کیفیت یکی از شاخص های مهم در تصمیم گیری افراد است. از آن جا که کیفیت را نمی توان با بازرسی محصول نهایی به دست آورد و کار درست را باید از ابتدا درست انجام داد، استفاده از روش های کنترل فرآیند جهت تحقق این هدف، ضروری به نظر می رسد. کنترل فرآیند آماری(SPC) و برنامه های مدیریت نگهداری وتعمیرات (MM) دو تکنیک کلیدی برای کنترل فرآیندهای تولیدی است که هدف هر دو دستیابی به کیفیت بهینه و کاهش هزینه های مرتبط می باشد؛ لذا بررسی مدل یکپارچه ی نمودارهای کنترل و مدیریت نگهداری وتعمیرات کارآمدتر است. پایش مشخصه های کیفی وابسته در فرآیندهای چندمتغیره از اهمیت ویژه ای برخوردار است. در این تحقیق، کنترل تغییرپذیری فرآیند در دو حالت تک متغیره و چندمتغیره مورد بررسی قرار گرفته است. در حالت تک متغیره، پایش واریانس فرآیند با استفاده از نمودار کنترل S^2 و در حالت چندمتغیره پایش ماتریس واریانس_کوواریانس با استفاده از نمودار کنترل EWMA V مورد بحث قرار گرفته است. پس از محاسبه و رسم آماره روی نمودار، با توجه به موقعیت آماره روی نمودار کنترل، سیاست نت مناسب اتخاذ می گردد. لذا مدلی برای ترکیب نمودارهای کنترل با سیاست های نت برای تشخیص سریع حالات خارج از کنترل، جلوگیری از تولید محصولات نامنطبق و کاهش هزینه های مرتبط با کنترل سیستم ارائه شده است. طرح پیشنهادی با تعیین مقادیر بهینه ی پارامترهای نمودار کنترل یعنی اندازه ی نمونه(n)، فاصله ی نمونه گیری(h) و ضریب حد کنترل(k)؛ و برآوردکردن محدودیت های مدل، هزینه های مورد انتظار کیفیت و نت را حداقل می کند. برای حل مدل، از الگوریتم جستجوی شبکه ای و برای ارزیابی طرح پیشنهادی از متوسط طول دنباله ی خارج از کنترل استفاده شده است. تحلیل های عمیق و مثال های مختلفی برای بررسی اثر پارامترهای مدل روی طراحی بهینه ی مدل مورد بررسی قرار گرفته و نتایج ارائه شده است. با توجه به نتایج تحقیق، در حالت تک متغیره، منحنی متوسط طول دنباله ی خارج از کنترل نسبت به ضریب حد کنترل کاملا صعودی می باشد اما برای حالت چندمتغیره چنین روند یکسانی وجود ندارد. پارامتر هزینه ی عملیات در حالت خارج از کنترل، بیشترین تاثیر را بر تابع هدف مدل دارد. با توجه به مثال های عددی، مقدار تابع هدف در حالت چندمتغیره با وزن کم، کم تر از حالت چندمتغیره با وزن بزرگتر و نمودار کنترل S2 است؛ زیرا نمودار EWMA V با وزن کم، مشاهدات اخیر را در نظر گرفته و بهتر تغییرات کوچک را کشف می کند، بنابراین هزینه های سیستم کاهش می یابد.
