Intelligent Quality Systems

اگرچه کیفیت tenn تعریف دقیق و پذیرفته شده جهانی ندارد، معنای آن به طور کلی به خوبی درک شده است: کیفیت چیزی است که بین موفقیت و شکست در دنیای رقابتی تفاوت ایجاد می کند. با توجه به اهمیت کیفیت، نیاز به سیستم های کیفیت موثر وجود دارد تا اطمینان حاصل شود که بالاترین کیفیت در چارچوب محدودیت های موجود در منابع انسانی، مادی یا مالی به دست می آید. این کتاب سیستم‌های کیفیت هوشمند را مورد بحث قرار می‌دهد، یعنی سیستم‌های کیفیتی که از تکنیک‌های حوزه هوش مصنوعی (AI) استفاده می‌کنند. این کتاب بر دو تکنیک محبوب هوش مصنوعی، سیستم‌های متخصص یا مبتنی بر دانش و شبکه‌های عصبی تمرکز دارد. سیستم های خبره تخصص انسانی را برای حل مشکلات دشوار در بر می گیرند. شبکه های عصبی توانایی یادگیری حل مسئله را از روی مثال ها دارند. هدف این کتاب نشان دادن کاربردهای این تکنیک ها در طراحی و بهره برداری از سیستم های کیفیت موثر است. کتاب شامل 8 فصل می باشد. فصل 1 مقدمه ای بر کنترل کیفیت و یک بحث کلی در مورد سیستم های کیفیت ممکن مبتنی بر هوش مصنوعی ارائه می دهد. فصل 2 اطلاعات فنی در مورد تکنیک های کلیدی هوش مصنوعی سیستم های خبره و شبکه های عصبی ارائه می دهد. استفاده از این تکنیک ها، به تنهایی و در یک فونت ترکیبی ترکیبی، برای تحقق سیستم های کنترل فرآیند آماری هوشمند (SPC) برای بهبود کیفیت موضوع فصل های 3-5 است. فصل 6 طراحی آزمایشی و روش تاگوچی را پوشش می دهد که یک تکنیک موثر برای طراحی کیفیت در یک محصول یا فرآیند است. کاربرد سیستم های خبره و شبکه های عصبی برای تسهیل طراحی تجربی در این فصل توضیح داده شده است.

Although the tenn quality does not have a precise and universally accepted definition, its meaning is generally well understood: quality is what makes the difference between success and failure in a competitive world. Given the importance of quality, there is a need for effective quality systems to ensure that the highest quality is achieved within given constraints on human, material or financial resources. This book discusses Intelligent Quality Systems, that is quality systems employing techniques from the field of Artificial Intelligence (AI). The book focuses on two popular AI techniques, expert or knowledge-based systems and neural networks. Expert systems encapsulate human expertise for solving difficult problems. Neural networks have the ability to learn problem solving from examples. The aim of the book is to illustrate applications of these techniques to the design and operation of effective quality systems. The book comprises 8 chapters. Chapter 1 provides an introduction to quality control and a general discussion of possible AI-based quality systems. Chapter 2 gives technical information on the key AI techniques of expert systems and neural networks. The use of these techniques, singly and in a combined hybrid fonn, to realise intelligent Statistical Process Control (SPC) systems for quality improvement is the subject of Chapters 3-5. Chapter 6 covers experimental design and the Taguchi method which is an effective technique for designing quality into a product or process. The application of expert systems and neural networks to facilitate experimental design is described in this chapter.