رشته مهندسی صنایع تحلیل سیستم‌ها طراحی و بهبود سیستم کنترل کیفیت شرکت پلاستیران 79 ص

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 99

دانشگاه آزاد اسلامی واحد ابهر

گروه مهندسی صنایع

پروژه کارآموزی

رشته مهندسی صنایع تحلیل سیستم‌ها

عنوان

طراحی و بهبود سیستم کنترل کیفیت

شرکت پلاستیران

استاد راهنما

جناب آقای مهندس شجاعی

پژوهشگر

محسن جراحی

80016757

تابستان 1386

تشکر و قدردانی

سپاس بیکران خدایی را سزاست که توفیق دانش اندوزی مرکب معرفت را به ما عطا نمود.

وظیفه خود می‌دانم که از استاد عالیقدر جناب آقای دکتر امیری که در نهایت صبوری و متانت در تمام مراحل انجام این پروژه از رهنمودهای ایشان بهره‌مند بودم تشکر و قدردانی نمایم.

چکیده

امروزه کیفیت به عنوان عامل اصلی در تصمیم‌گیری مشتریان در مرحلة ارزیابی محصول و یا خدمات به کار می‌رود. بدون شک همه بر این باوریم که محصول کیفیت و حضور در صحنة رقابت داخلی و جهانی با شعار دادن تحقق نمی‌یابد بلکه دستیابی به این امر مهم فقط با شناخت و استفاده از روشهای علمی مربوطه امکان‌پذیر است. از مجموعه روشهای علمی مورد استفاده در علم کیفیت، روشهای آماری اهمیت خاص را دارا بوده و برای به کار بردن روشهای آماری استفاده از رایانه امری بدیهی است. آمار و در پی آن کنترل کیفیت، علومی هستند که براساس داده‌های جمع‌آوری شده تخمین می زنند و به تصمیم‌گیری کمک می‌کنند بنابراین کار با حجم داده‌های فراوان در راستای تجزیه و تحلیل و نیل به هدف امری اجتناب‌ناپذیر است.

SPC نیز یکی از تکنیک‌هایی می‌باشد که با استفاده از روشهای آماری و در صورت اجرای صحیح، بهبود چشمگیر کیفیت و کاهش قابل توجهی را در هزینه تمام شده کالا به ارمغان می‌آورد. در پروژه حاضر سعی شده است با استفاده از نمودارهای تجزیه و تحلیل به سئوالات زیر پاسخ داده شود:

مواد اولیه با چه مجوزی وارد می‌شوند؟

اقلام نیم ساخته با چه مجوزی وارد مرحلة بعدی می‌شوند؟

قطعات تمام شده با چه مجوزی جهت خریدار ارسال می‌شوند؟

فهرست مطالب

عنوان

صفحه

فصل اول:

شناختی مختصر در مورد کنترل کیفیت آماری

فصل دوم:

معرفی شرکت انتخاب شده

فصل سوم:

معرفی تفضیلی محصولات

بهبود سرعت یادگیری شبکه های عصبی 27ص

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 24

مقدمه

شبکه های عصبی چند لایه پیش خور1 به طور وسیعی د ر زمینه های متنوعی از قبیل طبقه بندی الگوها، پردازش تصاویر، تقریب توابع و ... مورد استفاده قرار گرفته است.

الگوریتم یادگیری پس انتشار خطا2، یکی از رایج ترین الگوریتم ها جهت آموزش شبکه های عصبی چند لایه پیش خور می باشد. این الگوریتم، تقریبی از الگوریتم بیشترین تنزل3 می باشد و در چارچوب یادگیری عملکردی 4 قرار می گیرد.

عمومیت یافتن الگوریتمBP ، بخاطر سادگی و کاربردهای موفقیت آمیزش در حل مسائل فنی- مهندسی می باشد.

علیرغم، موفقیت های کلی الگوریتم BP در یادگیری شبکه های عصبی چند لایه پیش خور هنوز، چندین مشکل اصلی وجود دارد:

- الگوریتم پس انتشار خطا، ممکن است به نقاط مینیمم محلی در فضای پارامتر، همگرا شود. بنابراین زمانی که الگوریتم BP همگرا می شود، نمی توان مطمئن شد که به یک جواب بهینه رسیده باشیم.

