نشریه پژوهشهای مهندسی صنایع در سیستمهای تولید آزمون زنجیره تغییرات مشخصههای کلیدی کیفیت به منظور تشخیص منبع بروز خطا در فرآیندهای تولیدی چندمرحلهای

IERPS نشریه پژوهشهای مهندسی صنایع در سیستمهای تولید ISSN: 2345-2269 سال پنجم شماره دهم بهار و تابستان 9316 صفحه 19-61 www.ier.basu.ac.ir DOI: 10.22084/ier.2017.10192.1478 آزمون زنجیره تغییرات مشخصههای کلیدی کیفیت به منظور تشخیص منبع بروز خطا در فرآیندهای تولیدی چندمرحلهای 2 * 1 علیاصغر بازدار کامیار چاالکی اطالعات مقاله تاریخچه مقاله: دریافت 1931/22/22 پذیرش 1931/22/29 کلمات کلیدی: فرآیند تولیدی چندمرحلهای مشخصههای کیفی تحلیل تمایز گروهی متدلوژی زنجیره تغییرات 1. استادیار گروه مهندسی صنایع دانشکده فنی مهندسی گلپایگان اصفهان ایران. 2. استادیار گروه مهندسی صنایع دانشگاه آزاد اسالمی واحد سنندج کردستان ایران. خالصه تغییرات مشخصههای کیفی در فرآیندهای تولیدی چندمرحلهای یکی از مهمترین چالشهای مطالعات مربوط به توسعه و بهبود کیفیت است. مدلسازی این تغییرات بر اساس انحرافات ابعادی بهدستآمده از مشخصههای کلیدی محصول به کمک متدلوژی زنجیره تغییرات در فرآیندهای تولیدی چندمرحلهای میسر است. این متدلوژی زنجیره تغییرات در بین مراحل یک سیستم تولیدی چندگانه را مدلسازی نموده و این در حالی است که تشخیص منبع بروز خطا به دلیل همبستگی تغییرات بین مراحل همچنان به عنوان مسأله اصلی پابرجاست. این مقاله به معرفی یک رویکرد به منظور تفکیک فضای منابع تغییرات در فرآیندهای تولیدی چندمرحلهای پرداخته که در آن با تعریف تابع تمایز زنجیره تغییرات و تفکیک منابع تغییرات به تخصیص انحراف مشاهدهشده در انتهای خط تولید به مدل تشخیص پرداخته و منبع بروز تغییرات را از راه آزمون تغییرات مراحل تولید تشخیص میدهد. تکنیکهای آماری مورد استفاده در این رویکرد تحلیل تمایز گروهی و آزمون فرض هستند که در متدلوژی زنجیره تغییرات بهکار رفتهاند. کارایی و کاربرد رویکرد معرفیشده برای انحرافات حاصل از خط تولید محصول شاتون خودروی پراید در قالب یک مطالعه موردی نشان داده شده است. -1 مقدمه 1 سیستمهای چند مرحلهای از جمله سیستمهای پرکاربرد هستند که شمار زیادی از سیستمهای تولیدی و خدماتی مدرن را در برمیگیرند. این سیستمهای دارای چالشهای معنیداری در زمینه تحلیل زنجیره تغییرات میباشند که میتواند در زمینه تحقیقاتی مهندسی کیفیت مورد بررسی محققان قرار گیرد. در این مطالعه از تکنیک تحلیل تمایز گروهی در متدلوژی زنجیره تغییرات فرآیندهای تولیدی چندمرحلهای استفاده شده است تا با تعیین تابع تمایز برای زنجیره تغییرات و بهرهگیری از ویژگیهای توزیع نرمال چند متغیره منابع تغییرات برای بردار مشاهدات تفکیک شود. * نویسنده مسئول: علیاصغر بازدار تلفن: 231-56202275 پست الکترونیکی: bazdar@gut.ac.ir سپس با استفاده از این تفکیک به شناسایی منبع تغییرات برای بردار تغییرات مشاهده شده از مشخصههای کیفی پرداخته میشود. در تکنیک تحلیل تمایز گروهی مجموعهای از متغیرها تعیین میشوند که به بهترین صورت به تمایز بین گروهها میپردازند. همچنین تعیین تعداد توابع تمایز کننده که به بهترین شکل تفاوت میان گروهها مشخص مینمایند نیز قابل بررسی است. متدلوژی زنجیره تغییرات در خصوص ایستگاههای تولیدی چندگانه و خطوط مونتاژ ارائه شده است که تغییرات و انتشار آنها را در فرآیندهای تولیدی چندگانه شامل شده و ارتباط تغییرات بین مراحل را برای دادههای حاصل از اندازهگیریهای ابعادی مدلسازی مینماید. شکل 1 فرآیند تولیدی چندمرحلهای را در متدلوژی زنجیره تغییرات نشان میدهد.

07 آزمون زنجیره تغییرات مشخصههای کلیدی کیفیت به منظور تشخیص منبع بروز خطا در فرآیندهای تولیدی چندمرحلهای شکل )1(: زنجیره تغییرات در فرآیند تولید چندمرحلهای اپلی و شای در سال 2221 با استفاده از تکنیک تحلیل عاملی به تشخیص تغییرات در فرآیندهای تولیدی چندمتغیره پرداختند] 1 [. هوانگ ژو و شای در سال 2222 متدلوژی زنجیره تغییرات را بهمنظور مدلسازی و شناسایی تغییرات در فرایندهای ماشینکاری چندایستگاهی به کار گرفتند ]2[ و در سال 2222 به تشخیص تغییرات فرآیندهای ماشینکاری چندایستگاهی از طریق تحلیل انتشار تغییرات پرداختند ]3[. هوانگ و شای در سال 2220 به تحلیل زنجیره تغییرات در سیستمه یا تولیدی چندایستگاهی سری موازی پرداختند ]0[ و در سال 2226 به همراه کگالرک و دیگر همکاران یک مدل طراحی نمودند سهبعدی ]5[. لیو در مقاله سال را برای تغییرات مونتاژ بدنه خود به مقایسه 2212 روشهای کنترل آماری فرآیند با متدلوژی زنجیره تغییرات پرداخته است که در این مقایسه روشهای مدلسازی نوآوریها و محدودیتهای کنترل آماری فرآیند و زنجیره تغییرات در سه فاز مدلسازی ردیابی و تشخیص بیان شده است ]7[. آبالن نبات و سوبیرون در سال 2213 به بررسی و مقایسه مدلهای سهبعدی تغییرات تولید در سیستمهای پرداختند ماشینکاری چند ایستگاهی [6]. تحقیقات دیگری نیز در خصوص کنترل و بهبود فرآیند صورت گرفته است که از این بین میتوان به کوشش احمد کوچکزاده و همکاران اشاره کرد [8]. در آخرین تحقیقات بازدار و همکاران در سال 2217 و 2215 به مدلسازی و تفکیک منابع تغییرات در طول مراحل تولید و تعیین ایستگاه منبع خطا و به دنبال آن تعیین منبع خطای ماشینکاری در داخل ایستگاه بروز خطا پرداختند [9] [12]. از آنجاییکه تغییرات در هر ایستگاه ممکن است از ایستگاههای قبلی انتقال یافته باشد این مسئله که آیا منبع تغییرات تشخیص داده شده منبع اصلی بروز تغییرات است باقی میماند. در این مقاله رویکرد آزمون فرض بردار میانگین مشخصههای ابعادی در طول مراحل قبل از مرحله تشخیص دادهشده برای حل این مسئله پیشنهاد شده است. در این مطالعه ابتدا به بیان دالیل لزوم تحقیق و مفروضات آن پرداخته و سپس با معرفی روش تحلیل تمایز بردار