ارائه مدلي بر مبناي شبكۀ عصبي و تحليل پوششي داده‌ها به‌منظور بهينه‌سازي روش تاگوچي چندپاسخه در حالت عدم قطعيت داده‌ها

تاگوچي روشي متداول براي كنترل كيفيت در حالت برون‌خطي به‌شمار مي‌آيد و درصدد طراحي پارامتر و انتخاب بهترين سطح پارامترها براي طراحي بهتر فرايند توليد محصولات باكيفيت است. از معايب اين روش، تك‌پاسخه‌بودن آن است. در دنياي واقعي بيشتر مسائل با چند شاخصه كيفي روبه‌رو هستند؛ از اين‌رو روش مذكور براي بهينه‌سازي مسائل چندپاسخه مناسب نيست و براي اين مقوله به روش مهندسي و بهينه‌سازي براي قضاوت درمورد انتخاب بهترين تركيب پارامترها نياز است. از سوي ديگر، به‌دليل برخي عوامل ‌كنترل‌نشدني يا امكان‌ناپذيربودن شرايط آزمايشي، تنها برخي آزمايش‌ها در عمل انجام مي‌شود و بسياري از آن‌ها بدون بررسي باقي مي‌ماند. در اين مقاله، براي شبيه‌سازي و پيش‌بيني آزمايش‌هاي باقي‌مانده، از شبكه عصبي پس‌خور استفاده شد. براي حل مشكل تك‌پاسخه‌بودن روش تاگوچي نيز مدل تحليل پوششي داده‌ها كاربرد داشت. از آنجا ‌كه نتايج شبكه عصبي با عدم قطعيت همراه است، مدل تحليل پوششي داده‌ها با اعداد خاكستري كاربرد دارد. براي اجراي اين رويكرد و به‌منظور شناسايي عوامل مؤثر بر ويژگي‌هاي سايشي ماده كامپوزيتي PBT، تركيبي از روش تاگوچي، شبكه عصبي و تحليل پوششي داده‌ها در حالت قطعيت و عدم قطعيت بررسي و نتايج مدنظر تحليل شد.