فرمت فایل: ورد - Word  

مرجع فایل - قابل ویرایش ) 

تعداد صفحه : 54
كنترل كيفيت محصولات با بهره‌گيري از شبكه ART غير دقيق. ماسيمو پاچلا كويريچو سمرارو آلفردو آنگلاني چكيده به‌منظور توليد محصولات با كيفيت ثابت، مناسب است تا نظام‌هاي توليد براي جلوگيري از هرگونه انحراف غيرطبيعي در شرايط فرايند، نظارت شوند. چارت‌هاي كنترلي نقش مهمي در حل مشكلات كنترل كيفيت دارند؛ با وجود اين اثربخشي آنان به شدت به فرضيات آماري بستگي دارد كه در كاربردي واقعي صنعتي غالباً زير پا گذاشته مي‌شوند. برخلاف شبكه‌هاي عصبي مي‌توانند ميزان بسيار زيادي از داده‌هاي مخل را در زمان واقعي تشريح كنند، بدون آنكه نيازمند فرضيات توزيع آماري‌سنجهاي نظارت شده داشته باشند. اين ويژگي مهم شبكه‌هاي عصبي را مبدل به ابزارهايي توانمند مي‌كند كه مي‌توان براي بهبود تجزيه و تحليل داده‌ها در كاربردهاي كنترل كيفيت محصولات از آنها بهره گرفت. در اين مقاله، نظام شبكه عصبي كه برمبناي فاز آموزش غير نظارتي است، براي كنترل كيفيت معرفي مي‌شود. به‌ويژه نظريه تشديد قابل سازگاري ART به‌منظور تحقق نظام كنترل كيفيت فارغ از مدل مورد بحث قرار گرفته است كه مي‌تواند براي تشخيص تغييرات در فرايند توليد مورد بهره‌برداري قرار گيرد. هدف از اين تحقيق، تجزيه و تحليل عملكرد شبكه عصبي ART است با اين فرض كه الگوهاي غيرطبيعي در دسترس نيستند. براي رسيدن به اين هدف، الگوريتم ساده شده ART غير دقيق عصبي در ابتدا مورد بحث قرار گرفته و سپس مطالعات به‌منظور شبيه‌سازي گسترده مونت‌كارلو طرح شده است. كليد واژه‌ها: كنترل كيفيت محصولات: شبكه عصبي ART غير دقيق شبيه‌سازي مونت‌كارلو مقدمه كنترل فرايند آماري (SPC) شيوه‌اي است برمبناي چند تكنيك كه هدف از آن نظارت بر سنجرهاي محصول فرايند توليد است. چارت‌هاي كنترل ابزارهاي هستند كه گسترده‌ترين كاربرد را براي نشان دادن تنوع غيرطبيعي سنجرهاي مورد نظارت قرار گرفته و قرارگيري دلايل قابل انتقال آنها دارند. براي استفاده از چارت كنترل، نمونه‌هايي از محصولات در طول فرايند توليد جمع‌آوري مي‌شوند و آمارهاي نمونه در چارت قرار مي‌گيرند. اگر فرايند در وضعيت طبيعي قرار داشته باشد، انتظار مي‌رود آمارهاي نمونه در محدوده‌هاي

قسمتی از محتوی متن پروژه میباشد که به صورت نمونه ، بعد از پرداخت آنلاین در فروشگاه فایل آنی فایل را دانلود نمایید .

  

 « پرداخت آنلاین و دانلود در قسمت پایین »