تحقیق کنترل کیفیت محصولات بهره گیری شبکه ART غیر دقیق

لینک دانلود خرید پایین توضیحات

دسته بندی : وورد

نوع :  .doc ( قابل ویرایش اماده پرینت )

تعداد : 34 صفحه

---

 قسمتی متن : 

کنترل کیفیت محصولات بهره‌گیری شبکه ART غیر دقیق.

ماسیمو پاچلا

کویریچو سمرارو

الفردو انگلانی

چکیده

به‌منظور تولید محصولات کیفیت ثابت، مناسب است نظام‌های تولید جلوگیری هرگونه انحراف غیرطبیعی شرایط فرایند، نظارت شوند. چارت‌های کنترلی نقش مهمی حل مشکلات کنترل کیفیت دارند؛ وجود اثربخشی انان شدت فرضیات اماری بستگی دارد که کاربردی واقعی صنعتی غالبا زیر پا گذاشته می‌شوند. برخلاف شبکه‌های عصبی می‌توانند میزان بسیار زیادی داده‌های مخل زمان واقعی تشریح کنند، بدون انکه نیازمند فرضیات توزیع اماری‌سنجهای نظارت شده داشته باشند. ویژگی مهم شبکه‌های عصبی مبدل ابزارهایی توانمند می‌کند که می‌توان بهبود تجزیه تحلیل داده‌ها کاربردهای کنترل کیفیت محصولات انها بهره گرفت. مقاله، نظام شبکه عصبی که برمبنای فاز اموزش غیر نظارتی است، کنترل کیفیت معرفی می‌شود. به‌ویژه نظریه تشدید قابل سازگاری ART به‌منظور تحقق نظام کنترل کیفیت فارغ مدل بحث قرار گرفته است که می‌تواند تشخیص تغییرات فرایند تولید بهره‌برداری قرار گیرد. هدف تحقیق، تجزیه تحلیل عملکرد شبکه عصبی ART است فرض که الگوهای غیرطبیعی دسترس نیستند. رسیدن هدف، الگوریتم ساده شده ART غیر دقیق عصبی ابتدا بحث قرار گرفته سپس مطالعات به‌منظور شبیه‌سازی گسترده مونت‌کارلو طرح شده است.

کلید واژه‌ها: کنترل کیفیت محصولات: شبکه عصبی ART غیر دقیق شبیه‌سازی مونت‌کارلو

مقدمه

کنترل فرایند اماری (SPC) شیوه‌ای است برمبنای چند تکنیک که هدف نظارت سنجرهای محصول فرایند تولید است. چارت‌های کنترل ابزارهای هستند که گسترده‌ترین کاربرد نشان دادن تنوع غیرطبیعی سنجرهای نظارت قرار گرفته قرارگیری دلایل قابل انتقال انها دارند. استفاده چارت کنترل، نمونه‌هایی محصولات طول فرایند تولید جمع‌اوری می‌شوند امارهای نمونه چارت قرار می‌گیرند. اگر فرایند وضعیت طبیعی قرار داشته باشد، انتظار می‌رود امارهای نمونه محدوده‌های خاص کنترلی نمودار قرار بگیرند. سوی دیگر اگر دلیل خاصی تنوع نمایان شود، امارهای نمونه اصلا خارج محدوده‌های کنترلی پیش تعیین شده قرار می‌گیرند. وقتی تنوع غیرطبیعی چارت کنترلی شکل می‌گیرد. دست‌اندرکاران دنبال علت حاصل می‌گردند اصطلاحات تنظیمات ضروری بازگرداندن فرایند وضعیت طبیعی انجام می‌دهند.

امروزه بهره‌برداری وسیع تولید خودکار بازرسی چند محیط تولیدی، وظیفه SPC که لحاظ سنتی متخصصان کیفیت عمل می‌کرد. بایستی خودکار شود. شبکه‌های عصبی ابزارهای کارامد اعتماد تجزیه تحلیل هستند دهه اخیر، ابزارها کنترل کیفیت بسیار استفاده قرار گرفته‌اند (Zorricassantine and Tannock, 1998).

انچه موجب شهرت شبکه‌های عصبی است توانایی انها اموختن تجربه اداره کردن اطلاعات نامطمئن پیچیده محیطی رقابتی نیازمند کیفیت است. شبکه‌های عصبی دلیل ظرفیت انها کار سنجرهای شلوغ بدون نیاز فرضیه‌ای خصوص توزیع اماری داده‌های نظارت قرار گرفته، به‌ویژه کنترل کیفیت محققان چندی کاربرد شبکه‌های عصبی کنترل کیفیت محصولات پرداخته‌اند. پاگ (1991) اولین بار کاربرد شبکه عصبی کنترل کیفیت پیشنهاد داد. شبکه proception چندلایه ML.P عنوان الگوریتم نظارتی قابل همانندسازی به‌منظور شناسایی میانگین جابه‌جایی استفاده قرار گرفته است. گواو دولی (1992) اسمیت (1994) شبکه پرستپون چندلایه قابل همانندسازی (MLPBP) شناسایی تغییرات مثبت، میانگین واریانس، کار گرفتند. چنگ (1995) بعدها شبکه عصبی MLPBP شناسایی تغییرات مثبت منفی روندهای رو بالا/ رو پائین میانگین فرایند پرورش داده‌گاه تنوک (1999) شبکه عصبی MLP BP شناخت الگوی غیرطبیعی متقاطع توسعه دادند. کوک ال (2001)، توسعه شبکه عصبی MLP BP شناسایی تغییرات واریانس پارامترهای فرایند صورت ترتیبی دارای همبستگی بحث می‌کند.

شبکه MLP BP طرز موفقیت‌امیزی شناخت الگو بهره‌برداری قرار گرفته است، اما کندی پرورش هنوز عدم مطلوبیت‌هایی به‌کارگیری عملی ایجاد کرده است. واقع همگرایی الگوریتم BP نیازمند تعداد زیادی تکرار همچنین تعداد مکفی مشل‌های اموزشی است. بنابراین سایر شبکه‌های عصبی پیش تغذیه شده کنترل کیفیت متون پیشنهاد شده است. مثال کوک چیو (1998)، به‌منظور شناسایی تغییرات میانگین پارامترهای فرایند تولید دارای همبستگی خودکار، عملکرد شعاعی (RBF) سیستم شبکه عصبی پیشنهاد کردند.

ویژگی مشترک اکثر شیوه‌های عصبی پراکنده کنترل کیفیت، بهره‌گیری الگوریتم‌های کاراموزی سرپرستی است. استفاده تکنیک‌ها برمبنای فرضیه است که کاربر پیش گروه الگوهای غیرطبیعی که بایستی وسیله شبکه عصبی پیدا شود می‌شناسد. دانش اولیه نسبت اشکال الگو تولید داده‌های اموزشی که برون داده‌های غیرطبیعی اصلی تقلید می‌کند، ضروری است. وجود این، موارد صنعتی واقعی، محصولات فرایند غیرطبیعی نمی‌توان وسیله ظاهر الگوهای قابل پیش‌بینی نشان داد. بنابراین مدل‌های ریاضی درحال حاضر قابل دسترس نیستند نمی‌توانند فرموله شوند.

مقاله حاضر رویکرد متفاوتی شبکه عصبی فرایند نظارت پیشنهاد می‌کند، زمانی که هیچ اطلاعات قبلی خصوص توزیع داده‌های غیرطبیعی دسترس نیست، رویکرد پیشنهادی برمبنای شبکه عصبی نظریه تشدید قابل سازگاریی (ART) است که قابلیت اموختن سریع ماندگار فزاینده دارد.