887

A neural network based on new statistical features for recognizing unnatural patterns inX ̅ control chart

كارشناسي ارشد

صنايع

تهران شمال

1394

94/9/15

17/75

95ص.

كبيري نائيني، مهدي

SPC , Control Chart , Pattern Recognition

كيفيت محصولات و خدمات به درجه يكنواختي آن مربوط مي شود. اما بخشي از تغييرات يا نوسانات فرايندها كه تغييرات غيرطبيعي تلقي مي شوند، نشان دهنده يك عامل اختلال خارجي هستند كه بايست هرچه سريعتر شناسايي و حذف شود. بنابراين، مسأله كشف و شناسايي نوسانات غيرطبيعي، مقوله اي مهم در حوزه كنترل آماري فرايند محسوب مي شود. يكي از راه هاي مواجهه با اين مسأله، استفاده از شبكه عصبي براي تشخيص الگو در نمودارهاي كنترل است. شبكه عصبي مبتني بر داده خام جواب صريح ارائه نمي دهد، اين طريق ارائه داده به طور طبيعي باعث ساختار بزرگ شبكه عصبي مي گردد و براي مسائل پيچيده تشخيص الگو موثر و كارآمد نيست. يك شبكه عصبي مصنوعي با اندازه كوچكتر مي تواند منجر به آموزش سريع تر و تشخيص موثرتر و كارآمد گردد.شبكه عصبي مبتني بر ويژگي ، سرعت آموزش بالاتري دارد و نيز جواب صريح تر نسبت به شبكه عصبي مبتني بر داده خام ارائه مي دهد.از آنجا كه فيچرها ويژگي هاي اصلي داده ها را در يك قالب خلاصه نشان مي دهند رويكردهايي كه مبتني بر ويژگي هستند مي-توانند منجر به كارايي عملكرد سيستم شوند فيچرها در فرم هاي متنوعي از جمله فيچر آماري و شكلي قرار دارند. در اين پژوهش ضمن معرفي يك شبكه عصبي مصنوعي مبتني برويژگي هاي آماري، كارايي آن در تشخيص الگو با استفاده از شبيه سازي، مورد ارزيابي قرار گرفت كه نتايج حاصل، توجيه پذيري روش پيشنهادي را نشان مي دهد.

57373