خلاصة:
هدف از کنترل هوشمند،کنترل یک سیستم بدون در دست معادلات دینامیکی حاکم بر آن سیستم با حد اقل اطلاعات میباشد.فرآیند تولید یک محصول،همواره تحت تأثیر عوامل گوناگونی قرار گرفته و رفتار آن ازیک رابطه ریاضی مشخص تبعیت نمیکند.یکی از روشهای رایج برای کنترل فرآیند،استفاده از نمودارهای کنترل کیفیت شوهارت میباشد.تجزیه و تحلیل این نمودارها مستلزم دانش و تجربه کافی است که در عمل ممکن است همه اپراتورها از آن برخوردار نباشند.شبکههای عصبی-فازی به عنوان یکی از مؤلفههای هوش مصنوعی،میتوانند نقش مؤثری را در تقویت روشهای رایج کنترل فرآیند بر عهده بگیرند.در این تحقیق به کمک نرمافزار و با استفاده از شبکه ،به طبقهبندی دو الگوی غیرطبیعی در نمودارهای کنترل کیفیت پرداخته شده است.نتایج نهایی به دست آمده در این تحقیق نشان میدهند که با استفاده از میتوان با کاهش خطاهای مرتبط،ضریب اطمینان سیستمهای کنترل کیفیت را به خصوص در زمینه نمودارهای کنترل کیفیت،تا حدود زیادی افزایش داد.
Controlling a system with minimum information and regardless of dynamic equations which dominate systems is the aim of intelligent control. One of the common approaches for process control is applying Shewhart's quality control charts. Neuro-Fuzzy networks, as one of the branches of Artificial Intelligence (AI), can play an effective role in the enforcement of process control's common approaches. In this paper, through applying ANFIS, two patterns of trend and areas of out of control limits are discussed. The final obtained results show that through applying this approach, one can considerably increase the degree of certainty of quality control systems, particularly in quality control charts domain.
ملخص الجهاز:
در این تحقیق به کمک نرمافزار و با استفاده از شبکه ،به طبقهبندی دو الگوی غیرطبیعی در نمودارهای کنترل کیفیت پرداخته شده است.
نتایج نهایی به دست آمده در این تحقیق نشان میدهند که با استفاده از میتوان با کاهش خطاهای مرتبط،ضریب اطمینان سیستمهای کنترل کیفیت را به خصوص در زمینه نمودارهای کنترل کیفیت،تا حدود زیادی افزایش داد.
لذا به منظور استفاده از علوم جدید در صنایع و فرایندهای تولیدی و برای مکانیزه و مدرن کردن این صنایع،شده است که با استفاده از تکنیک عصبی-فازی و تشخیص ویژگیهای کنترل فرآیند(دو الگوی روند و نقاط خارج از حدود کنترل)گامی در جهت بهبود کیفیت برداشته شود.
کارهای متعدد دیگری نیز در این زمینه انجام شده است اما در زمینه نمودارهای کنترل تحقیقات کمی به کمک روش عصبی-فازی صورت گرفته است.
مقایسه بین منطق فازی و شبکه عصبی (به تصویر صفحه مراجعه شود) سیستمهای عصبی-فازی دارای مدلهای مختلفی هستند که در این تحقیق از مدل SIFNA استفاده شده است.
در این تحقیق دو الگوی روند و وجود نقاط خارج از حدود کنترل مورد استفاده قرار گرفته است.
نمونههای برداشتشده ضخامت لوله از یک کارخانه تولیدی محصولات تبدیلی سیمان (به تصویر صفحه مراجعه شود) سپس به کمک نمودارهای سنتی کنترل و به کمک نرمافزار SSPS نمودار Pn برای این نمونهها ترسیم شد که در نمودار 7 نشان داده شده است.
برای تشخیص الگوهای خارج از حدود کنترل،از مفاهیم جدیدی همچون منطق فازی و شبکههای عصبی با هدف طراحی یک کنترلر هوشمند استفاده شود.