Fuzzy process capability analyses for non-normal processes

ÖZETNORMAL OLMAYAN SÜREÇLER İÇİN BULANIK SÜREÇ YETERLİLİK ANALİZLERİ Süreç yeterliliği, üretim sürecinin kalitesini geliştirerek verimliliği sağlamak için yaygın olarak kullanılan önemli bir ölçüdür. Süreç yeterlilik analizi (SYA), kalite kontrol alanında endüstriyel süreçlerin performans takibi için yaygın olarak kullanılmaktadır. Endüstriyel süreçlerin değişkenliğinin takibi, tahmini ve azaltılması SYA’nin amacıdır. SYA, müşteriler ve tedarikçiler için ürün kalitesinin standardını sağlamakta ve süreç yeterlilik indekslerini (SYİ’lerini) kullanarak, süreç çıktısı ve spesifikasyon limitleri arasında karşılaştırma yapmaktadır. Standart SYİ’leri normal dağılan sürecin sadece ortalamasını ve standart sapmasını kullanmaktadır. Fakat, endüstriyel uygulamalarda, normal dağılmayan süreç olabilmektedir. Normal dağılmayan süreç için sürecin performansını yansıtmada ortalama ve standart sapma yeterli ve uygun değildir. Aynı ortalama ve standart sapmaya sahip farklı normal dağılmayan süreçler, aynı süreç yeterlilik çıktısı, fakat farklı kusurlu oranlarıyla sonuçlanabilmektedirler. Sürecin dağılımı normal olmadığında, geleneksel SYİ’leri güvenilir olmayan, yanıltıcı sonuçlar ve süreç yeterliliği hakkında hatalı yorumlar vermektedirler. Dolayısıyla, normal olmayan dağılım göz önünde bulundurularak analiz edilmelidirler.Bu tez çalışmasında, normal olmayan süreçler için SYA’leri detaylı olarak araştırılmakta ve incelenmektedir. Bu tez çalışmasının ana hedefi, SYA’lerinin esnekliğini, uygulanabilirliğini ve hassasiyetini kısıtlayan kesin değerli doğasının üstesinden gelmek için, normal olmayan süreçler için SYA’lerine bulanık küme teorisini entegre etmektir. Bu noktadan hareketle, normal olmayan süreçler için Clements’ yöntemi kullanılarak, tip-1 ve tip-2 bulanık standart SYİ’leri önerilmiş, ve daha sonra uygulanarak analiz edilmiş ve kesin değerli olan SYİ’leri ile karşılaştırılmaları yapılmıştır. Sonuçlar, normal olmayan endüstriyel süreçlerin performansını değerlendirmede, kesin değerli durumlara göre kıyasla, önerilen bulanık standart SYİ’lerinin, daha fazla bilgi verici, daha hassas ve esnek olduklarını göstermektedir.ABSTRACTFUZZY PROCESS CAPABILITY ANALYSES FOR NON-NORMAL PROCESSES Process capability is an important and commonly used metric for assessing productivity by improving the quality of a production process. Process capability analysis (PCA) has been widely applied in the field of quality control in order to monitor the performance of industrial processes. The purpose of the PCA is to monitor, estimate, and reduce the variability of the industrial processes. PCA provides a standard of product quality for suppliers and customers and it makes comparison between the output of a process and specification limits, by utilizing process capability indices (PCIs). Standard PCIs only use mean and standard deviation of a normally distributed process. However, in industrial practices, a process may be non-normally distributed. For a non-normally distributed process, the mean and the standard deviation are not sufficient and convenient to reflect the performance of a process. Different non-normally distributed processes having the same mean and the same standard deviation may give the same process capability output but different proportions of non-conformity. When the distribution of a process is non-normal, traditional PCIs would give unreliable, misleading results as well as erroneous or incorrect interpretations of process capability. Hence, they should be analyzed by taking into account the non-normality.In this dissertation study, PCAs for non-normal processes are investigated and examined in detail. The fundamental objective of the dissertation study is to integrate fuzzy set theory into PCAs for non-normal processes in order to overcome infirmity arisen from the sharp crisp nature that restricts flexibility, applicability and sensitivity. From this standpoint, type-1 and type-2 fuzzy Pearson-based standard PCIs for non-normal processes using Clements’ method are proposed, and then applied, analyzed, and compared with their crisp types. The results show that in comparison with the crisp cases, the proposed fuzzy standard PCIs for non-normal processes are more informative, sensitive and flexible to evaluate the process performance of the industrial processes