کوشا فایل
کوشا فایل بانک فایل ایران ، دانلود فایل و پروژهکوشا فایل
کوشا فایل بانک فایل ایران ، دانلود فایل و پروژهپایان نامه بهینه‌سازی مطلوب مسئله برنامه‌ریزی چند هدفه فازی برمبنای مدلهای برنامه‌ریزی آرمانی
اختصاصی از کوشا فایل پایان نامه بهینه‌سازی مطلوب مسئله برنامه‌ریزی چند هدفه فازی برمبنای مدلهای برنامه‌ریزی آرمانی دانلود با لینک مستقیم و پرسرعت .
فرمت فایل : WORD (قابل ویرایش)
تعداد صفحات:118
پایان نامه دوره کارشناسی ارشد ریاضی کاربردی
فهرست مطالب:
عنوان صفحه
فصل اول: آشنایی با مفاهیم اولیه فازی
1-1. مقدمه 2
1-2. تعاریف اولیه مجموعه فازی 3
۳-۱. اپراتورهای مجموعه فازی ۵
۱-۳-۱. اپراتورهای جبری 7
۲-۳-۱. اپراتورهای تئوری مجموعه‌ها 7
1-3-2-1. اپراتورهای نرم t 8
1-3-2-2. اپراتورهای نرم s 8
1-3-2-3. اپراتورهای میانگین 9
۴-۱. تصمیم بهینه 9
1-5. متغیر زبان شناختی 10
فصل دوم: آشنایی با مدلهای برنامه‌ریزی‌آرمانی
2-1. مقدمه 13
۲-۲. تعاریف 13
۳-۲. مزایا و معایب روش برنامه‌ریزی‌آرمانی ۱6
2-4. مدلهای روش برنامه‌ریزی‌آرمانی ۱7
2-4-1. مدل ارشمیدسی 19
۲-۴-۲. مدل الفبایی ۲1
2-4-3. مدل مینیمم-ماکسیمم ۲4
فصل سوم: آشنایی با مدلهای برنامه‌ریزی‌آرمانی فازی
۱-۳. مقدمه ۲7
3-2. تفاوت برنامه‌ریزی آرمانی با برنامه‌ریزی آرمانی فازی 29
3-۳. تعاریف 29
۴-۳. مدلهای برنامه ریزی آرمانی فازی ۳3
۱-۴-۳. مدل ناراسیمهان ۳3
۲-۴-۳. مدل هنن 38
۳-۴-۳. مدل یانگ 41
۴-۴-۳. مدل تیواری 42
۱-۴-۴-۳. مدل جمعی ساده 43
۲-۴-۴-۳. مدل جمعی وزن‌دار 44
۳-۴-۴-۳. اولویت بندی در مدل جمعی 45
۵-۴-۳. مدل چن و تسایی 48
۱-۵-۴-۳. مدل چن و تسایی برای آرمانهایی با اهمیت متفاوت 49
۲-۵-۴-۳. اولویت‌بندی در مدل چن و تسایی 50
۶-۴-۳. مدل دامنه متغیر ۵3
۱-۶-۴-۳. روش بهینه‌سازی دامنه متغیر با دامنه متغیر دوطرفه 54
۳-4-6-2. روش بهینه‌سازی دامنه متغیر با دامنه متغیر یک طرفه 55
۷-۴-۳. مدل اُکوز و پترویک 59
فصل چهارم: بهینه‌سازی مطلوب برنامه‌ریزی آرمانی فازی
4-1.مقدمه ۶5
4-2. روش بهینه‌سازی مطلوب برنامه‌ریزی آرمانی فازی ۶6
4-2-1. مدل بهینه سازی مطلوب برنامه‌ریزی آرمانی فازی برمبنای مدلهای برنامه‌ریزی آرمانی 69
4-3.آنالیز پارامتر λ ۷5
4-3-1.تغییرات λ ۷5
4-3-2.طریقه یافتن λ^* ۷6
4-4 .آزمون عددی برای بهینگی M-پارتو ۷7
4-5. الگوریتم بهینه‌سازی ۷8
4-6. مثال عددی 79
4-6-1. مینیم سازی λ ۸1
۲-۶-۴. تست بهینگی M-پاراتو ۸2
۳-۶-۴. کارایی 83
۴-۶-۴. انعطاف پذیری ۸5
۵-۶-۴. تحلیل حساسیت ۸5
۷-۴. نتیجه‌گیری ۹2
پیوست ۹3
واژه‌نامه ۱۰3
منابع ۱۰4
