<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>انجمن سیستم های فازی ایران</PublisherName>
				<JournalTitle>سیستم های فازی و کاربردها</JournalTitle>
				<Issn>2717-4409</Issn>
				<Volume>4</Volume>
				<Issue>یاد بود شادروان دکتر بهرام صادقپور گیلده</Issue>
				<PubDate PubStatus="epublish">
					<Year>2021</Year>
					<Month>11</Month>
					<Day>22</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Fuzzy-based  functional process capability indices for simple linear profile</ArticleTitle>
<VernacularTitle>شاخص‌های کارایی تابعی مبتنی بر منطق فازی برای پروفایل خطی ساده</VernacularTitle>
			<FirstPage>1</FirstPage>
			<LastPage>25</LastPage>
			<ELocationID EIdType="pii">137385</ELocationID>
			
<ELocationID EIdType="doi">10.22034/jfsa.2021.137385</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>زینب</FirstName>
					<LastName>عباسی گنجی</LastName>
<Affiliation>مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی خراسان رضوی، سازمان تحقیقات، آموزش و ترویج، مشهد، ایران</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2021</Year>
					<Month>08</Month>
					<Day>21</Day>
				</PubDate>
			</History>
		<Abstract>The quality of the processes defined based on the functional relationship between the response variable and one or more independent variables is called profile. If this relationship is a linear function of an independent variable, it is called a simple linear profile. In this paper, using fuzzy logic, two functional efficiency indices are proposed for simple linear profiles, and by using simulation studies, their performance is evaluated in comparison with the existing functional indices. The results show that the new indicators perform better than the existing indicators in expressing the efficiency of the process. A real example is provided to demonstrate how to use the new indicators.</Abstract>
			<OtherAbstract Language="FA">کیفیت فرایندهایی که بر اساس رابطه تابعی بین متغیر پاسخ و یک یا چند متغیر مستقل تعریف می‌شود، پروفایل نام دارد. اگر این رابطه به‌صورت تابع خطی از یک متغیر مستقل باشد، پروفایل خطی ساده نامیده می‌شود. در این مقاله، با استفاده از منطق فازی، دو شاخص کارایی تابعی برای پروفایل‌های خطی ساده پیشنهاد می‌شود و با استفاده از مطالعات شبیه‌سازی، عملکرد آن‌ها در مقایسه با شاخص‌های تابعی موجود مورد ارزیابی قرار می‌گیرد. نتایج نشان می‌دهند که شاخص‌های جدید در بیان کارایی فرایند بهتر از شاخص‌های موجود عمل می‌کنند. برای نشان‌دادن طرز استفاده از شاخص‌های جدید، مثال واقعی ارائه می‌شود.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">شاخص‌های کارایی تابعی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">اعداد فازی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">‏پروفایل خطی ساده</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">حدود مشخصات تابعی</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://jfsa.fuzzy.ir/article_137385_691d84df04db17f4e73dc7d3ab895380.pdf</ArchiveCopySource>
</Article>

<Article>
<Journal>
				<PublisherName>انجمن سیستم های فازی ایران</PublisherName>
				<JournalTitle>سیستم های فازی و کاربردها</JournalTitle>
				<Issn>2717-4409</Issn>
				<Volume>4</Volume>
				<Issue>یاد بود شادروان دکتر بهرام صادقپور گیلده</Issue>
				<PubDate PubStatus="epublish">
					<Year>2021</Year>
					<Month>11</Month>
					<Day>22</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Risk-adjusted quality control charts based on fuzzy data</ArticleTitle>
<VernacularTitle>معرفی نمودارهای کنترلی ریسک تعدیل شده بر اساس داده‌های فازی</VernacularTitle>
			<FirstPage>27</FirstPage>
			<LastPage>48</LastPage>
			<ELocationID EIdType="pii">139403</ELocationID>
			
<ELocationID EIdType="doi">10.22034/jfsa.2021.139403</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>افسانه</FirstName>
					<LastName>رضایی فر</LastName>
<Affiliation>دانشگاه فردوسی مشهد</Affiliation>

</Author>
<Author>
					<FirstName>بهرام</FirstName>
					<LastName>صادقپور گیلده</LastName>
<Affiliation>دانشگاه فردوسی مشهد</Affiliation>

