10103

ارتقاء عملكرد نمودار هاي كنترل با استفاده از يادگيري ماشين

كارشناسي

مهندسي صنايع

1404

جناب آقاي دكتر محسن فتح اله بياتي

جناب آقاي دكتر روزبه قوسي

1404/08/28

مهندسي صنايع

Enhancing the Performance of Control Charts Using Machine Learning

در فرآيندهاي توليد، پايش مستمر و شناسايي وضعيت‌هاي خارج از كنترل يكي از مهم‌ترين الزامات براي حفظ كيفيت محصولات است. استفاده از نمودارهاي كنترل در اين راستا به‌طور گسترده‌اي براي بررسي نسبت معيوب‌ها و انحرافات فرآيند به‌كار مي‌رود. با اين حال، محدوديت‌هاي روش‌هاي آماري سنتي مانند نمودار p در شبيه‌سازي و شناسايي تغييرات پيچيده و تدريجي فرآيندها به‌ويژه در شرايط خارج از كنترل مشهود است. در اين تحقيق، از مدل يادگيري ماشين Random Forest به‌عنوان رويكردي نوين براي پايش دقيق‌تر و هوشمندتر فرآيندهاي توليد استفاده شده است. اين پژوهش به مقايسه‌ي عملكرد نمودار كنترل p و مدل يادگيري ماشين Random Forest در شبيه‌سازي و شناسايي وضعيت‌هاي خارج از كنترل در فرآيندهاي توليد پرداخته است. مقاله‌هاي مرتبط با موضوع بحث نيز به بررسي استفاده از مدل‌هاي يادگيري ماشين براي ساخت نمودارهاي كنترل پرداخته و تأكيد دارد كه اين روش‌ها به‌ويژه در شبيه‌سازي فرآيندهايي با تغييرات پيچيده و نوسانات جزئي، عملكرد بهتري نسبت به روش‌هاي سنتي دارند. نتايج تحقيق حاضر نشان داد كه مدل يادگيري ماشين به‌ويژه Random Forest در شبيه‌سازي تغييرات پيچيده و تدريجي با دقت و حساسيت بيشتري نسبت به نمودار p عمل مي‌كند. اين مدل توانست وضعيت‌هاي خارج از كنترل را با دقت بالاتري شبيه‌سازي و شناسايي كند، كه نشان‌دهنده‌ي توانايي بالاي يادگيري ماشين در شبيه‌سازي تغييرات تدريجي و پيش‌بيني به‌موقع انحرافات است. اين يافته‌ها اهميت استفاده از يادگيري ماشين را در بهبود سيستم‌هاي كنترل كيفيت و پايش فرآيندها در صنايع مختلف برجسته مي‌سازد.

يادگيري ماشين، رندوم فارست (Random Forest)، كنترل كيفيت، كنترل چارت سنتي، پايش فرآيند نمودار كنترلp، وضعيت خارج از كنترل