چکیده
در اکثر موقعیت‌های تصمیم‌گیری با مسائل تصمیم‌گیری چند هدفه مواجه هستیم. در مسائل تصمیم‌گیری چند هدفه معمولاً جوابی که همزمان همه اهداف را بهینه کند موجود نیست. بنابراین در حل مسائل تصمیم‌گیری چند هدفه غالباً به دنبال جوابهای بهینه توافقی هستیم. در طی سه دهه گذشته، روشهای متفاوتی برای حل مسائل تصمیم‌گیری به کار گرفته شده است. در این میان مدل برنامه‌ریزی آرمانی روش مناسبی برای حل چنین مسائلی است. در برنامه‌ریزی آرمانی تعیین دقیق مقادیر آرمان الزامی است، اما تصمیم‌گیرنده همیشه اطلاعات کامل و دقیقی از آرمان و اهمیت هر یک را ندارد. در چنین موقعیتی، اغلب تصمیم‌گیری‌ها بر پایه اطلاعات و داده‌های نادقیق صورت می‌گیرد. بنابراین با معرفی نظریه مجموعه فازی، نا دقیقی به مسائل تصمیم‌گیری سنتی وارد شد. مطابق با نظریه مجموعه فازی اهداف و قیود نا دقیق، اهداف و قیود فازی نامیده می‌شوندکه با تابع عضویت متناظرشان قابل نمایش هستند. در طول این پایان نامه، آرمانهای فازی را با تابع عضویت تکه تکه خطی و مقعر در نظر گرفته‌ایم. تمام مدلهای برنامه‌ریزی آرمانی فازی که تا کنون با این نوع تابع عضویت‌ها برای مسائل تصمیم‌گیری چند هدفه فازی طراحی شده‌اند را آورده‌ایم. در نهایت، مدل برنامه‌ریزی آرمانی فازی جدیدی بر مبنای مدلهای برنامه‌ریزی آرمانی پیشنهاد می‌کنیم.
کلمات کلیدی: برنامه‌ریزی آرمانی، بهینه‌سازی چندهدفه، اهمیت نسبی، بهینه‌سازی مطلوب.
دانلود پاورپوینت مروری بر کنترلرهای فازی و کاربردهای آن در Robotics
اختصاصی از کوشا فایل دانلود پاورپوینت مروری بر کنترلرهای فازی و کاربردهای آن در Robotics دانلود با لینک مستقیم و پرسرعت .
دانلود پایان نامه تریگر های فازی در پایگاه داده فعال
اختصاصی از کوشا فایل دانلود پایان نامه تریگر های فازی در پایگاه داده فعال دانلود با لینک مستقیم و پرسرعت .
با ایجاد سیستم‌های مدیریت پایگاه داده عمده مشکلات ساختار، پشتیبانی و مدیریت داده‌های حجیم در سیستم‌های فایلی برطرف شد اما توجهی به جنبه‌های رفتاری پایگاه داده نشد. به این معنا که با استفاده از قیود جامعیت شاید بتوان از منفی شدن مبلغ حقوق کارمندان جلوگیری نمود اما نمی‌توان مانع از بیشتر شدن حقوق آنها از مدیرانشان شد. در چنین مواردی کاربران پایگاه داده با اجرای یک پرس و جو موارد نقض محدودیت‌هایی از این قبیل را پیدا نموده و خود اقدام به اصلاح آنها می‌نمایند.
مواردی این چنین و نیز گزارشات مدیریتی در آغاز ماه از جمله کارهای مشخص و دارای ضابطه‌ای می‌باشند که انجام آنها تکراری و قابل تفویض به سیستم است.
