ارائه مدلی بر مبنای شبکه عصبی و تحلیل پوششی داده ها به منظور بهینه سازی روش تاگوچی چندپاسخه در حالت عدم قطعیت داده ها

تاگوچی روشی متداول برای کنترل کیفیت در حالت برون خطی به شمار می آید و درصدد طراحی پارامتر و انتخاب بهترین سطح پارامترها برای طراحی بهتر فرایند تولید محصولات باکیفیت است. از معایب این روش، تک پاسخه بودن آن است. در دنیای واقعی بیشتر مسائل با چند شاخصه کیفی روبه رو هستند؛ از این رو روش مذکور برای بهینه سازی مسائل چندپاسخه مناسب نیست و برای این مقوله به روش مهندسی و بهینه سازی برای قضاوت درمورد انتخاب بهترین ترکیب پارامترها نیاز است. از سوی دیگر، به دلیل برخی عوامل کنترل نشدنی یا امکان ناپذیربودن شرایط آزمایشی، تنها برخی آزمایش ها در عمل انجام می شود و بسیاری از آن ها بدون بررسی باقی می ماند. در این مقاله، برای شبیه سازی و پیش بینی آزمایش های باقی مانده، از شبکه عصبی پس خور استفاده شد. برای حل مشکل تک پاسخه بودن روش تاگوچی نیز مدل تحلیل پوششی داده ها کاربرد داشت. از آنجا که نتایج شبکه عصبی با عدم قطعیت همراه است، مدل تحلیل پوششی داده ها با اعداد خاکستری کاربرد دارد. برای اجرای این رویکرد و به منظور شناسایی عوامل موثر بر ویژگی های سایشی ماده کامپوزیتی PBT، ترکیبی از روش تاگوچی، شبکه عصبی و تحلیل پوششی داده ها در حالت قطعیت و عدم قطعیت بررسی و نتایج مدنظر تحلیل شد.