد."بکارگیری روش ماکزیمم میانگین متحرک موزون نمایی در ارائه نمودارهای کنترل کیفیت همزمان بردار میانگین و ماتریس کوواریانس دو متغیره"،دانشگاهصنعتی شریف،1385

] 6[ امیری، امیرحسین، عسگری، علی، زره ساز، یاسر(1392). توسعه یک نمودار کنترل انتخاب عامل انحراف برای پایش فرآیندهای دو مرحله ای با مشخصه کیفی پواسون.گروه مهندسی صنایع، دانشگاه شاهد ،نشریه بین المللی مهندسی صنایع و مدیریت تولید (فارسی)(نشریه بین المللی علوم مهندسی) شهریور, دوره  24 , شماره  2 ; از صفحه 192 تا صفحه 202

]7[ امیری، امیرحسین، ایوبی، مونا، حاجی، سیدرضی، علاقبند، سید امیرسجاد (1390). بهبود پایش آماری فرآیند با مشخصه کیفی به صورت پروفایل چندجمله ای در فاز2 .گروه مهندسی صنایع، دانشگاه شاهد ،مدیریت تولید و عملیات : پاییز و زمستان 1390 , دوره،2 شماره2  (پیاپی 3) ; از صفحه 73 تا صفحه 83)

]8[ امیری، مقصود،کرمی،شایان، (1393). کنترل کیفیت و تحلیل آماری همراه با MINITAB16 .تهران. انتشارات دانشگاه علامه طباطبایی

]9[ برادران کاظم زاده، رضا، کرباسیان، مهدی، باباخانی، محمدعلی (1391). طراحی یک نمودار کنترل میانگین متحرک موزون نمایی پایدار با بازه های نمونه گیری متغیر برای کنترل تغییرات در میانگین فرآیند"، نشریه بین المللی مهندسی صنایع و مدیریت تولید (فارسی)(نشریه بین المللی علوم مهندسی: (خرداد ،دوره، 23 شمار 1 ; از صفحه16تا صفحه. 27

]10[ بهزادی پور، پرستو (1383). بررسی کنترل فرایند آماری و پیاده سازی آن در یک کارخانه ی تولید قطعات خودرو. پایان نامه کارشناسی ارشد.مهندسی صنایع.گرایش سیستم و بهره وری. دانشگاه خاتم

]11[ ترابیان، محسن، بامنی مقدم، محمد، فراز، علی رضا، نعمت اللهی، نادر (1389). طراحی آماری اقتصادی نمودار کنترل T2 هتلینگ با اندازه های نمونه، فواصل نمونه گیری و حدود کنترل متغیر. تحقیق در عملیات در کاربردهای آن (ریاضیات کاربردی) : تابستان , دوره،7 شماره 2 (پیاپی 25) ; از صفحه 91 تا صفحه 104)

]12[ ثالثی، آسیه، بامنی مقدم، محمد (1389). نمودارهای کنترل چند متغیره با نمونه گیری دوگانه برای پایش بردار میانگین. بررسی های آمار رسمی ایران » پاییز و زمستان 1389 - شماره 77علمی-ترویجی

]13[ جزایری، زینب، صمیمی، یاسر(1389). کاربرد طراحی آزمایش ها و کنترل فرایند آماری در بهبود کیفیت فرایند تولید دستگاه اسکناس شمار. ششمین کنفرانس بین المللی مهندسی صنایع، 1387

]14[ حسنلی، نادر (1377). گذری اجمالی بر کنترل کیفیت آماری.مجله استاندارد،خرداد. ص 39

]15 [داود پور، حمید،(1382)کنترل کیفیت علمی. تهران.انتشارات خاتون.

]16[ دانایی فرد، حسن، آذر، عادل، الوانی، سید مهدی (1390). روش شناسی پژوهش کمی در مدیریت: رویکردی جامع.

