استخراج سیستم های استنتاج فازی برای تشخیص الگوهای غیرطبیعی در نمودار کنترل شوهارت

نوسان نقاط روی نمودار کنترل در دو گروه طبیعی و غیر طبیعی دسته بندی می شوند. تا کنون برای شناسایی الگوهای غیر طبیعی بر روی نمودارهای کنترل شوهارت، تحقیقات متعددی بر اساس به کارگیری ابزارهای هوش محاسباتی انجام شده است. در این تحقیق به طراحی یک سیستم استنتاج فازی عصبی تطبیقی (ANFIS) برای شناسایی سه الگوی شیفت، روند و سیکل در نمودار کنترل برای مشاهدات انفرادی پرداخته شده و عملکرد آن با یک سیستم یادگیرنده که بر اساس رویکرد خوشه بندی فازی c-meansبه استخراج قواعد از یک مجموعه داده آموزشی می پردازد مورد مقایسه قرار گرفته است. ورودی این دو سیستم فازی به جای مشاهدات خام از ویژگی های آماری مطلوب آنها که به کمک روش تحلیل تفکیکی انتخاب می شود تشکیل شده است. در این مطالعه نشان داده می شود که سیستم ANFIS که بر مبنای خوشه بندی کاهشی توسعه یافته است، در تمییز الگوی سیکل بهتر عمل نموده و سیستم مبتنی بر خوشه بندی c-means برای شناسایی الگوی روند از توانایی بالاتری برخوردار است.

کلیدواژه ها:

کنترل فرایند آماری (SPC) ، تشخیص الگو (Pattern recognition) ، خوشه بندی ، یادگیری استقرائی (Inductive learning) ، سیستم استنتاج عصبی فازی تطبیقی (ANFIS)