کاربران غیرمجاز با استفاده از یک سری گزارشات، غیرمستقیم به اطلاعات کلیدی دست یافته و اقدام به تغییر آنها می‌نمایند. پیدا نمودن چنین تغییراتی که معمولاً بعد از گزارشات اتفاق می‌افتند، به راحتی امکان‌پذیر نیست. همانطور که مشاهده می‌شود در یک پایگاه داده معمولی ردیابی رویدادهایی که در سیستم اتفاق افتاده‌اند (رخدادها) نیز ممکن نبوده و نیاز به یک سیستم با پشتیبانی جنبه‌های رفتاری می‌باشد.
یک پایگاه داده فعال نظیر Oracle قادر به تشخیص رویدادهای نظیر اضافه، حذف و تغییر مقادیر در پایگاه داده می‌باشند. به عبارت دیگر این سیستم‌ها با ایجاد تغییر در یک قلم داده عکس‌العمل نشان می‌دهند.
پایگاه دادة فعال با افزودن قوانین به پایگاه‌های داده امکان تعامل (کنش و واکنش) بین سیستم و پایگاه داده را ایجاد نمود. این نوع پایگاه داده دارای دو بخش مدیریت داده و مدیریت قوانین می‌باشد. بخش مدیریت داده مسئول حفظ خواص پایگاه داده در سیستم‌های کاربردی بوده و بخش دوم با مدیریت قوانین مسئول واکنش به رویدادهای سیستم می‌باشد. در این نوع پایگاه داده طراحان سیستم قادرند با تعریف قوانین که نزدیکترین بیان به زبان طبیعی می‌باشد، سیستم را وادار به عکس‌العمل مناسب در مقابل رویدادهای مهم نمایند [13].
پایگاه داده فعال با استفاده از قوانین قادر به «پشتیبانی گسترده‌تر قیود جامعیت و سازگاری داده‌ها، واکنش در مقابل رخدادهای سیستم کاربردی، عدم اجرای تقاضاهای مشکوک، ردیابی رویدادها، گزارشات ماهانه و...» می‌باشد.
همانطور که گفته شد آن‌چه که به طور معمول باعث می‌شود یک پایگاه داده را فعال بدانیم، عکس‌العمل سیستم در مقابل وضعیت‌هایی است که در پایگاه داده و یا حتی خارج از آن به وجود می‌آید. این وضعیت‌ها می‌تواند شامل یک حذف غیرمجاز و یا تغییر وضعیت پایگاه داده باشد. باید توجه داشت که داشتن تعامل برای یک پایگاه داده لازم اما کافی نیست. بسیاری از سیستم‌های پایگاه داده بدون رعایت اصول پایه‌ای که در زیر به آن اشاره می‌شود به طور عام پایگاه دادة فعال نامیده شوند [14].
اینگونه سیستم‌ها باید یک پایگاه داده باشند، یعنی در صورتی که کاربر فراموش کرد، سیستم مورد نظر پایگاه دادة فعال است بتواند از آن به عنوان یک پایگاه داده معمولی استفاده نماید (در صورت لزوم بتوان به عنوان یک پایگاه دادة معمولی از آن استفاده نمود).
در اینگونه سیستم‌ها باید امکان تعریف و مدیریت قوانین وجود داشته باشد. این قوانین در پایگاه داده فعال دارای سه جزء رویداد ، شرط و واکنش می‌باشند.
