کاهش ضایعات خط تولید کاشی و سرامیک با استفاده از شبکه های عصبی مصنوعی gmdh
پایان نامه
- دانشگاه آزاد اسلامی - دانشگاه آزاد اسلامی واحد یزد - دانشکده فنی
- نویسنده محمدکاظم کاشفی
- استاد راهنما علی محمد لطیف سیدامیرعباس علومی
- سال انتشار 1392
چکیده
در این رساله نسبت به بررسی شرایط و عوامل مختلف دخیل در فرآیند تولید کاشی و سرامیک با توجه به میزان ضایعات و کیفیت محصولات خروجی با استفاده از الگوریتم gmdh در شبکه عصبی مصنوعی اقدام شده است که در ابتدا بدون در نظر گرفتن میزان اثرگذاری عوامل بر یکدیگر و در نهایت بر روی خروجی مورد نظر و با هدف کاهش ضایعات در عین افزایش میزان تولید و کیفیت، اطلاعات مربوطه دریافت شده که از بین تمامی اطلاعات موجود، تعداد 18 مورد به عنوان اطلاعات ورودی که شامل انواع مواد اولیه مورد استفاده و تنظیمات در بخش های مختلف می باشد، مورد آزمایش و بررسی قرار گرفته است. با توجه به اینکه الگوریتم gmdh نسبت به شناسایی عوامل کلیدی و تأثیرگذار از بین تمامی عامل های موجود و همچنین ارائه شرایط بهینه تنظیمات برای آنها به منظور رسیدن به شرایط مناسب کلی سیستم عمل می نماید و قابلیت پیش بینی شرایط سیستم به صورت کوتاه مدت و بلند مدت به صورت همزمان برخلاف سایر روش های پیش بینی که عمدتاً تنها به صورت پیش بینی فقط کوتاه مدت یا فقط بلند مدت عمل می کنند را دارا می باشد، از آن به عنوان ابزار پایه جهت شناسایی گلوگاهها و عوامل مهم در خط تولید مذکور استفاده شده که در نتیجه 7 عامل را به همراه تنظیمات بهینه مربوطه از بین 18 مورد اشاره شده با درجه اهمیت بالا به عنوان مبنای اعمال تغییرات معرفی نموده و نوع ترکیب آنها در یک شبکه عصبی با 7 ورودی و دولایه پنهان و یک خروجی بدست آمده که میزان ضایعات و مجموع تولید غیر از درجه 1 را از میزان میانگین در حدود 15% به میزان تقریبی 1% کاهش می دهد. بدین منظور در این تحقیق به ترتیب نسبت به شناسایی تمامی عوامل دخیل موجود در خط تولید و جدا نمودن عوامل غیر قابل تغییر و ثابت از بین آنها که با توجه به عدم امکان اعمال تغییر، بررسی آنها تأثیر ثابت بر سیستم می گذارد، دریافت اطلاعات در یک بازه زمانی 6 ماهه و درج در جدول استاندارد به عنوان ورودی الگوریتم، کدنویسی الگوریتم در برنامه matlab و سپس شناسایی عوامل گلوگاهی تأثیرگذار و شرایط بهینه تنظیمات مربوطه با استفاده از الگوریتم gmdh اقدام شده که از 70% اطلاعات به عنوان داده های آموزش شبکه و از 30% به عنوان داده های آزمایش آن استفاده شده است. همچنین تابع ریاضی حاصل شده در این روش به صورت یک سری زمانی از نوع توابع ولترا بوده که ضرایب این سری با استفاده از روش رگرسیون و تحت نرم افزار minitab بدست آمده است. درواقع خروجی شبکه عصبی gmdh، حاصل از محاسبات ناشی از سری زمانی ولترا می باشد.
منابع مشابه
تولید شتابنگاشت مصنوعی زلزله با استفاده از شبکه عصبی فازی
نیاز روزافزون به تحلیل دینامیکی تاریخچه زمانی و عدموجود شتابنگاشتهای مناسب در مناطق مختلف، تولید شتابنگاشتهای مصنوعی سازگار با طیف طرح را ضروری میسازد. هدف اصلی این تحقیق ارائه روشی نوین، بر اساس تبدیل بسته موجک و روش های هوش مصنوعی برای تولید شتابنگاشت مصنوعی زلزله سازگار با طیف طرح بر اساس مقدار بزرگا، فاصله از گسل و طیف مربوطه می باشد. در این تحقیق از شبکه های عصبی فازی و آنالیز موجک پک...