]17[ دشتبانی، حمیده. (1392). طراحی نمودار کنترل چند متغیره برای کنترل پارامترهای ترافیکی(مطالعه موردی بزرگراه های درون شهری و برون شهری تهران).پایان نامه کارشناسی ارشد .مهندسی صنایع.گرایش سیستم و بهره وری.دانشگاه آزاد اسلامی.واحد تهران شمال

]18 [رمضانی، بهمن (1383). شناخت روند خشک سالی با استفاده از داده های بارندگی در حوضه تالاب انزلی" ،فضای جغرافیایی » پاییز و زمستان 1383 - شماره 12 (صفحه - از 55 تا 70

]19[ سینکلر، سی. دی. اسپار، بی. دی (2012). تقریب هایی برای توزیع آماره آزمون اندرسون دارلینگ، (حمزه ترابی)، مجله اندیشه آماری، سال چهارم، شماره دوم، ص 37 تا 40

]20 [شید فر، مریم، محمد زاده، علی رضا  (1385). بررسی تطبیقی اصول مدیریت کیفیت. مدیریت فردا » بهار و تابستان - شماره 13 و 14 (از 55 تا 60

]21[ شهریاری، حمید، حافظی، سعید (1388). تفسیر نمودار کنترل چند متغیره بر اساس تجزیه زوجی آماره T2. نشریه بین المللی مهندسی صنایع و مدیریت تولید (فارسی)(نشریه بین المللی علوم مهندسی) : بهار ، دوره 20، شماره 1 ; از صفحه 23 تا صفحه31

]22[ طاهری، محمود، ماشین چی، ماشا الله (1378). مقدمه ای بر احتمال و آمار فازی.کرمان. انتشارات شهید با هنر.

]23 [علی دوستی، سیروس، عصاره، حسن، کاظم پور، زهرا (1384).کنترل کیفیت فرایند نمایه سازی مطالعات ملی کتابداری و سازماندهی اطلاعات » زمستان - شماره 64)علمی-ترویجی12)(صفحه - از 93 تا 104)

]24[ فارسیجانی، حسن، حسین بیگی، علی رضا (1390). کتاب اصول مدیریت تولید و عملیات.تهران. نشر عدالت.

]25[ فاضل زرندی، محمدحسین، صمیمی، یاسر(1387). طراحی یک سیستم فازی بعنوان جایگزینی برای نمودار کنترل مشاهدات انفرادی. نشریه بین المللی مهندسی صنایع و مدیریت تولید (فارسی)(نشریه بین المللی علوم مهندسی) : بهار 1387 , دوره 19، شماره1 ؛ از صفحه 89 تا صفحه96

 ]26 [فلاح نژاد، محمدصابر، اخوان نیاکی، سیدتقی(1384). بررسی روشهای کنترل آماری فرایند برای داده های خود همبسته ( مطالعه موردی : کارخانه شهید قندی) ،  چهارمین کنفرانس ملی مهندسی صنایع

]27[ فرح بخش،مصطفی(1389).  بکارگیری نمودارهای کنترل در پایش عملکرد مراقبت های اولیه بهداشتی"، مجله دانشکده بهداشت و انستیتو تحقیقات بهداشتی : بهار , دوره  8 , شماره ؛1 از صفحه 1 تا صفحه 12

]28[ قباچی، علیرضا (1380). شرایط اثربخشی کنترل فرایندآماری بر بهبود کیفیت محصولات تامین کنندگان قطعات مگاموتور و سازه گستر.پایان نامه کارشنسی ارشد.مهندسی صنایع.دانشگاه آزاد اسلامی.تهران مرکز

]29[ کاووسی، امیر، نظرپور، هادی، خراشاهی، علیرضا (1389).کاربرد روشهای آماری جهت کنترل کیفیت آسفالت گرم ،پنجمین کنگره ملی مهندسی عمران

]30[ کمالی، مهسا (1389). شناسایی و تحلیل نقطه تغییر در فرایندهای پواسون. پایان نامه کارشناسی ارشد. مهندسی صنایع. گرایش سیستم و بهره وری.دانشگاه صنعتی شریف

]31[ گرد علی،گل محمدی، امیرمحمد، محمودی، منیر، موحدی، زهرا (1391). پیاده سازی کنترل آماری کیفیت درکارخانه لبنی و مقایسه نمودارهای کنترل چند متغیره با تک متغیره ، نهمین کنفرانس بین المللی مهندسی صنایع

]32[ لامعی، ابوالفتح، لباف قاسمی، رضا، زاینده، محمد (1382). کنترل آماری فرایند نمودارهای کنترل: اصول و کاربرد.کارفرما کمیته ی کشوری ارتقای کیفیت، وزارت بهداشت و درمان و آموزش پزشکی.تهران.نشرآیه.

