ნაწილობრივი წარმოების პროცესის სამთო გადაწყვეტილების მიღების წესის კვლევა

მონაცემთა მოპოვების სფეროში, ჩვეულებრივ გამოყენებული კლასიფიკაციის მეთოდები მოიცავს დამხმარე ვექტორულ მანქანებს, ნერვულ ქსელებს, ბეისის კლასიფიკაციას და ა.შ. მსგავსი ზომები. იგი ფართოდ გამოიყენება ისეთ სფეროებში, როგორიცაა ხარვეზის დიაგნოზი. თუმცა, მანქანათმშენებლობის ინდუსტრიაში, ნაწილების მახასიათებლების დიზაინი (როგორიცაა ზომა, სიზუსტე და ა.შ.) გახდა სტანდარტიზებული, ხოლო რეალურ ინჟინერიაში, მონაცემთა ბაზის თითოეული ნაწილი შეესაბამება მხოლოდ ერთ პროცესის მარშრუტს. ამრიგად, პროცესის მონაცემების გამეორების მაჩვენებელი შედარებით მაღალია, ხოლო მონაცემების რაოდენობა მცირეა, რაც არ არის შესაფერისი ზემოაღნიშნული ალგორითმის დამუშავებისთვის. ამიტომ, მკვლევარები ძირითადად იყენებენ უხეში კომპლექტის თეორიას პროცესის გადაწყვეტილების წესების მოპოვებისათვის.

სანამ სამთო გადაწყვეტილების წესები, ჩვენ ჯერ უნდა უზრუნველვყოთ მონაცემების სანდოობა. ეს იმიტომ ხდება, რომ რეალურ ინჟინერიაში სამუშაო პირობები ყოველთვის იცვლება რეალურ დროში. იმისათვის, რომ თავიდან იქნას აცილებული მცირე რაოდენობის ატიპიური მონაცემები, რომლებიც წარმოიქმნება სპეციალური სამუშაო პირობებით, გავლენას არ იქონიებს გადაწყვეტილების მიღებაზე, საჭიროა მონაცემების წინასწარ წინასწარ განსაზღვრა. სახელური. ამრიგად, ლიტერატურა ზოგადად იყენებს მხარდაჭერისა და ნდობის გამოთვლის მეთოდს ტიპიური პროცესის მონაცემების მისაღებად.

გაფართოებული უხეში ნაკრების მოდელის საფუძველზე, პროცესის უპირატესობის ცოდნა დანაღმულია ეკვივალენტურობის, მსგავსებისა და უპირატესობის რთული ურთიერთობით, რაც ადასტურებს, რომ პროცესის უპირატესობის ცოდნას შეუძლია უშუალოდ უხელმძღვანელოს დიზაინერის გადაწყვეტილების მიღებას და უხეში კომპლექტის თეორია არ საჭიროებს პროცესის წესის მიზანშეწონილობის შეფასების ბმული, რომელიც სხვებზე უკეთესია. მოპოვების მეთოდი უფრო მარტივი და პირდაპირია.

უხეში კომპლექტის თეორიის მოპოვების შედეგები მოიცავს დეტერმინისტულ წესებს, რომლებიც მიიღება ქვედა მიახლოებითი ნაკრებიდან და უარყოფითი ზონიდან, ასევე სასაზღვრო ზონის გაურკვეველი წესებიდან. სასაზღვრო ზონის პროცესის წესების უფრო სრულად მოპოვების მიზნით, ჟანგ ზ. და სხვები. გამოიყენება ცვლადი სიზუსტის უხეში ნაკრების მოდელი სიზუსტის გადასატანად სამთო პროცესის ცვლილებების შემდეგ, ზედა მიახლოების ნაკრების დიაპაზონი ეფექტურად მცირდება. თვისებრივი ცოდნა ასახულია ასოციაციურ ურთიერთობებში, რათა შეიქმნას ცოდნის შერწყმის მოდელი, რომელსაც შეუძლია ეფექტურად მიიღოს გადაწყვეტილების მიღების მეტი წესი.

