يك سيستم استنتاج تطبيقي عصبي-فازي به منظور كنترل آماري فرآيند با داده هاي خود همبسته

نمودارهاي كنترل سنتي مبتني بر اين فرض اساسي هستند كه داده هاي فرآيند بطور متوالي مستقل از يكديگر بوده و داراي توزيع نرمال مي باشند. اين در حالي است كه در بسياري از موارد در دنياي واقعي از جمله در فرآيندهاي شيميايي و پيوسته اين فرض اساسي وجود ندارد و بين داده هاي جمع آوري شده از فرآيند نوعي خودهمبستگي وجود دارد. استفاده از نمودارهاي كنترل سنتي در فرآيندهاي خود همبسته غيرقابل اطمينان بوده و باعث افزايش اخطارهاي اشتباه مي شود. يكي از روش هاي توسعه داده شده به منظور كنترل فرآيندهاي خودهمبسته، شناسايي ساختار سري هاي زماني فرآيند و استفاده از مقادير باقيمانده ها به منظور كنترل فرآيند مي باشد. در اين مقاله از يك مدل مبتني بر سيستم هاي تطبيقي عصبي-فازي به منظور شناسايي ساختار سري هاي زماني و پيش بيني استفاده طراحي شده است همچنين نمودارهاي كنترل باقيمانده مبتني بر اين سيستم براي داده هاي خود برگشتي درجه2 (AR) طراحي مي شود. در نهايت با استفاده از داده هاي شبيه سازي شده، كارايي روش پيشنهادي در نمودار ميانگين متحرك موزون نمائي EWMA و براي درجه هاي مختلفي از همبستگي مورد ارزيابي قرار مي گيرد