]33[ مالک، معصومه. (1391). مقایسه استوار سازی کنترل کیفیت چند متغیره.پایان نامه کارشناسی ارشد. آمار و ریاضی.دانشگاه پیام نور.دانشکده ی علوم پایه و کشاورزی گروه علمی آمار.

]34[ مونت گومری،داگلاس سی.(1383) ،کنترل کیفیت آماری، (رسول نورالسنا)، چاپ ششم، تهران، دانشگاه علم و صنعت ایران.

]35[ میرخواهان، نغمه. (1390). برخی نمودارهای کنترل کیفیت موثر برای نمایش قابلیت اعتماد. پایان نامه کارشناسی ارشد. ریاضی.دانشگاه مازندران.دانشکده ی علوم ریاضی.

]36[ نقندریان،کاظم (1372).کنترل کیفیت.تهران.انتشارات آزاده.

]37[ نوبریان، محمدرضا، دربندی، صابره، محمودی، سمیه، ابراهیمی، سالومه (1390). معرفی و کاربرد اندرسون دارلینگ در مهندسی رودخانه های استان آذربایجان شرقی، پنجمین کنفرانس سراسری آبخیزداری و مدیریت منابع آب و خاک، 9 تا 10 اسفند، کرمان

]38[ نوجوان، مجید (1384).توسعه نمودارهای کنترل منطقه ای با استفاده از تابع تبدیل. چهارمین کنفرانس ملی مهندسی صنایع

]39[ نورالسنا، رسول، صادقی،احمد (1388). بررسی تاثیر فرسایش ابزار بر روی نمودار کنترل نسبت اقلام معیوب. نشریه بین المللی مهندسی صنایع و مدیریت تولید (فارسی)(نشریه بین المللی علوم مهندسی): بهار , دوره 20, شماره 1 ; از صفحه 73 تا صفحه 80

]40[ نورالسنا، رسول، سقایی، عباس، سلیمانی، پریا (1386). بررسی اثرخودهمبستگی برپایش پروفایل های خطی"، پنجمین کنفرانس ملی مهندسی صنایع.

]41[ نورالسنا، رسول، ایزدبخش، حمیدرضا (1391). پایش پروفایل با پاسخ چند رسته ای اسمی.  دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران،:   نشریه بین المللی مهندسی صنایع و مدیریت تولید (فارسی)(نشریه بین المللی علوم مهندسی) : اسفند , دوره 23, شماره 4 ; از صفحه 418 تا صفحه 429 

]42[ ﻧﻴﮑﻮﮐﺎﺭ ﺯﻧﺠﺎﻧﯽ، مسعود، فاطمی قمی، محمد تقی،کلانتری، مهدی (1385). ﻭﺍﺭﻳﺎﻧﺲ ﺩﻗﻴﻖ ﺁﻣﺎﺭ ﻩﻱ .     EWMA. ﻧﺸﺮﻳﻪ ﺑﻴﻦﺍﻟﻤﻠﻠﻲ ﻋﻠﻮﻡ ﻣﻬﻨﺪﺳﻲ، ﺷﻤﺎﺭﻩ ٥، ﺟﻠﺪ١٧، ﺯﻣﺴﺘﺎﻥ ، ﺻﻔﺤﻪ ١ - ٥ ﺩﺍﻧﺸﮕﺎﻩ ﻋﻠﻢ ﻭ ﺻﻨﻌﺖ ﺍﻳﺮﺍﻥ

منابع لاتین:

[1] Abbasi. Babak, Guillen. (2013). Montserrat  Bootstrap control charts in monitoring value at risk in insurance,Expert Systems with Applications  Volume 40, Issue 15, 1 November, Pages 6125–6135

[2] Aebtarm.Surath,Bouguila.Nizar(2011).An empirical evaluation of attribute control charts for monitoring defects,Expert Systems with Applications  Volume 38, Issue 6, June, Pages 7869–7880

[3] Alaeddini Adel ,Ghazanfari Mehdi , Amin Nayeri Majid .(2009). A hybrid fuzzy-statistical clustering   approach for estimating the time of changes in fixed and variable sampling control   charts,Information Sciences ,Volume 179, Issue 11, 13 May, Pages 1769–1784

