تشخیص خطا با استفاده از ماشین بردار پشتیبان چندکلاسه

در محیط های صنعتی، مقدار زیادی از داده ها تولید می شود که به نوبه خود انبار پایگاه داده و داده ها را از همه مناطق مربوطه مانند برنامه ریزی، طراحی فرآیند، مواد، مونتاژ، تولید، کیفیت، کنترل فرآیند، برنامه ریزی، تشخیص خطا، خاموش کردن، مدیریت ارتباط با مشتری و غیره جمع آوری می کند. داده کاوی به ابزار مورد استفاده برای کسب دانش برای روند صنعتی ساخت آهن و فولاد تبدیل شده است. با توجه به رشد سریع داده کاوی، صنایع مختلف از فناوری داده کاوی برای جستجوی الگوهای پنهان که ممکن است بیشتر به سیستم با دانش جدیدی که مدل های جدید را برای بهبود کیفیت تولید، هزینه مطلوب بهره وری و تعمیر و نگهداری و غیره بپردازند استفاده کردند. بهبود مستمر تمام فرایند تولید فولاد با توجه به اجتناب از کمبود کیفیت و بهبود تولید مرتبط با آن، یک وظیفه اساسی تولیدکننده فولاد است. بنابراین، استراتژی نقص صفر امروزه محبوب است و برای حفظ آن، چندین تکنیک تضمین کیفیت استفاده می شود. در این مقاله سعی میشود با استفاده از داده کاوی حسگرهای موثر در وضعیت سیستم شناسایی شوند وسپس با استفاده از ماشین بردار پشتیبان مدل مناسبی برای پیشبینی وضعیت سیستم به دست آورده شود که در این مقاله با دقت بیش از 95 درصد حالت خطا تشخیص داده شده است.