یک سیستم استنتاج تطبیقی عصبی-فازی به منظور کنترل آماری فرآیند داده های خود همبسته

نمودارهای کنترل سنتی مبتنی بر این فرض اساسی هستند که داده های فرآیند بطور متوالی مستقل از یکدیگر بوده و دارای توزیع نرمال میباشند. این در حالی است که در بسیاری از موارد در دنیای واقعی از جمله در فرآیندهای شیمیایی و پیوسته این فرض اساسی وجود ندارد و بین داده های جمع آوری شده از فرآیند نوعی خودهمبستگی وجود دارد. استفاده از نمودارهای کنترل سنتی در فرآیندهای خود همبسته غیرقابل اطمینان بوده و باعث افزایش اخطارهای اشتباه میشود. یکی از روش های توسعه داده شده به منظور کنترل فرآیندهای خودهمبسته، شناسایی ساختار سری های زمانی فرآیند و استفاده از مقادیر باقیمانده ها به منظور کنترل فرآیند است. در این مقاله از یک مدل مبتنی بر سیستم های تطبیقی عصبی-فازی به منظور شناسایی ساختار سری های زمانی و پیشبینی استفاده شده است. همچنین نمودارهای کنترل باقیمانده مبتنی بر این سیستم برای داده های خود برگشتی درجه AR(2)2 طراحی میشود. در نهایت با استفاده از داده های شبیه سازی شده، کارایی روش پیشنهادی در نمودار میانگین متحرک موزون نمائی و برای درجه های مختلفی از
همبستگی مورد ارزیابی قرار گرفته و نشان داده میشود که روش پیشنهادی برای داده های با همبستگی زیاد دارای کارایی بسیار مناسب است.