یک سیستم استنتاج تطبیقی عصبی-فازی به منظور کنترل آماری فرآیند با داده های خود همبسته

نمودارهای کنترل سنتی مبتنی بر این فرض اساسی هستند که داده های فرآیند بطور متوالی مستقل از یکدیگر بوده و دارایتوزیع نرمال می باشند. این در حالی است که در بسیاری از موارد در دنیای واقعی از جمله در فرآیندهای شیمیایی و پیوسته این فرض اساسی وجود ندارد و بین داده های جمع آوری شده از فرآیند نوعی خودهمبستگی وجود دارد. استفاده از نمودارهای کنترل سنتی درفرآیندهای خود همبسته غیرقابل اطمینان بوده و باعث افزایش اخطارهای اشتباه میشود. یکی از روش های توسعه داده شده به منظورکنترل فرآیندهای خودهمبسته، شناسایی ساختار سری های زمانی فرآیند و استفاده از مقادیر باقیمانده ها به منظور کنترل فرآیند می باشد.در این مقاله از یک مدل مبتنی بر سیستم های تطبیقی عصبی فازی به منظور شناسایی ساختار سری های زمانی و پیش بینی استفاده طراحی میشود. در ar(2) شده است. همچنین نمودارهای کنترل باقیمانده مبتنی بر این سیستم برای داده های خود برگشتی درجه 2و برای (ewma) نهایت با استفاده از داده های شبیه سازی شده، کارایی روش پیشنهادی در نمودار میانگین متحرک موزون نمائی درجه های مختلفی از همبستگی مورد ارزیابی قرار می گیرد.