نمودار کنترل T2 هتلینگ به عنوان یک روش چند متغیره دارای بیش ترین کاربرد برای دو یا چند مشخصه مرتبط است، ولی فاقد دقت لازم در تشخیص تغییرات کوچک و متوسط می باشد. اخیرا، ثابت شده است، طرح کنترل با فواصل نمونه گیری و حدود کنترل متغیر (VSICL) در مقایسه با نمودار کنترل T2 هتلینگ با نرخ نمونه گیری ثابت(FRS) ، توانایی بسیار خوبی در تشخیص تغییرات کوچک و متوسط دارد. به علاوه، نشان داده شده است که طرح با فواصل نمونه گیری و حدود کنترل متغیر، اقتصادی تر از نوع متعارف آن است. این مقاله پیامدهای اقتصادی یک طرح کنترل جدید به نام طرح کنترل با اندازه های نمونه، فواصل نمونه گیری و حدود کنترل متغیر ((VSSICL)) را بررسی می کند که در آن اندازه نمونهn ، فاصله نمونه گیری h و حد کنترل k، بین دو مقدار مینیمم و ماکسیمم تغییر می کند. در این ارتباط، مدل هزینه کوستا و رحیم (2001) را مورد استفاده قرار می دهیم. این مدل هزینه، شامل هزینه هشدارهای اشتباه، هزینه کشف و اصلاح یک انحراف با دلیل، هزینه تولید اقلام خارج از کنترل و هزینه نمونه گیری و آزمایش است. علاوه بر این، فرض می کنیم طول زمانی که فرایند در حالت کنترل باقی می ماند، دارای توزیع نمایی است که با این فرض قادر به به کارگیری دیدگاه زنجیر مارکوف برای تعمیم مدل هزینه خواهیم بود. به منظور تعیین مقدار بهینه پارامترهای مدل با مینیمم کردن تابع هزینه، از الگوریتم ژنتیک استفاده می کنیم. سرانجام، نمودارهای T2 -VSICL و T2 -(VSSICL) را از طریق متوسط هزینه در واحد زمان مقایسه می کنیم.

در نمودار کنترل چندمتغیره T2 هتلینگ گرچه دارای مزیت های زیادی است اما برای شناسایی تغییرات کوچک و متوسط در میانگین فرآیند بسیار کند عمل می کند. جهت فایق آمدن بر این کاستی، این مقاله به طراحی نمودار کنترلی چندمتغیره T2 هتلینگ با استفاده از طرح نمونه گیری فواصل زمانی متغیر می پردازد. در این راستا، برپایه مفاهیم زنجیر مارکوف، نمودار کنترل T2 -VSI بناسازی می گردد. سپس با استفاده از تکنیک الگوریتم ژنتیک، پارامترهای نمودار کنترل (در سطح معینی از خطا) به قسمی تعیین می گردند که توان چارت در شناسایی تغییرات در میانگین فرآیند کمینه گردد. در پایان با استفاده از یک مثال برگرفته از ادبیات موضوع دو نمودار کنترل T2 -FRS و T2 -VSI از بعد آماری با هم مقایسه می گردند.

این مقاله به طراحی نمودار کنترل چندمتغیره T2 هتلینگ با سه اندازه نمونه تطبیقی می پردازد. در این راستا، بر پایه مفاهیم زنجیر مارکوف، نمودار کنترل مذکور مدل سازی می گردد و سپس با استفاده از تکنیک الگوریتم ژنتیک، پارامترهای نمودار کنترل (در سطح معین خطا) به قسمی تعیین می گردند که توان نمودار در شناسایی تغییرات در میانگین فرآیند کمینه گردد.

Postmodernism represents skepticism toward metanarratives AND universal ideologies that dominated the modernist era. The study focuses on three key postmodernist concepts - alternative assessment, process syllabi, AND self-directed learning. Alternative assessment emphaSIZES evaluating the learning process over summative testing. Process syllabi focus on the learning experience rather than rigid outcomes. Self-directed learning enables student responsibility in setting learning goals AND processes. This paper examined the effects of postmodernist educational concepts on improving Iranian EFL learners’ autonomy. A quasi-experimental pre-test/post-test design was utilized with 60 intermediate level Iranian EFL students divided into an experimental AND CONTROL group (n=30 each). The experimental group received instruction utilizing the three postmodernist concepts over 14 weeks, while the CONTROL group received traditional modernist instruction. Autonomy was measured using a validated questionnaire before AND after the intervention. The results showed the experimental group demonstrated significant increases in autonomy compared to the CONTROL group. Paired SAMPLE t-tests revealed significant differences between pre-test AND post-test autonomy for the experimental group across all three postmodern concepts - alternative assessment, process syllabi, AND self-directed learning. This suggests postmodernist concepts that decentralize instruction AND emphasize student process over outcomes can enhance Iranian EFL learners’ self-direction AND responsibility for language acquisition. The study implies EFL syllabus designers AND instruction should transition to postmodern models centered on individualized assessment, flexible syllabi, AND student-guided learning to boost autonomy. Further research can expAND SAMPLE SIZES AND explore additional postmodernist concepts across diverse demographics.

یکی از نمودارهای ناپارامتری که برای کنترل میانه (میانگین) فرآیندهای غیر نرمال استفاده می شود، نمودار رتبه علامت دار است. اگر چه عملکرد این نمودار برای توزیع های دنباله سنگین همچون کوشی و نمایی دوبل نسبت به همتای پارامتری اش (نمودار `X) بهتر است اما در کنترل میانگین توزیع های دنباله سبک مانند توزیعهای نرمال و یکنواخت عملکرد مناسبی ندارد. در این مقاله اثر فاصله نمونه گیری متغیر بر روی بهبود عملکرد نمودار رتبه علامت دار بررسی شده و عملکرد این نمودار با نمودار رتبه علامت دار با فاصله نمونه گیری ثابت (FSI-SR) و نیز نمودار `Xمقایسه شده است. نتایج عددی نشان می دهد که عملکرد نمودار رتبه علامت دار با فاصله نمونه گیری متغیر (VSI-SR) در همه توزیعها از نمودار FSI-SR بهتر است. همچنین عملکرد نمودار VSI-SR در توزیعهای دنباله سنگین و در تشخیص بعضی از تغییرات توزیع دنباله سبک نرمال از نمودار `Xبهتر است.

عملکرد یک نمودار X-bar معمولا تحت این فرض که انحراف معیار فرآیند به خوبی تخمین زده شده و تغییر نمی کند، بررسی می شود. البته این فرض در عمل معمولا درست نبوده و نمودارهای X-bar در برابر اشتباهات تخمین انحراف معیار فرآیند یا تغییرات انحراف معیار پایدار نیستند. در این مقاله به بررسی یک نمودار کنترل میانگین متحرک موزون نمایی با بازه های نمونه گیری متغیر برای کنترل تغییرات در میانگین فرآیند پرداخته می شود. حدود کنترل بهینه به نحوی تعیین شده که نمودار در برابر اشتباهات تخمین انحراف معیار یا تغییرات آن پایداری خوبی داشته باشد. برای مقایسه عملکرد آن با سایر نمودارهای مشابه از روش زنجیره مارکوف استفاده شده و با استفاده از شبیه سازی، نتایج به دست آمده بررسی شده است. علت استفاده از ویژگی بازه های نمونه گیری متغیر، واکنش سریع تر نمودار به تغییرات میانگین است.