استفاده از شبکه های عصبی مصنوعی در پایش فرآیندهای چند مشخصه وصفی- متغیر و تشخیص عوامل انحراف

thesis
abstract

در بسیاری از فرآیندهای تولیدی یا محیط های خدماتی، کیفیت محصول یا عملکرد فرآیند بر حسب ترکیبی از مشخصه های کیفی همبسته متغیر و وصفی توصیف می گردد. مثلاً در فرآیند تزریق پلاستیک، وزن محصول و تعداد عیوب ظاهری آن به عنوان مشخصه های کیفی یک محصول در نظر گرفته می شوند که با یکدیگر همبستگی دارند. علی رغم تحقیقات گسترده ای که به منظور پایش فرآیندهای چند متغیره و چند مشخصه وصفی به صورت جداگانه انجام شده است، تا کنون روش های اندکی تنها برای پایش میانگین فرآیندهای چند مشخصه وصفی- متغیر ارائه شده است. در این پایان-نامه، روش هایی برای پایش میانگین، تغییرپذیری و هم چنین پایش همزمان میانگین و تغییرپذیری فرآیندهای چند مشخصه وصفی- متغیر با استفاده از شبکه عصبی مصنوعی ارائه شده است. مزیت عمده روش های مبتنی بر شبکه عصبی ارائه شده در این پایان نامه نسبت به نمودارهای کنترل موجود این است که روش های پیشنهادی علاوه بر شناسایی وضعیت کلی فرآیند، قادر به تشخیص مشخصه (مشخصه های) کیفی عامل انحراف در فرآیند و هم چنین طبقه بندی اندازه شیفت در مشخصه (مشخصه های) کیفی خارج از کنترل نیز می باشند. در این پایان نامه هم چنین سه نمودار کنترل چند مشخصه وصفی- متغیر نیز برای پایش تغییرپذیری فرآیندهای چند مشخصه وصفی- متغیر توسعه یافته اند. لازم به ذکر است که کلیه تحقیقات صورت گرفته در این پایان نامه مربوط به فاز 2 بوده و در نتیجه پارامترهای توزیع مشخصه های کیفی بر اساس نتایج حاصل از تجزیه و تحلیل فاز 1 معلوم می-باشند. عملکرد روش های مبتنی بر شبکه عصبی ارائه شده در کشف شیفت های مختلف در بردار میانگین، ماتریس کوواریانس و هم چنین شیفت های همزمان در بردار میانگین و ماتریس کواریانس فرآیندهای چند مشخصه وصفی- متغیر در قالب چندین مثال عددی به وسیله شبیه سازی و بر اساس معیار متوسط طول دنباله مورد ارزیابی قرار گرفته است و نتایج حاصل با نمودارهای کنترل چند مشخصه وصفی- متغیر توسعه یافته مقایسه شده است. نتایج مثال های عددی نشان می دهد که روش-های مبتنی بر شبکه‏ عصبی پیشنهادی عملکرد نمودارهای کنترل توسعه یافته را در کشف تغییرات مختلف در بردار میانگین و ماتریس کوواریانس و هم چنین تغییرات همزمان در بردار میانگین و ماتریس کوواریانس فرآیند بهبود می بخشند. نتایج شبیه سازی هم چنین ثابت می کند که روش های مبتنی بر شبکه عصبی پیشنهادی عملکرد بسیار خوبی نیز در شناسایی عوامل انحراف و هم چنین طبقه بندی اندازه شیفت در مشخصه های کیفی فرآیند دارند.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

پایش تغییرپذیری فرآیندهای چند مشخصه وصفی و متغیر با استفاده از شبکه عصبی مصنوعی

امروزه در برخی محیط‏های تولیدییا خدماتی، کیفیت محصول یا عملکرد فرآیند به وسیله ترکیبی از مشخصه‏های کیفی متغیر و وصفی همبسته توصیف می‏گردد. بر اساس آخرین اطلاعات مؤلفان، تا کنون هیچ روشی برای پایش ماتریس واریانس- کوواریانس این گونه فرآیندها ارائه نشده است. در این مقاله، یک شبکه عصبی مصنوعی برای پایش تغییرپذیری یک فرآیند چند مشخصه وصفی و متغیر ارائه شده است. شبکه ارائه شده نه تنها قادر به کشف وضع...

full text

پایش تغییرپذیری فرآیندهای چند مشخصه وصفی و متغیر با استفاده از شبکه عصبی مصنوعی

امروزه در برخی محیط‏های تولیدی یا خدماتی، کیفیت محصول یا عملکرد فرآیند به وسیله ترکیبی از مشخصه‏های کیفی متغیر و وصفی همبسته توصیف می‏گردد. بر اساس آخرین اطلاعات مؤلفان، تا کنون هیچ روشی برای پایش ماتریس واریانس- کوواریانس این گونه فرآیندها ارائه نشده است. در این مقاله، یک شبکه عصبی مصنوعی برای پایش تغییرپذیری یک فرآیند چند مشخصه وصفی و متغیر ارائه شده است. شبکه ارائه شده نه تنها قادر به کشف وض...

full text

طراحی یک شبکه عصبی مصنوعی برای کشف تغییر، تشخیص عامل انحراف و تعیین اندازه شیفت به طور همزمان در بردار میانگین فرآیندهای چندمشخصه وصفی- متغیر

در برخی از فرآیندهای تولیدی، کیفیت محصول بر حسب ترکیبی از مشخصه های کیفی متغیر و وصفی همبسته بیان می گردد. براساس آخرین اطلاعات مولفین، تاکنون هیچ تحقیقی در خصوص شناسایی اندازه شیفت در میانگین مشخصه های کیفی خارج از کنترل در فرآیندهای چند مشخصه وصفی- متغیر صورت نگرفته است. در این مقاله، روشی مبتنی بر شبکه عصبی برای شناسایی اندازه شیفت در میانگین مشخصه های کیفی متغیر و وصفی همبسته و طبقه بندی بر...

full text

تشخیص آنامولی های TEC قبل از وقوع زلزله های بزرگ با استفاده از شبکه عصبی مصنوعی

وقوع زلزله علاوه بر تغییر در هندسه و فیزیک پوسته زمین تأثیرات دیگری را نیز به همراه دارد. از آن جمله، تأثیر بر لایه یونسفر می‍باشد که خود را به‌صورت تغییر در میزان الکترون، چگالی یون‌ها، میدان‌های الکتریکی و مغناطیسی این لایه نشان می‌دهد. هر پارامتر ژئوفیزیکی و ژئوشیمیایی در لایه‌های لیتوسفر، اتمسفر و یونسفر زمین که قبل از وقوع زلزله تغییراتی در آن پدید آید به‌عنوان پیش‌نشانگر شناخته می‌شود...

full text

ارزیابی عملکرد سمپاش زراعی نرخ متغیر با استفاده از شبکه های عصبی مصنوعی

جهت ارزیابی عملکرد پاشش یک سمپاش زراعی نرخ متغیر، از روش شبکه عصبی مصنوعی استفاده شد. داده های لازم برای مدل سازی، از آزمون های مزرعه ای به دست آمد. برای مدل سازی بده خروجی افشانک ها،727 شبکه با چهار نوع مدل عصبی مصنوعی خطی، پرسپترون چندلایه، تابع پایه شعاعی و رگرسیون تعمیم یافته آزمون شدند. برای هر افشانک 45، 22 و 23 داده به ترتیب برای آموزش، اعتبارسنجی و آزمایش استفاده شد. مدل تابع پایه شعاعی...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه شاهد - دانشکده فنی

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023