فهرست نشریات علمی دسترسی آزاد ایران

این یک نمودار کنترل مبتنی بر شبکه عصبی کاملاً متصل برای پایش پراکندگی فرآیندهای چند متغیره با دو ویژگی مهم توسعه داده می‌شود: (1) قابلیت استفاده برای پایش پراکندگی فرآیندها با جریان داده ابعاد بالا، و (2) عدم نیاز به برقراری مفروضات آماری محدودکننده ازجمله نرمال بون مشخصه‌های کیفی تحت مطالعه و مستقل بودن مشاهدات در نمونه‌های اخذشده. چالش مهمی که معمولاً در آموزش شبکه‌های عصبی با آن مواجه هستیم بیش برازش یا شکست تعمیم است. در این مطالعه برای مواجهه با چالش ذکرشده از دو ابزار لایه حذف تصادفی و منظم‌سازی وزن در طراحی شبکه استفاده می‌شود. به‌علاوه جهت آموزش بهتر شبکه عصبی و برخلاف بیشتر نمودارهای کنترل مبتنی بر ابزارهای یادگیری که از الگوی دو کلاسه صفر و یک به‌عنوان مقادیر هدف بهره می‌برند، در این مطالعه مقادیر هدف بر اساس اندازه و تعداد مؤلفه‌های شیفت‌یافته تعیین‌شده‌اند، به‌گونه‌ای که با افزایش اندازه شیفت و تعداد مؤلفه‌های شیفت‌یافته، مقادیر هدف نیز افزایش یابند. در ادامه، به‌منظور افزایش توان نمودار کنترل توسعه داده‌شده در کشف اختلالات رخ‌داده در مؤلفه‌های ماتریس کوواریانس، نسخه بهبودیافته‌ای از آن به کمک دو قانون حساس‌سازی 2 از 3 و 4 از 5 ارائه می‌شود. عملکرد رویکردهای پیشنهادی با استفاده از یک مثال عددی با دو نمودار کنترل ATL و RPLR مقایسه می‌شوند. نتایج نشان می‌دهد که رویکرد مجهز شده به قوانین حساس‌سازی عملکرد بهتری از نمودارهای رقیب برحسب دو شاخص ARL و SDRL دارد.