متن کاملتولید شتابنگاشتهای مصنوعی مرتبط با ایران با استفاده از شبکه های عصبی
در این مقاله به معرفی یک روش جدید در تولید شتابنگاشتهای مصنوعی سازگار با طیف هدف پرداخته می شود. این شبکه برای داده های مربوط به ایران آموزش و تست شده است. روش مزبور در ادامه کار آقایان قابوسی ولین [2،1] انجام شده است، که بر این مبنا اقدام به تولید رکوردهای مصنوعی برای منطقه امریکا نموده اند. از ویژگیهای شبکه به کار گرفته شده توسط ا ین دو مدت زمان بسیار زیاد آموزش شبکه می باشد که در حدود یک هف...
متن کاملتولید شتابنگاشت مصنوعی زلزله با استفاده از شبکه عصبی فازی
نیاز روزافزون به تحلیل دینامیکی تاریخچه زمانی و عدموجود شتابنگاشتهای مناسب در مناطق مختلف، تولید شتابنگاشتهای مصنوعی سازگار با طیف طرح را ضروری میسازد. هدف اصلی این تحقیق ارائه روشی نوین، بر اساس تبدیل بسته موجک و روش های هوش مصنوعی برای تولید شتابنگاشت مصنوعی زلزله سازگار با طیف طرح بر اساس مقدار بزرگا، فاصله از گسل و طیف مربوطه می باشد. در این تحقیق از شبکه های عصبی فازی و آنالیز موجک پک...
متن کاملتولید مصنوعی جریان رودخانه با استفاده از شبکههای عصبی مصنوعی
در این مطالعه قابلیت مدلهای شبکه عصبی مصنوعی در زمینه تولید مصنوعی جریان ارزیابی میشود. مدلی که برای تولید مصنوعی بکار رفته با ترکیب مدل شبکه عصبی و یک مؤلفه تصادفی با توزیع نرمال ایجاد شده است. در توسعه مدل از شبکه عصبی چند لایه تغذیه پیشرفتی با الگوریتم آموزشی انتشار برگشتی خطا استفاده شده است. بر این اساس مدل، سریهای بلند مدت و تا 300 سال جریان مصنوعی روزانه در رودخانه خرسان را تنها با ...
متن کاملتولید مصنوعی جریان رودخانه با استفاده از شبکه های عصبی مصنوعی
در این مطالعه قابلیت مدلهای شبکه عصبی مصنوعی در زمینه تولید مصنوعی جریان ارزیابی می شود. مدلی که برای تولید مصنوعی بکار رفته با ترکیب مدل شبکه عصبی و یک مؤلفه تصادفی با توزیع نرمال ایجاد شده است. در توسعه مدل از شبکه عصبی چند لایه تغذیه پیشرفتی با الگوریتم آموزشی انتشار برگشتی خطا استفاده شده است. بر این اساس مدل، سری های بلند مدت و تا 300 سال جریان مصنوعی روزانه در رودخانه خرسان را تنها با اس...
متن کاملپیش بینی تولید آبزیان دریایی در ایران با استفاده از روش ARIMA و شبکه عصبی مصنوعی
پیشبینی پدیدههای اقتصادی ساختاری فراهم میکند تا مدیران و مسؤلان اقتصادی را در گرفتن تصمیمهای درست یاری دهد. هدف اصلی این مطالعه پیشبینی مقدار تولید آبزیان دریایی در ایران است. برای این منظور از روشهای سری زمانی خود توضیح جمعی میانگین متحرک (ARIMA)[1] و شبکه عصبی مصنوعی[2] استفاده میشود. در این مطالعه سه ساختار گوناگون شبکه عصبی شامل شبکه عصبی پیشرو[3]، تابع پایه شعاعی[4] و المن[5] بکار ...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
دانشگاه آزاد اسلامی - دانشگاه آزاد اسلامی واحد یزد - دانشکده فنی
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023