سامانه مدیریت همایش های علمی


یازدهمین کنفرانس بین‌المللی مهندسی صنایع


عنوان فارسی	تشخیص الگو در نمودارهای کنترل با استفاده از روش تجزیه به مدهای تجربی (EMI)، ماشین بردارپشتیبان (SVM) و شبکه های عصبی

چکیده فارسی مقاله	کنترل و نظارت بر فرآیندها یکی از وظایف مهم در کنترل کیفیت آماری به حساب می آید. در نتیجه نمودارهای کنترل نیز به عنوان ابزاری برای کنترل نقشی مهم در کنترل کیفیت ایفا می کنند و با توجه به عدم توانایی نمودارهای کنترل برای هشدار هنگام وجود الگوهای غیر طبیعی در این نمودارها، امروزه تشخیص خودکار این الگوها در نمودارهای کنترل در فرآیندهای تولیدی اهمیت فراوانی یافته است. در این پژوهش، مدل پیشنهادی با توجه به چارچوب سه ماژولی سامانه تشخیص الگو که شامل ماژول های پیش پردازش داده ها، استخراج ویژگی و طبقه بندی است، شکل گرفته است. استفاده از روش تجزیه به مدهای تجربی (EMD)، به منظور استخراج ویژگی از سیگنال های نمودار کنترل برای تشخیص الگوها در این نمودارها برای نخستین بار در این پژوهش مدنظر قرار گرفته است، به این صورت که آخرین تابع حالت ذاتی ( IMF) استخراجی به عنوان ویژگی استخراج شده از سیگنال اصلی در نظر گرفته شده است. در ماژول طبقه بندی از ماشین بردار پشتیبان و شبکه های عصبی چند لایه استفاده شده و در نهایت پس از ارزیابی عملکرد سیستم، صحت تشخیصی برابر با 92 /52 حاصل شده که نشان از کارایی خوب سیستم پیشنهادی دارد.

کلیدواژه‌های فارسی مقاله	نمودارهای کنترل، الگو، استخراج ویژگی، تجزیه به مدهای تجربی

عنوان انگلیسی	Control chart pattern recognition using empirical mode decomposition, support vector machine and neural networks

چکیده انگلیسی مقاله	Control and monitoring of processes is one of the important tasks in statistical quality control. So control charts as a tool to control plays an important role in quality control and due to the inability of control charts to alert the presence of the abnormal patterns in control charts, Automatic recognition of abnormal patterns in control charts has seen increasing demands nowadays in the manufacturing processes. In this study, the proposed model with respect to the three modules of pattern recognition system is formed that includes data preprocessing, feature extraction and classification.Using of empirical mode decomposition (EMD) for first time is considered in this study for control chart pattern recognition (CCPR), in order to extract features from Signals of control charts. The EMD is used as a tool for feature extraction. This means that the latest IMF is considered as features that extracted from the original signal. In the classification module, the multilayer neural networks and support vector machine are used. Finally, after the evaluation of system performance, the accuracy for purposed model 92.52 is obtained and show the good performance of the proposed system.

کلیدواژه‌های انگلیسی مقاله	Control charts, Empirical Mode Decomposition, Pattern, Feature Extraction

نویسندگان مقاله	حسین طرفدار \| Hossein Tarafdar Yazd University دانشگاه یزد محمد صالح اولیاء \| MohammadSaleh Owlia Yazd University دانشگاه یزد محمد تقی صادقی \| Mohammad Taghi Sadeghi Yazd University دانشگاه یزد

نشانی اینترنتی	iiec2015.org
فایل مقاله	دریافت فایل مقاله
کد مقاله (doi)
زبان مقاله منتشر شده	fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده

برگشت به: صفحه اول پایگاه \| دوره مرتبط \| کنفرانس مرتبط \| فهرست کنفرانس ها