به کارگیری شبکه های عصبی در فناوری گروهی و مقایسه با نتایج روش های خوشه بندی k میانگین، ضریب شباهت و آرایش رتبه ای

مهم ترین مسئله هنگام پیاده سازی فناوری گروهی در واحدهای صنعتی، در درجه ی اول تشکیل خانواده ی قطعات و دسته بندی قطعات براساس آن و در مرحله دوم حفظ سازگاری و ثبات این دسته بندی در طول زمان است. برای دسته بندی قطعات، رویکردهای مختلفی وجود دارد و اگر رویکرد استفاده از خصوصیات قطعات برای دسته بندی آن ها مورد استفاده قرار گیرد، اولین و مهم ترین گام، طراحی و پیاده سازی ساختاری برای کدگذاری و شناخت قطعات براساس خصوصیات آن ها است. در این  پژوهش، کاربرد یک شبکه عصبی پس انتشار برای دسته بندی قطعات درقالب یک مطالعه ی موردی برای پین های کانکتورها و براساس خصوصیات آن ها مورد بررسی قرار گرفته و نتایج حاصل از آن با دسته بندی های صورت گرفته توسط تحلیل خوشه ای K میانگین، روش ضریب شباهت و خوشه بندی آرایش رتبه ای (ROC) برای همان قطعات مقایسه شده است. نتایج نشان دهنده قابلیت شبکه های عصبی برای دسته بندی قطعات براساس خصوصیات آن ها و برتری آن نسبت به روش تحلیل خوشه ای K میانگین است.