تغییرات مشخصههای محصولی در فرآیندهای تولیدی چندمرحلهای یک مطالعه موردی انجام شده تا کاربرد روش پیشنهادی در فرآیند تولید چند مرحلهای محقق شود. با بهرهگیری از دانش مهندسی و تحلیل آماری دادههای چندمتغیره تغییرات و انتشار آن را که از پیچیدگی زیادی در فرآیندهای تولیدی چندگانه برخوردارند و در بین مراحل آن در حال انتقالاند مدلسازی و توصیف مینماید. این در حالی است که اغلب تکنیکهای آماری از جمله کنترل آماری فرآیند یک متغیره و چندمتغیره به ردیابی فرآیند و تشخیص تغییرات مشخصههای کیفی آن میپردازند اما به دلیل عدم وجود درکی روشن از همبستگی میان مشخصههای کلیدی محصول قدرت تشخیص آنها رضایتبخش نیست به خصوص زمانی که تعداد مشخصهها زیاد باشد. توسعه چارتهای کنترلی منجر به بهبود قابلمالحظهای در شناسایی و کاهش تغییرات شدند اما قادر به مدلسازی ارتباط بین متغیرهای فرآیند و مشخصههای کلیدی محصول نبودند و این امر به کارگیری نتایج حاصل از نمودار کنترل را در تعریف اقدام اصالحی با مشکل مواجه میکند. همچنین اغلب روشهای کنترل فرآیند به ردیابی فرآیندهای یک مرحلهای میپردازد بدون اینکه تغییرات موجود بین مراحل و انتشار آن را در جریان دادههای فرآیندهای تولیدی چندگانه در نظر بگیرند ]11[ ]12[. در این پژوهش پس از مدلسازی و تفکیک منابع بروز خطا چگونگی انتقال آن از مراحل قبل مورد بررسی قرار میگیرد. آیا تغییرات در آن مرحله معنیدار است تغییرات خاصه آن مرحله است یا از مرحله قبل انتشار یافته است این بررسی ادامه یافته تا منبع اصلی بروز خطا در اندازههای مشخصه کیفی بهطور معنیداری تعیین شود. 9- مفروضات در این مطالعه ابتدا به کمک تحلیل تمایز گروهی به تفکیک منابع تغییرات اندازههای حاصل از مشخصههای کیفی میپردازیم. این تکنیک بر پایه دو فرض اساسی بنا شده که عبارتند از تبعیت دادههای حاصل از اندازهگیری مشخصه کیفی از توزیع نرمال چندمتغیره و تساوی ماتریس واریانس در سرتاسر گروهها. فرض نرمال چندمتغیره برای آزمون معنیداری متغیرها و توابع متمایزکننده فرضی ضروری است بهطوریکه اگر دادهها از توزیع نرمال چندمتغیره پیروی نکنند هیچکدام از آزمونهای معنیداری اعتبار نخواهند داشت. همچنین نتایج دستهبندی نیز تحت تأثیر این فرض است ]13[. در تحلیل تمایز دو گروهی فرض بر این است که ماتریس واریانس دو گروه با هم برابرند. عدم برقراری این فرض بر آزمونهای معنیداری و نتایج دستهبندی تأثیرگذار است. این تأثیر وابسته به تعداد متغیرهای تمایزکننده و حجم نمونه برای هر گروه است. چنانچه فرض صفر در آزمون میانگین عبارت باشد از برابری بردار میانگینها زیاد بودن تعداد متغیرهای متمایزکننده یا متفاوت بودن حجم نمونه گروها منجر به رد فرض صفر میشود. آزمون معنیداری تساوی ماتریس واریانس عبارت است از: 2- لزوم تحقیق { H o: Σ 1 = Σ 2 = = Σ g H a : Σ 1 Σ 2 = = Σ g تغییرات و انتقال آنها در بین مراحل یک فرآیند تولیدی چندگانه )1( به کمک متدلوژی زنجیره تغییرات مدلسازی میشود. این مدلسازی

نشریه پژوهشهای مهندسی صنایع در سیستمهای تولید/ سال پنجم/ شماره دهم/ بهار و تابستان 9316 09 Σ g که در آن عبارت است از ماتریس واریانس گروه g ما ]13[. 4- آزمون زنجیره تغییرات و تشخیص خطا روشهای برگرفته از داده ازجمله روشهای شناختهشده در ادبیات زنجیره تغییرات است که در آن با بهکارگیری اندازههای حاصل از مشخصههای کیفی محصول در طول فرآیند تولید میتوان به روشهایی جهت تحلیل و مدلسازی تغییرات در فرآیندهای تولیدی چندمرحلهای پرداخت. همانطور که در مقدمه نیز اشاره شد روش 1 پیشنهادی در این خصوص تکنیک آماری تحلیل تمایز چندگروهی است که به تفکیک منابع تغییرات مشخصههای کیفی محصول میپردازد. این رویکرد سه هدف عمده را دنبال مینماید که عبارتند از: تعیین مجموعهای از متغیرها که به بهترین وجه گروهها را متمایز میکند به دست آوردن محوری جدید که از ترکیب خطی متغیرها یا همان مشخصههای کیفی به دست میآید و در نهایت دستهبندی و تخصیص مشاهدات به گروهها است. چنانچه X بیانگر p بردار مربوط به تغییرات مشخصههای کیفی محصول باشد که در g مرحله یا ایستگاه تولید میشوند حداکثر با {p M = Min{g 1, تعداد توابع تشخیص میتوان به تمایز منابع تغییرات آنها پرداخت. به عبارت دیگر با انجام یک دستهبندی فضای کل p متغیر را به g ناحیه منحصربهفرد R 1, R 2,, R g تقسیم نموده بهطوریکه هر بردار مشاهده شده از تغییرات کیفی در یکی از این نواحی قرار بگیرد. چنانچه ماتریس Σ نمایانگر واریانس و ماتریس T نیز مجموع انحرافات از میانگین ضربی متغیرها باشد که قابل تفکیک به دو ماتریس B و W است که به ترتیب بیانگر مجموع انحرافات بینگروهی و درونگروهی p مشخصه کیفی میباشند همچنین γ بردار ضرایب تابع متمایز کننده خطی بین گروهها باشد در این صورت بردار ویژه مترادف با بزرگترین مقدار ویژه W 1 B ضرایب اولین تابع تمایز را مشخص مینماید. چنانچه ماتریس بیانگر X pg مشاهدات مربوط به تغییرات p مشخصه کیفی محصول در g ایستگاه باشد x ij نمایانگر مقدار تغییرات مشخصه کیفی iام در ایستگاه jام است که بنا بر مدل زنجیره تغییرات بهصورت زیر تعریف میشود: x ij = a ij x i(j 1) + b ij u ij + e ij, i = 1,2,, p, j = 1,2,, g x i(j 1) )2( که در آن بیانگر مقدار تغییرات مشخصه کیفی iام است که از ایستگاه قبل یعنی ایستگاه 1- jام انتقال یافته است و نیز u ij مقدار تغییرات فرآیندی مشخصه کیفی iام در ایستگاه jام است. در این صورت بردار انحرافات مربوط به مشخصههای کلیدی محصول در ایستگاه اول که با خطای )3( x 1 نمایش داده میشود دارای میانگین μ 1 e 1 و است: x 1 = μ 1 + e 1 همچنین شکل برداری مدل زنجیره تغییرات فوق که مربوط به p مشخصه کیفی در g ایستگاه است بهصورت زیر تعریف میشود: x j = A j x j 1 + B j u j + e j, j = 1,2,, g )0( که در آن x j یک بردار p متغیره