- سرعت همگرایی الگوریتم BP، خیلی آهسته است.

از این گذشته، همگرایی الگوریتم BP، به انتخاب مقادیر اولیه وزنهای شبکه، بردارهای بایاس و پارامترها موجود در الگوریتم، مانند نرخ یادگیری، وابسته است.

در این گزارش، با هدف بهبود الگوریتم BP، تکنیک های مختلفی ارائه شده است. نتایج شبیه سازیهای انجام شده نیز نشان می دهد، الگوریتم های پیشنهادی نسبت به الگوریتم استاندارد BP، از سرعت همگرایی بالاتری برخوردار هستند.

خلاصه ای از الگوریتم BP

از قانون یادگیری پس انتشار خطا (BP)، برای آموزش شبکه های عصبی چند لایه پیش خور که عموماً شبکه های چند لایه پرسپترون 5 (MLP) هم نامیده می شود، استفاده می شود، استفاده می کنند. به عبارتی توپولوژی شبکه های MLP، با قانون یادگیری پس انتشار خطا تکمیل می شود. این قانون تقریبی از الگوریتم بیشترین نزول (S.D) است و در چارچوب یادگیری عملکردی قرار می گیرد.

بطور خلاصه، فرایند پس انتشار خطا از دو مسیر اصلی تشکیل می شود. مسیر رفت6 و مسیر برگشت 7 .

در مسیر رفت، یک الگوی آموزشی به شبکه اعمال می شود و تأثیرات آن از طریق لایه های میانی به لایه خروجی انتشار می یابد تا اینکه

_________________________________

1. Multi-Layer Feedforward Neural Networks

2. Back-Propagation Algorithm

3. Steepest Descent (S.D)

4. Performance Learning

5. Multi Layer Perceptron

6. Forward Path

7. Backward Path

نهایتاً خروجی واقعی شبکه MLP، به دست می آید. در این مسیر، پارامترهای شبکه (ماتریس های وزن و بردارهای بایاس)، ثابت و بدون تغییر در نظر گرفته می شوند.

در مسیر برگشت، برعکس مسیر رفت، پارامترهای شبکه MLP تغییر و تنظیم می گردند. این تنظیمات بر اساس قانون یادگیری اصلاح خطا1 انجام می گیرد. سیگنال خطا، رد لایه خروجی شبکه تشکیل می گردد. بردار خطا برابر با اختلاف بین پاسخ مطلوب و پاسخ واقعی شبکه می باشد. مقدار خطا، پس از محاسبه، در مسیر برگشت از لایه خروجی و از طریق لایه های شبکه به سمت پاسخ مطلوب حرکت کند.

در شبکه های MLP، هر نرون دارای یک تابع تحریک غیر خطی است که از ویژگی مشتق پذیری برخوردار است. در این حالت، ارتباط بین پارامترهای شبکه و سیگنال خطا، کاملاً پیچیده و و غیر خطی می باشد، بنابراین مشتقات جزئی نسبت به پارامترهای شبکه به راحتی قابل محاسبه نیستند. جهت محاسبه مشتقات از قانون زنجیره ای2 معمول در جبر استفاده می شود.

فرمول بندی الگوریتم BP

الگوریتم یادگیری BP، بر اساس الگوریتم تقریبی SD است. تنظیم پارامترهای شبکه، مطابق با سیگنالهای خطا که بر اساس ارائه هر الگو به شبکه محاسبه می شود، صورت می گیرد.

الگوریتم بیشترین تنزل با معادلات زیر توصیف می شود:

(1)

(2)

به طوری WLji و bLj، پارامترهای نرون j ام در لایه iام است. α، نرخ یادگیری2 و F، میانگین مربعات خطا می باشد.

(3)

(4)

(5)

به طوریکه SLj(k)، حساسیت رفتار شبکه در لایه L ام است.

_________________________________

1. Error-Correctting Learning Rule

2. Chain Rule

3. Learning Rate

معایب الگوریتم استاندارد پس انتشار خطا1 (SBP)

الگوریتم BP، با فراهم آوردن روشی از نظر محاسباتی کارا، رنسانسی در شبکه های عصبی ایجاد نموده زیرا شبکه های MLP، با قانون یادگیری BP، بیشترین کاربرد را در حل مسائل فنی- مهندسی دارند.