[4] Albers. Willem. (2011).Empirical nonparametric control charts for high-quality processes

Journal of Statistical Planning and Inference ,Volume 141, Issue 9, September, Pages 3151–3159

[5] Ali, Sajid,Riaz,Muhammad. (2014). Cumulative quantity control chart for the mixture of inverse Rayleigh process, Volume 73, July 2014, Pages 11–20

[6] Allison F. (1983). An historical review of quality control in hematology. Am J Med Technol 49(9): p.625

[7] Antony,j.(2000),’’ten key ingredients for making SPC Successful in organization’’,Measuring Business Excellence, Vol.4 No.4.pp.7-11

[8] Aparisi. Francisco,A. de Luna. Marco. (2009).Synthetic- X¯ control charts optimized for in-control and out-of-control regions,Computers & Operations Research ,Volume 36, Issue 12, December, Pages 3204–3214

 [9] Awadalla. Medhat H.A , Sadek. M. Abdellatif. (2012). Spiking neural network-based control chart pattern recognitionAlexandria Engineering Journal   Volume 51, Issue 1, March, Pages 27–35

[10] Babu Vommi. Vijaya,S.N. Seetala. Murty. (2007). A new approach to robust economic design of control charts,Applied Soft Computing,Volume 7, Issue 1, January, Pages 211–228

[11] Balakrishnan. N.,Triantafyllou. I.S., Koutras. M.V.,Nonparametric control charts based on runs and Wilcoxon-type rank-sum statistics,Journal of Statistical Planning and Inference,Volume 139, Issue 9, 1 September 2009, Pages 3177–3192

[12] Bhandari. Binayak, Hong. Young-Sun,  Yoon. Hae-Sung, Moon. Jong-Seol,Pham.Minh-Quan , Huang. Yuchu, Linkec. Barbara S.,Dornfeld. D.A., Ahna. Sung-Hoon . (2014).Development of a micro-drilling burr-control chart for PCB drilling,Precision Engineering,Volume 38, Issue 1, January, Pages 221–229

 [13] Bum Kima.Seoung,Jitpitaklert.Weerawat,Park.Sun-Kyoung,Hwang.Seung-June. (2012).Data mining model-based control charts for multivariate and autocorrelated processes,Expert Systems with Applications ,Volume 39, Issue 2, 1 February, Pages 2073–2081

[14] Box,G.E.P.,and J.G.Ramireza. (1992).”Cumulative Score Charts,”Quality and Reliability Engineering InternationL,Vol.8(1),pp17–27

[15] Boyd, D.F. (1950).’’Applying the Group Control Chart for x– and R,’’Industrial Quality Control,Vol.7(3),pp.22–25

[16] Cai D.Q., Xie M. , Goh. T.N.,Tang. X.Y . (2002).Economic design of control chart for trended processes,International Journal of Production Economics   Volume 79, Issue 2, 21 September, Pages 85–92

 [17] Castagliola. Philippe, Maravelakis. Petros E, A. (2011). CUSUM control chart for monitoring the variance when parameters are estimated,Journal of Statistical Planning and Inference,Volume 141, Issue 4, April, Pages 1463–1478

 [18] Celano. Giovanni,Castagliola. Philippe,Fichera. Sergio, Nenes. George. (2013). Performance of t control charts in short runs with unknown shift sizes,Volume 64, Issue 1, January, Pages 56–68          

 [19] Chaves Franco.Bruno, Celano.Giovanni, Castagliola.Philippe, Fernando. Antonio. (2014).  Economic  design of Shewhart control charts for monitoring autocorrelated data with skip sampling strategies,International Journal of Production Economics,Volume 151, May 2014, Pages 121–130

[20] Chen, Yan Kwang. Chang ,Hwa. Rung Chiu, Fei.(2008). Hsu.Optimization design of control charts based on minimax decision criterion and fuzzy process shifts,Volume 35, Issues 1–2, July–August, Pages 207–213

[21] Kwang Chen,Yan. Lin Hsieh,Kun.Chang Chang,Cheng.(2007). Economic design of the VSSI X¯ control charts for correlated data,International Journal of Production Economics,Volume 107, Issue 2, June 2007, Pages 528–539