بخش اول: مفاهیم و تعاریف، کارهای انجام شده1
فصل اول: کلیات2
1-1 مقدمه2
1-2 مروری بر فصول پایان‌نامه5
فصل دوم: پایگاه داده فعال6
2-1 مدیریت داده6
2-2 مدیریت قوانین7
2-2-1 تعریف قانون7
2-2-1-1 رویداد8
2-2-1-2 شرط12
2-2-1-3 واکنش13
2-2-2 مدل اجرایی14
2-2-2-1 اولویت اجرایی در قوانین16
2-2-2-2 معماری پایگاه دادة فعال17
2-2-2-3 آشکارساز رویداد18
2-2-2-4 ارزیابی شرط19
2-2-2-5 زمانبندی20
2-2-2-6 اجرا21
2-3 نمونه‌های پیاده‌سازی شده21
2-3-1 Starburst21
2-3-2 Ariel23
2-3-3 NAOS24
2-4 نتیجه25
فصل سوم: مفاهیم فازی26
3-1 مجموعه‌های فازی27
3-2 عملگرهای فازی29
3-3 استنتاج فازی30
3-4 ابهام‌زدایی31
3-5 نتیجه31
فصل چهارم : پایگاه دادة فعال فازی 32
4-1 تعریف فازی قوانین 33
4-1-1 رویداد فازی 34
4-1-1-1 رویدادهای مرکب 36
4-1-1-2 انتخاب فازی اجزاء رویدادهای مرکب 38
4-1-2 شرط فازی 38
4-1-3 واکنش فازی 40
4-1-4 تعیین فازی موقعیت زمانبندی 41
4-2 معماری و مدل اجرایی قوانین 43
4-2-1 آشکارساز رویداد 44
4-2-2 بررسی شرط 45
4-2-3 اجرا 45
4-2-4 زمانبندی 45
4-3 نتیجه 47
بخش دوم: کاربردی جدید از تریگر فازی، رونوست برداری فازی، نتایج آزمایشات 48
فصل پنجم: رونوشت برداری فازی 49
5-1 رونوشت برداری 50
5-1-1 رونوشت برداری همگام 50
5-1-2 رونوشت برداری ناهمگام 51
5-1-3 ماشین پایه رونوشت برداری داده52
5-1-4 مقایسه دو روش همگام و ناهمگام53
5-2 رونوشت برداری فازی56
5-2-1 استفاده از تریگرها برای فازی نمودن رونوشت برداری57
5-3 کمیت سنج های فازی59
5-3-1 روش محاسبه کمیت سنج های فازی60
5-3-2 کمیت سنج عمومی61
5-3-3 کمیت سنج جزئی64
5-3-4 کمیت سنج جزئی توسعه یافته67
5-4 روش جدید محاسبه حد آستانه در تریگرهای فازی برای رونوشت برداری فازی69
5-5 معماری ماشین رونوشت بردار فازی71
5-6 مثال73
5-7 کارایی77
5-7-1 ترافیک در رونوشت برداری مشتاق79
5-7-2 ترافیک در رونوشت برداری تنبل80
5-7-3 ترافیک در رونوشت برداری فازی80
5-7-4 مقایسه تئوری هزینه رونوشت برداری فازی و تنبل81
5-8 جمع بندی83
فصل ششم: پیاده سازی 84
6-1 Fuzzy SQL Server84
6-2 عملکرد اجزای Fuzzy SQL Server85
6-3 شبیه سازی تریگرهای فازی در پایگاه داده غیر فازی86
6-4 اجزاء تریگر فازی در پایگاه داده غیر فازی86
6-5 جداول سیستمی مورد نیاز87
6-6 مثال89
6-7 کارهای آتی94
مراجع و منابع 95
شامل 110 صفحه فایل word
به همراه فایل های مربوطه به صورت کامل برای اولین بار در اینترنت
پروژه الگوریتم ژنتیک فازی برای خوشه بندی داده های گروهی 42 صفحه با فرمت WORD
اختصاصی از کوشا فایل پروژه الگوریتم ژنتیک فازی برای خوشه بندی داده های گروهی 42 صفحه با فرمت WORD دانلود با لینک مستقیم و پرسرعت .
