|
|
طراحی یک مدل بهینه سازی اثرزدا با استفاده از تابع زیان کیفی تاگوچی
|
|
|
|
|
نویسنده
|
پرنیانی فرد امیر
|
منبع
|
تصميم گيري و تحقيق در عمليات - 1398 - دوره : 4 - شماره : 1 - صفحه:1 -9
|
چکیده
|
تابع زیان کیفی تاگوچی یکی از ابزارهای کاربردی مورد استفاده در تکنیک طراحی اثرزدا می باشد که بهصورت همزمان میزان انحراف از مقدار هدف و واریانس مشخصهی کیفی خروجی فرآیند را موردتوجه قرار می دهد. در شرایط واقعی بیشتر فرآیندها تحت تاثیر فاکتورها و عوامل خارجی و محیطی غیرقابل کنترل قرار داشته که باعث فاصله گرفتن مشخصه های کیفی فرآیند از نقاط ایده ال و ایجاد نوسان در مقدار این مشخصهها می شوند. 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
|
بهینه سازی اثرزدای فرآیند، روش تاگوچی، تابع زیان کیفی
|
آدرس
|
دانشگاه پوترای مالزی, دانشکده مهندسی مکانیک و ساخت و تولید, مالزی
|
پست الکترونیکی
|
parniani@hotmail.com
|
|
|
|
|
|
|
|
|
A new robust design optimization model using Taguchi loss function
|
|
|
Authors
|
Parnianifard Amir
|
Abstract
|
The quality loss function is conventional techniques in robust design terminology that consider the deviation of output from ideal point and variability as well. Mostly in practice, processes are affected by uncontrollable external factors that cause output of process to be far from ideal points with variability around its exact value. In this research, the common Taguchi quality loss function is applied to propose a new robust optimization model that able to choose optimal results of input variables. In this model, the quality loss function is expanded and a nonlinear optimization model is introduced in order to minimize the effect of environmental noise variables. In the end, a numerical example is presented to show the applicability of the proposed model for investigating the best levels of input variables in the noisy process.
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|