[22] Chen. Yan-Kwang. (2007).Economic design of variable sampling interval T2 control charts—A hybrid Markov Chain approach with genetic algorithms,Expert Systems with Applications,Volume 33, Issue 3, October, Pages 683–689

[23] Chiu,W.k., and G.B.Wetherill (1975). Quality Control Practices,’’international journal of production Research ,Vol.13(2),pp.175-182

[24] Demirli.Kudret, Vijayakumar. Sujikumar. (2010).assignable cause diagnosis using control chart patterns,Information Sciences,Volume 180, Issue 17, 1 September, Pages 3258–3272  

[25] de Oliveira. Ingrid Komorizono, de Carvalho Rocha. Wérickson F., Poppi. Ronei J. (2009). Application of near infrared spectroscopy and multivariate control charts for monitoring biodiesel blends,Analytica Chimica Acta  Volume 642, Issues 1–2, 29 May, Pages 217–221

[26] de Vargas. Vera do Carmo C., Dias Lopes . Luis Felipe, Souza. Adriano Mendonç. (2004).,Comparative study of the performance of the CuSum and EWMA control charts, Computers & Industrial Engineering   Volume 46, Issue 4, July, Pages 707–724

[27] E. Jarrett Jeffrey,Pan. Xia, (2007).The quality control chart for monitoring multivariate autocorrelated processes, Computational Statistics & Data Analysis ,Volume 51, Issue 8, 1 May 2007, Pages 3862–3870

 [28] Engi˙n. A. Baki . (2008).Determination of optimum economic inspection by economic control chart design and by machine efficiency estimation: An application in weaving industry,Simulation Modelling Practice and Theory,Volume 16, Issue 1, January, Pages 147–170

[29] Epprecht , Eugenio K . Aparisi , Francisco . Ruiz , Omar . Veiga , Álvaro . (2013). Reducing sampling costs in multivariate SPC with a double-dimension T2 control chart’,International Journal of Production Economics,Volume 144, Issue 1, July, Pages 90–104

[30] Fleischer,J. Lanza, G. Schlipf , M.(2008).Statistical quality control in micro-manufacturing through multivariate μ-EWMA chart.CIRP Annals - Manufacturing Technology,Volume 57, Issue 1, Pages 521–524

 [31] Fazel Zarandi. Mohammad Hossein, Alaeddini. Adel. (2010).A general fuzzy-statistical clustering approach for estimating the time of change in variable sampling control charts,Information Sciences,Volume 180, Issue 16, 15 August, Pages 3033–3044

[32] Fortunato de Carvalho Rocha. Werickson, Poppi. Ronei Jesus. (2010).Multivariate control charts based on net analyte signal (NAS) for characterization of the polymorphic composition of Piroxicam using near infrared spectroscopy,Microchemical Journal,Volume 96, Issue 1, September, Pages 21–26

[33] Fortunato de Carvalho Rocha.Wérickson,Rosa. Luis,José Antônio Martins. André, Poppi. Ronei Jesus,. (2010).Multivariate control charts based on net analyte signal and near infrared spectroscopy for quality monitoring of Nimesulide in pharmaceutical formulations,Journal of Molecular Structure,Volume 982, Issues 1–3, 8 October, Pages 73–78

[34] Fortunato de Carvalho Rocha. Werickson, Poppi. Ronei Jesus. (2011).Multivariate control charts based on net analyte signal (NAS) and Raman spectroscopy for quality control of carbamazepine,Analytica Chimica Acta,Volume 705, Issues 1–2, 31 October, Pages 35–40

 [35] Fry. Donald E, Pine. Michael, Jones. Barbara L.J. Meimban. Roger. (2012).Control charts to identify adverse outcomes in elective colon resection,The American Journal of Surgery,Volume 203, Issue 3, March, Pages 392–396

[36] Ghislain , Verdier. (2013). Application of copulas to multivariate control charts,Volume 143, Issue 12, December, Pages 2151–2159

 [37] Garvine,D.A.(1987).Competing in the Eight Dimensions of  Quality.’’Harward Business Review sept-Oct.,87(6).pp.101-109