دانلود پروژه الگوریتم ژنتیک فازی برای خوشه بندی داده های گروهی 42 صفحه با فرمت WORD
فهرست مطالب
چکیده
مقدمه
مروری بر روش های قبل
الگوریتمk-means Hard
مثالی عددی از الگوریتم k-means
مقادیر مرکز های اولیه
فاصله بین مراکز و داده ها
خوشه بندی داده ها
تعیین مراکز
فاصله مراکز- داده ها
خوشه بندی داده ها
تعیین مراکز
فاصله مراکز- داده ها
خوشه بندی داده ها
الگوریتم Clustering (FCM) Fuzzy c-Means
Hard k-Modes الگوریتم
الگوریتم Fuzzy k-Modes
الگوریتمGenetic fuzzy k-Modes
نمایش رشته ای
فرآیند مقدار دهی اولیه
الگوریتم مقداردهی اولیه
فرایند انتخاب
الگوریتم تولید جمعیت جدید
فرایند ادغام
الگوریتم ادغام
فرایند جهش
پروسه جهش
معیار توقف
آزمایش ها
معیار کیفیت خوشه بندی
مجموعه داده
نتایج
نتیجه گیری
پیوست – کد برنامه
مراجع
خوشه بندی روشی است که داده های یک مجموعه داده را به گروه یا خوشه تقسیم می کند . از مرسوم ترین روش های خوشه بندی،الگوریتم های خوشه بندی k-Means وfuzzy k-Means می باشند.این دو الگوریتم فقط روی داده های عددی عمل می کنند و به منظور رفع این محدودیت، الگوریتم های k-Modes و fuzzy k-Modes ارائه شدند که مجموعه داده های گروهی (دسته ای) را نیز خوشه بندی می کنند. . با این وجود، این الگوریتم ها ،شبیه همه روال های بهینه سازی دیگر که برای مینیمم عمومی یک تابع جستجو می کنند، احتمال گیر افتادن در یک مینیمم محلی وجود دارد. به منظوردستیابی به جوبب بهینه عمومی ، الگوریتم های تکاملی مانند ژنتیک و جدول جستجو با الگوریتم های مذکور ترکیب می شوند. در این پژوهش، الگوریتم ژنتیک ، GA، را با الگوریتم fuzzy k-Modes ترکیب شده ،بطوریکه عملگر ادغام به عنوان یک مرحله از الگوریتم fuzzy k-Modes تعریف می شود. آزمایش ها روی دو مجموعه داده واقعی انجام شده است تا همراه با مثال کارایی الگوریتم پیشنهادی را روشن نماید.
به عنوان یک ابزار اولیه در داده کاوی[1] ،تجزیه و تحلیل خوشه ، که تجزیه و تحلیل سگمنت نیز نامیده می شود،روشی است که داده ها را به گروه هایی همگن تحت عنوان خوشه تقسیم می کند.در چنین روشی داده های موجود در یک کلاستر یا خوشه خیلی شبیه به هم و داده ها ی کلاستر های مختلف خیلی متفاوت نسبت به هم هستند.اغلب، شباهت بر مبنای معیار فاصله می باشد.
آنالیز خوشه،خوشه بندی، تکنیک عمومی برای آنالیز داده های آماری می باشد که در بسیاری زمینه ها مانند یادگیری ماشین ، داده کاوی ، شناسایی الگو و آنالیز تصویر کاربرد دارد.در کنار اصطلاح خوشه بندی داده (یا فقط خوشه بندی)،بعضی اصطلاحات دیگرنیزهمانند کلاس بندی اتوماتیک[2] ،طبقه بندی عددی[3]، آنالیز نوع شناسی[4] ، با معنای مشابه استفاده می شود[1].
به طور کلی ،یک الگوریتم خوشه بندی خوب معمولا برای طراحی شامل چهار فاز ذیل را شامل می شود:1- نمایش داده[5]2- مدل کردن[6].3- بهینه سازی[7].4- اعتبار سنجی[2][8] ..
فاز نمایش داده، تعیین می کند که چه نوعی از ساختارهای خوشه می تواند داده ها را شناسایی کند.سپس فاز مدلینگ ضوابط و معیار ها را برروی ساختار تعریف می کند بطوریکه که ساختارها ی گروه های مطلوب را از موارد نامطلوب مجزا می کند.در فاز مدلینگ ، در طول جستجو برای ساختار های مخفی در داده ،یک معیار کیفیت مانند معیار بهینه سازی یا معیار تقریب تولید می شود. بعبارتی دیگرفاز بهینه سازش،ساختار های موثرتر و بهینه تر را انتخاب میکند. از آنجا که فرآیند خوشه بندی ،یک فرایند بدون سرپرستی است فاز اعتبار سنجی خیلی ضروری است تا نتایج تولید شده به وسیله الگوریتم خوشه بندی ارزیابی شوند.
