Selecting the optimum process parameter level setting for multi-quality processes is cumbersome. Robust parameter designs procedure that utilizes different strategies for improving performance/productivity during product and process design so that quality response can be obtained efficiently and optimally. An inevitable problem that is associated with the product and process design is in appropriating process variables that will yield optimal response. The complexity of the problem is peculiar with multiple response experiments (processes) where different factor level combinations yield varying responses. Previous methods are plagued with complex computational search, unrealistic assumptions, ignoring the interrelationship between responses and failure to select optimum process parameter level setting. This thesis proposes the implementation of modified variable return to scale (VRS) data envelopment analysis in the Robust Parameter Design (RPD) procedures to estimate and optimize responses of all non-dominated (significant) factors level combinations in multi-response experiments. This study also enhances the discriminatory tendency of the model by imposing VRS partitioning within the model.
The model is conducted in a manner that with an adequate BPNN topology, experiment with incomplete, missing or censored data whenever encountered, could be investigated. Here, standard DEA modes are allowed to self-assess, the upper bound is restricted and the VRS penalization coefficient is adopted to determine the optimum process parameter level setting. The proposed procedures are applied to seven different case studies and the results were compared with existing methods of principal component analysis (PCA), DEA based ranking approach (DEAR), genetic
algorithm (GA), grey relational analysis (GRA) and benevolent formulation (BF). The effectiveness of the proposed model measured by the total anticipated improvement yielded the highest total improvement over the existing methods. In overall, many inefficient DMUs that would have been promoted as efficient by the standard DEA models were revealed. The discriminative tendency further gives insight to DMUs that are within the convex set of the factor level settings and those that are not, thereby making the computation search for the optimal easy and simple.
ÖZ:
Çok kaliteli işlemler için optimum işlem parametre seviyesi ayarının seçilmesi zahmetlidir. Ürün ve süreç tasarımı sırasında performans / üretkenliği arttırmak için farklı stratejilerden yararlanan sağlam parametre tasarımları prosedürü, böylece kalite yanıtının verimli ve optimal bir şekilde elde edilebilmesi için. Ürün ve süreç tasarımı ile ilişkilendirilen kaçınılmaz bir sorun, optimal yanıtı sağlayacak süreç değişkenlerini kullanmaktır. Problemin karmaşıklığı, farklı faktör seviyesi kombinasyonlarının değişken tepkiler verdiği çoklu cevap deneyleri (süreçleri) ile özeldir. Önceki yöntemler, karmaşık hesaplamalı arama, gerçekçi olmayan varsayımlar, yanıtlar arasındaki ilişkiyi görmezden gelmek ve optimum işlem parametresi seviyesi ayarını seçememekle boğuşmaktadır. Bu tez, çoklu yanıt deneylerinde, baskın olmayan (önemli) faktörler düzeyindeki tüm kombinasyonların yanıtlarını tahmin etmek ve optimize etmek için Sağlam Parametre Tasarımı (RPD) prosedürlerinde, ölçek değiştirmeli (VRS) veri zarflama analizine modifiye değişken getirisinin uygulanmasını önermektedir. Bu çalışma aynı zamanda modelde VRS bölümlendirmesi uygulayarak güçlü parametre prosedüründe modifiye değişken dönüş ölçeğine (VRS) modelin ayrımcı eğilimlerini de arttırmaktadır.
Model, yeterli bir BPNN topolojisi ile, karşılaşılan eksik, eksik veya sansürlenmiş verilerle deneylerin araştırılabileceği bir şekilde gerçekleştirilmiştir. Burada, standart DEA modlarının kendi kendini değerlendirmelerine izin verilir, üst sınır kısıtlanır ve optimum işlem parametre seviyesi ayarını belirlemek için VRS cezalandırma katsayısı benimsenir. Önerilen prosedürler literatürden yedi (7) farklı vaka çalışmasına uygulanmış ve sonuçlar, temel bileşen analizi (PCA), DEA tabanlı
sıralama yaklaşımı (DEAR), genetik algoritma (GA), gri ilişkisel analiz (GRA) ile karşılaştırılmıştır. ) ve yardımsever formülasyon (BF). Önerilen modelin beklenen toplam iyileşme ile ölçülen etkinliği, mevcut yöntemler üzerinde en yüksek toplam iyileşme sağlamıştır. Genel olarak, standart DEA modelleri tarafından verimli olarak tanıtılacak çok sayıda verimsiz DMU ortaya çıkar. Daha da ilginç olarak, faktör seviyesi ayarlarının dışbükey kümesi içinde bulunan ve aramada dikkate alınmaması gereken DMU'lara içgörü sağlayan ayırt edici eğilim, hesaplama raporunu diğer rapor edilen yöntemlere kıyasla kolay ve basit hale getirmektedir.
