جلد 28، شماره 4 - ( 12-1396 )                   جلد 28 شماره 4 صفحات 619-632 | برگشت به فهرست نسخه ها

XML Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

علیزاده آرش، عمرانی هاشم. ارائه مدلی استوار بر مبنای شبکه عصبی و تحلیل پوششی داده‌ها برای بهینه سازی روش تاگوچی چند پاسخه در حالت عدم قطعیت داده‌ها در برش لیزر CO2. نشریه بین المللی مهندسی صنایع و مدیریت تولید. 1396; 28 (4) :619-632

URL: http://ijiepm.iust.ac.ir/article-1-1314-fa.html


استادیار دانشگاه صنعتی ارومیه- دانشکده مهندسی صنایع ، h.omrani@uut.ac.ir
چکیده:   (405 مشاهده)
روش تاگوچی یک روش متداول برای کنترل کیفیت در حالت برون خطی است. این روش در صدد طراحی پارامتر و انتخاب بهترین سطح پارامترها برای طراحی بهتر روش تولید محصولات با کیفیت است. روش تاگوچی مناسب برای بهینه سازی مسائل چند پاسخه نمی باشد و ما نیازمند به یک روش مهندسی و بهینه سازی برای قضاوت در مورد انتخاب بهترین ترکیب پارامترها می باشیم. از سوی دیگر به علت وجود برخی عوامل غیرقابل کنترل و یا به علت امکان ناپذیر بودن اعمال تمام آزمایشات، فقط برخی از آزمایشات انجام می‌شود و قسمت اعظمی از نتایج ناتمام است. در این مقاله از روش شبکه عصبی پس خور برای حدس نتایج استفاده شده است. از آنجایی که نتایج و اعداد به دست آمده از شبکه عصبی دارای عدم قطعیت هستند و توزیع آن ها مشخص نیست، از رویکرد تحلیل پوششی داده‌های استوار برای انتخاب بهترین ترکیب پارامترها استفاده گردیده است. مدل پیشنهادی این مقاله برروی دستگاه برش لیزر CO2 شرکت تریلر سازی مارال صنعت امتحان گردیده و نتایج مورد بررسی قرار گرفته است.
متن کامل [PDF 520 kb]   (114 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: سایر موضوعاتی که به مرزهای دانش در مهندسی صنایع و تولید کمک می کند
دریافت: ۱۳۹۳/۹/۱۷ | پذیرش: ۱۳۹۶/۸/۸ | انتشار: ۱۳۹۷/۳/۲۸

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA code

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به نشریه بین المللی مهندسی صنایع و مدیریت تولید می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2018 All Rights Reserved | International Journal of Industrial Engineering & Production Management

Designed & Developed by : Yektaweb