[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
اطلاعات نشریه::
آرشیو مجله و مقالات::
ثبت نام و اشتراک::
ارسال مقاله::
پایگاه‌های مرتبط::
برای داوران::
اخلاق در پژوهش::
تماس با ما::
تسهیلات پایگاه::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
Google Scholar Metrics

Citation Indices from GS

AllSince 2020
Citations4817
h-index32
i10-index00
..
ثبت شده در

AWT IMAGE


..
نماد اعتماد الکترونیکی
..
آمار نشریه
تعداد دوره های نشریه: 19
تعداد شماره ها: 37
تعداد مشاهده ی مقالات: 3414282
تعداد دریافت (دانلود) مقالات: 904592

مقالات دریافت شده: 863
مقالات پذیرفته شده: 358
مقالات رد شده: 491
مقالات منتشر شده: 355

نرخ پذیرش: 41.48
نرخ رد: 56.89

میانگین دریافت تا پذیرش: 403 روز
میانگین دریافت تا اولین داوری: 5.7 روز
میانگین پذیرش تا انتشار: 514.6 روز
____
..
:: جلد 17، شماره 1 - ( 6-1402 ) ::
جلد 17 شماره 1 صفحات 0-0 برگشت به فهرست نسخه ها
روش رویه پاسخ در حضور عوامل غیرقابل کنترل
مهدی کیانی*
چکیده:   (1534 مشاهده)
در دهه 1980، جِنیچی تاگوچی یک مشاور کنترل کیفیت ژاپنی، خاطر نشان کرد که بسیاری از تغییرات مرتبط با پاسخ را می‌توان به وجود مجموعه‌ای از عوامل به نام عوامل غیرقابل کنترل (نوفه) نسبت داد. به هر حال، در برخی موارد کاربردی، پیشنهاد مدل‌سازی او منجر به بهبود کیفیت با تعداد زیادی اجرا در یک آرایه متقاطع می شود. از این رو، بسیاری از محققین جنبه‌های مهم روش رویه پاسخ را توام با روش طراحی پارامتر استوار به عنوان جایگزینی مناسب برای روش تاگوچی پذیرفته‌اند. این روش‌های جایگزین، میانگین و واریانس پاسخ مربوط به ترکیب عوامل کنترل و نوفه را در یک آرایه ترکیبی برای انجام یک فرآیند یا تولید استوار مدل‌سازی می‌کنند. در واقع، استفاده از روش‌های رویه پاسخ با طراحی پارامتر استوار برای به حداقل رساندن تأثیر عوامل نوفه در فرآیندهای مونتاژ یا تولید استفاده می‌شود. هدف این مقاله توسعه بیشتر مدل‌سازی پاسخ و واریانس پیش‌بینی‌شده در حضور عوامل نوفه بر اساس برآوردگرهای نااریب و استوار است. بعلاوه، هدف دیگر طراحی آزمایش‌ها بر اساس طرح‌های بهینه برای بهبود همزمان درستی و دقت این برآوردگرها است.
 
