طراحی یک مدل بهینه سازی اثرزدا با استفاده از تابع زیان کیفی تاگوچی

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 412

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_DMOR-4-1_001

تاریخ نمایه سازی: 24 اسفند 1399

چکیده مقاله:

تابع زیان کیفی تاگوچی یکی از ابزارهای کاربردی مورد استفاده در تکنیک طراحی اثرزدا می­باشد که به‌صورت هم‌زمان میزان انحراف از مقدار هدف و واریانس مشخصه‌ی کیفی خروجی فرآیند را مورد‌توجه قرار می­دهد. در شرایط واقعی بیش‌تر فرآیندها تحت تأثیر فاکتورها و عوامل خارجی و محیطی غیر‌قابل کنترل قرار داشته که باعث فاصله گرفتن مشخصه­های کیفی فرآیند از نقاط ایده­ال و ایجاد نوسان در مقدار این مشخصه‌ها می­شوند. در این تحقیق، استفاده از تابع زیان کیفی تاگوچی جهت مدل‌سازی فرآیند و انتخاب مقادیر بهینه پارامترهای ورودی به فرآیند مورد‌توجه قرار گرفته و اشاره گردیده است که تابع معرفی‌شده توسط تاگوچی در عین کارائی همانند بسیاری دیگر از تکنیک‌های معرفی‌شده در مهندسی کیفیت، دارای محدودیت‌هائی در مدل‌سازی فرآیند است که به‌جهت رفع این محدودیت‌ها، تابع زیان کیفی توسعه‌یافته معرفی و یک مدل بهینه‌سازی غیر‌خطی به‌کمک تابع ذکر‌شده با‌هدف حداقل‌سازی اثرات متغیرهای مزاحم در فرآیند ارائه می‌گردد. در پایان، نحوه‌ی به‌کارگیری مدل معرفی‌شده جهت انتخاب بهینه مقدار پارامترهای ورودی در قالب یک مثال عددی نشان داده شده‌است.

کلیدواژه ها:

بهینه سازی اثرزدای فرآیند ، روش تاگوچی ، تابع زیان کیفی

نویسندگان

امیر پرنیانی فرد

دانشکده مهندسی مکانیک و ساخت و تولید، دانشگاه پوترای مالزی- UPM، سلانگور، مالزی.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Khodaivandi, ah. (2002). Quality engineering using robust design. Hamedan, University ...
  • Biokagazadeh, p. (2010). Robust Multi-objective portfolio selection problem. Seventh industrial engineering ...
  • Shahin, A., & Parnianifard, A. (2012). Developing a mixing optimization ...
  • Shahriyari, H., & Nabatichian, M, R. (2006). Designing product parameters ...
  • Fattahi, P., Saeedi Mehrabad, M., & Hamidi M. (2005). Providing ...
  • Ghobadi, Sh., Nour al-Sna'a, R., & Shirazi, B. (2005). Designing ...
  • Naqi Khani, M., & Alijani, M. (2010). Use of response ...
  • Chandra, M. J. (2001). Statistical quality control. CRC Press. ...
  • Beyer, H. G., & Sendhoff, B. (2007). Robust optimization–a comprehensive ...
  • Chen, C. H. (2004). Robust design based on fuzzy optimization. ...
  • Diez, M., & Peri, D. (2010). Robust optimization for ship ...
  • Kraslawski, A., Koiranen, T., & Nystrom, L. (1993). Concurrent engineering: ...
  • Ardakani, M., Noorossana, R., Niaki, S. A., & Lahijanian, H. ...
  • Messac, A., & Ismail-Yahaya, A. (2002). Multiobjective robust design using ...
  • Shahin, A. (2006). Robust design: an advanced quality engineering methodology ...
  • Sun, G., Li, G., Gong, Z., Cui, X., Yang, X., ...
  • Parnianifard, A., Azfanizam, A. S., Ariffin, M. K. A., & ...
  • Khoshnevisan, S., Wang, L., & Juang, C. H. (2017). Response ...
  • Dellino, G., & Meloni, C. (2015). Uncertainty management in simulation- ...
  • Moghaddam, S., & Mahlooji, M. (2016). Robust simulation optimization using ...
  • Parnianifard, A., Azfanizam, A., Ariffin, M. K. A. M., Ismail, ...
  • نمایش کامل مراجع