</Author>
<Author>
					<FirstName>غلامرضا</FirstName>
					<LastName>محتشمی برزادران</LastName>
<Affiliation>دانشگاه فردوسی مشهد</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2021</Year>
					<Month>07</Month>
					<Day>10</Day>
				</PubDate>
			</History>
		<Abstract>&lt;strong&gt; &lt;/strong&gt;&lt;br /&gt;The use of statistical quality control methods in various fields of medicine can play an important role in improving the quality of surgical processes. Risk-adjusted quality control charts are very effective in monitoring the performance of surgeons due to the consideration of preoperative risks of patients. Because of the ambiguity and inaccuracy of the risk and its expression in the form of low, medium, high, etc., it is necessary to consider it as a fuzzy number. In this case, special quality control charts are needed to monitor the values ​​of statistics based on fuzzy data. In this study, these quality control charts are introduced. The results will then be reviewed and compared using real data from heart surgery.</Abstract>
			<OtherAbstract Language="FA">استفاده از روش‌های کنترل کیفیت آماری در حوزه‌های مختلف پزشکی می‌تواند در بهبود کیفیت فرایندهای جراحی نقش مهمی را ایفا کند. نمودارهای کنترل کیفیت ریسک تعدیل شده به دلیل در نظر گرفتن مخاطرات قبل از عمل جراحی بیماران جهت پایش عملکرد جراحان تأثیر به سزایی دارد. به علت مبهم و نادقیق بودن ریسک و بیان آن به صورت عبارات کم، متوسط، زیاد و... لازم است که در قالب یک عدد فازی در نظر گرفته شود. در این صورت نمودارهای کنترلی خاصی برای پایش مقادیر آماره‌هایی که بر اساس داده‌های فازی ساخته شده‌اند، نیاز است. در این مطالعه این نمودارهای کنترلی معرفی می‌شوند. سپس با استفاده از داده‌های واقعی حاصل از اعمال جراحی بیماران قلبی، نتایج بررسی و مقایسه خواهند شد.&lt;br /&gt;استفاده از روش‌های کنترل کیفیت آماری در حوزه‌های مختلف پزشکی می‌تواند در بهبود کیفیت فرایندهای جراحی نقش مهمی را ایفا کند. نمودارهای کنترل کیفیت ریسک تعدیل شده به دلیل در نظر گرفتن مخاطرات قبل از عمل جراحی بیماران جهت پایش عملکرد جراحان تأثیر به سزایی دارد. به علت مبهم و نادقیق بودن ریسک و بیان آن به صورت عبارات کم، متوسط، زیاد و... لازم است که در قالب یک عدد فازی در نظر گرفته شود. در این صورت نمودارهای کنترلی خاصی برای پایش مقادیر آماره‌هایی که بر اساس داده‌های فازی ساخته شده‌اند، نیاز است. در این مطالعه این نمودارهای کنترلی معرفی می‌شوند. سپس با استفاده از داده‌های واقعی حاصل از اعمال جراحی بیماران قلبی، نتایج بررسی و مقایسه خواهند شد.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">ریسک بیماران</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">رگرسیون لجستیک فازی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">نمودار جمع تجمعی</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://jfsa.fuzzy.ir/article_139403_59f0f8e1a44506c21f5b40549d4987ff.pdf</ArchiveCopySource>
</Article>

<Article>
<Journal>
				<PublisherName>انجمن سیستم های فازی ایران</PublisherName>
				<JournalTitle>سیستم های فازی و کاربردها</JournalTitle>
				<Issn>2717-4409</Issn>
				<Volume>4</Volume>
				<Issue>یاد بود شادروان دکتر بهرام صادقپور گیلده</Issue>
				<PubDate PubStatus="epublish">
					<Year>2021</Year>
					<Month>11</Month>
					<Day>22</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Fuzzy sequential sampling plan with imprecise acceptance and rejection criteria</ArticleTitle>
<VernacularTitle>طرح نمونه‌گیری دنباله‌ای فازی با معیارهای پذیرش و رد نادقیق</VernacularTitle>
			<FirstPage>49</FirstPage>
			<LastPage>70</LastPage>
			<ELocationID EIdType="pii">137383</ELocationID>
			
