کاربرد یادگیری ماشین در پایش و پیشبینی کیفیت کامپاندهای CSM از داده های کوچک تا تصمیم گیری هوشمند در کنترل ضایعات صنعتی
محل انتشار: هشتمین همایش ملی پلیمر ایران
سال انتشار: 1404
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 41
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
POLYMER08_257
تاریخ نمایه سازی: 8 دی 1404
چکیده مقاله:
در این پژوهش از روشهای یادگیری ماشین برای پیش بینی استحکام کششی (TS) و انرژی کرنش (SE) آمیزه های پلی اتیلن کلروسولفونه (CSM) استفاده شد. دادههای ورودی شامل غلظت شتاب دهنده (CBS)، گوگرد (S۸) و زمان پخت (to) بودند. سه الگوریتم جنگل تصادفی، فرایند گاوسی و بردار پشتیبان بررسی شدند. نتایج نشان داد فرایند گاوسی در داده های کم نمونه بهترین عملکرد را داشته و پیش بینی دقیق (۰.۹۹۹=R۲، ۰.۰۳=RMSE) ارائه داد. تحلیل حساسیت ویژگیها و ابزارهایی مانند ماتریس در هم ریختگی و نقشه سه بعدی شتاب دهنده-گوگرد نیز به عنوان راهکارهایی برای کنترل کیفیت و کاهش ضایعات صنعتی معرفی شدند.
کلیدواژه ها:
نویسندگان
مونا ناظری
دانشکده فناوریهای مواد و ساخت، دانشگاه صنعتی مالک اشتر، تهران، ایران
محمود رضوی زاده
دانشکده فناوریهای مواد و ساخت، دانشگاه صنعتی مالک اشتر، تهران، ایران
محمد خبیری
دانشکده فناوریهای مواد و ساخت، دانشگاه صنعتی مالک اشتر، تهران، ایران