واژه‌های کلیدی: روش رویه پاسخ، طرح پارامتر استوار، طرح‌های بهینه
متن کامل [PDF 1049 kb]   (1341 دریافت)    
نوع مطالعه: پژوهشی بنیادی | موضوع مقاله: آمار کاربردی
دریافت: 1401/2/4 | پذیرش: 1402/6/10 | انتشار: 1402/4/20
فهرست منابع
1. Arora, J. S. (2017). Introduction to Optimum Design. 4th Edition. Elsevier Science.
2. Borror, C. M., Montgomery, D. C., and Myers, R. H. (2002). Evaluation of statistical designs for ex-periments involving noise variables. Journal of Quality Technology. Vol. 34, pp. 54-70. [DOI:10.1080/00224065.2002.11980129]
3. Box, G. E. P. (1988). Signal-to-Noise Ratio, Performance Criteria, and Transformation. Technomet-rics, Vol. 30, pp. 1-17. [DOI:10.1080/00401706.1988.10488313]
4. Box, G. E. P., and Jones, S. (1990). Designing Products That Are Robust To The Environment. Re-port Series in Quality and Productivity. CPQI, University of Wisconsin, Number 56.
5. Box, G. E. P., and Wilson, K. B. (1951). On the Experimental Attainment of Optimum Conditions (with discussion). Journal of the Royal Statistical Society, Series B, Vol. 13, pp. 1-45. [DOI:10.1111/j.2517-6161.1951.tb00067.x]
6. Boylan, G. L., Goethals, P. L., and Cho, B. R. (2013). Robust Parameter Design in Resource-Constrained Environments: an Investigation of Trade-offs Between Vosts and Precision Within Variable Processes. Applied Mathematical Modelling. Vol. 37, pp. 2394-2416. [DOI:10.1016/j.apm.2012.05.017]
7. Chan, L. K., and Xiao, P. H. (1995). Combined Robust Design. Quality Engineering, Vol. 8, pp. 47-56. [DOI:10.1080/08982119508904604]
8. Copeland, K. A. F., and Nelson, P. R. (1996). Dual Response Optimization via Direct Function Min-imization. Journal of Quality Technology, Vol. 28, pp. 331-336. [DOI:10.1080/00224065.1996.11979683]
9. Del Castillo E., and Montgomery, D. C. (1993). A nonlinear programming solution to the dual re-sponse problem. Journal of Quality Technology, Vol. 25, pp. 199-204. [DOI:10.1080/00224065.1993.11979454]
10. Kiani, M. (2010). Extensions to Modified Gram-Schmidt Strategy and Its Application in Steepest Ascent Method. Journal of Statistical Computation and Simulation, Vol. 80, pp. 389-400. [DOI:10.1080/00949650802662813]
11. Kiani, M. (2012). On the Construction of Optimal Designs. Journal of Statistical Computation and Simulation, Vol. 82, pp. 1003-1014. [DOI:10.1080/00949655.2011.563739]
12. Lee, Y., and Nelder, J. A. (1998). Joint Modeling of Mean and Dispersion. Technometrics, Vol. 40, pp. 168-175. [DOI:10.2307/1270676]
13. Lee, Y., and Nelder, J. A. (2003). Robust Design via Generalized Linear Models. Journal of Quality Technology, Vol. 35, pp. 2-12. [DOI:10.1080/00224065.2003.11980187]
14. Li, W., and Wu, C. F. J. (1999). An Integrated Method of Parameter Design and Tolerance Design. Quality Engineering, Vol. 11, pp. 417-425. [DOI:10.1080/08982119908919258]
15. Lin, D. K. J. and Tu, W. (1995). Dual Response Surface Optimization. Journal of Quality Technolo-gy, Vol. 27, pp. 248-260. [DOI:10.1080/00224065.1995.11979556]
16. MacKay, R. J., and Steiner, S. H. (1997). Strategies for Variability Reduction. Quality Engineering, Vol. 10, pp. 125 -136. [DOI:10.1080/08982119708919115]
17. Miro-Quesada, G., and Del Castillo, E. (2004). Two Approaches for Improving the Dual Response Method in Robust Parameter Design. Journal of Quality Technology, Vol. 36, pp. 154-168. [DOI:10.1080/00224065.2004.11980262]
18. Montgomery, D. C. (2020). Design and Analysis of Experiments. 10th Edition, John Wiley & Sons, New York.
