BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Rojek Izabela (Uniwersytet Kazimierza Wielkiego)
Tytuł
Sieci neuronowe w kontroli jakości procesu
Neural Networks in Process Quality Control
Źródło
Studia i Materiały Polskiego Stowarzyszenia Zarządzania Wiedzą, 2015, T. 74, s. 91-100, rys., tab., bibliogr. 11 poz.
Słowa kluczowe
Sieci neuronowe, Jakość procesu technologicznego, Kontrola
Neural networks, Quality of technological process, Control
Uwagi
streszcz., summ.
Abstrakt
W artykule przedstawiono zastosowanie sieci neuronowych w kontroli jakości procesu technologicznego. Kontrola jest bardzo ważnym etapem całego procesu produkcyjnego. Istnieją różne metody sprawdzania tej jakości. W niektórych przedsiębiorstwach produkcyjnych jakość sprawdzana jest przez operatorów maszyn, czy też działy kontroli jakości. Mogą tutaj być wykorzystywane metody ręcznego sprawdzania jakości lub narzędzia statystycznej kontroli w postaci specjalizowanych programów komputerowych. Innym podejściem jest traktowanie karty kontrolnej jako obrazu, a nie zbioru punktów. Opracowano modele analizy karty kontrolnej jako obrazu w postaci sieci neuronowych typu MLP, czyli sieci jednokierunkowych, wielowarstwowych ze wsteczną propagacją błędu. Modele te przetestowano na danych rzeczywistych z przedsiębiorstwa produkcyjnego. (abstrakt oryginalny)

This paper presents neural networks in process quality control. The control is a very important step in the production process. There are different methods for checking the quality of the process. In some manufacturing companies quality is checked by machine operators or quality control departments. Here can be used methodfor manually checking the quality or tools of statistical control in the form of specialized computer programs. Another approach is to treat the control card as an image instead of a set ofpoints. We have developed the models of analysis ofprocess control charts. The models were created in the form of multilayer networks with error back propagation (MLP neural networks). The models were tested on real data from the production company. (original abstract)
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Acosta-Mejia C.A., Pignatiello J.J. Jr.: Modified R Charts for Improved Performance. Quality Engineering, 20(3), 361-369, 2008.
  2. Hamrol A.: Zarządzanie jakością z przykładami. Wydawnictwo Naukowe PWN, Warszawa, 2005.
  3. Hamrol A., Kujawińska A.: Nowa metoda analizy kart kontrolnych procesu. Archiwum Technologii Maszyn i Automatyzacji, 26(2), 149-158, 2006.
  4. Kujawińska, A.: Badanie możliwości wykorzystania wybranych metod rozpoznawania obrazów w analizie kart kontrolnych procesu. Praca doktorska, Politechnika Poznańska, Poznań, 2006.
  5. Messaoud A., Theis W., Hering F., Weihs C.: Monitoring a Drilling Process Using Residual Control Charts. Quality Engineering, 21(1), 1-9, 2008.
  6. Polczynski M., Kochanski A.: Knowledge Discovery and Analysis in Manufacturing. Quality Engineering, 22(3), 169-181, 2010.
  7. Rojek I.: Neural Networks as Performance Improvement Models in Intelligent CAPP Systems. Control and Cybernetics, 39(1), 55-68, 2010.
  8. Rojek I., Jagodziński M.: Hybrid Artificial Intelligence System in Constraint Based Scheduling of Integrated Manufacturing ERP Systems. Lecture Notes in Artificial Intelligence, 7209, Springer-Verlag, 229-240, 2012.
  9. Shewhart W.: Economic Control of Quality of Manufacturing Product. D. Van Nostrand Company, 1931.
  10. Wheeler D. J., Chambers D. S.: Understanding Statistical Process Control. ISBN 0-94532013-2, 1992.
  11. Yu J. B., Xi L. F.: Using an MQE chart based on a self-organizing map NN to monitor out-of-control signals in manufacturing processes. International Journal of Production Research, 46(21), 5907-5933, 2008.
Cytowane przez
Pokaż
ISSN
1732-324X
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu