9664

كاربردهاي يادگيري ماشين در كنترل فرآيند آماري

كارشناسي

مهندسي صنايع

1399

محسن فتح‌اله بياتي

1404/02/10

صنايع

Applications of Machine Learning in Statistical Process Control

كنترل فرآيند آماري يكي از ابزارهاي كليدي در تضمين كيفيت محصولات صنعتي است. با پيچيدگي روزافزون فرآيندهاي توليد، روش‌هاي سنتي كنترل كيفيت نظير نمودارهاي كنترلي كلاسيك، محدوديت‌هايي در تشخيص سريع و دقيق تغييرات فرآيند دارند. اين پژوهش به بررسي و پياده‌سازي مدل جنگل تصادفي براي بهبود نظارت بر فرآيندهاي توليد پرداخته است. در اين راستا، داده‌هاي توليدي شبيه‌سازي شده و ويژگي‌هاي مرتبط با كيفيت محصول استخراج شده است تا مدل جنگل تصادفي بتواند تغييرات فرآيند را به‌طور دقيق شناسايي كند. براي ارزيابي مدل، داده‌ها با استفاده از تكنيك‌هاي بازنمونه‌گيري متعادل‌سازي شده و معيارهايي نظير دقت، بازخواني و امتياز F1 براي سنجش عملكرد مدل به كار گرفته شدند. نتايج نشان داد كه مدل جنگل تصادفي توانسته است در مقايسه با روش‌هاي سنتي، عملكرد بهتري در شناسايي تغييرات فرآيند و كاهش خطاي تشخيص داشته باشد. اين تحقيق نشان مي‌دهد كه استفاده از يادگيري ماشين و مدل جنگل تصادفي در كنترل فرآيند آماري مي‌تواند دقت و سرعت پايش كيفيت را بهبود بخشد و ميزان خطاهاي توليد را كاهش دهد.كنترل فرآيند آماري يكي از ابزارهاي كليدي در تضمين كيفيت محصولات صنعتي است. با پيچيدگي روزافزون فرآيندهاي توليد، روش‌هاي سنتي كنترل كيفيت نظير نمودارهاي كنترلي كلاسيك، محدوديت‌هايي در تشخيص سريع و دقيق تغييرات فرآيند دارند. اين پژوهش به بررسي و پياده‌سازي مدل جنگل تصادفي براي بهبود نظارت بر فرآيندهاي توليد پرداخته است. در اين راستا، داده‌هاي توليدي شبيه‌سازي شده و ويژگي‌هاي مرتبط با كيفيت محصول استخراج شده است تا مدل جنگل تصادفي بتواند تغييرات فرآيند را به‌طور دقيق شناسايي كند. براي ارزيابي مدل، داده‌ها با استفاده از تكنيك‌هاي بازنمونه‌گيري متعادل‌سازي شده و معيارهايي نظير دقت، بازخواني و امتياز F1 براي سنجش عملكرد مدل به كار گرفته شدند. نتايج نشان داد كه مدل جنگل تصادفي توانسته است در مقايسه با روش‌هاي سنتي، عملكرد بهتري در شناسايي تغييرات فرآيند و كاهش خطاي تشخيص داشته باشد. اين تحقيق نشان مي‌دهد كه استفاده از يادگيري ماشين و مدل جنگل تصادفي در كنترل فرآيند آماري مي‌تواند دقت و سرعت پايش كيفيت را بهبود بخشد و ميزان خطاهاي توليد را كاهش دهد.

كنترل فرآيند آماري , يادگيري ماشين , جنگل تصادفي , يادگيري نظارت شده , كنترل چارت مبتني بر يادگيري ماشين , ماشين بردار پشتيبان , نمودار كنترل