پديد آورنده :
احمديار لسبومحله، نساء
عنوان :
بهبود عملكرد مدل هاي هوشمند در پيش بيني كيفيت منسوجات توليدي صنعت پوشاك با بكارگيري ساختارهاي تركيبي
مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
سيستم هاي اقتصادي - اجتماعي
محل تحصيل :
اصفهان : دانشگاه صنعتي اصفهان
صفحه شمار :
سيزده، 129ص.: مصور، جدول، نمودار
استاد راهنما :
مهدي خاشعي
توصيفگر ها :
مدل‌هاي رگرسيون كلاسيك خطي چندمتغيره , شبكه‌هاي عصبي پرسپترون چندلايه , منطق و اعداد فازي , مدل‌هاي تركيبي , صنعت نساجي , پيشبيني كيفيت درز پوشاك
استاد داور :
مهدي بيجاري، رضا حجازي
تاريخ ورود اطلاعات :
1398/06/04
دانشكده :
مهندسي صنايع و سيستم ها
تاريخ ويرايش اطلاعات :
1398/06/04
چكيده فارسي :
چکیده اهميت پيشبيني و آگاهي از آينده بهمنظور اتخاذ تصميمات مديريتي و تدوين سياستهای استراتژيک بر کسي پوشيده نيست از طرفي حفظ توان رقابتي در صنايع متنوع و گستردهای همچون صنعت پوشاک به ضرورتي انكارناپذير بدل گرديده است بر اين اساس پيشبيني کيفيت محصوالت توليدی به عنوان يكي از مهمترين عوامل مؤثر بر حفظ و افزايش توان رقابتي ميتواند برای مديران صنعت پوشاک بسيار حائز اهميت باشد بههمين دليل با توجه به اهميت پيشبيني در فضای رقابتي حاکم بر صنعت نساجي تاکنون مدلهای مختلفي بهمنظور بهبود دقت پيشبينيها ارائه شده است در اين رابطه شبكههای عصبي مصنوعي ابزارهای پيشبيني دقيقي برای دامنه وسيعي از مسائل بهشمار ميآيند که نياز به دادههای زياد برای حصول نتايج دقيق کاربرد آنها را با محدوديت مواجه کرده است اين درحالي است که فراهم آوردن دادههای مورد نياز اصوال بسيار هزينهبر و زمانبر است از اين رو استفاده از روشهايي که قادر به ارائه پيشبيني با تعداد دادههای قابل حصول کم هستند در اينگونه از بازارها مناسبتر و کارآمدتر خواهدبود روشهای هوش محاسباتي و محاسبات نرم از دقيقترين و پرکاربردترين روشهای مدلسازی پيچيدگي و عدمقطعيت موجود در دادهها هستند در اين پاياننامه بهمنظور جلوگيری از هزينههای باالی مدلسازی دوری جستن از مشكل برازش بيش از حد شبكههای عصبي در مدلسازی الگوهای خطي و نيز مرتفع ساختن محدوديت مدلسازی الگوهای غيرخطي در روشهای کالسيک آماری يک مدل ترکيبي بر اساس مدلهای رگرسيون کالسيک خطي چندمتغيره شبكههای عصبي پرسپترون چنداليه منطق و اعداد فازی با بهرهگيری همزمان از مزايای ساختار ترکيب سری و موازی و بهمنظور پيشبيني کيفيت درز پوشاک ارائه شده است نتايج بدست آمده از بكارگيری روش پيشنهادی بيانگر عملكرد باالتر اين روش درتقابل با مدلهای تشكيلدهنده خود و همچنين ساير روشهای ترکيبي ذکر شده در اين پاياننامه ميباشد لذا ميتوان ادعا داشت که مدل ترکيبي پيشنهادی ميتواند بهعنوان ابزاری سودمند در پيشبيني کيفيت درز پوشاک مورد استفاده قرارگيرد کلمات کلیدی مدلهای رگرسيون کالسيک خطي چندمتغيره شبكههای عصبي پرسپترون چنداليه منطق و اعداد فازی مدلهای ترکيبي صنعت نساجي پيشبيني کيفيت درز پوشاک
چكيده انگليسي :
128Abstract In the one hand Prediction and knowing about future for making management decisions andproviding strategic politics is very important on other the hand surviving in competitive marketingin the variety industries such as clothing industry is necessary Due to this reason quality predictionof production is one of the most important things which affects surviving competitive marketing andincreasing this and it can be important for managers of clothing industries Due to the importance ofpredicting the competitive environment governing the textile industry various models have beenproposed to improve the accuracy of predictions In this regard artificial neural networks areprecision tools for a wide range of issues which require much data to achieve accurate results limiting their use However providing the required data is fundamentally costly and time consuming Hence the use of methods that can provide prediction by a small number of data can be moreappropriate and efficient in such markets Computational intelligence and soft computing methodsare the most accurate and most widely used methods for modeling the complexity and uncertainty inthe data In this dissertation in order to avoid high modeling costs avoiding the problem of excessivefitting of neural networks in modeling linear patterns and also eliminating the limitations of nonlinearpatterns modeling in statistical classical methods a hybrid model based on multivariate linearregression models neural networks Multilayer perceptron logic and fuzzy numbers simultaneouslytaking advantage of the combination of series and parallel structure to predict seam clothing quality The results obtained from using the proposed method indicate a higher performance of this methodin relation to its constituent models as well as other combination methods mentioned in this thesis Therefore it can be claimed that the proposed hybrid model can be used as a useful tool for predictingseam clothing quality Keywords Multivariate Linear Classic Regression Models Multi layer Perceptron NeuralNetworks Logic and Fuzzy Numbers Hybrid Models Textile Industry predicting of Seam ClothingQuality
استاد راهنما :
مهدي خاشعي
استاد داور :
مهدي بيجاري، رضا حجازي