უხეში კომპლექტის მსჯელობის ძირითადი პროცესი არის ატრიბუტის მინიმალური შემცირების მოპოვება. ჩენ ჰაო და სხვები. გააანალიზა ინკლუზიის ინტერვალით გამოწვეული შემცირების ანომალიები და პოზიტიური რეგიონი. ცვლადი სიზუსტის უხეში ნაკრების მოდელისთვის კლასიფიკაციის მუდმივი განაკვეთით და მუდმივი პოზიტიური დომენით, შინაარსზე დაფუძნებული სხვაობის მატრიცა და ატრიბუტის ბირთვი მინიმალური ატრიბუტის შემცირების მეთოდის მისაღებად. ევრისტიკური შემცირების ალგორითმის გამოყენებით, ჯერ მიიღეთ ძირითადი ატრიბუტი და გამოთვალეთ ატრიბუტის დამოკიდებულება. დამოკიდებულების აღმავალი რიგის მიხედვით, ატრიბუტი და ბირთვული ატრიბუტი თავის მხრივ გაერთიანებულია და საბოლოოდ მიიღებენ მინიმალურ ატრიბუტის შემცირებას, განიხილეთ
ნიმუშის განაწილების არაჰომოგენურობა გაუმჯობესებულია სამეზობლო უხეში ნაკრების საფუძველზე და შემოთავაზებულია K- უახლოესი მეზობლის უხეში ნაკრების მოდელი, რომელიც ეფექტურად აშორებს უამრავ ატრიბუტს. გადაწყვეტილების მიღების წესი ძირითადად იყოფა ორ ტიპად, ერთი არის ინდუქციური მოპოვება და მეორე არის დედუქცია. სამთო მეთოდი. ინდუქციური მოპოვების მთავარი იდეა არის კომპლექსურ მონაცემთა ნაკრებში გადაწყვეტილების მიღების მნიშვნელოვანი წესების შეჯამება. როდესაც სამიზნე მიიღება, დაემთხვა წესის პირობით ატრიბუტებს, რომლებიც დადგენილია სამიზნეების ატრიბუტების პარამეტრების მიხედვით, რათა გამოიღოს გადაწყვეტილების მიღების წესი, რომელიც აკმაყოფილებს შესატყვისი მოთხოვნებს. დედუქციური მოპოვების მთავარი იდეა არის გადაწყვეტილების შინაარსის გაყოფა გადაწყვეტილების რამდენიმე ქვეჯგუფის კომბინაციად და მონაცემთა ნაკრების გამოყენება გადაწყვეტილების ქვეჯგუფების გამოყენების სფეროს მოსაპოვებლად. როდესაც სამიზნე მიიღება, მიზნის მიხედვით
სამიზნე ატრიბუტის პარამეტრი ამოიღებს გადაწყვეტილების მიღების შესაბამის ქვეჯგუფს და ახდენს მის რეორგანიზაციას საჭირო გადაწყვეტილებების მიღების შინაარსში. ამის საპირისპიროდ, კონფერენციული მოპოვების გადაწყვეტილების წესები უფრო მრავალფეროვანია და უფრო ფართო გამოყენების სფერო აქვს, ხოლო ინდუქციურ მოპოვებას უფრო მკაცრი შეზღუდვები აქვს, რამაც შეიძლება უზრუნველყოს წესების სანდოობა.

ზემოაღნიშნულ დოკუმენტებში დამუშავების მეთოდების უმეტესობა ინდუქციური მოპოვებაა. მიუხედავად იმისა, რომ გადაწყვეტილების წესების საიმედოობა ეფექტურად არის გარანტირებული, მკაცრი შეზღუდვა ასევე იწვევს მონაცემების დაბალ გამოყენებას და ზღუდავს გადაწყვეტილების წესების ბაზის სისრულეს. უფრო მეტიც, მიუხედავად იმისა, რომ ცვლადი სიზუსტის უხეში ნაკრები შეიძლება ეფექტურად შეამციროს საზღვრის არე, სიზუსტის მნიშვნელობა ძირითადად განისაზღვრება ხელით გამოცდილებით და ძალიან ბევრი ადამიანური ფაქტორი შეამცირებს გადაწყვეტილების წესის საიმედოობას. ამრიგად, თუ როგორ უნდა შემცირდეს სასაზღვრო ტერიტორია და გაუმჯობესდეს წესების მოქნილობა გადაწყვეტილების მიღების წესების სანდოობის უზრუნველსაყოფად, არის სამთო პროცესის გადაწყვეტილების მიღების წესების მთავარი კვლევითი მიმართულება.

ამ სტატიის ბმული ნაწილობრივი წარმოების პროცესის სამთო გადაწყვეტილების მიღების წესის კვლევა

ხელახლა დაბეჭდვა განცხადება: თუ არ არსებობს სპეციალური ინსტრუქციები, ამ საიტზე არსებული ყველა სტატია ორიგინალურია. გთხოვთ მიუთითოთ დაბეჭდვის წყარო: https: //www.cncmachiningptj.com/，thanks

PTJ CNC მაღაზია აწარმოებს ნაწილებს შესანიშნავი მექანიკური თვისებებით, სიზუსტით და განმეორებადობით ლითონისა და პლასტმასისგან. 5 ღერძიანი CNC საღარავი ხელმისაწვდომია.მაღალი ტემპერატურის შენადნობის დამუშავება დიაპაზონის ჩათვლით ინკონელის დამუშავება,მონელის დამუშავება,Geek Ascology დამუშავება,კობრი 49 დამუშავება,ჰასტელოის დამუშავება,Nitronic-60 დამუშავება,Hymu 80 დამუშავება,ინსტრუმენტები ფოლადის დამუშავებადა ა.შ. იდეალურია კოსმოსური პროგრამებისთვის.CNC მექანიზმი აწარმოებს შესანიშნავი მექანიკური თვისებების, სიზუსტისა და განმეორებადობის ნაწილებს ლითონისა და პლასტმასისგან. 3-ღერძიანი და 5 ღერძიანი CNC საღარავი ხელმისაწვდომია. ჩვენ სტრატეგიას გაგიწევთ, რათა უზრუნველყოთ ყველაზე ეფექტური მომსახურება, რომელიც დაგეხმარებათ თქვენი მიზნის მიღწევაში, მოგესალმებით კონტაქტი ( sales@pintejin.com ) პირდაპირ თქვენი ახალი პროექტისთვის.