با وجود، موفقیت های کلی این الگوریتم در یادگیری شبکه های عصبی چند لایه پیش خود، هنوز مشکلات اساسی نیز وجود دارد:

- اولاً سرعت همگرایی الگوریتم BP آهسته است.

همانطور که می دانیم، تغییرات ایجاد شده در پارامترهای شبکه (ماتریس های وزن و بردارهای بایاس)، پس از هر مرحله تکرار الگوریتم BP، به اندازه ، است، به طوریکه F، شاخص اجرایی، x پارامترهای شبکه و α، طول قدم یادگیری است.

از این، هر قدر طول قدم یادگیری، α، کوچکتر انتخاب گردد، تغییرات ایجاد شده در پارامترهای شبکه، پس از هر مرحله تکرار الگوریتم BP، کوچکتر خواهد بود، که این خود منجر به هموار گشتن مسیر حرت پارامترها به سمت مقادیر بهینه در فضای پارامترها می گردد. این مسئله موجب کندتر گشتن الگوریتم BP می گردد. بر عکس با افزایش طول قدم α، اگرچه نرخ یادگیری و سرعت یادگیری الگوریتم BP افزایش می یابد، لیکن تغییرات فاحشی در پارامترهای شکه از هر تکراربه تکرار بعد ایجاد می گردد، که گاهی اوقات موجب ناپایداری و نوسانی شدن شبکه می شود که به اصطلاح می گویند پارامترهای شبکه واگرا شده اند:

در شکل زیر، منحنی یادگیری شبکه برای جدا سازیالگوها در مسأله XOR، به ازای مقادیر مختلف نرخ یادگیری، نشان داده شده است. به ازای مقادیر کوچک، α، شبکه کند اما هموار، یاد نمی گیرد الگوهای XOR را از هم جدا نماید، ددر صورتی که به ازای 9/0= α شبکه واگرا می شود.

_________________________________

1. Standard Back-Propagation Algorithm

شکل (1). منحنی یادگیری شبکه برای نرخ های یادگیری مختلف در مسأله XOR

- ثانیاً احتمالاً به دام افتادن شبکه در نقاط مینیمم محلی وجود دارد.

در شبکه های MLP، میانگین مجوز خطا، در حالت کلی خیلی پیچیده است و از تعداد زیادی نقطه اکسترمم در فضای پارامترهای شبکه برخوردار می باشد. بنابراین الگوریتم پس انتشار خطا با شروع از روی یک سری شرایط اولیه پارامترهای شبکه، به نقطه مینیمم سراسری و با شروع از یک مجموعه شرایط اولیه دیگر به تقاط مینیمم محلی در فضای پارامترها همگرا می گردد، بنابراین زمانی که الگوریتم BP همگرا می شود، نمی توان مطمئن شد که به یک جواب بهینه رسیده باشیم.

- ثالثاً: همگرایی الگوریتم BP، به یقین مقادیر اولیه پارامترهای شبکه عصبی MLP وابسته است، بطوری که یک انتخاب خوب می تواند کمک بزرگی در همگرایی سریعتر الگوریتم BP فراهم آورد. برعکس انتخاب اولیه نادرست پارامترهای شبکه MLP، منجر به گیر افتادن شبکه در نقاط مینیمم محلی در فضای برداری پارامترهای شبکه می گردد که این خود منجر به این می شود که شبکه خیلی زودتر از معمول به موضعی بیفتد که منحنی یادگیری شبکه برای تعداد بزرگی از دفعات تکرار، تغییر نکند.

به عنوان مثال، فرض می کنیم مقدار اولیه پارامترهای شبکه خیلی بزرگ باشند، در حالی که می دانیم توابع تبدیل نرونها مخصوصاً در لایه های میانی از نوع زیگموئید هستند. در این حالت برای نرون i ام، اندازه ورودی تابع تبدیل (ni) خیلی بزرگ می باشد و خروجی نرون (ai) به مقدار 1± میل می کند. لذا مشتق بردار خروجی شبکه، a ، خیلی کوچک می باشد. فرض کنیم که باید مقدار واقعی ai، 1 باشد

دانلود نسخه اصلی افزونه wp rocket

اگر صاحب یک سایت وردپرسی هستید حتما به دنبال راهی برای افزایش سرعت بارگذاری سایت خود هستید، افزونه های مختلفی در بازار وجود دارد ولی هیچ کدام مثل wp rocket نخواهد بود، این افزونه از همه نظر جواب خود را پس داده، شما میتوانید قبل و بعد از نصب افزونه اطلاعات سایت خود را در سایت مشهور gtmetrix مشاهده کنید تا ببینید این افزونه چه تاثیر شگرفی در سئو و سرعت سایت شما خواهد گذاشت.

