کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
4961955 | 1446520 | 2016 | 8 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Application of Neural Network in Shop Floor Quality Control in a Make to Order Business
ترجمه فارسی عنوان
استفاده از شبکه عصبی در کنترل کیفیت کف فروشگاه در یک کسب و کار سفارش
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
شبکه عصبی، کنترل کیفیت، به سفارش کسب و کار،
ترجمه چکیده
ایجاد سفارش کسب و کار باید تولید محصولات که به نیاز فعلی مشتری سفارشی. سفارشی سازی می تواند با جمع آوری قسمت های مختلف استاندارد با پیکربندی های مختلف انجام شود. صنعت خدمات نفتی یک مثال معمولی است که اکثر محصولات تولید شده است مجموعه های استوانه ای ساخته شده از قطعات استاندارد سفارشی در اندازه آنها، مشخصات مواد، مشخصات پوشش، و موضوع برای بار درجه بندی خاص و محیط مناسب است. به عنوان چرخه های کسب و کار بالا و پایین، استخدام و شلیک پرسنل روزمره است. بنابراین، با توجه به جابجایی بالای کارکنان در طبقه کارگر، بازرسان بازبینی با بازده بالا، و در نتیجه تلاش شدید برای آموزش بازرسان برای مشکلات مشابه یکسان از همان قطعات استاندارد ضروری است. این مقاله یک مدل شبکه عصبی را پیشنهاد می کند تا به تمرینکنندگان صنعتی به چنین نگرانی پاسخ دهد. شبکه عصبی با «فراخوانی داوری» از کارشناسان تولیدی آموزش داده می شود تا بتواند به طور درست تصمیم گیری در مورد "ضایعات"، "تجدید" یا "استفاده به عنوان" برای قطعات مورد بررسی را تولید کند. داده های کیفیت واقعی از یک صنعت خدمات نفتی برای اعتبار سنجی اثربخشی ابزار پیشنهادی استفاده می شود.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
علوم کامپیوتر (عمومی)
چکیده انگلیسی
A make to order business has to produce the products that are customized to the customer's current need. The customization can be realized by assembling different standard parts with various 'configurations'. The oil field service industry is a typical example where most products produced are cylindrical assemblies made up of standard parts customized in their size, material specifications, coating specifications, and threading suited for the particular load rating and environment. As business cycles go up and down, hiring and firing of personnel is the routine of the day. Thus, it is very hard to keep experienced inspectors due to high turnover of the staff on shop floor and thus intensive endeavor to train the inspectors for the same recurrent problems of the same standard parts is required. This paper proposes a neural network model to help the industrial practitioners address such a concern. The neural network is trained with ample 'judgment calls' from the manufacturing experts so that it can properly generate the decision to 'scrap', 'rework' or 'use as is' for the inspected parts. The real quality data from an oil field service industry is used to validate the effectiveness of the proposed tool.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Procedia Computer Science - Volume 95, 2016, Pages 209-216
Journal: Procedia Computer Science - Volume 95, 2016, Pages 209-216
نویسندگان
Rajkamal Kesharwani, Cihan Dagli, Zeyi Sun,