Нейросетевые алгоритмы на основе теории адаптивного резонанса для контроля качества производственных процессов

Потребность промышленности в продукции высокого качества постоянно возрастает. Для выпуска продукции стабильного качества необходимо тщательно отслеживать производственные системы с целью выявления любых неестественных отклонений в состоянии процесса. Нейронные сети являются перспективными инструментами, способными улучшить анализ производственных процессов. Действительно, нейронные сети успешно применялись для обнаружения групп предсказуемых неестественных закономерностей в измерениях качества производственных процессов. Исследуется возможность использования теории адаптивного резонанса (Adaptive Resonance Theory, ART) для реализации автоматического метода оперативного контроля качества. Цель состоит в анализе эффективности нейронной сети ART как средства распознавания любых структурных изменений состояния процесса в случаях, когда предсказуемые неестественные закономерности недоступны для обучения. Для достижения этой цели рассматривается упрощённый нейросетевой алгоритм ART, а затем исследуется с помощью обширного моделирования методом Монте-Карло. Также представлены сравнения эффективности предложенного нейросетевого подхода с эффективностью хорошо известных контрольных карт статистического управления процессами (SPC). Результаты показывают, что предложенная нейронная сеть является полезной альтернативой существующим схемам контроля.