کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5471222 1519388 2017 47 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Learning curve parameter estimation beyond traditional statistics
ترجمه فارسی عنوان
برآورد پارامتر منحنی یادگیری فراتر از آمار سنتی
کلمات کلیدی
عملیات دستی، منحنی یادگیری، منحنی انعطاف پذیر، برآورد پارامتر، مدل سازی ریاضی،
ترجمه چکیده
با توجه به کاهش تعداد سفارشات، افزایش تنوع محصول و نوسان قیمت سفارشات تولیدی، شرکت های تولیدی با افزایش درگیری پدیده یادگیری فراموش شده تکراری مواجه شده اند. در این مقاله، روش های قطعی برای ارزیابی پارامتر منحنی یادگیری از داده های تولید محدود موجود در محیط تولید ناپایدار مورد مطالعه قرار گرفته است. دو مدل اصلی منحنی یادگیری: متوسط ​​تجمعی (رایت) و واحد (کراوفورد) مورد بررسی قرار گرفتند و برای برآورد پارامتر چندین روش ریاضی اثبات شده پیشنهاد شده است. نتایج محاسبات نشان داد که پارامترهای منحنی یادگیری می تواند به وضوح از داده های تولید محدود (نمونه گیری تصادفی تک) با استفاده از روش های قطعی برای هر دو مدل منحنی یادگیری تخمین زده شود، اگر چه برآورد دقیق تر از روش های متوسط ​​مبتنی بر مدل تجمعی ارائه شده است. روش های جدید ارائه شده می توانند ارزیابی نسبتا دقیق پارامتر را از داده های محدود تولید ارائه دهند که در آن روش های ارزیابی پارامترهای آماری سنتی نمی توانند مورد استفاده قرار گیرند.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مکانیک محاسباتی
پیش نمایش مقاله
برآورد پارامتر منحنی یادگیری فراتر از آمار سنتی
چکیده انگلیسی
Due to decreasing order quantities, increasing product variety and fluctuating production orders, manufacturing companies have been encountering an increased occurrence of repetitive learning-forgetting phenomenon. In this paper, deterministic methods for the learning curve parameter estimation from the limited production data available from the unstable production environment are studied. Two main learning curve models: cumulative average (Wright) and unit (Crawford) were considered and several different mathematically proven methods were proposed for the parameter estimation. The calculation results illustrated that learning curve parameters can be unequivocally estimated from the limited production data (single random sample) by using deterministic methods for both of the learning curve models, although more accurate estimation was provided by the cumulative average model based methods. Newly proposed methods enable sufficiently accurate parameter estimation from the limited production data where traditional statistical parameter estimation methods cannot be applied.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Applied Mathematical Modelling - Volume 45, May 2017, Pages 768-783
نویسندگان
, ,