ارايه مدلي مفهومي براي بهينه سازي فرايند توليد پيوسته با بهره گيري از رويكرد تلفيقي روش سطح پاسخ و شبكه عصبي مصنوعي و الگوريتم هاي فرا ابتكاري

Provide a Conceptual Model to Optimization of Continues Production Process with Combination Approach of Response Surface Methodology and Artificial Neural Network and Meta heuristic Algorithms

در فرآيندهاي صنعتي عوامل متعددي با سطوح مختلف وجود دارند كه هر كدام ممكن است بر روي مشخصات محصول نهايي تاثيرگذار باشند. در اين مقاله به موضوع بهينه سازي پارامترهاي فرايند توليد پيوسته و محدوديت هاي موجود در انتخاب تعداد اين پارامترها و عوامل اثرگذار پرداخته و مدلي مفهومي به همراه گام هاي مختلف آن با استفاده از رويكرد تلفيقي روش سطح پاسخ، شبكه عصبي مصنوعي و الگوريتم هاي فراابتكاري ارايه شده است. به عنوان مطالعه موردي، فرايند توليد پلي اتيلن ترفتالات با 5 مشخصه كيفي به عنوان متغيرهاي پاسخ و 9 متغير اثرگذار مورد مدلسازي قرار گرفته است. روش پيشنهادي اين امكان را فراهم مي نمايد كه در شرايطي كه تغييراتي در برنامه توليد بوجود مي آيد كه منجر به كاهش يا افزايش ميزان توليد محصول گردد، بتوان در ضمن رعايت حدود استاندارد متغيرهاي پاسخ (مشخصه هاي كيفي محصول)، نسبت به مشخص نمودن مقادير متغيرهاي اثرگذار (كه همان تنظيمات فرايند توليد مي باشند) اقدام نمود.

There are several different factors in industrial processes, each of which may have an impact on final product specifications. In this paper, to optimize the parameters of continuous production process and restrictions the choice of these parameters and influence factors are discussed, and conceptual model with its steps, using a combination approach of Response Surface Methodology, Artificial Neural Network and Meta heuristic algorithms is presented.as an example, modeled polyethylene terephthalate (PET) process with the 5 quality characteristics as response variables and 9 influence factors. The proposed approach makes it possible that when caused a change in the production plan which leads to a decrease or an increase of production, be able Meanwhile observe the standard of response variables (characteristics of product quality), to determine amounts variables (the product of the adjustment of process requirements) can be.