از انحرافات مشخصههای کلیدی محصول در ایستگاه j ام است و 1 j x دربردارندهی انحرافات مشخصههای کلیدی محصول از ایستگاه قبل است. بردار p u j متغیره انحرافات محصولی ناشی از منابع تغییرات فرآیندی در ایستگاه jام و e j A j و B j نیز خطای مدل نشده مربوط به ایستگاه jام است. ماتریس ضرائب از مرتبه p p میباشند که به ترتیب همبستگی بردار انحرافات مشخصههای محصولی ایستگاه j و 1-j و همچنین همبستگی بین انحرافات مشخصههای محصولی و انحرافات فرآیندی مربوط به ایستگاه j را نشان میدهد. مطابق با فرض پیروی از توزیع نرمال p متغیره متغیره با میانگین x j μ j و واریانس Σ j است. همچنین نرمال چند متغیره با میانگین صفر و واریانس پس داریم: دارای توزیع نرمال p e j Σ ej )5( همچنین نیز از توزیع پیروی مینماید. E(x j ) = μ j, j = 1,, g μ j = B j u j + A j μ j 1, j = 2, 3,, g Cov(x 1 ) = Σ e1 Cov(x j ) = A j Σ j 1 A j T + Σ ej, j = 2, 3,, g )7( در نتیجه با آزمون فرضیه بردار میانگینها و ماتریس واریانس در هر ایستگاه میتوان به ردیابی و تشخیص ایستگاه مسأله ساز پرداخت] 7 [. روابط فوق نشان میدهد که میانگین و واریانس مشخصههای کلیدی محصول در ایستگاه jام میتواند به دو بخش تقسیم شود میانگین و واریانس تغییرات مربوط به ایستگاه j و تغییرات انتقال یافته از ایستگاه میانگین تغییرات ابعادی در ایستگاه 1-j. ابتدا به آزمون معنیداری jام میپردازیم و مشخص میکنیم که آیا تغییرات معنیدار وجود دارد یا نه این بررسی با انجام آزمون فرضیه زیر در سطح معنیداری 2/25 امکانپذیر است: { H o: μ j = 0 H a : μ j > 0 )6( در صورت معنیداری آزمون و وجود تغییرات ابعادی در ایستگاه j ام با استفاده از رابطه )8( به بررسی وجود تغییرات مربوط به منابع خطای فرآیندی در ایستگاه j ام میپردازیم. { H o: μ j μ j 1 H a : μ j > μ j 1 ام با ایستگاه 1-j برابر )8( چنانچه بردار میانگین تغییرات ایستگاه j باشد بیانگر عدم وجود تغییرات فرآیندی در ایستگاه j ام است. در نتیجه آزمون فرض را بهمنظور بررسی وجود تغییرات فرآیندی در ایستگاه j-1 ام و ایستگاه j-2 ام انجام میدهیم. این روند تا معنیدار شدن آزمون ادامه خواهد داشت. چنانچه ماتریس واریانس و ماتریس Σ j T نمایانگر نیز مجموع انحرافات از میانگین ضربی متغیرها باشد که قابل تفکیک به دو ماتریس B و W است تابع 1. Multiple Group Discriminant Analysis

07 آزمون زنجیره تغییرات مشخصههای کلیدی کیفیت به منظور تشخیص منبع بروز خطا در فرآیندهای تولیدی چندمرحلهای تمایز تغییرات ایستگاه j ام از ترکیب خطی p متغیر به ترتیب زیر تعریف میشود: z j = w 1j x 1j + w 2j x 2j + + w pj x pj )9( که در آن ضرایب تابع برابر با بردار ویژه مترادف با بزرگترین مقدار ویژه ماتریس W 1 B است. ماتریسهای W و B نیز به ترتیب 1 و ماتریس مجموع مربعات و ضرب برداری تغییرات درونگروهی 3 متعلق ماتریس مجموع مربعات و ضرب برداری تغییرات بینگروهی به p مشخصه کیفی میباشند. تابع تعیین شده به روش فوق تابع 0 نام دارد. کلیه توابع تمایز خطی فیشر نسبت به تمایز خطی فیشر هم ناهمبسته هستند] 13 [. پس از تعیین تابع تمایز تغییرات ایستگاه jام و انجام آزمون معنیداری آن به دستهبندی و تخصیص مشاهدات در ایستگاه jام میپردازیم. دستهبندی و تخصیص مشاهدات بر مبنای حداقل نمودن هزینه کل تخصیصهای )TCM( 5 انجام میشود. با توجه به مثبت بودن مقادیر نادرست احتمالهای پیشین و هزینههای تخصیص نادرست تعریفشده در هزینه کل تخصیصهای نادرست حداقل مقدار تابع هزینه کل تخصیصهای نادرست از رابطهی زیر بدست میآید: C(1/2)P 2 f 2 (x) C(2/1)P 1 f 1 (x) 0 )12( که در آن و P 1 P 2 به ترتیب احتمال پیشین تخصیص یک مشاهده به گروه اول و دوم است و (1/2)C و (2/1)C به ترتیب هزینه تخصیص نادرست مشاهده به گروه اول و دوم است. (X) f 1 و (X) f 2 به ترتیب توابع چگالی احتمال متغیر تصادفی X در دو گروه اول و دوم است. در تحلیل تمایز یک متغیره مشاهده X به گروه اول اختصاص مییابد اگر f 1 (X) f 2 (X) [C(1/2) C(2/1) ] [P 2 ] P 1 )11( نامساوی فوق در حالت برابر بودن احتمال پیشین و هزینه تخصیص نادرست برای دو گروه عبارت است از f 1 (X) f 2 (X) 1 )12( همانطور که قبال بدان اشاره شد میانگین x j μ j بردار مشاهدات Σ j و واریانس x 0 )13( دارای توزیع نرمال p متغیره با است. در نتیجه تابع چگالی احتمال هر در ایستگاه j ام عبارت است از: f j (x 0 ) = (2π) P 2 Σ j 1 2 e 1 2 (x 0 μ i ) Σ j 1 (x0 μ i ) با فرض تساوی واریانس ایستگاهها از جایگذاری میانگین تغییرات 1-j ام و j دو ایستگاه تخصیصهای نادرست به رابطه زیر میرسیم: )10( ام در نامساوی حداقل هزینه کل نامساوی فوق در حالت برابر بودن احتمال پیشین و هزینه تخصیص نادرست برای دو گروه در نظر گرفته شده است. در نتیجه اگر x 0 مشاهده در نامساوی فوق صدق کند به منابع تغییرات مشخصههای کلیدی محصول در گروه قبل یعنی گروه j-1 ام تخصیص مییابد و در غیر این صورت ناشی از منابع تغییرات مربوط به خطای فرآیند در گروه jام است. پس از تخصیص بردار مشاهدات آتی به مدل و تعیین منبع تغییرات چنانچه منبع تغییرات تشخیص داده شده عبارت باشد از منبع تغییرات فرآیندی ایستگاه j ام به رفع منابع خطای فرآیندی در این ایستگاه میپردازیم. در غیر این صورت منبع تغییرات تشخیص داده شده انتقال یافته از ایستگاه قبل است که میبایست مراحل آزمون فرض تساوی تغییرات فرآیندی برای ایستگاههای پای نی تر انجام پذیرد و رویه به همین ترتیب جهت تشخیص منبع اصلی خطای فرآیندی ادامه خواهد یافت. شکل 2 رویه ارائه شده در این مطالعه را نشان میدهد. پیشنهاد استفاده از تحلیل تمایز برای تعیین عضویت مشاهدات زمانی مناسب است که متغیرهای نمایانگر مشخصههای کیفی متریک بوده و توزیع مشترک آنها نرمال باشد. حال با داشتن اطالعاتی مبنی بر مدلسازی