طراحی یک مدل مبتنی بر شبکه های عصبی برای شناسایی و تجزیه و تحلیل الگوهای غیرطبیعی در نمودارهای کنترل فرآیند

Authors

سید محمد تقی فاطمی قمی

سید علی لسانی

احمد کوچک زاده

abstract

شبکه های عصبی به دلیل قابلیت های موجود در آنها جهت شناسایی الگوها مورد استفاده قرار می گیرند. در نمودارهای مختلف کنترل فرآیند آماری، بواسطه رخداد نوسانات طبیعی در فرآیند تولید، تشخیص صحیح و سریع الگوهای غیرطبیعی و انحرافات معنی دار در بازة زمانی کوتاه با چالش هایی مواجه است. از اینرو ارائه مدل های مبتنی بر شبکه های عصبی با هدف شناسایی و تفسیر الگوهای نمودارهای کنترل فرآیند منطقی می باشد. اکثر تحقیقات انجام شده در زمینة کاربرد شبکه های عصبی برای تشخیص الگوها در نمودار کنترل، صرفا بر شناسایی الگوها تاکید داشته و تجزیه و تحلیل و استخراج اطلاعات مفصلی را که به طور موثر در کشف علل تغییراتِ غیرتصادفی ضروری است مورد توجه قرار نداده اند. بعلاوه برخی از توابع مولد الگوها شرایط واقعی را به صورت کامل معرفی نمی کنند. پژوهش جاری مدلی را جهت تشخیص و بررسی الگوهای پایه و همزمان پیشنهاد می نماید. این مدل ابتدا الگوهای غیرطبیعی را شناسایی می کند؛ سپس نقطه شروع آنها را برآورد می نماید و در نهایت مقادیر پارامترهای متناظرشان را تعیین خواهد کرد. در تدوین مدل جاری بسط حیطه های کاربردی آن نیز مورد تاکید بوده است. نتایج آزمایشهای انجام شده عملکرد اجزاء مدل پیشنهادی را مناسب و مطمئن ارزیابی می کنند.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

طراحی یک مدل مبتنی بر شبکه‌های عصبی برای شناسایی و تجزیه و تحلیل الگوهای غیرطبیعی در نمودارهای کنترل فرآیند

Neural networks because of their abilities are used to patterns recognition. In statistical process control charts, a common cause variation distort expected form of unnatural patterns and so detection of assignable causes efficiently and precisely in a real-time is difficult. Therefore it would be logical to propose models based neural networks for recognition and analysis of patterns in proce...

full text

طراحی یک مدل مبتنی بر شبکه‌های عصبی برای شناسایی و تجزیه و تحلیل الگوهای غیرطبیعی در نمودارهای کنترل فرآیند

شبکه‌های عصبی به دلیل قابلیت‌های موجود در آنها جهت شناسایی الگوها مورد استفاده قرار می‌گیرند. در نمودارهای مختلف کنترل فرآیند آماری، بواسطه رخداد نوسانات طبیعی در فرآیند تولید، تشخیص صحیح و سریع الگوهای غیرطبیعی و انحرافات معنی‌دار در بازة زمانی کوتاه با چالش‌هایی مواجه است. از اینرو ارائه مدل‌های مبتنی بر شبکه‌های عصبی با هدف شناسایی و تفسیر الگوهای نمودارهای کنترل فرآیند منطقی می‌باشد. اکثر ت...

full text

ارائه یک مدل ترکیبی برای شناسایی و تحلیل الگوهای معنی دار در نمودارهای کنترل فرآیند

شناسایی صحیح و طبقه بندی دقیق الگوهای معنی دار در نمودارهای کنترل فرآیند آماری از نظر آنکه رفتارهای غیرطبیعی را تداعی می کنند بسیار بااهمیت است. تشخیص و استخراج الگوهای غیرطبیعی، حساسیت نمودارهای کنترلی را در شناسایی وضعیت های خارج از کنترل افزایش می دهد. در سال های اخیر به دلیل توانمندی های شبکه های عصبی مصنوعی، از آن ها برای شناسایی الگوهای غیرطبیعی در نمودارهای کنترلی شوهارت استفاده شده است....

full text

تحلیل الگوهای همزمان در نمودارهای کنترل فرآیند آماری با استفاده از شبکه عصبی

  Statistical Process Control (SPC) charts play a major role in quality control systems, and their correct interpretation leads to discovering probable irregularities and errors of the production system. In this regard, various artificial neural networks have been developed to identify mainly singular patterns of SPC charts, while having drawbacks in handling multiple concurrent patterns. In th...

full text

تشخیص الگوهای غیرطبیعی در فرآیند ساخت قطعات نیمه هادی با استفاده از شبکه های عصبی

در فرآیندهای ساخت قطعات نیمه هادی اطلاع از وجود الگوهای غیرطبیعی بر روی نمودارهای کنترلی مربوط به فرایند و پیش بینی وقوع آنها امری مهم و شایان توجه است. در این نوشتار ، فرآیند ساخت گیت ترانزیستورهای MESFET در مدار مجتمع یک تقویت کننده مایکروویو GaAs به عنوان نمونه انتخاب شده است. سپس ضمن ارائه توضیحاتی پیرامون چگونگی بدست آوردن نمودارهای کنترلی و نیز نحوه استفاده از داده های مربوط به فرآیند، رو...

full text

طراحی یک سیستم هوشمند مبتنی بر شبکه های عصبی و ویولت برای تشخیص آریتمی های قلبی

In this paper, Automatic electrocardiogram (ECG) arrhythmias classification is essential to timely diagnosis of dangerous electromechanical behaviors and conditions of the heart. In this paper, a new method for ECG arrhythmias classification using wavelet transform (WT) and neural networks (NN) is proposed. Here, we have used a discrete wavelet transform (DWT) for processing ECG recordings, and...

full text

My Resources

Save resource for easier access later


Journal title:
نشریه دانشکده فنی

Publisher: دانشکده فنی

ISSN 0803-1026

volume 41

issue 10 2008

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023