بهینه سازی فرآیند با چند سطح پاسخ به وسیله شبکه‌های عصبی برمبنای مفهوم مطلوبیت

Authors

Abstract:

In this paper, a method is proposed for Multiple Response Optimization (MRO) by neural networks and uses desirability of each response for forecasting. The used neural network is a feed forward back propagation one with two hidden layers. The numbers of neurons in the hidden layers are determined using MSE criterion for training and test data. The numbers on neurons of the first layer last layer are equal to the numbers of the factors and responses, respectively. After training the network, forecasting phase are done by giving different factor levels to calculate desirability of different experiments. Then total desirability is calculated. The optimal combination is which have the greatest total desirability. Finally, a numerical example is expressed to illustrate the capability of the neural network. The results of the research shows that although determining of suitable neural network is time consuming but have more accuracy than Response Surface Methodology (RSM). Also, the obtained optimal combination from RSM is one of optimal solution by neural network.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بهینه سازی فرآیند با چند سطح پاسخ به وسیله شبکه های عصبی برمبنای مفهوم مطلوبیت

در این مقاله، روشی برای بهینه سازی فرآیند با چند سطح پاسخ به وسیله شبکه های عصبی پیشنهاد می شود که در آن از مفهوم مطلوبیت مقدار هر متغیر پاسخ جهت پیش بینی استفاده می کند. در این پژوهش شبکه پس انتشار پیش خور با دو لایه پنهان استفاده می شود. تعداد نرونهای لایه پنهان با استفاده از معیار میانگین مربع خطا برای داده های آموزش و تست تعیین می گردد. تعداد نرون های لایه اول برابر تعداد فاکتورها و تعداد ن...

full text

بهینه سازی فرآیند تولید پودر دوغ با خشک کردن کف پوشی به روش سطح پاسخ

دوغ از سال های بسیار دور بخشی از تغذیه مردم ایران و سراسر دنیا را تشکیل داده است ولی به این دلیل که نگهداری آن مشکلاتی از قبیل دو فاز شدن و ماندگاری  ایجاد می کند، در این تحقیق در مرحله اول به بررسی امکان تولید پودر دوغ با خشک کردن کف پوشی به روش سطح پاسخ پرداخته شد و در مرحله دوم درصد ترکیبات کف زا ورودی به خشک کن و اثر دماهای مختلف خشک کردن (50،60 و70  درجه ی سانتی گراد) بر دانسیته توده، رطوب...

full text

بهینه سازی حذف سیپپروفلوکساسیین با فرآیند فوتوشبه فنتون به روش سطح پاسخ و تعیین سنتیک واکنش

زمینه و هدف: ترکیبات دارویی در منابع آب آشامیدنی، علاوه بر تهدید سلامت محیط زیست باعث گسترش مقاومت باکتری ‌ها در محیط‌های آبی می‌شوند. در این پژوهش، حذف سیپروفلوکساسین با فرآیند اکسیداسیون فتوشبه‌ فنتون و بهینه‌سازی شرایط حذف به روش سطح پاسخ مورد بررسی قرار گرفت. روش بررسی: در این مطالعه تجربی در pH بهینه 3، اثر غلظت اولیه سیپروفلوکساسین (250-50 میلی گرم بر لیتر)، زمان تماس (60-10 دقیقه)، مقدار...

full text

بهینه سازی فرآیند لیگنین زدایی الیاف خرما به روش پاسخ سطح و تابع مطلوب

     استفاده از الیاف گیاهی برای تقویت محصولات بیوکامپوزیتی اخیراً مورد توجه محققین قرار گرفته است. لیگنین موجود در این الیاف باعث کاهش خصوصیات مکانیکی بیوکامپوزیت­ها شده و لازم است الیاف تحت تیمار شیمیایی قرار گرفته تا لیگنین آن­ها کاهش یابد. در این پژوهش با استفاده از روش پاسخ سطح (RSM) و تابع مطلوب به بهینه سازی متغیرهای موثر در فرآیند کاهش لیگنین الیاف خرما پرداخته شد تا الیافی با حداقل لیگن...

full text

بهینه سازی فرآیند تولید بیوروانکار از بیودیزل کلزای غیرخوراکی به کمک روش سطح پاسخ

روانکار­های برپایه روغن گیاهی یک منبع پایدار برای روانکاری قطعات متحرک در سیستم­های مکانیکی محسوب می­شوند. پایداری کم در برابر اکسایش و نقطه ریزش بالا دو مشکل عمده روغن­های گیاهی است که مانع از استفاده گسترده آن­ها به‌عنوان روانکار شده­ است. به‌منظور بهبود این معایب از روش ترانس استریفیکاسیون دومرحله­ای استفاده شد. در مرحله اول، متیل استر روغن کلزای غیرخوراکی به روش ترانس­استریفیکاسیون با استفا...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 20  issue 4

pages  53- 63

publication date 2010-02

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

No Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023