زنجیره تغییرات ابعادی در مراحل چندگانه یک سیستم تولیدی و تعریف تابع تمایز برای این زنجیره از تغییرات میتوان منابع تغییرات را دستهبندی کرد و مرحله بروز خطا را برای هر بردار مشاهده از تغییرات ابعادی محصول پیشبینی نمود ]7[.]13[ 1- مطالعه موردی محصول شاتون از جمله قطعات کلیدی مورد نیاز سایپا برای مونتاژ موتور خودرو پراید است که کیفیت این محصول نقش مهمی در کارایی موتور و همچنین شتاب و قدرت آن دارد. اجزای اصلی شاتون عبارتند از سوراخ کوچک سوراخ بزرگ دسته و کپه که از این بین سوراخ کوچک به دلیل استفاده آن در چیدمان فیکسچرها در دیگر مراحل ماشینکاری از اهمیت خاصی برخوردار است. محصول شاتون به همراه اجزای تشکیلدهنده آن در شکل 3 نشان داده شده است. به منظور انجام مطالعات کاربردی و میدانی در خصوص توسعه مدل زنجیره تغییرات برای تشخیص کنترل و تفکیک منابع تغییرات جلسات همکاری کمیته کنترل کیفیت گروه صنعتی نصیرکیانگ 7 از زیرمجموعهه یا تأمینکنندگان قطعات سایپا صورت پذیرفت که طی این جلسات تغییرات ابعادی محصول 6 خودرو پراید شناسایی شد] 10 [. خط ماشینکاری و مونتاژ شاتون قطعه شاتون در شرکت نصیرکیانگ از 13 مرحله تشکیل شده است که با اضافه نمودن چهار مرحله تکمیلی در نهایت در 16 مرحله قطعه برای تحویل به مشتری آماده میشود. بهمنظور مدلسازی تغییرات ابعادی مربوط به مشخصههای ابعادی شاتون در طول (μ j 1 μ j ) Σ 1 x 0. 5 (μ j 1 μ j ) Σ 1 μ j 1 +.5 (μ j 1 μ j ) Σ 1 μ j 1. Within-groups sum of squares and cross products matrix

نشریه پژوهشهای مهندسی صنایع در سیستمهای تولید/ سال پنجم/ شماره دهم/ بهار و تابستان 9316 03 شکل )2(: رویکرد ارائه شده در تشخیص منبع تغییرات فرآیند تولید از بین مشخصهه یا کلیدی این محصول 12 آیتم که از باالترین درجه اهمیت یع ین درجه اهمیت A برخوردارند در جلسه کارگروه کمیته کیفیت انتخاب شدهاند. این آیتمها عبارتند از پهنای دسته پهنای کپه قطر سوراخ کوچک فاصله مرکز به مرکز سوراخها پهنای دسته و کپه ارتفاع نشیمنگاه پهنای شیار عمق شیار فاصله از لبه دسته و فاصله از لبه کپه. فضای کل تغییرات ابعادی شناسایی شده در خط تولید نیز شامل 0 ایستگاه اصلی ماشینکاری به ترتیب ماشینکاری سوراخ کوچک ماشینکاری نشیمنگاه پیچ ماشینکاری شیار و ماشینکاری سوراخ پیچ هستند. تحلیل تمایز گروهی بهمنظور مدلسازی ارتباط متغیرهای پیشبینی کننده با یک یا چند متغیر وابسته به کار گرفته میشود که در اینجا متغیرهای پیشبینی کننده همان مشخصههای کلیدی کیفیت محصول هستند و متغیرهای وابسته نیز عبارتند از منابع تغییرات که شامل ایستگاههای خط تولید است. شکل )9(: اجزای اصلی شاتون

07 آزمون زنجیره تغییرات مشخصههای کلیدی کیفیت به منظور تشخیص منبع بروز خطا در فرآیندهای تولیدی چندمرحلهای 12 ویلکس دیگر معیار ارزیابی مشخصهها است که هر چه مقدار آن 02 تحلیل تمایز به تعیین ترکیبهای خطی از مشخصههای کیفی میپردازد که به بهترین صورت ممکن بتواند منابع تغییرات ابعادی را تفکیک نمایند. این ترکیبهای خطی همان توابع تمایز نام دارند. در این مطالعه پس انجام آزمون معنیداری میانگین تغییرات در ایستگاه مربوطه با برآورد یک تابع تمایز از انحرافات ابعادی بهدستآمده در تحلیل زنجیره تغییرات به تخصیص بردار انحرافات اندازهگیری شده در انتهای خط به یکی از گروههای همجوار j و 1-j میپردازیم. چنانچه مدیریت کنترل و بهبود کیفیت محصول شاتون بخواهد در خصوص تعیین مشخصههای کیفی که بیانگر سهم عمده تغییرات باشند تصمیمی اتخاذ نماید ابتدا باید بداند که هر یک از این مشخصهها به کدام منبع تغییرات تعلق دارد. به منظور تفکیک فضای تغییرات ابعادی مشخصههای کیفیت شاتون در فرآیند تولید و تخصیص بردار مشاهدات مشخصههای کیفی به منبع تغییرات محصول مورد ارزیابی قرار میگیرد و مقادیر انحرافات مشخصههای کیفی آنها اندازهگیری و ثبت میشود. اندازههای مشخصههای کیفی 02 محصول مورد ارزیابی در طول 0 ایستگاه در پیوست آورده شده است. به منظور بررسی وجود توزیع نرمال از 8 آزمون کولموگروف-اسمیرنوف برای مقادیر مشخصههای کیفی بهدستآمده انجام میپذیرد که نتایج بهدستآمده از آماره آزمون و مقدار احتمال مربوطه داللت بر پیروی دادهها از توزیع نرمال دارد. همچنین نتایج ارزیابی آزمون فرض تساوی واریانس مشخصههای کلیدی کیفیت شاتون در سرتاسر فضای تغییرات ابعادی فرآیند تولید نیز داللت بر وجود تساوی در ماتریس واریانس دارد. جدول 1 نتایج مربوط به آزمون توزیع نرمال و تساوی واریانس را در سرتاسر گروهها نشان میدهد. همانطور که مشاهده مینماییم جهت آزمون 9 استفاده یکسان بودن واریانس در سرتاسر مراحل از آمارهی ل و ن میکنیم. مقدار احتمال بهدستآمده برای این آماره داللت بر یکسان بودن واریانس بین گروهها دارد. جدول) 1 (: نتایج آزمون توزیع نرمال و تساوی واریانسها مقدار معنیداری آماره کولموگروف-اسمیرنف مقدار معنیداری 1 /223 2 / 11 درجه آزادی 2 درجه آزادی 1 آماره لون 2 /222 3 37 1 / 222 در ادامه بهمنظور آزمون استقالل مشخصههای کلیدی محصول نسبت به یکدیگر قبل از مدلسازی به مقایسه میانگین آنها میپردازیم. نتایج تحلیل معنیداری مشخصههای کلیدی کیفیت محصول که در آن منابع تغییرات ابعادی بهعنوان عامل درنظرگرفته شده است عدم وجود همبستگی بین مشخصهه یا کیفی را برای سه مشخصه OP130A1 OP120A1 و OP170A1 تأیید میکند. نتایج در جدول 2 نشان داده شده است. در نتیجه این سه مشخصه در تعریف تابع تمایز معنیدار هستند. آماره الندای کوچکتر باشد تمایز منابع تغییرات بهتر است. جدول) 2 (: نتایج آزمون مقایسه میانگین مشخصهها مقدار معنیداری درجه آزادی دوم درجه آزادی اول مقدار آماره فیشر Wilks' Lamb da مشخصههای محصولی OP110A1 2 / 997 2 / 117 3 37 2 / 952 OP110A2 2 / 966 2 / 672 3 37 2 / 518 OP120A1 2 / 622 13 / 63 3 37 