Kontrol grafiklerinin bulanık mantık ile yorumlanması

Abstract

İstatistiksel süreç kontrolünün ürün kalitesini geliştirmede firmalara büyük yarar sağladığı bilinmektedir. Üretim süreçlerinde sürecin kontrol altında olup olmadığının belirlenmesi için yaygın olarak kullanılan araçlardan birisi kontrol grafikleridir. Çalışmada, geleneksel Shewhart kontrol grafiklerine ek olarak klasik küme kavramına yeni bir bakış açısı getirerek belirsizlik koşulları altında daha verimli çalışmalar ortaya koyabilen bulanık mantık ile istatistiksel süreç kontrolünde kullanılabilecek bir model geliştirilmesi amaçlanmıştır.Süreçte meydana gelen değişkenliğin kısa sürede tespit edilmesi, maliyet ve kalite açısından önemli kazançlar sağlamaktadır. Değişkenliğin tanımlanmasındaki gecikmenin neden olacağı maliyet düşünüldüğünde, süreçteki sapmayı doğru ve çabuk bir şekilde tespit edebilmenin üretim süreçleri için büyük bir öneme sahip olduğu açıktır. Bilimsel araştırmalarda birçok yeniliğe neden olan bulanık mantığın istatistiksel süreç kontrolünde de yeni gelişmeler kaydedilebileceği düşünülmüştür. Bu amaçla, süreçteki sapmaların belirlenmesinde kullanılmak üzere bir bulanık model geliştirilmiştir. Model, ortalama ve/veya varyanstaki sapmaların dört aşamada belirlenmesi için kullanılan beş bulanık çıkarım sistemi ile beşinci aşamada süreçte meydana gelebilecek özel durumları tespit etmek amacıyla dört bölge kuralını test eden dört çıkarım sisteminden oluşmaktadır. Bulanık model ile kontrol grafiklerinin performansları karşılaştırıldıktan sonra elde edilen sonuçlar değerlendirilmiştir.

It is well-known that statistical process control is very useful to improve product quality. In production environment, control charts are one of the most widely used tools applied to determine whether a process is statistically in control or not. In this study, in addition to the traditional Shewhart control charts, it is purposed to develop a fuzzy logic model. It will be helpful to achieve efficient studies under conditions with uncertainty by getting a new viewpoint to the classical set theory.Determining variability in process provides large gains in terms of costs and quality. Considering the costs that caused by delay in defining the variability, it is obvious to see the importance of determining the variation correctly and quickly in production processes. Because of providing innovation in scientific researches by fuzzy logic, it is purposed to achieve improvement in statistical process control with fuzzy logic. To this end, a fuzzy model was developped for determining the variation in process. The model is consist of five fuzzy inference systems which are used for determining the variation in mean and/or standard deviation in four steps with the fifth step that runs four zone rules for determining the special conditions in process. The performance of fuzzy model and control charts are compared, then the results obtained are evaluated.Keywords: Fuzzy Logic, Shewhart Control Charts, Fuzzy Inference Systems, Process Variability