دانلود ترجمه مقاله استفاده از روش های داده کاوی برای کنترل فرآیند

1. مقدمه 2. جدیدترین پیشرفت ها 3. روش تحقیق 4. نتایج 5. ارزیابی نتایج 6. نتیجه گیری 7. پژوهش های آتی

چکیده – مفهوم صنعت چهارم فرض می کند که سیستم های مدرن تولیدی، مقادیر عظیمی داده تولید می کنند که باید جمع آوری، ذخیره، مدیریت و تحلیل شود. هدف این مطالعه موردی پیش بینی رفتار فرآیند تولید بر طبق داده های تولید است. این مقاله روش بدست آوردن دانش در مورد رفتار آینده سیستم تولید بواسطه پیش نگری کاوش داده ها را ارائه می کند. مدل شبیه سازی پیشنهادی فرآیند واقعی تولید برای بدست آوردن داده های لازم برای فرآیند کنترل طراحی شد. پیش بینی های رفتار فرآیند تولید با تغییر پارامترهای ورودی با استفاده از روش های انتخاب شده و روش های داده کاوی انجام شد. رفتار پیش بینی شده فرآیند با استفاده از مدل شبیه سازی، تائید شد. مولفان روش های مختلفی را تحلیل کردند. روش شبکه عصبی برای گسترش داده های جدید بواسطه فایل های PMML در مراحل نهایی انتخاب شد. هدف پژوهش، طراحی و تائید روش های داده کاوی جهت پشتیبانی از کنترل سیستم تولید با هدف بهبود فرآیند تصمیم گیری بود. بر مبنای پیش بینی نتایج تولید مورد نظر، راهبردهای واقعی کنترل را می توان بدقت اصلاح کرد. سپس می توان بدون خطر از آنها برای سیستم تولید واقعی استفاده کرد.

The Industry 4.0 concept assumes that modern manufacturing systems generate huge amounts of data that must be collected, stored, managed and analysed. The case study is focused on predicting the manufacturing process behaviour according to production data. The paper presents the way of gaining knowledge about the future behaviour of manufacturing system by data mining predictive tasks. The proposed simulation model of the real manufacturing process was designed to obtain the data necessary for the control process. The predictions of the manufacturing process behaviour were implemented varying the input parameters using selected methods and techniques of data mining. The predicted process behaviour was verified using the simulation model. The authors analysed different methods. The neural network method was selected for deploying new data by PMML files in the final phases. The objectives of the research are to design and verify the data mining tools in order to support the manufacturing system control by aiming at improving the decisionmaking process. Based on the prediction of the goal production outcomes, the actual control strategies can be precisely modified. Then they can be used in real manufacturing system without risks.