19. Myers R. H., Montgomery, D. C., and Anderson, C. M. (2016). Response Surface Methodology: Pro-cess and Product Optimization Using Designed Experiments. 4th Edition, John Wiley and Sons, New York, NY.
20. Myers R. H., Khuri A. I., and Vining G. G. (1992). Response Surface Alternatives to the Taguchi Robust Parameter Design Approach. The American Statistician, Vol. 46 pp. 131-139. [DOI:10.1080/00031305.1992.10475869]
21. Myers, R. H., Khuri, A. I., and Carter, W. H. (1989). Response Surface Methodology: 1966-1988. Technometrics, Vol. 31, pp. 137-157. https://doi.org/10.2307/1268813 [DOI:10.1080/00401706.1989.10488509]
22. Myers, W. R., Brenneman, W. A., and Myers, R. H. (2005). A Dual-Response Approach to Robust Parameter Design for a Generalized Linear Model. Journal of Quality Technology, Vol. 37, pp. 130-138. [DOI:10.1080/00224065.2005.11980311]
23. Nelder, J. A., and Lee, Y. (1991). Generalized Linear Models for the Analysis of Taguchi-Type Ex-periments. Applied Stochastic models and Data Analysis, Vol. 7, pp. 107-120. [DOI:10.1002/asm.3150070110]
24. Rodriguez, M., Montgomery, D. C., and Borror, C. M. (2009). Generating Experimental Designs In-volving Control and Noise Variables Using Genetic Algorithms. Quality and Reliability Engi-neering International, Vol. 25, pp. 1045-1065. [DOI:10.1002/qre.1020]
25. Searle, S.R., Casella, G. and McCulloch, C.E. (2006). Variance Components. John Wiley & Sons, New York, NY.
26. Shin, S., Samanlioglu, F., Cho, B. R., Wiecek, M. M. (2011). Computing Trade-offs in Robust De-sign: Perspectives of the Mean Squared Error. Computers and Industrial Engineering, Vol. 60, pp. 248-255. [DOI:10.1016/j.cie.2010.11.006]
27. Shoemaker, A. C., Tsui, K. L., and Wu, C. F. J. (1991). Economical Experimentation Methods for Robust Design. Technometrics, Vol. 33, pp. 415-427. [DOI:10.1080/00401706.1991.10484870]
28. Taguchi, G. (1986). Introduction to Quality Engineering. Tokyo, Japan: Asian Productivity Organiza-tion.
29. Taguchi, G. (1987). System of Experimental Design: Engineering Methods to Optimize Quality and Minimize Cost. Quality Resources, White Plains, NJ.
30. Vining, G. C., and Myers, R. H. (1990). Combining Taguchi and response surface philosophies: a dual response approach. Journal of Quality Technology, Vol. 22, pp. 38-45. [DOI:10.1080/00224065.1990.11979204]
31. Welch, W. J., Yu, T. K., Kang, S. M., and Sacks, J. (1990). Computer Experiments for Quality Con-trol by Parameter Design. Journal of Quality Technology, Vol. 22, pp. 15-22. [DOI:10.1080/00224065.1990.11979201]
32. Wu, C. F. J., and Hamada, M. (2021). Experiments: Planning, Analysis, and Parameter Design Opti-mization. 3rd Edition. John Wiley & Sons, New York. [DOI:10.1002/9781119470007]
33. Wu, C. F. J., and Zhu, Y. (2003). Optimal Selection of Single Arrays for Parameter Design Experi-ments. Statistica Sinica, Vol. 13, pp. 1179-1199.
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA



XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Kiani M. Response Surface Method in the Presence of Uncontrollable Factors. JSS 2023; 17 (1)
URL: http://jss.irstat.ir/article-1-805-fa.html

کیانی مهدی. روش رویه پاسخ در حضور عوامل غیرقابل کنترل. مجله علوم آماری. 1402; 17 (1)

URL: http://jss.irstat.ir/article-1-805-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
جلد 17، شماره 1 - ( 6-1402 ) برگشت به فهرست نسخه ها
مجله علوم آماری – نشریه علمی پژوهشی انجمن آمار ایران Journal of Statistical Sciences

Persian site map - English site map - Created in 0.06 seconds with 45 queries by YEKTAWEB 4710