کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6854265 1437410 2018 14 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Time-adaptive support vector data description for nonstationary process monitoring
ترجمه فارسی عنوان
توضیحات داده برداری بردار زمان انطباق برای نظارت غیرمستقیم فرآیند
کلمات کلیدی
نمودار کنترل چند متغیره، توضیحات پشتیبانی از بردار پشتیبانی، فرآیند متغیر زمان کنترل فرایند، فراگیری ماشین، فرایند غیر استثنایی،
ترجمه چکیده
تکنیک های کنترل فرآیند آماری به طور گسترده ای برای کنترل کیفیت برای نظارت بر ثبات یک فرآیند در طول زمان مورد استفاده قرار می گیرند. در سیستم های تولید مدرن با فرآیندهای پیچیده و متغیر، تکنیک های نمودار کنترل مناسب که می توانند به طور موثر فرایندهای غیر عادی پاسخ دهند، مورد نیاز است. علاوه بر این، در محیط های واقعی تولید، تغییرات فرآیند به طور فزاینده ای به علت عوامل مختلف مانند تغییرات محصول و تنظیم مقطع، تخریب کاتالیزور، تغییرات فصلی و ریزش سنسور رخ می دهد. با این حال، نمودارهای کنترلی کنترلی کنترل نمی توانند لزوما همه شرایط ممکن آینده یک فرآیند را در نظر بگیرند، زیرا آنها براساس اطلاعات ثبت شده در مراحل اولیه فرآیند تهیه شده اند. تلاش های متعددی برای جابجایی تغییرات فرآیند در طول زمان صورت گرفته است. در مقاله حاضر، ما یک نمودار کنترل مبتنی بر توصیف بردار پشتیبانی زمان را پیشنهاد می کنیم که می تواند نه تنها مشاهدات غیر عادی در کنترل، بلکه فرآیندهای متغیر زمان را نیز مورد توجه قرار دهد. اثربخشی و کاربرد نمودار پیشنهادی از طریق آزمایشات با داده های شبیه سازی و داده های واقعی از فرایند قاب فلزی در تولید دستگاه های موبایل نشان داده شد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
توضیحات داده برداری بردار زمان انطباق برای نظارت غیرمستقیم فرآیند
چکیده انگلیسی
Statistical process control techniques are widely used for quality control to monitor the stability of a process over time. In modern manufacturing systems with complex and variable processes, appropriate control chart techniques that can efficiently address nonnormal processes are required. Furthermore, in real manufacturing environments, process changes occur frequently because of various factors such as product and setpoint changes, catalyst degradation, seasonal variations, and sensor drift. However, conventional control chart schemes cannot necessarily accommodate all possible future conditions of a process because they are formulated based on information recorded in the early stages of the process. Several attempts have been made to accommodate process changes over time. In the present paper, we propose a time-adaptive support vector data description-based control chart that can address not only nonnormal in-control observations, but also time-varying processes. The effectiveness and applicability of the proposed chart was demonstrated through experiments with simulated data and real data from the metal frame process in mobile device manufacturing.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Engineering Applications of Artificial Intelligence - Volume 68, February 2018, Pages 18-31
نویسندگان
, ,