 [38] Gülbay. Murat, Kahraman. Cengiz. (2007).An alternative approach to fuzzy control charts: Direct fuzzy approach,Information Sciences,Volume 177, Issue 6, 15 March, Pages 1463–1480

[39] Haridy. Salah, Wu. Zhang, Lee. Ka Man, Bhuiyan.(2013).Optimal average sample number of the SPRT chart for monitoring fraction nonconforming,European Journal of Operational Research, Volume 229, Issue 2, 1 September, Pages 411–421

 [40] Hayati. Fazel,Maghsoodloo. Seed, J. DeVivo. Michael,J. Carnahan. Brian . (2006).Control chart for monitoring occupational asthma,Journal of Safety Research    Volume 37, Issue 1, , Pages 17–26

[41] Hering. Franz. Messaoud. Amor,Weihs. Claus, (2008). Detection of chatter vibration in a drilling process using multivariate control charts,Computational Statistics & Data Analysis   Volume 52, Issue 6, 20 February, Pages 3208–3219

 [42] Hothorn. L.A., Gerhard. D. ,Hofmann. M. (2009).Parametric and non-parametric prediction intervals based phase II control charts for repeated bioassay data,Biologicals,Volume 37, Issue 5, October, Pages 323–330

[43]  Huber,p.J.(1981).Robust statistical.new york,NY: john Wiley and SoN S

 [44] Huang. Chi-Jui,Tai. Shih-Hung, Lu. Shin-Li. (2014). Measuring the performance improvement of a double generally weighted moving average control chart, Expert Systems with Applications Volume 41, Issue 7, 1 June, Pages 3313–3322

[45] Joekes. Silvia,Barbosab. Emanuel Pimentel. (2013). An improved attribute control chart for monitoring non-conforming proportion in high quality processes, Control Engineering Practice  Volume 21, Issue 4, April  Pages 407–412

[46] Kaya. Ihsan . (2009).A genetic algorithm approach to determine the sample size for attribute control charts,Information Sciences,Volume 179, Issue 10, 29 April, Pages 1552–1566

[47] Khediri Issam. Ben,Mohamed. Limam. (2008).Support vector regression based residual MCUSUM control chart for autocorrelated process,Applied Mathematics and Computation,Volume 201, Issues 1–2, 15 July, Pages 565–574

 [48] Khoo. Michael B.C., Zhang Wu. C.K. Sitt, Castagliola. Philippe. (2013).A run sum Hotelling’s χ2 control chart ,Computers & Industrial Engineering،Volume 64, Issue 2, February, Pages 686–695

 [49] Kumar Gauri .Susanta,  Chakraborty. Shankar. (2009).Recognition of control chart patterns using improved selection of features,Computers & Industrial Engineering    Volume 56, Issue 4, May 9, Pages 1577–1588

[50] Lazariv. Taras, Schmid. Wolfgang, Zabolotska. Svitlana. (2013).On control charts for monitoring the variance of a time series,Journal of Statistical Planning and Inference   Volume 143, Issue 9, September, Pages 1512–1526

 [51] Lin. Shih-Yen, Guh. Ruey-Shiang, Shiue.Yeou-Ren. (2011).Effective recognition of control chart patterns in autocorrelated data using a support vector machine based approach,Computers & Industrial Engineering,Volume 61, Issue 4, November, Pages 1123–1134

[52] Lin. Yu-Chang,Chou. Chao-Yu .(2007).Non-normality and the variable parameters X¯ control charts.European Journal of Operational Research,Volume 176, Issue 1, 1 January, Pages 361–373

[53] Lu. Chi-Jie, Shao. Yuehjen E, Li. Po-Hsun, ixture. (2011).control chart patterns recognition using independent component analysis and support vector machine,Neurocomputing,Volume 74, Issue 11, May, Pages 1908–1914

[54] Magalhães, M.S. De. Costa, A.F.  Moura Neto,B F.D. ,A hierarchy of adaptive X¯ control charts(2009).International Journal of Production EconomicsVolume 119, Issue 2, June, Pages 271–283

[55] Matos. Ana Sofia, Ferreira. Diogo. (2012).Multivariate control chart with a deployed matrix for autocorrelated data,Computer Aided Chemical Engineering,Volume 30, , Pages 997–1001  22nd European Symposium on Computer Aided Process Engineering

