روشی نوین در تشخیص نوع الگوهای جدول کنترل با استفاده از الگوریتم های هوشمند

الگوهای جدول کنترل یکی از روش های موثر نظارت بر فرآیند تولید می باشد. نظارت و مانیتورینگ دائمی فرآیند تولید باعث می شود کالاهایی با کیفیت بالا تولید شود. به همین خاطر نظارت بر فرآیند تولید در صنعت از اهمیت ویژه ای برخوردار است. الگوهای جدول کنترل شامل شش الگوی متفاوت و تقریبا شبیه هم هستند که هر یک نشان دهنده وضعیت خاصی در فرآیند تولید می باشند. این الگوها شامل الگوهای نرمال، پریودیک، روندی افزایشی، روندی کاهشی، شیفت بالا رونده و شیفت پائین رونده هستند. در این بین غیر از الگوی نرمال، هر یک از الگوها نشان دهنده وجود خطا در فرآیند تولید می باشند. برای رفع خطای بوجود آمده ابتدا باید نوع خطا به درستی تشخیص داده شود تا اقدامات متناسب با آن خطا صورت گیرد. در این مقاله روشی هوشمند و اتوماتیک برای تشخیص نوع الگوهای جدول کنترل بر پایه ماشین بردار پشتیبان پیشنهاد شده است. در روش پیشنهادی از ماشین بردار پشتیبان به عنوان کلاسیفایر استفاده شده است. در ماشین بردار پشتیبان، پارامترهای آزاد و ورودی نقش مهمی در دقت آن دارند. به همین خاطر در این مطالعه از الگوریتم زنبور برای پیدا کردن ضرایب ماشین بردار پشتیبان مانند ضریب پنالتی و واریانس بردارها استفاده شده است. هم چنین برای افزایش بیشتر دقت سیستم ارائه شده، از ویژگی های موثر شامل ضرایب تبدیل ویولت به عنوان ورودی ماشین بردار پشتیبان استفاده شده است. برای تست عملکرد و دقت روش پیشنهادی از داده های واقعی مربوط به یک کارخانه اتومبیل سازی در بریتانیا استفاده شده است و نتایج شبیه سازی نشان می دهد که روش پیشنهادی دارای عملکرد بسیار خوبی در پیدا کردن الگوهای جدول کنترل است.

Keywords:

استخراج ویژگی , الگوریتم زنبور , تبدیل ویولت , الگوهای جدول کنترل , ماشین بردار پشتیبان