10179

بررسي كاربردهاي يادگيري ماشين در تشخيص خرابي در تجهيزات سيگنالينگ

1396

دكتر احمد ميرآبادي

مستعد خطا بودن يك محصول نمي تواند به طور مستقيم سنجيده شود، اگرچه مي تواند بر اساس متغيير هاي مح صولي تخمين زده شود كه اين متغيير ها يك تو صيف كمي از ويژگي هاي مح صول را فراهم ميكنند. برخي پژوهش ها، شواهدي تجربي را بيان كرده اند كه رابطه ي موجود بين متريك هاي محصولي و مستعد خطا بودن محصول را بيان مي كنند . پيشبيني خطاي محصول، مديران محصول را قادر ميسازد كه تلاش براي بهبود كيفيت محصول را در قسمتهاي مورد نياز متمركز كنند. به عنوان مثال، قبل از آزمون سوويسووتم، شووناسووايي اجزايي كه به احتمال زياد در حين عمليات باعث بروز خطا ميگردند، ميتواند اثربخ شي تلاش براي آزمون نررم افرزار را بهبود بخ شد. به همين دليل روش هاي مختلف مدل سازي پي شبيني خطاي مح صول تو سعه داده شده اند و به طور واقعي براي پي شبيني كيفيت محصول مورد استفاده قرار مي گيرند .

12/7/2020 12:00:00 AM

73285

1400/09/13

Investigating the applications of machine learning in detecting failures in signaling equipment

يادگيري ماشين , شناسايي خطا , ماشين سوزن , پيش بيني خطا , يادگيري عميق

Machine learning , point machine , deep learning , Error prediction