A STUDY ON THE COMPARISION BETWEEN FUZZY CONTROL CHARTS AND TRADITIONAL CONTROL CHARTS

Year 2018, Volume: 3 Issue: 2, 150 - 173, 28.12.2018

Hakan Yıldırım , Hakan Aydoğan Sami Özcan , Serkan Eti

https://doi.org/10.23892/JRB.2019.27

Cited By: 2

Abstract

It
is crucial that the gaining continuity of quality that has become increasingly
important especially after the Second World War and has become an indispensable
concept for both firms and consumers since the late nineteenth century. To
ensure this continuity, enterprises in manufacturing and in the service sector
are in an effort to periodically check the quality characteristics of their
products or services. Moreover, as well as traditional control charts that are
still widely used in quality control, the use of control charts based on fuzzy
logic theory has become widespread in the field of ​​quality control in recent
years. In this paper, it is aimed to compare traditional p-control charts with
fuzzy control charts for making more accurate decisions and quality control
measurements in businesses. For this purpose, by using the assumption that
binomial distribution conforms to the collected data for p-control charts, the
data is derived by simulation technique and analyzes are performed. As a result
of the analysis, it is seen that the data in the traditional p-control charts
that are out of the control limits are under control in the fuzzy control
charts. Additionally, the fuzzy control charts have made it possible to make
more precise measurements and to eliminate the firms from unnecessary process
improvement costs.

Keywords

: Fuzzy Control Charts, p-Charts, Statistical Process Control

FAZİ KONTROL GRAFİKLERİ İLE KLASİK KONTROL GRAFİKLERİNİN KARŞILAŞTIRILMASI ÜZERİNE BİR DENEME

Abstract

İkinci
Dünya Savaşı sonrasında önemi gittikçe artan ve 19. Yüzyılın sonlarından
itibaren hem işletmeler hem de tüketiciler açısından vazgeçilmez bir kavram
haline gelen kalitenin süreklilik kazanması için işletmeler gerek üretim
gerekse hizmet sektöründe olsun ürettikleri ürün veya hizmetlere ait kalite
karakteristiklerini periyodik olarak kontrol etme çabası içerisindedir.
Kalitenin kontrol edilmesinde halen daha yaygın bir şekilde kullanılan klasik
kontrol grafiklerinin yanı sıra son zamanlarda birçok alanda olduğu gibi kalite
kontrol alanında da fuzzy (fazi[1])
mantık teorisi temelli kontrol grafiklerinin kullanımı da yaygınlaşmaya
başlamıştır. Bu çalışmada, kalite konusunda işletmeler için daha hassas kalite
kontrol ölçümleri yapabilmeleri ve bununla birlikte işletmelerin daha doğru
kararlar alabilmelerini sağlayabilmek üzere klasik p-kontrol grafikleri ile
fazi kontrol grafiklerinin karşılaştırılması amaçlanmıştır. Bu amaç
doğrultusunda p kontrol grafikleri için toplanan verilerin binom dağılıma uyma
varsayımı dikkate alınarak simülasyon tekniği ile veriler türetilmiş ve
analizler gerçekleştirilmiştir. Analizler sonucunda klasik p kontrol
grafiklerinde kontrol sınırları dışında çıkan verilerin fazi kontrol
grafiklerinde kontrol altında olduğu görülmüştür. Bununla birlikte fazi kontrol
grafiklerinin daha hassas ölçümler yaparak işletmeleri gereksiz süreç
iyileştirme maliyetlerinden kurtarabildiği sonucuna ulaşılmıştır.

---

[1] Armutlulu
(2014: 22) yılındaki yayınlamış olduğu “Belirsizlik ve Fazi Aritmetiği Sosyal
Bilimlerin Dili” adlı kitabında L.A. Zadeh’in “Fuzzy” kavramı için vermiş
olduğu katkı ve bu katkıya duymuş olduğu saygının yanı sıra kavramın Türkçe
literatürdeki “bulanık” ifadesinin “Fuzzy” kavramını tam karşılamadığını
düşünmesinden dolayı “Fuzzy” kavramı için “Fazi” ifadesini kullanmıştır. Bu
nedenle çalışma da “Fuzzy” kavramı “Fazi” ifadesi kullanılarak ele alınacaktır.

