عنوان :
ارائه يك روش تركيبي جهت تشخيص و پيش بيني عيوب در راستاي تحقق توليد بدون نقص
نويسنده اصلي :
دلقندي، دنيا
كليدواژه فارسي :
و+99 ص.، تصوير، جدول، نمودار، 6+88 كتابنامه
چكيده :
صنايع توليدي امروزي در بازارهايي فعاليت مي¬كنند كه به‌طور فزاينده رقابتي هستند. حفظ بقا در چنين بازارها و صنايعي با ارائه محصولات باكيفيت و جلب رضايت مشتريان به يكي از دغدغه‌هاي مهم كليه صنايع تبديل شده است. به‌اين‌ترتيب هم‌زمان با پيشرفت در زمينه جمع¬آوري داده¬ها، دانش داده¬كاوي و كشف دانش پنهان درون داده¬¬ها به‌عنوان راهكاري مؤثر جهت پاسخگويي به نيازهاي مشتريان مطرح شده است. درواقع داده¬كاوي از طريق شناسايي و پيش¬بيني عيوب در فرآيند توليد، مي¬تواند منجر به موفقيت در بازار رقابتي شود. شناسايي و پيش‌بيني عيوب از يك‌سو موجب ارائه محصول باكيفيت و از سوي ديگر موجب كاهش هزينه¬هاي عيوب نيز مي¬گردد. به‌منظور حركت به‌سوي توليد بدون نقص، لازم است كليه عوامل فرآيند به‌صورت يكپارچه در نظر گرفته شوند و بررسي تنها بخشي از فرآيند كافي نيست. با افزايش هرچه بيشتر پيچيدگي¬هاي سيستم توليد، واضح است تكنيك¬هاي داده¬كاوي تركيبي نسبت به تكنيك¬هاي يگانه مؤثرتر و كارآمدتر عمل مي¬كنند؛ چراكه تكنيك¬هاي متعدد با كاركردهاي متفاوت جهت دستيابي به نتايج موردنظر ادغام مي-شوند. بر اين اساس هدف اصلي اين پژوهش، ارائه مدلي تركيبي با دقت بيشتر جهت تشخيص و پيش‌بيني عيوب است، امري كه مي¬تواند گامي مؤثر در راستاي حركت به‌سوي توليد بدون نقص در يك صنعت توليدي در نظر گرفته شود. در اين راستا با توجه به بررسي ادبيات پژوهش و بخش‌هاي قابل‌تأمل، مدل جديدي بر مبناي يادگيري جمعي و الگوريتم ژنتيك به‌عنوان تكنيك تركيبي كارآمد ارائه گرديده است. در اين پژوهش از مجموعه داده SECOM برگرفته از سايت UCI شامل 1567 داده و 591 ويژگي از فرآيند توليد نيمه‌رسانا بهره گرفته شده است. در گام نخست به پيش¬پردازش مجموعه داده‌ پرداخته شده است. اين گام خود شامل حذف مقادير تهي و نرمال¬سازي ويژگي¬ها است. به‌منظور بررسي تأثير ويژگي¬هاي مجموعه داده از الگوريتم تجزيه بردار پشتيبان استفاده شده است و عدم تأثير حجم زيادي از ويژگي¬ها در تعريف و يا توزيع داده¬ها مشخص گرديد؛ موضوعي كه نشان¬دهنده اهميت انجام فرآيند انتخاب ويژگي است. به‌اين‌ترتيب استفاده از الگوريتم ژنتيك، بهينه¬سازي و انتخاب ويژگي در دستور كار قرار گرفته است. پس از انتخاب ويژگي، يادگيري جمعي مبتني بر تكنيك اجماع ميانگين احتمال¬ها (ميانگين¬گيري وزن¬دار) و با بهره¬گيري از 5 طبقه¬بند پايه گراديان نزولي تصادفي ، رگرسيون لجستيكي ، ماشين بردار پشتيبان ، نايو بيز برنولي و گراديان بوستينگ اعمال شده است. براي ساخت مدل يادگيري جمعي از ميانگين¬گيري وزن¬دار احتمال¬ها و به‌منظور وزن¬دهي به طبقه-بندها از دقت آن¬ها استفاده شده و هدف از اين نوع وزن¬دهي افزايش تأثير طبقه¬بندهايي با كارايي بالاتر است. پس از پياده¬سازي مدل، پارامترهاي ارزيابي مدل پژوهش با پارامترهاي جديدترين مدل¬هاي انجام‌گرفته بر روي مجموعه داده مشابه، مقايسه شده است. نتايج نشان داده است كه مدل پيشنهادي از دقت و كارايي بالاتري برخوردار بوده، موضوعي كه مي¬تواند گامي روبه‌جلو در دستيابي به رضايتمندي مشتري ضمن ارائه محصولات باكيفيت از طريق مدل‌سازي داده¬هاي فرآيند، كلاس‌بندي عيوب و يافتن عوامل مؤثر در شكل¬گيري عيوب و درنتيجه اخذ تصميمات بهتر در جهت تعميرات و نگهداري باشد.
شماره ركورد :
100483
دانشگاه :
دانشگاه صنعتي اميركبير
محل تحصيل - جزئيات :
اساتيد راهنما - جزئيات :
رشته تحصيلي - جزئيات :
كليدواژه فارسي - جزئيات :
كليدواژه لاتين - جزئيات :
اساتيد مشاور - جزئيات :
استاد راهنما :
شهرابي، جمال
پديدآورندگان ديگر - جزئيات :
نسخه ديجيتال :
دارد
آدرس اينترنتي :
لينک به اين مدرک :

بازگشت