2 / 222 OP130A1 2 / 927 2 / 562 3 37 2 / 259 OP130A6 2 / 953 1 / 562 3 37 2 / 222 OP130A7 2 / 993 2 / 230 3 37 2 / 863 OP170A1 2 / 708 16 / 38 3 37 2 / 222 OP170A3 2 / 973 1 / 231 3 37 2 / 323 OP170A6 2 / 976 1 / 298 3 37 2 / 350 OP170A7 2 / 971 1 / 298 3 37 2 / 282 چنانچه نتایج مقایسه آزمون میانگین تغییرات ابعادی داللت بر عدم تساوی تغییرات ابعادی بین دو مرحله داشته باشد بنا بر مدل زنجیره تغییرات میتوان به کمک تابع تمایز زنجیره تغییرات فضای منابع تغییرات را برای آن دو مرحله به دو منبع تغییرات مشخصههای فرآیندی مرحله باالتر و تغییرات مشخصههای کلیدی کیفیت محصول انتقال یافته از مرحله پایینتر تفکیک نمود. دادههای مربوط به اندازهگیری تغییرات مشخصه کلیدی کیفیت مربوط به 02 قطعه کاری به عنوان دادههای یادگیری برای برازش مدل استفاده میشود. این اندازهگیریها به صورت مجزا پس از مراحل تولید انجام شده است که بهعنوان دادههای مبنای تغییرات فرآیندی هر مرحله در نظر گرفته میشود. مقدار انحرافات مشخصههای محصولی برای اولین بردار برابر با مقدار صفر لحاظ میشود. نحوه تشخیص معیوب بودن قطعه نهایی به این صورت است که در صورت خارج بودن اندازه مشخصهی کیفی آن از حدود تعیین شده توسط واحد طراحی آن قطعه بهعنوان قطعه معیوب شناخته میشود. برای دادههای یادگیری خارج شدن از حدود مشخصههای فنی پس از هر مرحله از فرآیند تولید توسط کمیته بازنگری بررسی میشود. همچنین برای دادههای تست معیوب بودن قطعه در ایستگاه نهایی فرآیند تولید تعیین میشود. با تصویب مشخصه OP120A در کمیته کیفیت سوراخ کوچک محصول شاتون بهعنوان مشخصه کلیدی کیفیت محصول در نظر گرفته میشود. در این مرحله به اندازهگیری بردار انحرافات ابعادی این مشخصه در چهار ایستگاه ماشینکاری میپردازیم و زنجیره تغییرات را مدلسازی مینماییم. در هر ایستگاه قطعه توسط فیکسچر روی دستگاه ماشینکاری نصب شده و سپس ماشینکاری میشود. بهمنظور فیکس شدن قطعه در ایستگاه ماشینکاری قطعه کاری بر روی یک مکعب که توسط فیکسچر در جای خود ثابت شده است نصب میشود. طرح فیکسچر استفاده شده در این مطالعه موردی که برای ثابت نگه داشتن قطعه کاری به کار میرود طرح فیکسچر 3-1-2 است. مکان و موقعیت اسمی این مشخصه نسبت به مختصات

نشریه پژوهشهای مهندسی صنایع در سیستمهای تولید/ سال پنجم/ شماره دهم/ بهار و تابستان 9316 07 نام مرجع در جدول 3 نشان داده شده است. کلیه فاصلهها در این مطالعه موردی بر حسب واحد صدم میلیمتر و زاویهها نیز بر حسب واحد رادیان هستند. مشخصه سوراخ کوچک جدول )9(: موقعیت اسمی مشخصه متصل به فیکسچر حد مشخصه فنی 21 /80~ 21 / 89 مختصات فاصلهای [122, 98, 168] مختصات زاویهای [2, 2, 2] مبدأ مختصات فاصلهای مبدأ محورهای مختصات است. تقاطع خط مرکزی سوراخ کوچک و صفحه باالیی مکعب فیکسچر به عنوان مرجع مختصات فاصلهای در اندازهگیری انحرافات ابعادی در نظر گرفته میشود. با تعیین مختصات اسمی نقاط فیکسچر و همچنین مختصات مرجع مشخصه کلیدی محصول مدل زنجیره تغییرات را از ترکیب خطای فیکسچر و خطای ناشی از اتصال به مشخصه دست به آورد که برای آن انحرافات مشخصه کلیدی از اندازهگیری انحراف مشخصه در سه جهت فاصلهای و سه جهت زاویهای به شرح بردار انحرافات با شش مؤلفه انجام میپذیرد که در شکل 0 نمایشی از محصول انحراف یافته شاتون را نسبت به موقعیت اسمی خود نشان داده شده است. شکل )4(: انحراف محصول نسبت به موقعیت اسمی در این مطالعه بردار انحرافات در راستای محور افقی یعنی δx در نظر گرفته میشود که برای 02 محصول در چهار ایستگاه ماشینکاری اندازهگیری شده است. ابتدا جهت معنیداری انحرافات ایستگاهها میانگین انحرافات آنها را آزمون مینماییم. نتایج آزمون t وجود تغییرات ابعادی با هدف انحراف از صفر در چهار مرحله از فرآیند تولید شاتون به شرح 0 است. جدول) 4 (: نتایج آزمون t انحرافات ایستگاهها ایستگاه t df Sig. (2-tailed) 1-3/ 086 9 2 / 226 2 0 / 935 9 2 / 221 3 01 / 209 9 2 / 222 0 36 / 222 9 2 / 222 در نتیجه انحرافات چهار ایستگاه ماشینکاری از لحاظ آماری معنیدار است. با توجه به مدل بحث شده در بخش قبل تغییرات ابعادی مشخصههای کلیدی کیفیت در هر مرحله میتواند به دو بخش تقسیم شود تغییرات مربوط به همان مرحله و تغییرات انتقال یافته از مرحله قبل. لذا به منظور پیدایش منبع اصلی تغییرات به مقایسه میانگین تغییرات ابعادی مربوط به انحرافات مشاهده شده در مرحلهی چهارم و مراحل قبل از آن میپردازیم. چنانچه تغییرات ابعادی مشخصههای کلیدی کیفیت محصول در مرحلهی چهارم و مرحلهی قبل از آن برابر باشند بیانگر عدم وجود تغییرات فرآیندی در مرحلهی چهارم است. درنتیجه به انجام آزمون مقایسه میانگین تغییرات ابعادی بین مراحل سوم و دوم و در صورت کسب نتیجه تساوی تغییرات ابعادی وجود تغییرات فرآیندی را بین مراحل دوم و اول بررسی میکنیم. در صورت معنیداری این آزمون در هر مرحله با تعیین تابع تمایز زنجیره تغییرات فضای منابع تغییرات ایستگاه j ام به دو منبع تغییرات فرآیندی ایستگاه j و تغییرات مشخصههای کلیدی محصول در ایستگاه 1-j تقسیم میشود. نتایج مقایسه انحرافات بین مراحل در جدول 5 نشان داده شده است. جدول )1(: نتایج آزمون فرض مقایسه تغییرات ابعادی t df ایستگاهها Sig. (2-tailed) - 5/ 693 18 2 / 221 اول و دوم - 1/ 21 18 2 / 202 دوم و سوم - 2/ 629 18 2 / 076 سوم و چهارم نتایج آزمون در این مطالعه موردی داللت بر وجود تفاوت معنیدار بین مراحل اول و دوم دارد. در نتیجه با برآورد تابع تمایز از روی مشخصههای کیفی مربوط به این دو مرحله زمینه را برای تخصیص بردار انحرافات مشاهده شده فراهم مینماییم. همانطور که از نتایج بهدستآمده در جدول 5 مشخص است مقدار احتمال برای آزمون اول معنیدار است و داللت بر وجود تفاوت معنیدار بین 11 میانگین تغییرات مرحله اول و دوم دارد. شکل 5 نمودار محیطی )کانتور پالت( را برای 02 داده بهدستآمده از دو مشخصه کیفی معنیدار OP120A و OP130A نشان میدهد. محور سوم در نمودار کانتور بیانگر منابع تغییرات است. OP130A 136.10 136.05 136.00 135.95 135.90 Contour Plot of Stages vs OP130A, OP120A 19.48 19.50 19.52 19.54 OP120A 19.56 19.58 Stages < 1 1-2 > 2 شکل )1(: نمودار کانتور منابع تغییرات اول و دوم نواحی سایه تیره نمایش داده شده در نمودار کانتور آن قسمتی از فضای تغییرات مربوط به دو مشخصه را نشان میدهد که به منابع تغییرات سوم یا چهارم تعلق دارند. نواحی سایه روش نیز