این افزونه نسخه اصلی بوده و همواره اخرین نسخه برای دانلود قرار داده میشود.

در تصویر زیر میتوانید مقایسه افزونه wp rocket با سایر افزونه های مشابه و مشهور را مشاهده کنید.

پاورپوینتی در مورد بهبود خواص فولاد

لینک دانلود و خرید پایین توضیحات

دسته بندی : پاورپوینت

نوع فایل :  .pptx ( قابل ویرایش و آماده پرینت )

تعداد اسلاید : 19 اسلاید

 قسمتی از متن .pptx : 

عملیات حرارتی، فرایند گرم کردن و سرد کردن فلزی جامد برای رسیدن به خواص مطلوب و دلخواه می‌باشد. دلایلی که باعث انجام عملیات حرارتی می‌شوند به شرح زیر است: - تنش‌زدایی، تنش‌های ناشی از عملیات و فرایندهای تولید - ریز کردن دانه‌بندی - افزایش مقاومت به سایش با ایجاد لایه سخت بر سطح و در عین حال افزایش مقاومت به ضربه با به‌وجود آوردن مرکز نرم‌تر در داخل قطعه

- بهبود خواص فولاد به منظور اقتصادی کردن جایگزینی بعضی از انواع ارزان‌تر فولاد به جای انواع گران آن - افزایش جذب انرژی ضربه فولاد - بهبود خصوصیات برش در فولادهای ابزار - بهبود خواص الکتریکی - تغییر یا بهبود خواص مغناطیسی در این مقاله فرایندهای عملیات حرارتی به اختصار معرفی خواهند شد.

فرایندهای عملیات حرارتی ۱) نرمالایزینگ۱ این عملیات برای همگن کردن و ریز کردن دانه‌ها انجام می‌شود. فولاد در عملیات نرمالایزینگ بعد از قرار گرفتن در دمای آستنیته شدن در هوای آرام یا با دمش اندک هوا خنک می‌شود. به خاطر خصوصیات ذاتی فرایند ریخته‌گری، عملیات نرماله برای بلوم‌های ریخته شده پیش از انجام هر فرایند دیگری انجام می‌شود. همچنین به‌طور معمول برای قطعات ریخته شده و فورج شده پیش از عملیات آب دادن، عملیات نرماله انجام می‌شود.

۲) آنیلینگ۲ عنوان آنیلینگ به‌طور کلی به فرایندی اطلاق می‌شود که در آن فلز تا دمای خاصی گرم می‌شود، سپس در آن دما برای مدتی نگهداری شده و با سرعت مشخص سرد می‌شود. این عملیات برای به دست آوردن فلزی نرم‌تر از حالت شروع عملیات یا ایجاد تغییرات دلخواه در ساختار فلز انجام می‌شود. دلایل انجام آنیلینگ به شرح زیر است: - بهبود قابلیت ماشینکاری - امکان انجام راحت‌تر عملیات کار سرد - بهبود خواص مکانیکی یا الکتریکی - افزایش پایداری ابعادی

مقاله درباره: بهبود سائیدگی و درد مفاصل

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 4

بهبود سائیدگی و درد مفاصل (آرتروز)

سائیدگی مفاصل شایع ترین علت درد و ناتوانی در افراد مسن وشایع ترین بیماری مفصلی است. در خانم ها سائیدگی مفاصل زانو و دست و در مردان سائیدگی مفصل لگن شایع تر است.

علایم ساییدگی مفصل در خانم ها شایع تر است. افراد چاق بیشتر از سایرین دچار سائیدگی مفصل زانو می‌شوند.

