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

نمودارهای کنترل سنتی مبتنی بر این فرض اساسی هستند که دادههای فرآیند بطور متوالی مستقل از یکدیگر بوده و دارایتوزیع نرمال میباشند. این در حالی است که در بسیاری از موارد در دنیای واقعی از جمله در فرآیندهای شیمیایی و پیوسته این فرضاساسی وجود ندارد و بین دادههای جمعآوری 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 روشهای توسعه داده شده به منظورکنترل فرآیندهای خودهمبسته، شناسایی ساختار سریهای زمانی فرآیند و استفاده از مقادیر باقیماندهها به منظور کنترل فرآیند است. دراین مقاله از یک مدل مبتنی بر سیستمهای تطبیقی عصبی-فازی به منظور شناسایی ساختار سریهای زمانی و پیشبینی استفاده شدهطراحی میشود. در نهایت ar(2) است. همچنین نمودارهای کنترل باقیمانده مبتنی بر این سیستم برای دادههای خود برگشتی درجه 2با استفاده از دادههای شبیهسازی شده، کارایی روش پیشنهادی در نمودار میانگین متحرک موزون نمایی و برای درجههای مختلفی ازهمبستگی مورد ارزیابی قرار گرفته و نشان داده میشود که روش پیشنهادی برای دادههای با همبستگی زیاد دارای کارایی بسیار مناسباست.