06 آزمون زنجیره تغییرات مشخصههای کلیدی کیفیت به منظور تشخیص منبع بروز خطا در فرآیندهای تولیدی چندمرحلهای تغییرات مدل نشده مربوط به اغتشاشات است و نواحی نشان داده شده با سایه متوسط فضای تغییرات مربوط به دو مشخصهی کیفی محصول شاتون را که به منابع تغییرات اول و دوم تعلق دارند را مشخص مینماید. همانطور که از وسعت این ناحیه مشخص است این تغییرات قابلمالحظه میباشند و تراکم آن برای مشخصه محصولی OP120A در بازه )2/19575 و 2/19502( میلیمتر و برای مشخصه محصولی OP130A در بازه )2/13725 و 2/13595( قرار دارد. بنابراین کافی است با یک تابع تمایز فضای منابع تغییرات را در بین دو ناحیه متناظر با منبع تغییرات گروه اول و دوم تفکیک نموده و سپس بردار انحرافات مشاهده شده را به منبع تغییرات متناظر تخصیص دهیم. در نتیجه یکی از دو مرحله اول و دوم به عنوان منبع تغییرات بردار انحرافات تعیین میشود. در تحلیل تمایز چندگروهی حداکثر تعداد توابع تمایز برابر است با p} M = Min{g 1, که در آن g تعداد گروهها و p تعداد متغیرها را نشان میدهد. ازآنجاییکه در این مطالعه چهار گروه و یک مشخصه کلیدی کیفیت داریم در نتیجه با تعیین یک تابع تمایز میتوان فضای منابع تغییرات ایستگاه jام را که روند تغییرات برای ایستگاههای پس از آن ثابت است به دو ناحیه دوبهدو ناسازگار متناظر با ایستگاه دوم و ایستگاه اول تقسیم نمود. بدینترتیب هر بردار انحرافات توسط این تابع تمایز کننده به یکی از این دو ناحیه تعلق پیدا خواهد نمود. حال به برآورد تابع تمایز میپردازیم. ضرایب استانداردشدهی تابع متمایزکننده دو منبع تغییرات مربوط به گروه اول و گروه دوم که به ترتیب بیانگر تغییرات مشخصههای فرآیندی و تغییرات مشخصههای کلیدی کیفیت انتقال یافته از مرحله قبل میباشند با استفاده از انحرافات بهدستآمده از مشخصه کیفی δx در دو ایستگاه مربوطه به شرح جدول 7 برآورد میشوند. جدول )1(: برآورد تابع تمایز برای دو مرحله z 11 = 2/819 2 / 152 δx ضرایب تابع تمایزخطی فیشر تابع تمایز خطی فیشر z 1j = w 1j δx 2 وj=1 مشخصه محصولی δx z 12 = 2/866 + 2/737δx بهمنظور بررسی معنیداری تابع تمایز برآورد شده آزمون تابع تمایز انجام میشود. با توجه به نتایج نشان داده شده در جدول 6 میتوان گفت که تغییرات ابعادی فرآیند تولید به کمک تابع تمایز بین دو گروه تفکیکپذیر است. جدول )7(: آزمون تابع تمایز Box s M sig. Wilks' Lambda Chisquare Eigen value Sig. 2/137 2 / 309 18 / 018 1 / 875 2 / 221 همچنین مقدار آماره الندای ویلکس در آزمون معنیداری تابع تمایز مدل را تأیید مینماید و بیان میدارد که نتایج دستهبندی و تفکیک منابع تغییرات مطلوب است. از آنجایی که برازش مدل زنجیره تغییرات و ضرایب تابع تمایز بر حسب 02 مشاهده اول بهدستآمده است جهت تخصیص بردار انحرافات مشخصههای کیفی محصول یک شاتون خارج از حدود مشخصههای فنی در انتهای خط تولید انتخاب و انحرافات ابعادی آن توسط ساعت داخل سنج اندازهگیری میشود. بردار انحرافات اندازهگیری شده توسط تابع تمایز به مدل تخصیص داده میشود که نتیجه آن تخصیص بردار مشاهدات با احتمال 2/88 به منبع تغییرات دوم است. در نتیجه انحرافات مشاهده شده در شاتون مربوط به منبع تغییرات فرآیندی مرحله دوم ماشینکاری است که تا مرحله چهارم نیز در فرآیند باقیمانده است. بهمنظور اعتبار سنجی رویکرد ارائه شده بهطور عمدی به اندازه 2/7 میلیمتر در فیکسچر متعلق به مرحله دوم ماشینکاری انحراف ایجاد نموده [12] و انحرافات حاصل از این خطا را برای 12 محصول پس از ایستگاه دوم ماشینکاری مطابق با مدلسازی زنجیره تغییرات به دست میآوریم. سپس تابع تمایز را بهمنظور تفکیک منابع تغییرات مرحله اول و دوم برآورد نموده و تخصیص را برای بردار انحرافات مشاهده شده برای یک محصول خارج از حدود مشخصههای فنی در انتهای خط انجام میدهیم. این بار نیز بردار انحرافات مشاهده شده با احتمال 2/95 به منبع تغییرات دوم تخصیص داده میشود. نتایج اعتبارسنجی برای مشاهده عمدی در مقایسه با مشاهده آتی به همراه نمره تمایز شماره منبع تغییرات پیشبینیشده و احتمال عضویت در منبع تغییرات در جدول 8 نشان داده شده است. نمره تمایز احتمال عضویت منبع تغییرات جدول )8(: نتایج اعتبارسنجی پیشبینی عضویت منبع تغییرات مقدار مشاهده مشاهده 2 / 883 2 / 669 ایستگاه # 2 16 5 / آتی 2 / 951 1 / 106 ایستگاه # 2 38 7 / عمدی حال مطالعات شبیهسازی را بهمنظور نشان دادن عملکرد روش پیشنهادی در تشخیص ایستگاه بدینصورت توسعه میدهیم. ابتدا به منظور ایجاد عامل انحراف تغییرات ابعادی را در سه اندازه 2/3 میلیمتر )کوچک( 2/7 میلیمتر)متوسط( و 2/9 میلیمتر )بزرگ( در فیکسچر متعلق به مرحله دوم ماشینکاری درنظرگرفته و بردار انحرافات حاصل از مدلسازی انتشار تغییرات در انتهای خط را به تفکیک برای هر یک از اندازهها شبیهسازی میکنیم. سپس با انجام آزمون مقایسه میانگین تغییرات ابعادی بین مراحل و برآورد تابع تمایز بردار انحرافات به مدل تخصیص داده میشود. نتایج این شبیهسازی که شامل ایستگاههای منبع بروز خطا به همراه درصد تشخیص آنها بعد از 12222 بار تکرار است به تفکیک برای هر اندازه از تغییرات ابعادی در جدول 9 گزارش دادهشده است. همانطور که نتایج شبیهسازی نشان میدهد ایستگاه دوم با درصد تشخیص قابلمالحظهای به عنوان ایستگاه منبع بروز خطا تشخیص دادهشده است و با افزایش مقدار انحراف درصد تشخیص نیز قویتر شده است. در نتیجه رویکرد معرفی شده در تشخیص منبع واقعی تغییرات و تخصیص بردار انحرافات به آن موفق عمل

