پديد آورنده :
عباسي، محدثه
عنوان :
پيشبيني پارامترهاي خروجي فرآيند توليد با استفاده از رويكرد دادهكاوي بر اساس مؤلفههاي اصلي(مطالعه موردي: شركت نفت سپاهان)
مقطع تحصيلي :
كارشناسي ارشد
محل تحصيل :
اصفهان: دانشگاه صنعتي اصفهان، دانشكده صنايع و سيستم ها
صفحه شمار :
[دوازده]، 81ص.: مصور، جدول، نمودار
يادداشت :
ص. ع. به فارسي و انگليسي
استاد راهنما :
علي زينل همداني
توصيفگر ها :
كشف دانش از پايگاه هاي داده , داده كاوي , پيشبيني , تجزيه و تحليل مؤلفههاي اصلي , توليد روغن پايه
استاد داور :
غلامعلي رئيسي اردلي، مهدي خاشعي
تاريخ ورود اطلاعات :
1396/01/23
رشته تحصيلي :
صنايع و سيستم ها
دانشكده :
مهندسي صنايع و سيستم ها
چكيده فارسي :
چكيده 4 امروزه حجم دادهها در سازمانها با نرخ بيسابقهاي رشد ميكند افزايش روزافزون دادهها تكنيكهايي را ميطلبد كه هوشمندانه به تجزيه و تحليل آنها پرداخته و دانش پنهان موجود در آنها را كشف نمايد دادهكاوي ابزارهايي را براي تحليل پايگاههاي داده بزرگ كشف روندها الگوها و دانش از اين منابع داده فراهم ميكند شركت نفت سپاهان با ظرفيت توليد بيش از 014 هزار تن انواع روغن از جمله صنايع كليدي كشور است كه با برخورداري از بانك دادهي بسيار غني زمينهي مناسبي براي كاربرد تكنيكهاي دادهكاوي و كشف دانش نهفته در اين دادهها ميباشد در خط توليد روغن پايه كه محصول اصلي اين شركت است راندمان و پارامترهاي كيفي محصول خروجي از جمله عوامل تعيين كنندهي كيفيت نهايي محسوب ميشوند يكي از چالشهاي اساسي موجود در اين خط توليد عدم تطابق مقادير اين پارامترها با مقادير مطلوب ارائه شده توسط متخصصين توليد است بر همين اساس در اين پاياننامه براي نخستين بار از تكنيكهاي دادهكاوي بهمنظور پردازش پايگاههاي دادهي موجود در شركت نفت سپاهان و پيشبيني پارامترهاي خروجي فرآيند توليد روغن پايه استفاده شده است از آنجا كه در تحليل دادهها عموما با تعدد صفات متغيرها روبرو هستيم و وابستگي بين اين صفات موجب بروز مشكالتي در تحليل آنها ميشود لذا در اين پاياننامه سعي گرديده تا با كاهش ابعاد متغيرها و حذف وابستگي ميان آنها با استفاده از روش تجزيه و تحليل مؤلفههاي اصلي اين مشكالت را كاهش داد بدين منظور در ابتدا تكنيكهاي هوشمند كشف دانش مانند شبكههاي عصبي درختهاي رگرسيون ماشينهاي بردار پشتيبان و همچنين روش سنتي رگرسيون تشريح گرديده و پس از انتخاب و آمادهسازي دادهها اين روشها جهت پيشبيني پارامترهاي خروجي فرآيند توليد روغن پايه بهكار گرفته شده است سپس جهت بررسي عملكرد روش تجزيه و تحليل مؤلفههاي اصلي بر روي تكنيكهاي دادهكاوي مؤلفههاي اصلي حاصل از اين روش بهعنوان ورودي اين تكنيكها در نظر گرفته شده و نتايج حاصل از آن با نتايج بهدست آمده از پيادهسازي اين تكنيكها بر روي دادههاي اصلي مقايسه گرديدهاند نتايج حاصل شده حاكي از آن است كه روش تجزيه و تحليل مؤلفههاي اصلي عملكرد مناسبي در تركيب با تكنيكهاي دادهكاوي از خود نشان داده و باعث بهبود كارايي اين تكنيكها ميشود با مقايسهي نتايج روشهاي مختلف روش شبكه عصبي بر اساس مؤلفههاي اصلي به عنوان بهترين روش جهت پيشبيني پارامترهاي خروجي فرآيند توليد در نظر گرفته شده است در نهايت با استفاده از درخت رگرسيون نحوهي اثرگذاري متغيرهاي ورودي بر پارامترهاي هدف تعيين گرديده است كلمات كليدي كشف دانش از پايگاههاي داده دادهكاوي پيشبيني تجزيه و تحليل مؤلفههاي اصلي توليد روغن پايه
چكيده انگليسي :
80 Prediction of output parameters of manufacturing process using data mining approach based on principal component Case study Sepahan Oil Company Author Mohadese Abbasi mohadese abbasi@in iut ac ir Supervisor Ali Zeinal Hamadani hamadani@cc iut ac ir Department Industrial and Systems Engineering Language Persian Abstract Nowadays the volume of data rises with a considerable rate Thus there is an indelibledemand in techniques able to analysis of the mentioned data and intelligently discover thehided knowledge in them Data mining provides some tools for analyzing mass data bases discovering the processes patterns and knowledge using this data and information The Sepahan Oil Company with the production capacity of more than 450000 Ton ofvarious kinds of oil is one of key industries in Iran Considering its rich data base SepahanOil Company is a perfect target to applicate the data mining techniques and consequentdiscovering of knowledge embedded in such data base The efficiency and qualitativeparameters of base oil as the main production of this company are considered as two of themost important factors affecting the final quality of products Incompatibility of the of theseparameters with the desired parameters represented by product specialists is one of the basicchallenges in this production line Current thesis accordingly is pioneer at manipulatingdata mining techniques to process the data bases available in Sepahan Oil Company andconsequent prediction of output parameters in base oil production line Coming across withmultiplicity of variable items during data analysis and encountering dependence of this itemson each other which make some difficulties at analyzing them this investigation is intendedto lower such problems by declining the variable size and eliminating their dependence usingprincipal component analysis In order to meet this target intelligent techniques ofknowledge discovery such as neural networks regression trees support vector machines andconventional regression methods have primarily been described and used to predict theoutput parameters of production of base oil after the data selection and data preparation Subsequently Principal factors resulted from principal component analysis method havebeen assumed as the input of these methods to evaluate the impact of such factors on datamining techniques as well as comparing its outcomes with implementation results of datamining techniques on basic data Based on received evidences it is fair to say that principalcomponent analysis method represent a better function when accompanied with data miningtechniques and lead to improve them Drawing a comparison between distinguishedmethods neural network method based on principal factors has been considered as the bestmethod at prediction of output process parameters Finally affecting method of input factorson target parameters has been determined using the regression trees KEYWORDS Knowledge Discovery in Database Data mining Prediction Principal Component Analysis Base Oil
استاد راهنما :
علي زينل همداني
استاد داور :
غلامعلي رئيسي اردلي، مهدي خاشعي
