دوره 19، شماره 2 - ( مجله مهندسی برق و الکترونیک ایران - جلد 19 شماره 2 1401 )
جلد 19 شماره 2 صفحات 208-201 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Tabatabaei M S, Yazdian-Dehkordi M, Jahangard Rafsanjani A. Predicting Dimensional Deviation of Ceramic Tiles using Machine Learning Methods. Journal of Iranian Association of Electrical and Electronics Engineers 2022; 19 (2) :201-208
URL: http://jiaeee.com/article-1-1035-fa.html
URL: http://jiaeee.com/article-1-1035-fa.html
طباطبائی مرضیه السادات، یزدیان دهکردی مهدی، جهانگرد رفسنجانی امیر. به‌کارگیری رویکردهای یادگیری ماشین جهت پیش‌بینی انحراف ابعاد کاشی‌های سرامیکی. نشریه مهندسی برق و الکترونیک ایران. 1401; 19 (2) :201-208
دانشکده مهندسی کامپیوتر- دانشگاه یزد
چکیده: (1311 مشاهده)
امروزه، رویکردهای یادگیری ماشین نقش مهمی را در شناسایی عوامل مؤثر بر کیفیت محصولات تولیدی ازجمله تولید کاشی و سرامیک ایفا می‌کنند. یکی از چالش‌های موجود در تولید کاشی و سرامیک، معیوب شدن کاشی‌ها به دلیل ایجاد انحراف در ابعاد کاشی تولیدی است. در صورتی‌که بتوان با توجه به پارامترهای فرآیند تولید، امکان ایجاد انحراف در ابعاد کاشی را قبل از تولید پیش‌بینی نمود، می‌توان از تولید کاشی معیوب جلوگیری و نسبت به تنظیم مجدد پارامترهای تولید اقدام نمود. در این پژوهش، یک سیستم خودکار جهت پیش‌بینی دسته‌ی انحراف کاشی و شناسایی عوامل تأثیرگذار بر آن، پیشنهاد شده است. بدین منظور سه طبقه‌بندکننده‌ی مختلف شامل رگرسیون منطقی، جنگل تصادفی و ماشین بردار پشتیبان جهت مدل‌سازی پارامترهای مربوطه مورد بررسی قرارگرفته و برترین ساختار معرفی شده است. علاوه بر این با بررسی چند دسته ویژگی و بهره‌گیری از روش انتخاب ویژگی پیش‌رو، متغیرهای مؤثر در تصمیم‌گیری انحراف کاشی نیز شناسایی شده‌اند. نتایج آزمایش‌های انجام شده بر روی نمونه‌های واقعی، نشان می‌دهد که رویکرد جنگل تصادفی کارایی بهتری نسبت به رویکردهای دیگر داشته و تأثیرگذارترین پارامترها در ایجاد انحراف کاشی، مقدار نامناسب دماهای کوره بوده است.
واژه‌های کلیدی: دسته‌بندی خودکار، انحراف ابعاد کاشی، یادگیری ماشین، جنگل تصادفی، ماشین بردار پشتیبان، رگرسیون منطقی، انتخاب ویژگی پیش‌رو.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License (CC BY NC 4.0) قابل بازنشر است. |