دیابت، فشار خون بالا و افزایش اسیداوریک خون نیز باعث افزایش احتمال سائیدگی مفصلی می‌گردند. سائیدگی مفصلی معمولاً خود را با درد نشان می‌دهد که با افزایش میزان سائیدگی، مقدار درد بیشتر می‌شود. سپس درد مفاصل باعث ضعف عضلانی و درد در عضلات مربوط به آن مفصل می‌شود. در صورت تقویت عضلات، این درد کاهش می‌یابد. برخی از بیماران از خشک بودن بدن و مفاصل بعد از بیدار شدن از خواب شکایت می‌کنند، اما معمولاً خشکی بدن کمتر از نیم ساعت طول می‌کشد.

*توصیه‌ها :

1- وزن بدن باید کم شود.

2- استفاده از گرما باعث کاهش درد می‌شود. برای این کار می‌توان از کیسه آب گرم استفاده کرد. اگر استفاده از گرما ممنوعیت خاصی نداشته باشد، می توان از روش های زیر استفاده کرد:

الف) قرار دادن مفصل مبتلا در آب گرم 40- 38 درجه سانتیگراد و ماساژ آرام آن .

ب) استفاده از دوش آب گرم.

ج) قرار دادن کیسه آب گرم درون یک حوله واستفاده از آن بر روی اندام مبتلا به درد.

باید توجه کرد که در برخی از بیماری ها استفاده از کیسه ی آب گرم بسیار مضر است و قبل از استفاده از آن حتما باید با پزشک مشورت کرد. همچنین کیسه آب گرم نباید بر روی اندام مبتلا قرار داده شود. از گذاشتن آن در زیر اندام یا خوابیدن بر روی آن نیز باید خودداری شود.

3- از کفش مناسب استفاده شود.

4- از دو زانو و چهار زانو زدن و ایستادن طولانی مدت خودداری گردد.

5- از بالا و پائین رفتن از پله‌ها تا حد ممکن اجتناب شود.

6- به جای نشستن روی زمین، از صندلی استفاده شود.

7- ورزش: انجام برنامه ورزشی و تقویت عضلات می‌تواند به اندازه داروهای ضد درد در درمان سائیدگی مفصلی مؤثر باشند. بی‌حرکتی می‌تواند باعث بدتر شدن سائیدگی مفصلی گردد. لذا نباید نگران سائیدگی مفصل در اثر انجام فعالیت های توصیه شده توسط پزشک بود. انجام اشتباه حرکات ورزشی باعث بدتر شدن علائم و درد می‌گردد. اگر انجام ورزش باعث تشدید درد شد، به این معنی است که باید مقدار فعالیت کمتر گردد و بطور تدریجی میزان فعالیت افزایش داده شود.

برخی ورزش های مفید در سائیدگی مفصل :

الف) قدم زدن روزانه به مدت 30 دقیقه که می‌توان آن را به 3 برنامه ی10 دقیقه ای تبدیل کرد) یا قدم زدن به مدت 45 دقیقه، سه بار در هفته.

ب) شنا

ج) تقویت عضلات اندام پائینی بخصوص عضله چهار سر ران.

به عنوان مثال می توان دو دست را به یک صندلی تکیه داد و دو زانو را تا زاویه 30 درجه به آرامی خم کرد.سپس مجدداً به حالت اول برگشت و زانوها را صاف کرد. هرچه این حرکت آرام تر انجام شود بهتر است.

ه) کشش عضلات منتهی مفصل

در صورتی که درد زیاد است، استفاده از عصا یا واکر توصیه می‌شود. طول عصا باید مناسب باشد.

استفاده از تحریک الکتریکی در کاهش درد و تقویت عضلات :

معمولاً در کلینیک های فیزیوتراپی برای کاهش درد از دستگاه خاصی جهت تحریک الکتریکی استفاده می‌شود. در حال حاضر وسایل تحریک الکتریکی جهت استفاده در منزل ساخته شده که به راحتی قابل استفاده بوده و باعث کمتر شدن درد مفصل و کاهش نیاز به دارو می‌شود.

استفاده از باند کشی یا زانوبند می‌تواند تا حدودی در کاهش درد مؤثر باشد.

دکتر غلامرضا رئیسی- متخصص طب فیزیکی و توان بخشی

* مطالب مرتبط در این سایت :

رژیم غذایی در بیماری آرتروز

تأثیر ورزش در التهاب مفاصل (آرتریت)

رژیم غذایی در التهاب مفاصل(آرتریت روماتوئید)

توصیه هایی برای مبتلایان به آرتروز زانو

مراقبت از زانوها