به طور کلی ،الگوریتم های خوشه بندی به دو دسته تقسیم بندی می شوند[3,4] : الگوریتم های خوشه بندی سخت[9] و الگوریتم های خوشه بندی فازی[10].
در چهارچوب خوشه بندی سخت ،هر شی ء به یک و فقط یک خوشه تعلق دارد و برعکس در چهار چوب خوشه بندی فازی به هر شی ء اجازه داده می شود که توابع تعلقی به همه خوشه ها داشته باشد.هر دو روش الگوریتم خوشه بندی سخت و فازی ،مرکز های خوشه (نمونه های اولیه) را تعیین می کنند و مجموع مربع فاصله بین این مرکز ها و خوشه ها را مینیمم می کنند.
بسیاری از الگوریتم ها به منظور دستیابی به خوشه بندی سخت در یک مجموعه داده پیشرفت داده شده اند.در بین آنها الگوریتم k-meansو روش های خوشه بندی IsoData به طور گسترده ای مورد استفاده گرفته اند.این دو الگوریتم بر پایه تکرار می باشند. کاربرد مجموعه های فازی در توابع کلاس بندی موجب می شود هر داده در یک زمان به چندین کلاس با درجه های متفاوت تعلق داشته باشد[3].............................................................................
پایان نامه طراحی و استقرار یک سیستم خبره فازی جهت بکارگیری در کنترل فرایند (مطالعه موردی کاشی مرجان)
اختصاصی از کوشا فایل پایان نامه طراحی و استقرار یک سیستم خبره فازی جهت بکارگیری در کنترل فرایند (مطالعه موردی کاشی مرجان) دانلود با لینک مستقیم و پرسرعت .
فرمت فایل : WORD (قابل ویرایش)
تعداد صفحات:82
پایان نامه کارشناسی ارشد رشته مهندسی صنایع
فهرست مطالب:
عنوان صفحه
فهرست مطالب هشت
چکیده 1
فصل اول:مقدمه
1-1- مروری بر کاربرد سیستم¬های خبره 2
1-2- اهمیت موضوع، هدف از انجام تحقیق و روش انجام آن 4
1-3- معرفی فصل¬های بعدی 5
فصل دوم: پیاده سازی یک سیستم کنترل فرایند آماری
2-1- مقدمه 6
2-2- کنترل کیفیت 6
2-3- کنترل فرایند آماری 7
2-3-1- نقش انحرافات تصادفی و با دلیل در تغییر پذیری کیفیت 8
2-3-2- پیاده¬سازی یک سیستم کنترل فرایند آماری 10
2-4- پیش نیاز¬های پیاده¬سازی 11
2-5- طراحی سیستم اندازه¬گیری و جمع¬آوری داده¬ها در کنترل فرایند آماری 12
2-5-1- تعیین پارامتر¬های کنترلی 12
2-5-2- تعیین پریود اندازه¬گیری 13
2-5-3- تعیین حدود کنترلی برای هر یک از پارامترها 14
2-5-4- تعیین روش اندازه¬گیری و دستورالعمل¬های مورد نیاز برای ثبت داده¬ها و انجام اقدامات اصلاحی 15
2-6- تعیین سیاست¬ها و استراتژی های ارتقاء کیفیت 15
2-7- آموزش 16
2-8- تعیین ساختار اجرایی 17
2-9- تجزیه و تحلیل 19
2-10- مشکلات اجرایی کنترل فرایند آماری 19
2-11- جمع¬بندی 22
فصل سوم: طراحی سیستم خبره جهت استفاده در کنترل فرایند آماری
3-1- مقدمه 23
3-2- سیستم های خبره 23
3-3- تعیین پروژه جهت طراحی سیستم خبره 27
3-3-1- انتخاب الگوی مناسب 27
3-3-2- عواید سیستم 28
3-3-3- ابزار¬های مورد نیاز برای طراحی 29
3-3-4- هزینه 29
3-3-5- مراحل ایجاد یک سیستم خبره 30
3-3-6- تحویل سیستم 31
3-3-7- نگهداری و تکامل سیستم 31
