به کارگیری شبکه های عصبی در فناوری گروهی و مقایسه با نتایج روش های خوشهبندی k میانگین، ضریب شباهت و آرایش رتبه ای
نویسندگان
1 دانشجوی دکتری، پردیس دانشگاه فردوسی.
2 دانشیار، دانشگاه فردوسی مشهد.
doi
چکیده
مهمترین مسئله هنگام پیادهسازی فناوری گروهی در واحدهای صنعتی، در درجهی اول تشکیل خانوادهی قطعات و دستهبندی قطعات براساس آن و در مرحله دوم حفظ سازگاری و ثبات این دستهبندی در طول زمان است. برای دستهبندی قطعات، رویکردهای مختلفی وجود دارد و اگر رویکرد استفاده از خصوصیات قطعات برای دستهبندی آنها مورد استفاده قرار گیرد، اولین و مهمترین گام، طراحی و پیادهسازی ساختاری برای کدگذاری و شناخت قطعات براساس خصوصیات آنها است. در این پژوهش، کاربرد یک شبکه عصبی پسانتشار برای دستهبندی قطعات درقالب یک مطالعهی موردی برای پینهای کانکتورها و براساس خصوصیات آنها مورد بررسی قرار گرفته و نتایج حاصل از آن با دستهبندیهای صورتگرفته توسط تحلیل خوشهای K میانگین، روش ضریب شباهت و خوشهبندی آرایش رتبهای (ROC) برای همان قطعات مقایسه شده است. نتایج نشاندهنده قابلیت شبکههای عصبی برای دستهبندی قطعات براساس خصوصیات آنها و برتری آن نسبت به روش تحلیل خوشهای K میانگین است.