نشریه پژوهشهای مهندسی صنایع در سیستمهای تولید/ سال پنجم/ شماره دهم/ بهار و تابستان 9316 00 خواهد نمود. بدین ترتیب میتوان از این رویکرد در تشخیص منبع تغییرات خط تولید چند مرحلهای شاتون استفاده نمود و با تشخیص منابع تغییرات فرآیندی و رفع علل بروز تغییر کیفیت محصول را ارتقا بخشید. کمیته کیفیت جهت رفع این منبع تغییرات به تخصیص هزینه کیفیت جهت تعویض ابزار برش و فیکسچر به کار رفته در مرحله دوم ماشینکاری نموده است. بدین ترتیب با استفاده از متدلوژی زنجیره تغییرات میتوان انتشار تغییرات ابعادی مشخصهای کیفی را در طول مراحل فرآیند ماشینکاری و مونتاژ شاتون پراید نشان داد. از آنجایی که تولیدات شرکت نصیرکیانگ در بین تأمینکنندگان سایپا از کیفیت باالتری برخوردار است و هدف این شرکت باال بردن راندمان تولید رضایت مشتری و کاهش تغییرات ابعادی تا حد امکان است تفکیک منابع تغییرات ابعادی فرآیند تولید محصول شاتون بر پایه متدلوژی زنجیره تغییرات و تحلیل تمایز گروهی در دستور کار مدیریت کیفیت قرار دارد مقدار انحراف ایستگاه تولید درصد تشخیص مقدار انحراف ایستگاه تولید درصد تشخیص مقدار انحراف ایستگاه تولید درصد تشخیص جدول )3(: نتایج شبیهسازی #0 %5 #0 %3 #0 %2 #3 %13 #3 %7 #3 %5 δx = 2 / 3 δx = 2/7 δx = 2 / 9 #2 %61 #2 %80 #2 %89 #1 %11 #1 %6 #1 %0 1- نتایج در این مطالعه روشی پیشنهاد شد که در آن با تعریف تابع تمایز زنجیره تغییرات میتوان فضای تغییرات فرآیند تولید را تفکیک نمود و سپس منابع تغییرات مشخصههای کلیدی کیفیت محصول را شناسایی نمود. همچنین برای ارزیابی و اعتبار روش پیشنهادی در مطالعات میدانی مطالعه موردی در خصوص فرآیند ماشینکاری و مونتاژ محصول شاتون تولیدی شرکت نصیرکیانگ صورت پذیرفت و نتایج عددی نرمافزارهای بهدستآمده و SPSS از تحلیل و MINITAB مدلسازی با استفاده از انجام شده است. از دیدگاه آکادمیک نتایج این تحقیق میتواند مرجع مناسبی برای محققان از جمله دانشجویان و اساتید عالقمند به پایش تغییرات در فرآیندهای تولیدی چندمرحلهای باشد. از دیدگاه کاربردی نیز مدل و شاخص ارائه شده در این تحقیق میتواند مورد استفاده شرکتهایی با فرآیندهای تولیدی چندمرحلهای بهخصوص کارخانجات صنعتی با فرآیندهای تولیدی چندگانه قرار گیرد بهطوریکه با تأمین دادههای مورد نیاز برای مدلسازی و بهکارگیری آنها بتوانند موجبات افزایش کیفیت و رضایت مشتری و همچنین کاهش ضایعات دوباره کاریها و هزینههای کیفیت را فراهم سازند. مطالعه پیشنهادشده در این ادامه این تحقیق تعیین یک استراتژی خاص به کمک مدلهای سری زمانی برای شناسایی و پیشبینی روند تغییرات آینده یک سیستم تولیدی چندمرحلهای است. مراجع [1] Apley, DW., Shi, J., (2001). Factor-analysis method for diagnosing variability in multivariate manufacturing processes, Technometrics, 43(1): 84-95. [2] Huang, Q., Zhou, N., Shi, J., (2000). Stream of variation modeling and diagnosis of multi-station machining processes, Paper presented at the Proceedings of the ASME International Mechanical Engineering Congress & Exposition, Orlando, FL. [3] Huang, Q., Zhou, S., Shi, J. (2002). Diagnosis of multi-operational machining processes through variation propagation analysis, Robotics and Computer-Integrated Manufacturing, 18(3-4): 233-239. [4] Huang, Q., Shi, J., (2004). Stream of variation modeling and analysis of serial-parallel multistage manufacturing systems, Journal of Manufacturing Science and Engineering, Transactions of the ASME 126(3): 611-618. [5] Huang, W., Lin, J., Kong, Z., Ceglarek, D. (2007). Stream-of-variation (SOVA) modeling - Part II: A generic 3D variation model for rigid body assembly in multistation assembly processes, Journal of Manufacturing Science and Engineering, Transactions of the ASME 129 (4): 832-842. [6] Liu, J., (2010). Variation reduction for multistage manufacturing processes: A comparison survey of statistical-process-control vs stream-of-variation methodologies, Quality and Reliability Engineering International, 26(7): 661-645. [7] Abellan-Nebot, J.V., Liu, J., Subiron, F.R., Shi, J., (2012). State Space Modeling of Variation Propagation in Multistation Machining Processes Considering Machining-Induced Variation, ASME Transactions on Manufacturing Science and Engineering, 134(2): 200-212. ]8[ کوچکزاده احمد لسانی سیدعلی فاطمی قمی سید محمدتقی )1390(. ارائه یک مدل ترکیبی برای شناسایی و تحلیل الگوهای معنیدار در نمودارهای کنترل فرآیند فصلنامه پژوهشهای مهندسی صنایع در سیستمهای تولید :)7(3.189-166 [9] Bazdar, A., Kazemzadeh, R., Niaki, S.T.A., (2015). Variation source identification of multistage manufacturing processes through discriminant analysis and stream of variation methodology: a case study in automotive industry, Journal of Engineering Research, 2(3): 1-14. [10] Bazdar, A., Kazemzadeh, R., Niaki, S.T.A. (2016). Fault diagnosis within multistage machining processes using linear discriminant analysis: A case study in automotive industry, To appear in Quality Technology & Quantitative Management.

