کنترل پیش بینانه کیفیت با استفاده از شبکه های عصبی مصنوعی (anns) و روش ترکیبی تحلیل رگرسیون و anns

در این مقاله با ارایه نمونه عملی فرآیند اسپری درایینگ، متدولوژی مدل سازی فرآیندها با استفاده سلسله مراتبی از تحلیل رگرسیونی و الگوریتم شبکه عصبی مصنوعی، با هدف کنترل پیش بینانه کیفیت، برای نخستین بار تشریح و پیاده سازی شده است. استفاده ازanns در این مقاله، به منظور معماری مدل عصبی فرآیند اسپری درایینگ با اتخاذ یک رویکرد عمومی و انتخاب الگوریتم پس انتشار خطا به کمک داده های مستقیم است. فرض تاثیر مثبت اعمال تحلیل رگرسیونی بر ارتقا پایایی مدل عصبی، با محاسبه و تحلیل شاخص های ارزیابی پایایی مدل که عبارتند از: ضریب تعیین ، میانگین خطای نسبی (mre) و جذر میانگین مربعات خطا (rmse)، برای مدل عصبی و مدل عصبی- آماری (مدل عصبی با اعمال تحلیل رگرسیونی) تایید شد. در انتها با توجه به نتایج ارزیابی پایایی، سناریوهای مختلفی برای تنظیم ورودی های فرآیند توسط مدل عصبی- آماری فرآیند طراحی شد که با استفاده از آن می توان کنترل پیش بینانه را جایگزین روش های مبتنی بر سعی و خطا برای کنترل فرآیند کرد.