[56] Morton. A., Clements. A., Whitby. M. (2009).Hospital adverse events and control charts: the need for a new paradigm,Journal of Hospital Infection    Volume 73, Issue 3, November, Pages 225–231

[57] Moraes. D.A.O,Oliveira. F.L.P, L.H. Duczmal. R.C. Quinino. (2014).Self-oriented control charts for efficient monitoring of mean vectors ,Computers & Industrial Engineering Volume 75, September, Pages 102–115

[58] M. Turner. Robin, Hayen. Andrew,Macaskilla.Petra,Irwiga.Les,K.Reddel. Helen. (2012).Control charts demonstrated limited utility for the monitoring of lung function in asthma,Journal of Clinical Epidemiology,Volume 65, Issue 1, January, Pages 53–61

[59] Napieralski. Jacob, Nalepa. Nick. (2010).The application of control charts to determine the effect of grid cell size on landform morphometry,Computers & Geosciences   Volume 36, Issue 2, February, Pages 222–230

[60] Nenes. George, Tagaras. George. (2007).The economically designed two-sided Bayesian X¯ control chart,European Journal of Operational Research,Volume 183, Issue 1, 16 November, Pages 263–277

 [61] Nordström.Fredrik,af Wetterstedt.Sacha,Johnsson.Stefan, Ceberg. Crister,Bäck. Sven Å.J. (2012).Control chart analysis of data from a multicenter monitor unit verification study,Radiotherapy and Oncology,Volume 102, Issue 3, March, Pages 364–370

[62] Oliveira Sant’Anna. Ângelo Márcio, Schwengber ten Caten.Carla. (2012).Beta control

charts for monitoring fraction data, Expert Systems with Applications  Volume 39, Issue 11,

September, Pages 10236–10243

[63] P. Winkel, N.F. Zhang. (2004).Serial correlation of quality control data–on the use of proper control charts, Scand. J. Clin. Lab. Inv., 64, pp. 195-204

 [64] Redice,R.(2000).Statistical Process Control in level 4 and 5 organizations worldwide. Procedings of the 12th Annual software Technology conference.

 [65] Shamsuzzaman. M.,Wu. Zhang, Salam Elias. M. Reaz-us. (2009).Designs of X¯&S control charts with optimal manpower deployment,Computers & Industrial Engineering   Volume 56, Issue 4, May, Pages 1589–1596

[66] Serel, Doğan A. Moskowitz, Herbert.(2008).Joint economic design of EWMA control charts for mean and variance.European Journal of Operational Research,Volume 184, Issue 1, 1 January, Pages 157–168

 [67] Senturk. Sevil,Erginel. Nihal . (2009).Development of fuzzy X¯∼-R∼ and X¯∼-S∼ control charts using α-cuts, Information Sciences,Volume 179, Issue 10, 29 April, Pages 1542–1551

[68] Seuberlich, A. Hofmann. Martin, Juillerata. Valerie, Boujonc. Patrick,Andreas Zurbriggena, Doherra. Marcus G. (2009).Continuous monitoring of bovine spongiform encephalopathy rapid test performance by weak positive tissue controls and quality control charts,Veterinary Microbiology, Volume 134, Issues 3–4, 2 March, Pages 218–226

[69] Sharif Ullah. A.M.M,A . (2010).DNA-based computing method for solving control chart pattern recognition problems,CIRP Journal of Manufacturing Science and Technology     Volume 3, Issue 4 , Pages 293–303

[70] Sheua. Shey-Huei, Huanga. Chi-Jui,  Hsua, Tsung-Shin. (2012).Extended maximum generally weighted moving average control chart for monitoring process mean and variability,Computers & Industrial Engineering,Volume 62, Issue 1, February, Pages 216–225

[71] Smeti , Eleni M. Koronakis, Demetrios E. Spyridon K. Golfinopoulos

Control charts for the toxicity of finished water—Modeling the structure of toxicity,Water Research,Volume 41, Issue 12, June 2007, Pages 2679–2689

 [72] Tôrres. Adamastor R,  Grangeiro Junior. Severino ,  Fragoso. Wallace D. (2014).Multivariate control charts for monitoring captopril stability, Microchemical Journal،Volume 118, January, Pages 259-265