01 آزمون زنجیره تغییرات مشخصههای کلیدی کیفیت به منظور تشخیص منبع بروز خطا در فرآیندهای تولیدی چندمرحلهای [11] Shi, J., Zhou, S., (2009). Quality control and improvement for multistage systems: A survey, IIE Transactions (Institute of Industrial Engineers), 41 (9): 744-753. [12] Shi, J., (2007). Stream of Variation Modeling and Analysis for Multistage Manufacturing Processes, CRC Press, Taylor & Francis Group. [13] Sharma, S. (1996). Applied Multivariate Techniques, John Wiley & Sons, Inc. [14] Rezaei, A., (2012). Connecting Rod, Nasir- Kyung, http://nasirkyoung.com.

نشریه پژوهشهای مهندسی صنایع در سیستمهای تولید/ سال پنجم/ شماره دهم/ بهار و تابستان 9316 01 پیوست op110a1 op110a2 op120a1 op130a1 op130a6 op130a7 op170a1 op170a3 op170a6 op170a7 Stage 2198985 229902 1995217 1359917 7592121 1992620 3965026 2935851 2912320 291683 1 2198319 2192713 1995177 1379212 7592220 1992178 3960857 2908189 2907557 1999252 1 2198912 2299010 1990968 1359955 7592223 1991018 3968799 2920173 2925097 198678 1 2198387 2299023 1995263 1359960 7099669 1899722 3965012 2962228 2915767 1998512 1 2198377 2299271 1995611 1359980 7592228 1899793 3962585 2927352 2921150 1991580 1 2199250 2299069 1995272 135998 7592277 1992326 3969688 2967998 2926219 2925569 1 2198051 2299095 1995722 1359935 7592153 1992261 3965627 2915223 2935710 2912262 1 2198950 2192727 1990975 1359888 7592225 1899291 3963763 291651 2935133 1987012 1 2198958 2192781 1990739 1379222 7592100 199226 3962235 2926327 2922863 2917122 1 2198368 2299061 1995550 1379206 7099953 1899672 3970687 1983017 2928502 1967559 1 2198717 2299570 1995595 1359913 7592238 1995313 3960035 2952251 2926523 2922933 2 2198666 2299897 1995538 1379205 7592233 1991175 3966561 2933929 2921875 2912371 2 2198881 2299726 1995593 1359905 7592239 1898929 3969119 2952232 2931610 1989920 2 2198560 2299358 1995579 1359968 7099727 1993629 396015 1999268 2923226 2926161 2 2198299 2192271 1995539 1379282 7592279 1899398 3978625 2936766 292303 1992222 2 2199222 2299307 1995503 1359979 7099881 1896899 3968253 2918075 2931261 2925626 2 2198918 2299039 1995598 137923 7099996 1992128 3963178 2920919 2917682 2928786 2 2198611 2299935 1995582 1359930 7099858 1991926 3963255 2911637 2935860 1995726 2 2198633 2299283 1995508 1359966 7592296 199189 3965712 2915010 29363 292572 2 2198753 2192203 1995592 1359987 7099901 1992567 3961578 2912938 2923801 1998550 2 2198806 2192118 1995052 1359915 7099602 1992718 3979959 2907665 2923963 1997731 3 2198076 2192187 199529 1359928 7099399 199203 3963632 2903793 2937586 1998622 3 2198618 2299739 1995226 1359929 7592382 1992370 3962193 2951657 2901373 2923091 3 2198885 2299380 1995230 1359931 709966 1992018 3969212 2937973 2932332 1999551 3 2198686 2299330 1995325 1379258 7099581 199239 3979907 2936621 2922096 1968100 3 2199220 2299810 199528 1379258 7099580 1992056 396210 2929973 2902067 1995627 3 2198028 2192252 1990965 1359930 7099538 1896893 3961086 2937608 2915607 1986155 3 2198790 2299705 1990850 1379271 7099036 1896329 397655 2950193 2922871 2925711 3 21988 2299890 1990696 1359903 759203 1896326 3972685 198117 2926217 199723 3 2198921 2299181 1990865 1359922 709958 1993116 3963192 2938572 2919322 1989598 3 2198996 229962 1990808 1379223 7592220 1895235 3959228 292222 2912023 2901319 0 2198631 2192013 1995236 1379221 7592210 1992023 3977935 2963320 291925 1982866 0 2198703 2299910 1995782 1379212 7592208 1992621 3983376 2962209 2952776 1965020 0 2198507 2299623 1990850 1379228 7099856 1896820 3970125 2923090 2977029 290127 0 2198779 2299271 1995100 135997 7592172 1992659 3959750 2979220 2925688 2939051 0 2198652 2299669 1990951 1359908 7592228 1897225 3971291 1991121 2920233 2933360 0 2198017 2299695 1990905 135997 7099900 1992785 3959339 2922227 2950901 1959232 0 2198821 2192127 1995235 1359989 7592137 1991726 3957952 2921720 292727 2932821 0 2198528 2192181 1995386 137920 7592122 1896531 3972760 2972231 2952691 1982829 0 2198522 2299561 1995021 1379261 709999 1992269 3958697 2923056 2912997 1965603 0

IERPS Journal of Industrial Engineering Research in Production Systems ISSN: 2345-2269 Journal of Industrial Engineering Research in Production Systems Spring and Summer 2017 Volume 5. No. 10. pp.69-81 www.ier.basu.ac.ir DOI: 10.22084/ier.2017.10192.1478 Stream of Variation Testing in order to Fault Diagnostic of Multistage Manufacturing Processes A.A. Bazdar 1,*, K. Chalaki 2 1 Department of Industrial Engineering, Golpayegan University of Engineering, Isfahan, Iran. 2 Department of Industrial Engineering, Islamic Azad University, Sanandaj Branch, Kurdistan, Iran. A R T I C L E I N F O A B S T R A C T Article history: Received 22 April 2016 Accepted 23 April 2017 Keywords: Multistage manufacturing processes Quality characteristics Discriminant analysis Stream of variation One of the most popular problems in quality improvement of multistage manufacturing processes is the variation of quality characteristics. Stream of variation methodology models variation propagation of dimensional deviation that comes from key quality characteristics. This research describes new procedure for source of variation identification in variation propagation modeling. At the firs, discriminant function used to separate variations and then future deviations assign to model but detected source may not be real source. In order to find real source, stream of variation testing is used. The applicability and performance of source of variation identification investigate with an illustrative case study in connecting rod production line. * Corresponding author. Ali-Asghar Bazdar Tel.: 031-57240065; E-mail address: bazdar@gut.ac.ir