مقایسه عملکرد رگرسیون خطی چندگانه و رگرسیون K نزدیک ترین همسایگی جهت پیش بینی وزن رول های تولیدی ایزوگام

وزن رول های ایزوگام یکی از عوامل موثر در هزینه ی قیمت تمام شده آن است چرا که با افزایش وزن رول ها، مقدار قیر مصرفی در هر رول افزایش یافته و در کوتاه مدت و بلند مدت بر هزینه تولید تاثیر زیادی خواهد داشت. از این رو تعریف مدلی که بتواند وزن رول های ایزوگام را ارزیابی نماید ضروری می باشد. هدف این پژوهش مقایسه رگرسیون خطی چندگانه و رگرسیون K نزدیکترین همسایگی جهت تعریف مدل ارزیابی وزن رول های ایزوگام و عوامل موثر بر آن می باشد. لذا برای مدل سازی مطلوب اطلاعات ۳۸۴ رول به عنوان نمونه جمع آوری گردید. جهت تجزیه و تحلیل مدلها از کلاس های KNeighborsRegressor, LinearRegression کتابخانه Scikit-learn نرم افزار ها پایتون و جهت پاره ای از ارزیابی ها از نرم افزار SPSS استفاده شد. بر اساس نتایج بدست امده از تحقیق هر دو مدل ایجاد شده پیش بینی خوبی از وزن داشتند. در مدل رگرسیون خطی چندگانه تفاوت خطا در داده های آموزش و آزمایش نسبت به مدل رگرسیون K نزدیکترین همسایگی کمتر بدست آمد. لذا با استفاده از رگرسیون خطی چندگانه می توان وزن رول های ایزوگام را با اطمینان بیشتری پیش بینی کرد که این امر به تولید کننده در مدیریت بهتر منابع جهت دستیابی به حداکثر سود کمک می کند.

کلیدواژه ها:

ایزوگام ، تخمین وزن ، یادگیری ماشین ، رگرسیون خطی چند گانه ، رگرسیون K نزدیکترین همسایگی