ارایه یک رویکرد مبتنی بر شبکه عصبی مصنوعی به منظور تشخیص کیفیت محصولات نوردی مطالعه موردی : فولاد خراسان
Publish place: National Conference on Knowledge and Technology of Electrical Engineering, Computer and Mechanics of Iran
Publish Year: 1398
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 712
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
UTCONF03_166
تاریخ نمایه سازی: 24 شهریور 1398
Abstract:
کنترل کیفیت محصولات نوردی شامل سایزهای مختلف میلگرد، نبشی و... یکی از مهم ترین فعالیت ها در فرایند تولید می باشد که هر گونه خطای تشخیص کیفیت محصول می تواند منجر به هزینه های مالی و انسانی بالایی در سطح کلان جامعه گردد. از این رو، بازرسان کیفی مستقر در خط تولید از ابتدا با بازرسی و نمونه برداری از محموله شمش ورودی و تایید آن با توجه به آنالیز ارائه شده و مطابقت با استاندارد مربوطه اقدام نموده و پس از آن در طول تولید بازرسان به طور مداوم و با روش های نمونه گیری تعریف شده منطبق با استاندارد، اقدام به بازرسی وکنترل مرحله به مرحله محصول از لحاظ ظاهری و انطباق با استاندارد و نیز آزمایش نمونه ها از نظر استحکام پذیر کنترل فرآیند تولید می نمایند. فعالیت بازرسی محصولات نوردی در فرایند تولید همواره زمان بر بوده و با هزینه های بالا همراه می باشد. بنابراین استفاده از یک سیستم خبره که بر اساس دانش اطلاعات وضعیت محصولات نوردی پیشین آموزش دیده است، علاوه بر کاهش دخالت انسان و خطاهای چشمی می تواند کاهش چشمگیری بر هزینه های تمام شده داشته و سرعت تشخیص استاندارد بودن محصولات نوردی را افزایش دهد. بنابراین ما در این تحقیق بر ارایه سیستم خبره به منظور تشخیص استاندارد بودن محصولات نوردی در فولاد خراسان تمرکز می کنیم و بر این اساس روشی مبتنی بر شبکه عصبی مصنوعی ارایه می دهیم. پس از اجرای روش پیشنهادی بر روی داده های واقعی حاصل از 2 سال داده های مربوط به آنالیز محصولات نوردی فولاد خراسان، سیستم خبره پیشنهادی با دقت 92 % قادر به تشخیص استاندارد بودن می باشد که این عملکرد روش پیشنهادی را اثبات می کند.
Keywords:
Authors
مصطفی شورگشتی
دانشجوی کارشناسی ارشد دانشگاه غیرانتفاعی سبحان نیشابور
محمد کمالی مقدم
استادیار دانشگاه فناوری های نوین سبزوار