[73] Tuerhong. Gulanbaier,Bum Kim. Seoung. (2014).Gower distance-based multivariate control charts for a mixture of continuous and categorical variable,Expert Systems with Applications Volume 41, Issue 4, Part 2, March, Pages 1701–1707

[74] Wenbin.  Wang. (2012).A simulation-based multivariate Bayesian control chart for real time condition-based maintenance of complex systems,European Journal of Operational Research,Volume 218, Issue 3, 1 May, Pages 726–734

[75] w.paniel. (1978).Applied non parametric statistical” Honghton Miflin

[76] Wu. Zhang,Shamsuzzaman. (2005).M.Design and application of integrated control charts for monitoring process mean and variance Journal of Manufacturing Systems, Volume 24, Issue 4, , Pages 302–314

[77] Wu. Zhang,Jiao. Jianxin, Heb. Zhen. (2009).A single control chart for monitoring the frequency and magnitude of an event,International Journal of Production Economics,Volume 119, Issue 1, May, Pages 24–33

 [78] Xanthopoulos. Petros , Razzaghi.Talayeh. (2014).A weighted support vector machine method for control chart pattern recognition, Computers & Industrial Engineering  Volume 70, April, Pages 134–149

[79] Xie. Liangjun ,Gu. Nong ,Li. Dalong ,Cao. Zhiqiang,Tan. Min, Nahavandi. Saeid. (2013). Concurrent control chart patterns recognition with singular spectrum analysis and support vector machine ,Computers & Industrial Engineering   Volume 64, Issue 1, January, Pages 280–289

[80] Xiang. Yisha . (2013).Joint optimization of  X¯ control chart and preventive maintenance policies: A discrete-time Markov chain approach,European Journal of Operational Research     Volume 229, Issue 2, 1 September, Pages 382–390

[81] Xinyao . Hu,  Xingda . Qu, (2014). An individual-specific fall detection model based on the statistical process control chart,Safety Science Volume 64, April, Pages 13–21

[82] Yang. Su-Fen , Lin. Jheng-Sian, W. Cheng. Smiley. (2011).A new nonparametric EWMA Sign Control Chart,Expert Systems with Applications,Volume 38, Issue 5, May, Pages 6239–6243

[83] Yang. Su-Fen, Yeh. Jin-Tyan. (2011).Using cause selecting control charts to monitor dependent process stages with attributes data,Expert Systems with Applications,Volume 38, Issue 1, January, Pages 667–672

[84] Yang. Su-Fen, Chen. Wan-Yun. (2009).Controlling over-adjusted process means and variances using VSI cause selecting control charts Expert Systems with Applications,Volume 36, Issue 3, Part 2, April, Pages 7170–7182

[85]Yang.Wen-An , Zhou.Wei , Liao.Wenhe , Guo.Yu . (2014).Identification and quantification of concurrent control chart patterns usingextreme-point symmetric mode decomposition and extreme learning machines, Neurocomputing 147, pp. 260-270

[86] Yu Chou, Chao. Chang Cheng, Jui.(2008).A real-time inventory decision system using Western Electric run rules and ARMA control chart, Expert Systems with Applications,Volume 35, Issue 3, October 2008, Pages 755–761

[87] Zandi, F., Niaki, S.T.A., Nayeri, M.A. and Fathi, M. (2011).Change point estimation of the process fraction nonconforming with a linear trend in statistical process control’’, International Journal of Computer Integrated Manufacturing, 24(10), pp. 939–947

[88] Zhao. Yang, Wang. Shengwei,  Xiao. Fu. (2013).A statistical fault detection and diagnosis method for centrifugal chillers based on exponentially-weighted moving average control charts and support vector regression,Applied Thermal Engineering,Volume 51, Issues 1–2, March, Pages 560–572

[89] Zhang L,chen G. & caslagliola (2009).on EWMA charts for monitoring changes in the process mean, Quality and Reliability Engineering International vol.25.no.8,pp.933-945

[90] Zhang. Min ,Nie. Guohua, He. Zhen. (2014).Performance of cumulative count of conforming chart of variable sampling intervals with estimated control limits,International Journal of Production Economics,Volume 150, April, Pages 114–124