3-4- طراحی سیستم خبره 31
3-4-1- طراحی پایگاه دانش 31
3-4-2- طراحی موتور استنتاج 35
3-5- ارائه مدلی برای یک سیستم خبره جهت بکارگیری در کنترل فرایند آماری 38
3-5-1- واحد اندازه¬گیری پارامتر¬های کنترلی 40
3-5-2- تعیین ورودی¬ها و خروجی¬های سیستم 40
3-5-3- نحوه دستیابی به قوانین و چگونگی کسب دانش برای ایجاد پایگاه دانش 41
3-5-4- چگونگی نمایش دانش در سیستم خبره مورد نظر 42
3-5-5- چگونگی روش استنتاج در سیستم خبره مورد نظر 43
3-5-6- چگونگی اعتبارسنجی سیستم ایجاد شده 44
3-5-7- نحوه به روز¬آوری دانش سیستم خبره 44
3-6- جمع¬بندی 44
فصل چهارم: پیاده¬سازی کنترل فرایند آماری و طراحی سیستم خبره جهت بکارگیری آن در کاشی مرجان
4-1- مقدمه 45
4-2- فرایند تولید کاشی 45
4-3- وضعیت کنترل کیفیت در کاشی مرجان 46
4-4- پیاده¬سازی کنترل فرایند آماری در شرکت کاشی مرجان 47
4-3-1- تعیین پارامتر¬های کنترلی 47
4-3-2- تعیین پریودهای اندازه¬گیری 48
4-3-3- تعیین حدود کنترلی برای هر یک از پارامترهای کنترلی 51
4-3-4- تعیین اقدامات اصلاحی و دستورالعمل¬های مورد نیاز 51
4-3-5- تعیین سیاست¬ها و استراتژی¬های ارتقاء کیفیت 51
4-3-6- آموزش 52
4-3-7- تجزیه و تحلیل 52
4-4- طراحی سیستم خبره جهت بکارگیری در کنترل فرایند آماری در کاشی مرجان 52
4-4-1- تعیین ورودی¬های و خروجی¬های سیستم 53
4-4-2- طراحی پایگاه دانش 62
4-4-3- طراحی موتور استنتاج 63
4-4-4- استفاده از نر¬م¬افزار جهت ایجاد سیستم خبره 63
4-4-5- اعتبارسنجی سیستم با استفاده از داده¬های قبلی 67
4-5- نتایج حاصل از کار با سیستم خبره طراحی شده 68
4-6- جمع¬بندی 71
فصل پنجم: خلاصه، نتیجه¬گیری و پیشنهادات
5-1- مقدمه 72
5-2- خلاصه و جمع¬بندی 72
5-2-1- پیاده¬سازی سیستم کنترل فرایند آماری 72
5-2-2- طراحی سیستم خبره جهت بکارگیری در کنترل فرایند آماری 72
5-2-3- پیاده¬سازی سیستم کنترل فرایند آماری و طراحی سیستم خبره مربوط به آن 74
5-3- پیشنهادات 74
فهرست منابع 76
چکیده:
چالش فرا روی اکثر مؤسسات تولیدی و خدماتی هنگام مواجه شدن با کاهش کیفیت کالا و خدمات آن مؤسسات، یافتن علل کاهش کیفیت و خدمات این سازمان‌ها است. در صورتی که تعداد کنترل¬ها در طول فرایند تولید و یا ارائه خدمت زیاد باشد و تاثیر پذیری این پارامتر¬های کنترلی بر روی هم بالا باشد تشخیص عامل بروز عیب یا خطا بسیار مشکل است. در این تحقیق، با مدل¬سازی و طراحی یک سیستم خبره به استقرار سیستم کنترل کیفیت آماری در واحد¬های صنعتی کمک خواهد شد و به سادگی می¬توان یک سیستم پشتیبانی از تصمیم برای شناسایی علل به وجود آورنده عیوب محصول، ایجاد نمود. با استفاده از علم فازی، وجود عدم قطعیت نیز مد نظر قرار گرفته است. این سیستم برای شرکت کاشی مرجان نیز جهت استفاده در کنترل آماری فرایند خود، طراحی شده است و نتایج اجرا بررسی شده است.
کلمات کلیدی: کیفیت، کنترل کیفیت، فازی، سیستم¬های خبره