Sıfır-enflasyonlu süreçleri izlemek için ZICOMP-Shewhart kontrol grafiğinin etkinliğini değerlendirmek

Neden birçok sıfır hâlâ önemli

Modern fabrikalar, hastaneler ve bilgisayar sistemleri işleri o kadar iyi yapıyor ki sorunlar nadirdir. Kalite kayıtları uzun süreli kusursuz birimler—sıfır kusur—gösterip ara sıra sorun patlamalarıyla kesilebilir. İlk bakışta bu iyi haber gibi görünür, ancak aslında bir sürecin sessizce kontrolden çıktığını tespit etmeyi zorlaştırır. Bu çalışma, çoğunlukla “hiçbir şey olmuyor” ama bazen oluyor türünden süreçleri izlemek üzere tasarlanmış uzman bir istatistiksel araç—ZICOMP‑Shewhart kontrol grafiğini—geliştirip test ederek bu zorluğun üstesinden geliyor.

Zaman içinde kaliteyi izlemek

Kalite kontrolünde mühendisler, bir sürecin zaman içindeki davranışını izlemek için kontrol grafiklerini kullanır. Her yeni parti, ürün veya zaman dilimi grafikte bir nokta olarak özetlenir. Noktalar beklenen sınırlar içinde kaldığı sürece süreç kararlı kabul edilir; bir sınırı aştıklarında alarm verilir ve süreç incelenir. Geleneksel grafikler, kusur sayısının tanıdık Poisson dağılımı gibi basit kalıpları izlediği durumlarda iyi çalışır. Ancak modern “yüksek verimli” birçok süreçte—örneğin sabit disk üretimi veya veri merkezi hata izleme—gözlemlerin çoğu tam olarak sıfır olup yalnızca birkaç gözlem sıfırdan farklı sayılardır. Standart modeller bu aşırı sıfırları küçümser ve genellikle varyasyon miktarını yanlış tahmin eder; bu da önemli uyarıların gecikmesine veya gizlenmesine neden olabilir.

Sıfırlara kendi modeli veriyor

Yazarlar, klasik Poisson durumundan daha değişken veya daha az değişken verileri ele alabilen esnek bir model ailesi olan Conway–Maxwell–Poisson (COMP) dağılımı üzerine inşa ediyor. Bunu sıfır‑enflasyonlu COMP (ZICOMP) dağılımına genişletiyorlar; bu dağılım sonuçların tamamen sıfır olma olasılığını ile sorunlar ortaya çıktığında sıfır olmayan sayıların düzenini açıkça ayırıyor. Bu, modele üç yaygın duruma uyum sağlama olanağı tanıyor: sağ kuyruklu, yüksek değişkenlik gösteren veriler; yaklaşık dengeli veriler; ve çok sıkışık, az yayılım gösteren veriler. ZICOMP‑Shewhart kontrol grafiği, sıfırların özellikle yaygın olduğu süreçlere göre ayarlanmış tek bir üst sınır belirlemek için bu daha zengin tanımı kullanır.

Daha akıllı alarm sınırları tasarlamak

Uygulamada merkezi bir soru, alarm çizgisini ne kadar yüksek koymaktır. Çok düşükse gereksiz alarmlar artar; çok yüksekse gerçek sorunlar kaçırılır. Yazarlar, bu ödünleşmeyi nasıl kontrol ettiğini görmek için büyük ölçekli bilgisayar deneyleri kullanarak bir “sınır katsayısı”nın etkisini araştırıyor. İki temel performans ölçütünü inceliyorlar. Biri ortalama çalışma uzunluğu (average run length) — grafiğin sinyal vermeden önce beklenen örnek sayısı; bu, süreç sağlıklıyken yanlış alarmların ne sıklıkla olduğunu yansıtır. Diğeri Tip II hata—gerçekte süreç kaymış olduğunda grafiğin sinyal vermeme olasılığıdır. Değişkenlik düzeyleri ve sıfır enflasyonu miktarları açısından çeşitli model parametre kombinasyonları üzerinde tarama yaparak, istenen bir ortalama çalışma uzunluğunu elde ederken kaçırılan alarmları kabul edilebilir düzeyde tutmak için sınır katsayısının nasıl seçileceğini gösteriyorlar; kesikli veri yapısı kusursuz ayarı bazen imkansız kılsa bile.

Yöntemi teste tabi tutmak

Grafiklerinin gerçekçi ortamlarda nasıl davrandığını görmek için yazarlar, sıfırlar için özel işlem yapmayan ve yalnızca COMP dağılımını kullanan rakip bir tasarımla karşılaştırıyorlar. Çok sayıda simüle edilmiş senaryoda, veriler yüksek değişkenlikte, orta düzeyde değişken veya sıkışık olsun, ZICOMP‑Shewhart grafiğinin kusur oranındaki değişimleri daha erken ve daha sık tespit ettiğini tekrar tekrar buluyorlar. Hata‑yok dönemlerinin uzun sürdüğü ve başarısızlık patlamalarıyla kesildiği gerçek sabit disk okuma‑yazma hata verileriyle yapılan bir vaka çalışmasında, yeni grafik sıfırların ardı sıra daha yüksek sayılar geldiğinde bir değişikliği başarıyla tespit ederek yüksek güvenilirlik gerektiren ortamlarda erken uyarı sistemi olarak hizmet edebileceğini gösteriyor.

Pratikte bunun anlamı

Uygulamacılar için mesaj, sıfırların özel rolünü göz ardı etmenin süreç sağlığına dair önemli sinyalleri gizleyebileceğidir. Fazladan sıfırları ve sıra dışı varyasyon kalıplarını tanıyan bir model etrafında bir kontrol grafiği kurarak, ZICOMP‑Shewhart grafiği bir sürecin gerçekten amaçlanan davranışından ne zaman uzaklaştığına dair daha güvenilir bir resim sunar. Performansı yine de altta yatan parametrelerin ne kadar iyi tahmin edildiğine bağlıdır ve gelecekte bu tahminler daha da geliştirilebilir; ancak bu çalışma, istatistiksel araçları gerçek verilerin tuhaflıklarına göre uyarlamanın kalite izlemeyi daha hassas, daha güvenilir ve sonuçta maliyetli arızaları önlemede daha etkili kılabileceğini gösteriyor.

Atıf: Sattar, A., Raza, M.A., AL-Essa, L.A. et al. Assessing the effectiveness of the ZICOMP-Shewhart control chart for monitoring zero-inflated processes. Sci Rep 16, 8269 (2026). https://doi.org/10.1038/s41598-025-32581-y

Anahtar kelimeler: sıfır-enflasyonlu sayım verileri, istatistiksel süreç kontrolü, kalite kontrol grafikleri, Conway-Maxwell-Poisson, imalat kusurları