<ELocationID EIdType="doi">10.22034/jfsa.2021.137383</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>رباب</FirstName>
					<LastName>افشاری</LastName>
<Affiliation>دانشگاه زنجان، دانشکده علوم، گروه آمار</Affiliation>

</Author>
<Author>
					<FirstName>مهدیه</FirstName>
					<LastName>عرفانیان</LastName>
<Affiliation>دانشگاه فردوسی مشهد، دانشکده علوم ریاضی، گروه آمار</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2021</Year>
					<Month>07</Month>
					<Day>14</Day>
				</PubDate>
			</History>
		<Abstract>One of the important tools in the field of statistical quality control is acceptance sampling plan which is used to make a decision about the quality of producing items. Based on the kinds of sampling methods, so far, many different classic and fuzzy plans have been designed by researchers. In this paper, sequential sampling plan is introduced when one deals with fuzzy hypotheses testing. In the proposed scheme, in addition to the inaccuracy of the proportion of defective items, the decision criteria are also assumed to be fuzzy values. In the developed plan, the continue sampling plan area separated to three parts, so that the fuzzy decision about the production is made based on which region the plotted point is located. The obtained results show that the proposed fuzzy plan includes the existing classic sequential sampling plan in a special case. Finally, a practical example is given to be more clarified.</Abstract>
			<OtherAbstract Language="FA">یکی از ابزارهای مهم در حوزه کنترل کیفیت آماری‏، طرح نمونه‌گیری برای پذیرش است که بر اساس اطلاعات به دست آمده از نمونه گرفته شده از انباشته تولیدات‏، تصمیم‌گیری درباره کیفیت انباشته تحت بازرسی در هر مرحله از تولید که نیاز باشد‏، انجام می‌گیرد. با توجه به روش نمونه‌گیری بکار گرفته شده‏، تاکنون طرح‌های مختلفی توسط محققان در محیط کلاسیک و فازی مطرح شده‌اند. در این مقاله طرح نمونه‌گیری دنباله‌ای برای پذیرش انباشته‌ای از تولیدات در صورتی که با آزمون فرضیه‌های فازی سر و کار داشته باشیم، معرفی می‌شود. در طرح معرفی شده، علاوه بر نادقیق انگاشتن نسبت اقلام معیوب انباشته، معیارهای پذیرش و رد انباشته نیز مقادیر فازی فرض می‌شوند. در طرح حاضر، برخلاف طرح دنباله‌ای موجود، ناحیه مربوط به ادامه نمونه‌گیری به سه بخش افراز شده و تصمیم‌گیری فازی درباره پذیرش، رد و یا ادامه نمونه‌گیری از انباشته تحت بررسی، با توجه به ‎اینکه نقطه متناظر با تعداد اقلام معیوب مشاهده شده در هر مرحله از نمونه‎‌گیری در کدام ناحیه واقع شده باشد، انجام می‌گیرد. در پایان از یک مثال کاربردی برای تفهیم بهتر مطالب استفاده می‌شود. نتایج حاصل نشان می‌دهد که طرح فازی معرفی شده، در حالت خاص، طرح دنباله‌ای موجود در حالت کلاسیک را نتیجه می‌دهد.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">آزمون فرضیه فازی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">کنترل کیفیت آماری</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">حساب اعداد فازی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">طرح نمونه‌گیری دنباله‌ای</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://jfsa.fuzzy.ir/article_137383_3666b3f573ac3c96b69fee2e0e854960.pdf</ArchiveCopySource>
</Article>

<Article>
<Journal>
				<PublisherName>انجمن سیستم های فازی ایران</PublisherName>
				<JournalTitle>سیستم های فازی و کاربردها</JournalTitle>
				<Issn>2717-4409</Issn>
				<Volume>4</Volume>
				<Issue>یاد بود شادروان دکتر بهرام صادقپور گیلده</Issue>
				<PubDate PubStatus="epublish">
					<Year>2021</Year>
					<Month>11</Month>
					<Day>22</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Determining the process efficiency index by nonparametric predictive inference method and investigating it in fuzzy environment</ArticleTitle>
<VernacularTitle>تعیین شاخص کارایی فرایند به روش استنباط پیشگو ناپارامتریک و بررسی آن در محیط فازی</VernacularTitle>
			<FirstPage>71</FirstPage>
			<LastPage>93</LastPage>
			<ELocationID EIdType="pii">137384</ELocationID>
			
