روش رگرسیون خطی فازی برای شکست کیفیت ماشین آلات صنعتی

قیمت: 39,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

روش رگرسیون خطی فازی برای شکست کیفیت ماشین آلات صنعتی

عنوان لاتین

Fuzzy Linear Regression Approach for Fail Quality of Industrial Machines

بهره وری عملیاتی ماشین آلات مهندسی ساخت و ساز معمولا توسط تولید کنندگان از طریق کاتالوگ ها و منحنی ها و یا توسط مدیران پروژه تخمین زده می شود. یکی از مشکلات عمده برای پیمانکاران پروژه ای خاکی، پیش بینی درستی شکست کیفیت ماشین آلات صنعتی می باشد. مبتنی بر تجارب چند سال گذشته در ایران، این روش ها برای ارزیابی دقیق بهره وری نامناسب پنداشت شده اند. مقاله حاضر از روش رگرسيون فازي با متغيرهاي مستقل يا متغيرهاي وابسته و مستقل فازي براي پيش بيني شکست كيفيت دستگاههاي صنعتي در ايران استفاده نموده است. این مطالعه از حداقل مربعات خطی به عنوان یک معیار عملیاتی استفاده می کند. داده های مورد نیاز برای ساخت مدل از مشاهدات و کارایی عملکرد 20 دستگاه عملیاتی در پروژه های مختلف ایران جمع آوری شده است. نرم افزار های Mathematica 7 و لیندو 8 برای ساخت و پیاده سازی مدل ها استفاده شده اند. با مقایسه ی داده های مدل با آنهایی که توسط تولیدکنندگان ارائه می شود ،کاهش قابل توجهی در خطا از یک سو و توانایی مدل در جهت برآورد دقیق کارایی عملکرد ماشین آلات از سوی دیگر نشان داده شد.

The operational efficiency of construction engineering machinery is usually estimated either by the manufacturers through catalogues and curves or by the project mangers. One of the major problems for the soil project contractors is proper forecasting the fail quality of industrial machines. Experiences of the last few years in Iran have deemed these methods inappropriate to make accurate estimation of the efficiency. The present paper used method with fuzzy regressions having independent variables or fuzzy dependent and independent variables to forecast fail quality of industrial machines in Iran. The study uses the Least-Squares Linear as an operational criterion. The data required to build the model were collected from observations and the performance efficiency of 20 operating machines in various projects in Iran. The Mathematica 7 and Lindo 8 soft wares were used to make and implement the model. Comparisons of the model's data with those provide by the manufacturers indicates a significant reduction of error on one hand and the ability of the model in accurately estimating the performance efficiency of the machineries on the other.