 نام دانشجو: مهدی کوشا
استاد راهنما: دکتر رسول نورالسناء
اساتید مشاور: دکتر فرخی، دکتر احمدی
اساتید داور داخلی: دکتر سعیدی مهرآباد، دکتر برزین پور
اساتید داور خارجی: دکتر اخوان نیاکی، دکتر شهریاری
زمان و مکان جلسه: روز شنبه 25 خرداد ماه 1398 ساعت 15 – سالن شهید شهبازی دانشکده مهندسی صنایع
عنوان رساله: توسعه روش هایی برای پایش و تحلیل داده های تصویری
چکیده
پس از انقلاب صنعتی و افزایش رقابت در صنایع مختلف، علم کنترل فرآیند آماری مورد توجه بیشتری از طرف محققان و صنعتگران قرار گرفت. وظیفه اصلی این علم تشخیص سریع خروج فرآیند از حالت تحت کنترل و همین‌طور تشخیص علت و زمان این اتفاق است که منجر به بازگشت سریع فرآیند به حالت تحت کنترل میشود. در گذشته و با توجه به ساده‌تر بودن ساختار محصولات و فرآیندها، پایش یک یا چند مشخصه کیفی در طول زمان امکان تحت کنترل درآوردن فرآیند را فراهم مینمود اما با پیچیده‌تر شدن صنایع و محصولات نیاز به پایش ابعاد بزرگ‌تری از دادهها ایجاد شد. یکی از این نوع دادهها رابطه تابعی بین متغیر پاسخ و متغیرهای مستقل است که پروفایل نامیده میشود. پایش پروفایلها منجر به سطح دقت بالاتر در کشف انحرافات در فرآیند و دلایل وقوع آن‌ها میشود. یکی از معایب پایش پروفایلها بخصوص برای مشخصات ظاهری محصول نیاز به تعداد زیاد اندازه‌گیری است و با توجه به آسیب‌پذیر بودن برخی محصولات، امکان ایجاد اشکال در محصول به وجود میآید.
در سال‌های اخیر نوع جدیدی از دادهها که بدون تماس با محصول استخراج میشوند مورد توجه محققین قرار گرفته اند. این نوع دادهها نظیر سیگنال‌های صوتی، تصاویر و ویدئوها دارای ابعاد بزرگی هستند و درنتیجه پایش آن‌ها نیاز به توسعه روشهای جدید آماری با قابلیت تحلیل روی دادههای با حجم و سرعت بالا دارد. این رساله روشهای آماری برای تحلیل دادههای تصویری را ارائه می‌دهد. در روشهای پیشنهادی از ابزار موجک جهت بهره‌گیری هم‌زمان از خواص دامنه فضایی و دامنه فرکانسی تصاویر استفاده شده است.
در رویکرد اول ابتدا تصویر به تعدادی پروفایل تقسیم شده و ضرایب موجک یک بعدی برای این پروفایلها استخراج میشوند. ضرایب تقریب به کمک نمودار کنترل نسبت درستنمایی تعمیم‌یافته در طول زمان پایش میشوند و پس از هر سیگنال، مکان بروز نقص و نقطه تغییر شناسایی میشوند. در ادامه برای جلوگیری از به هدر رفتن اطلاعات موجود در ضرایب جزئیات، روشهای مبتنی بر آستانه نرم و سخت بکار گرفته میشوند تا اطلاعات مهم موجود در ضرایب جزئیات در محاسبات حاضر باشند. نتایج مطالعات شبیه‌سازی نشان‌دهنده بهبود عملکرد نمودار کنترل نسبت درستنمایی تعمیم‌یافته در هنگام به‌کارگیری روش آستانهسازی نرم نسبت به رویکرد پیشنهادی اول هستند.
در رویکردهای مبتنی بر موجک یک بعدی، با تبدیل تصویر به تعدادی پروفایل عملاً ساختار تصویر تا حدی از بین میرود و این موضوع ممکن است در کشف برخی از انواع تغییر کاهش دقت را به همراه داشته باشد. برای جبران این موضوع از تبدیل موجک دو بعدی برای استخراج ضرایب موجک استفاده میشود که کل ماتریس تصویر را به‌عنوان ورودی به ضرایب تقریب، جزئیات افقی، جزئیات عمودی و جزئیات قطری تبدیل میکند. سپس آمارهای مبتنی بر نسبت درستنمایی برای ضرایب موجک دو بعدی توسعه داده شده است. نتایج شبیه‌سازی مبین حصول به‌دقت بیشتر در پایش آماره مبتنی بر موجک دو بعدی نسبت به روشهای قبل است.
در رویکرد آخر این رساله از شبکه عصبی پرسپترون چندلایه به‌منظور تشخیص نوع عیب استفاده شده است. تشخیص نوع عیب پس از دریافت سیگنال خارج از کنترل به کمک یکی از روشهای قبلی این رساله، اهمیت زیادی در بازگشت سریع فرآیند به حالت تحت کنترل دارد و ازجمله اطلاعات مهم عارضه‌یابی است. |
