کاربرد شبکه عصبی مصنوعی در پایش پروفایل های خطی تعمیم یافته
چکیده
کنترل فرآیند آماری عمدتاً درگیر با فعالیت های تفسیر نمودار کنترل، تشخیص فرآیندهای انحرافی و انجام عملیات اصلاحی است. این نمودارها تحت کنترل یا خارج از کنترل بودن فرآیند را نشان می دهند. با توجه به اینکه تجزیه و تحلیل نمودارهای کنترل برای بسیاری از کاربران دشوار بوده و نیازمند تجربه و دانش کافی از فرآیند تولیدی و آماری می باشد، لذا نیاز به سیستمی است تا قادر باشد به طور خودکار وضعیت های خارج از کنترل را شناسایی، منابع انحراف را آشکار و فعالیت های اصلاحی را توصیه نماید. در برخی از مسائل کنترل کیفیت آماری، کیفیت یک محصول یا عملکرد یک فرآیند بوسیله رابطه بین متغیر پاسخ و یک یا چند متغیر مستقل توصیف می شود. این رابطه پروفایل نامیده می شود. انواع مختلف پروفایل ها توسط محققان مختلف مورد بررسی قرار گرفته است. در بعضی از کاربردها همچون کالیبراسیون این رابطه با استفاده از یک مدل رگرسیون خطی ساده توصیف شده در حالی که در موقعیت های دیگر مدل های پیچده تری نیاز است. یک نوع از این پروفایل ها مبتنی بر الگوهای خطی تعمیم یافته است. در این پایان نامه از شبکه عصبی مصنوعی برای پایش پروفایل های خطی تعمیم یافته در فاز دوم استفاده شده است. هدف اصلی در فاز دوم پایش پروفایل ها کشف شیفت ها در کمترین زمان ممکن است. شبکه عصبی مصنوعی پیشنهادی یک شبکه عصبی مصنوعی پرسپترون چندلایه با الگوریتم آموزشی پس انتشار خطا است. شبکه پیشنهادی به پایش پروفایل های پواسون و دوتایی می پردازد. با استفاده از مثال های عددی و شبیه سازی عملکرد متوسط طول دنباله شبکه عصبی مصنوعی پیشنهادی با روش t_i^2 مورد مقایسه قرار گرفته است. نتایج نشان می دهد شبکه عصبی مصنوعی پیشنهادی عملکرد تقریباً مناسبی نسبت به روش t_i^2 دارد. از طرفی شبکه عصبی پیشنهادی در زمانی که فرآیند خارج از کنترل است قادر به تشخیص پارامتر(های) عامل هشدار می باشد.