تشخیص خطا با استفاده از ماشین بردار پشتیبان چندکلاسه

در محيط های صنعتی، مقدار زیادی از داده ها توليد می شود که به نوبه خود انبار پایگاه داده و داده ها را از همه مناطق مربوطه مانند برنامه ریزی، طراحی فرآیند، مواد، مونتاژ، توليد، کيفيت، کنترل فرآیند، برنامه ریزی، تشخيص خطا، خاموش کردن، مدیریت ارتباط با مشتری و غيره جمع آوری می کند. داده کاوی به ابزار مورد استفاده برای کسب دانش برای روند صنعتی ساخت آهن و فولاد تبدیل شده است. با توجه به رشد سریع داده کاوی، صنایع مختلف از فنّاوری داده کاوی برای جستجوی الگوهای پنهان که ممكن است بيشتر به سيستم با دانش جدیدی که مدل های جدید را برای بهبود کيفيت توليد، هزینه مطلوب بهره وری و تعمير و نگهداری و غيره بپردازند استفاده کردند. بهبود مستمر تمام فرایند توليد فولاد با توجه به اجتناب از کمبود کيفيت و بهبود توليد مرتبط با آن، یک وظيفه اساسی توليدکننده فولاد است. بنابراین، استراتژی نقص صفر امروزه محبوب است و برای حفظ آن، چندین تكنيک تضمين کيفيت استفاده می شود. در این مقاله سعی ميشود با استفاده از داده کاوی حسگرهای موثر در وضعيت سيستم شناسایی شوند وسپس با استفاده از ماشين بردار پشتيبان مدل مناسبی برای پيشبينی وضعيت سيستم به دست آورده شود که در این مقاله با دقت بيش از 95 درصد حالت خطا تشخيص داده شده است.

کلیدواژه ها:

روش های گروهی ، تصمیم گیری ، الگوها ، بردار پشتیبان ، نزدیکترین همسایگی