Keywords

Fazi Kontrol Grafikleri, p-Grafikleri, istatistiksel süreç kontrolü

References

• Amirzadeh, V., Mashinchi, M. ve Parchami, A. (2009). Construction of P-Charts Using Degree of Nonconformity. Information Sciences: 179, 150–160.Armutlulu, İ. H. (2014). Belirsizlik ve Fazi Aritmetiği Sosyal Bilimlerin Dili. İstanbul: Alfa Yayınları.Aslangiray, A. ve Akyüz, G. (2014). Bulanık Kontrol Grafikleri: Tekstil Firmasında Bir Uygulama. İstanbul Üniversitesi İşletme Fakültesi Dergisi: 1 (43), 70–89.Atanassov, K., Szmidt, E. ve Kacprzyk, J. (2010). On Some Ways of Determining Membership And Non-Membership Functions Characterizing Intuitionistic Fuzzy Sets. Sixth International Workshop on IFSs, Slovakia, 10 Oct. 2010, 4, 26-30.Cheng, C. B. (2005). Fuzzy Process Control: Construction of Control Charts With Fuzzy Numbers. Fuzzy Sets And Systems: 154, 287–303.Çolak, T. ve Akdeniz, F. (2008). Elyaf İşletmelerinde İstatistiksel Süreç Kontrolünün Uygulanması. Çukurova Üniversitesi Fen Bilimleri Enstitüsü Dergisi: 5 (17), 86–94.Faraz, A., ve Shapiro, A. F. (2010). An Application of Fuzzy Random Variables To Control Charts. Fuzzy Sets and Systems: 161, 2684–2694.Fernandez, M. N. P. (2017). Fuzzy Theory and Quality Control Charts. 2017 IEEE International Conference on Fuzzy Systems (FUZZ-IEEE)-Proceedings: 09 – 12 July, Naples-Italy, 1–6.Grzegorzewski, P., ve Hryniewicz, O., (2000), Soft Methods in Statistical Quality Control. Control Cybernet: 29, 119–140.Gülbay, M. ve Kahraman, C. (2007). An Alternative Approach to Fuzzy Control Charts: Direct Fuzzy Approach. Information Sciences: 177, 1463-1480.Gülbay, M., Kahraman, C ve Ruan, D. (2004). Α-Cuts Fuzzy Control Charts For Linguistic Data. International Journal of Intelligent Systems: 19, 1173–1195.Işığıçok, E. (2012). Toplam Kalite Yönetimi Bakış Açısıyla İstatistiksel Kalite Kontrol. Bursa: Ezgi Kitabevi Yayınları.Kanagawa, A., Tamaki, F., ve Ohta, H. (1993). Control Charts For Process Average and Variability Based On Linguistic Data. International Journal of Production Research: 31(4), 913–922.Montgomery, D.C. (1996). Introduction to Statistical Quality Control. Canada: John Wiley & Sons Inc,Rowlands, H., ve Wang, L. R. (2000). An Approach of Fuzzy Logic Evaluation And Control in SPC. Quality And Reliabılıty Engineering International: 16, 91–98.Shu, M-H., Dang, D-C., Nguyen, T-L, Hsu, B-M ve Phan, N-S. (2017). Fuzzy "X" ̅ and S Control Charts: A data-Adaptability and Human-Acceptance Approach. Complexity: 2017, 1–17.Sorooshian, S. (2013). Fuzzy Approach to Statistical Control Charts. Journal of Applied Mathematics: 2013, 1–6.Şenol, Ş. (2012). İstatistiksel Kalite Kontrol. Ankara: Nobel Akademik Yayıncılık.Taleb H ve Limam M (2002). On Fuzzy and Probabilistic Control Charts. International Journal of Production Research: 40(12), 2849–2863.Vonderembse, M. A. ve White, G. P. (1996). Operations Management Concepts, Methods And Strategies. St Paul: West Publishing Company.Wang, J.H ve Raz, T. (1990). On The Construction of Control Charts Using Linguistic Variables. International Journal of Production Research: 28(3), 477–487.