<ELocationID EIdType="doi">10.22034/jfsa.2021.137384</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>سهیل</FirstName>
					<LastName>شکری</LastName>
<Affiliation>گروه آمار، دانشکده علوم پایه، دانشگاه آزاد اسلامی، واحد لاهیجان</Affiliation>
<Identifier Source="ORCID">0000-0002-1983-1491</Identifier>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2021</Year>
					<Month>08</Month>
					<Day>13</Day>
				</PubDate>
			</History>
		<Abstract>This paper presents a novel statistical approach to process capability index. With this&lt;br /&gt;end in view, we present a nonparametric predictive approach to process capability index.&lt;br /&gt;Attention is restricted to the approach to process capability index for discrete processes.&lt;br /&gt;This approach is a statistical method based on fewer assumptions about probability dis-&lt;br /&gt;tributions, together with inferences based on factual data. The nonparametric predictive&lt;br /&gt;approach assumes exchangeability of random variables, both related to observed data and&lt;br /&gt;future observations, and uncertainty is quantified through using interval probabilities. Fi-&lt;br /&gt;nally, process capability indexes that are introduced in this study, are analyzed under the&lt;br /&gt;fuzzy environment.&lt;br /&gt;This paper presents a novel statistical approach to process capability index. With this&lt;br /&gt;end in view, we present a nonparametric predictive approach to process capability index.&lt;br /&gt;Attention is restricted to the approach to process capability index for discrete processes.&lt;br /&gt;This approach is a statistical method based on fewer assumptions about probability dis-&lt;br /&gt;tributions, together with inferences based on factual data. The nonparametric predictive&lt;br /&gt;approach assumes exchangeability of random variables, both related to observed data and&lt;br /&gt;future observations, and uncertainty is quantified through using interval probabilities. Fi-&lt;br /&gt;nally, process capability indexes that are introduced in this study, are analyzed under the&lt;br /&gt;fuzzy environment.</Abstract>
			<OtherAbstract Language="FA">در این مقاله، روش آماری جدیدی برای تعیین شاخص کارایی فرایند ارائه می نماییم. روش ارائه شده هم پیشگو و هم ناپارامتری بوده و برای تعیین شاخص کارایی فرایند های گسسته معرفی شده است. روش مذکور روشی آماری براساس فرض های معدود در خصوص توزیع های احتمال و استنباط بر اساس مشاهدات است. روش استنباط پیشگو روشی با فرض تعویض پذیری کمیت های تصادفی هم برای داده های مشاهده شده و هم برای داده های آتی (مشاهده نشده) است و عدم قطعیت را با استفاده از احتمالات فاصله ای تعیین می نماید. همچنین برآورد فازی شاخص کارایی پراکیس و زیکلاکی] 21 [ و شاخص کارایی پیشگوی جدید معرفی شده، به دست خواهد آمد. &lt;br /&gt;در این مقاله، روش آماری جدیدی برای تعیین شاخص کارایی فرایند ارائه می نماییم. روش ارائه شده هم پیشگو و هم ناپارامتری بوده و برای تعیین شاخص کارایی فرایند های گسسته معرفی شده است. روش مذکور روشی آماری براساس فرض های معدود در خصوص توزیع های احتمال و استنباط بر اساس مشاهدات است. روش استنباط پیشگو روشی با فرض تعویض پذیری کمیت های تصادفی هم برای داده های مشاهده شده و هم برای داده های آتی (مشاهده نشده) است و عدم قطعیت را با استفاده از احتمالات فاصله ای تعیین می نماید. همچنین برآورد فازی شاخص کارایی پراکیس و زیکلاکی] 21 [ و شاخص کارایی پیشگوی جدید معرفی شده، به دست خواهد آمد.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">کنترل کیفیت</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">اندیس کارایی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">استنباط پیشگو ناپارامتری</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">اعداد فازی</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://jfsa.fuzzy.ir/article_137384_8c0e103faa4317bc9ccb2bcb400c6771.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
