میثم عفتی

مقدمه و اهداف: در حال حاضر، گسترش تضمین کیفیت دقیق و سریع برای ارائه محصولات تولیدی با کیفیت بالا و ایمن ضروری است. کیفیت بیشتر بر مسائل درون سازمانی تمرکز دارد که برای کنترل و بهبود فرآیند های داخلی به کار می رود و به دنبال بهبود عملکرد به منظور رضایت مشتری و رقابت پذیری است. کیفیت حوزه ای است که بر تلاش برای توسعه روش های خودکار تجزیه وتحلیل داده ها با هدف نهایی بهبود مستمر کیفیت محصولات و فرآیند ها در صنعت، دولت و جامعه تأکید دارد. سیستم ارزیابی عملکرد کیفیت به شدت به شناسایی و انتخاب عوامل حیاتی موفقیت و همچنین شاخص های آن در چارچوب مدیریت کیفیت وابسته است. برای رسیدن به این هدف در صنعت تولید، مشکلاتی مانند بازده تولید پایین، دقت پایین و عدم نوآوری در محصولات وجود دارد.روش ها: بر این اساس، طرحی برای معرفی روش هوش مصنوعی به شرکت های تولیدی برای حل مشکلات ذکرشده و درنتیجه بهبود کیفیت محصولات و کارایی تولید پیشنهاد شده است. بدین منظور، شبکه ای مبتنی بر یک سیستم استنتاج عصبی فازی تطبیقی برای ارزیابی و بررسی دقت نتایج و مقایسه کارایی آن ارائه شده است. روش پیشنهادی در تقابل با محاسبات سخت قرار می گیرد و موجب صرفه جویی در زمان و هزینه خواهد شد. در صنایع حجم داده ها افزایش یافته است که به ظهور مفاهیم جدیدی مانند تجزیه و تحلیل داده های بزرگ منجر شده است و محدودیت ها و مزایای راه حل های مبتنی بر هوش مصنوعی مورد بحث قرار می گیرد تا توجه خلاقانه به راه حل های جدید و جهت گیری های جدید در صنایع تولیدی، تجاری و خدماتی برای بهبود کارایی فرآیند های خود، افزایش ارزش راه حل های خود و طراحی محصولات جدید برای یافتن مشاغل و بازار های جدید را برانگیزد. تقریباً تمام نقشه های راه بین المللی که بر نوآوری و پژوهش متمرکز شده اند، هوش مصنوعی را به عنوان محرک اساسی فناوری آینده در برمی گیرند. یکی از چالش های روش های سنتی در مدیریت کیفیت، مدیریت داده های تولیدی با ابعاد بالا و غیرخطی است. برای حل این مشکلات، فرآیندی مبتنی بر هوش مصنوعی برای بهبود کیفیت محصول و کارایی تولید در این پژوهش توسعه داده شده است. در این پژوهش یک مدل استتنتاج عصبی فازی تطبیقی که هم زمان دارای مزایای شبکه عصبی و استنتاج فازی است، برای ارزیابی و استخراج درجه کیفیت محصولات تولیدی و برای استنباط اینکه چگونه مجموعه ای از پارامتر های تولید و کیفیت فرآیند یک سیستم تولید مرتبط هستند، پیشنهاد شده است.یافته ها: به منظور آموزش مدل پیشنهادی از داده های مربوط به فرایند کیفیت یک قطعه از خط تولید «شرکت صنعتی خزر پلاستیک» استفاده شد و 550 داده مرتبط با فرایند کیفیت با تأکید بر متغیر هایی تأثیرگذار شامل«معیار ظاهری، قطر خارجی چرخ دنده بزرگ، ضخامت چرخ دنده، طول شافت فلزی، ارتفاع شافت فلزی، قطر خارجی شافت فلزی» به عنوان متغیر ورودی و کیفیت نهایی به عنوان متغیر خروجی در نظر گرفته شد. درنهایت دقت نتایج و کارایی مدل استتنتاج عصبی فازی تطبیقی پیشنهادی با استفاده از شاخص های آماری ضریب همبستگی و جذر میانگین مربعات خطا مورد ارزیابی قرار گرفت.نتیجه گیری: با توجه به نتایج، داده های مورداستفاده برای ارزیابی کیفیت قطعه تولیدی در روش نرو فازی تطبیقی پیشنهادی با ضریب همبستگی 95/0 و میانگین مربعات خطا 42869/0 تطابق خوبی بین کیفیت خروجی مدل و مقادیر واقعی ارائه داد.

توسعه روش های جدید و هوشمند برای جلوگیری از وقوع تصادف یا کاهش شدت تصادفات در راه های برون شهری یکی از اهداف اصلی مطالعات ایمنی راه است. هدف این تحقیق تلفیق قابلیت های سیستم های اطلاعات مکانی (GIS) با روش های مبتنی بر محاسبات نرم، جهت برآورد شدت تصادفات و تعیین فاکتورهای مؤثر بر آن در راه های دو خطه برون شهری است. روش پیشنهادی با ارائه مدل درخت دسته بندی و رگرسیون فازی (FCART) و ایجاد پایگاه داده مکانمند متشکل از داده های تصادفات و اطلاعات راه و محیط مجاور آن در محور قزوین- رشت (ایران) بررسی می شود. نتایج با استفاده روش اعتبارسنجی ده قسمتی بر رویدادهایی که شدت تصادفات آنها معلوم است، ارزیابی و با مدل درخت دسته بندی و رگرسیون (CART) مقایسه می شود. نتایج نشان می دهد که مدل درخت دسته بندی و رگرسیون فازی در مقایسه با درخت تصمیم CART فرایند استنتاج قوی تر ی دارد و شدت تصادفات را با صحت بیشتری پیش بینی می کند. تحلیل حساسیت روش پیشنهادی ضمن کشف تأثیرات مکانی طرح هندسی و عوارض و کاربری های مجاور راه بر شدت تصادفات، نقص فنی خودرو، کمربند ایمنی و شرایط آب وهوایی را نیز مهم ترین فاکتورهای تأثیر گذار در شدت تصادف می شمارد. این مطالعه به متخصصان ایمنی راه کمک می کند تا عوامل مکانی تأثیرگذار در سطوح متفاوت شدت تصادفات را شناسایی کنند و اقدامات پیشگیرانه لازم را برای کاهش شدت یا جلوگیری از وقوع تصادفات انجام دهند.