کنترل پیش بینانه کیفیت با استفاده از شبکه های عصبی مصنوعی (anns) و روش ترکیبی تحلیل رگرسیون و anns

نویسندگان

نجمه نشاط

هاشم محلوجی

چکیده

در این مقاله با ارایه نمونه عملی فرآیند اسپری درایینگ، متدولوژی مدل سازی فرآیندها با استفاده سلسله مراتبی از تحلیل رگرسیونی و الگوریتم شبکه عصبی مصنوعی، با هدف کنترل پیش بینانه کیفیت، برای نخستین بار تشریح و پیاده سازی شده است. استفاده ازanns در این مقاله، به منظور معماری مدل عصبی فرآیند اسپری درایینگ با اتخاذ یک رویکرد عمومی و انتخاب الگوریتم پس انتشار خطا به کمک داده های مستقیم است. فرض تاثیر مثبت اعمال تحلیل رگرسیونی بر ارتقا پایایی مدل عصبی، با محاسبه و تحلیل شاخص های ارزیابی پایایی مدل که عبارتند از: ضریب تعیین ، میانگین خطای نسبی (mre) و جذر میانگین مربعات خطا (rmse)، برای مدل عصبی و مدل عصبی- آماری (مدل عصبی با اعمال تحلیل رگرسیونی) تایید شد. در انتها با توجه به نتایج ارزیابی پایایی، سناریوهای مختلفی برای تنظیم ورودی های فرآیند توسط مدل عصبی- آماری فرآیند طراحی شد که با استفاده از آن می توان کنترل پیش بینانه را جایگزین روش های مبتنی بر سعی و خطا برای کنترل فرآیند کرد.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

کنترل پیش‌بینانه کیفیت با استفاده از شبکه‌های عصبی مصنوعی (ANNs) و روش ترکیبی تحلیل رگرسیون و ANNs

در این مقاله با ارایه نمونه عملی فرآیند اسپری درایینگ، متدولوژی مدل‌سازی فرآیندها با استفاده سلسله مراتبی از تحلیل رگرسیونی و الگوریتم شبکه عصبی مصنوعی، با هدف کنترل پیش‌بینانه کیفیت، برای نخستین‌بار تشریح و پیاده‌سازی شده است. استفاده ازANNs در این مقاله، به منظور معماری مدل عصبی فرآیند اسپری درایینگ با اتخاذ یک رویکرد عمومی و انتخاب الگوریتم پس انتشار خطا به کمک داده‌های مستقیم است. فرض تاثیر...

متن کامل

پیش بینی تغییرات عمق آبشستگی در اطراف گوشواره‌ی پلها ) (Abutmebt با استفاده از سامانه‌ی منطق فازی- عصبی ) (ANFIS و شبکه های عصبی (ANNs)

به‌دلیل پیچیده بودن الگوی سه بعدی جریان در اطراف گوشواره‌ی پل ها، برآورد دقیق تغییرات عمق آبشستگی نسبت به زمان دشوار، و در برخی موارد غیر ممکن می‌باشد. در این تحقیق، ابتدا تغییرات عمق آبشستگی در اطراف گوشواره­ها به صورت آزمایشگاهی تحت شرایط آب زلال مورد بررسی قرار گرفته است و سپس با استفاده از نتایج حاصل از سه روش، وایازی غیر خطی (NLR)، شبکه­های عصبی (ANN) و سامانه‌ی منطق فازی-عصبی (ANFIS)، تغی...

متن کامل

پیش‌بینی اسلامپ بتن با استفاده از مدل شبکه عصبی مصنوعی و روش رگرسیون چندمتغیره خطی

روش‌های مختلفی جهت اندازه‌گیری کارایی بتن وجود دارد که یکی از متداول‌ترین و معمول‌ترین روش‌ها، آزمایش اسلامپ است. جهت دست‌یابی به مخلوط‌های بتنی با اسلامپ مورد نظر، باید مخلوط‌های مختلف بتنی ساخته شود و آزمایش اسلامپ بر روی آن‌ها صورت گیرد. جهت صرفه‌جویی در زمان، هزینه و مصالح بهتر است از روش‌های هوشمندی جهت پیش‌بینی اسلامپ بتن بر اساس نتایج مربوط به تعداد معینی از مخلوط‌های بتنی استفاده شود. د...

متن کامل

شبیه‌سازی فرایند بارش – رواناب در زیرحوضه‌ی جنوبی رودخانه‌ی قره‌سو با استفاده از مدل شبکه‌های عصبی مصنوعی(ANNs)

در سال‌های اخیر، عدم کنترل به موقع روانابِ حاصل از بارش‌های غیر مترقبه، عامل تهدید کننده‌ای در وقوع سیل محسوب می‌شود. پیش‌بینی بارش در مدیریت و هشدار معضل سیل نقش مهمی بر عهده دارد. به منظور جلوگیری از خسارات ناشی از سیل و سعی در کنترل و مهار آن، پیش‌بینی رواناب امری اجتناب ناپذیر به نظر می‌رسد زیرا با اطلاع از میزان و شدّت بارندگی، می‌توان امکان وقوع سیل را پیش‌بینی و اقدامات لازم را به عمل آورد...

متن کامل

بهبود مدل‌های ترکیبی(ANNs & ARIMA) با بکارگیری شبکه‌های عصبی احتمالی به‌منظور پـیش‌بیـنی سری‌های زمـانی

دقت پیش‌بینی‌ها از مهمترین فاکتور‌های مؤثر در انتخاب روش‌های پیش‌بینی می‌باشند. امروزه علی‌رغم وجود روش‌های متعدد پیش‌بینی، هنوز پیش‌بینی‌‌های دقیق، بویژه در بازارهای مالی کار چندان ساده‌ای نبوده و اکثر محققان درصدد بکارگیری و ترکیب روش‌های متفاوت به‌منظور حصول نتایج دقیق‌تر می‌‌باشند. در سال‌های اخیر تلاش‌های فراوانی به‌منظور بهبود روش‌های پیش‌بینی سری‌های زمانی صورت گرفته است. مدل‌های ترکیبی ...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید


عنوان ژورنال:
نشریه مدیریت صنعتی

ناشر: دانشکده مدیریت دانشگاه تهران

ISSN 2008-5885

دوره 1

شماره 3 2009

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023