ISSN 1995-2732 (Print), 2412-9003 (Online)
УДК 658.562
DOI: 10.18503/1995-2732-2023-21-1-74-81
Аннотация
Актуальность. Сегодня к изделиям массового производства предъявляются достаточно высокие требования к качеству. С целью оперативного управления технологическим процессом при изготовлении изделий необходимо своевременно получать объективную информацию. Однако сейчас это является определенной проблемой, которая возникает по причине того, что для этого следует принимать во внимание достаточно большое количество факторов, которые приводят к появлению причин потери качества изделия. По этой причине сегодня необходимы современные методы, способные решить указанную проблему. Цель работы. В рамках данного исследования авторы ставят целью проведение анализа особенностей применения иерархических нейронных сетей для оценки качества изделий. Используемые методы. В статье используются общенаучные методы и методы математического анализа, прежде всего подходы и методы системного анализа и общей теории систем, анализ и синтез, а также сравнения и обобщения. Использование представленных методов позволило провести критический анализ точек зрения на особенности применения иерархических нейросетевых методов в контроле качества. Новизна. Представлен авторский анализ применения иерархических нейросетевых методов с целью контроля качества изделий. Результаты. Управление качеством изделий массового производства с применением иерархических нейросетей представляется эффективным, что доказывается сегодня рядом исследований. Этот метод применяется в различных областях деятельности, в том числе и в машиностроении. Сделаны выводы о возможностях нейросетевого метода, его преимуществах и недостатках. Практическая значимость. Результаты работы могут быть использованы предприятиями с целью контроля качества производимых изделий.
Ключевые слова
качество продукции, иерархические нейронные сети, нейрон, автоматизация, персептрон
Для цитирования
Прыткова Е.А., Давыдов В.М. Анализ применения иерархических нейросетевых методов в контроле качества // Вестник Магнитогорского государственного технического университета им. Г.И. Носова. 2023. Т. 21. №1. С. 74-81. https://doi.org/10.18503/1995-2732-2023-21-1-74-81
1. Grzegorz Kłosowski, Jerzy Lipski. The_Use_of_ Transfer_Learning_with_Very_Deep_Convolutional_ Neural_Network_in_Quality_Management https://www.researchgate.net/publication/352441525.
2. Tian Wang, Yang Chen, Meina Qiao, Hichem Snoussi. A fast and robust convolutional neural networkbased defect detection model in product quality control // The International Journal of Advanced Manufacturing Technology. 2018, vol. 94, pp. 3465-3471.
3. Lankin J.P., Baskanova T.F. Algorithms of self-adaptation for atmospheric model designing // SPIE. 2004, vol. 5397, pp. 260-270.
4. Басканова Т.Ф., Ланкин Ю.П., Комиссаров С.В. Иерархические нейронные сети как средство решения трудноформализуемых задач искусственного интеллекта // Искусственный интеллект. 2009. №1. С. 100-111.
5. Всемирная О.С., Шиханов К.А., Самойлова Е.М. Интеллектуальный анализ качества поверхности деталей с помощью нейросетевого метода многослойного персептрона // Инновационный потенциал развития науки в современном мире: достижения и инновации: cб. ст. по материалам I международной научно-практической конференции. Уфа, 2019. С. 25-29.
6. Давыдов В.М., Кузнецов Д.И. Нейросетевой кластерный анализ деталей в условиях САПР // Вестник компьютерных и информационных техноло-гий. 2004. №2. С. 43-46.
7. Давыдов В.М., Шлапаков С.И., Кривошеев И.А. К вопросу о структуре нейронных сетей в системах распознавания образов // Проектирование технологических машин: сб. науч. тр. Вып. 15. М.: Станкин, 1999. С. 25-30.
8. Демкин В.А. Основы нейросетевых методов прогнозирования // Наука и мир. 2018. № 4-1 (56). С. 36-39.
9. Лунёва Е.А. Искусственные нейронные сети. Методы обучения нейронной сети // Интеллектуаль-ные информационные системы: тенденции, проблемы, перспективы: материалы докладов VI все-российской очной научно-практической конфе-ренции «ИИС-2018». Юго-Западный государственный университет. Курск, 2018. С. 99-101.
10. Пономарева К.А. Применение искусственных нейронных сетей при решении задач прогнозирования // Наука без границ. 2020. № 1 (41). С. 42-47.
11. Рожков И.А., Иващенко В.А. Идентификация дефектов поверхностного слоя деталей подшипников с помощью искусственной нейронной сети // Материалы всероссийской научно-практической конференции молодых ученых. Саратов, 2018. Т. 1. С. 72-74.
12. Ручай А.Н. Новое в развитии общества: нейронные сети и искусственный интеллект // Научная парадигма цивилизации в XXI веке. Капитализм, социализм и четвёртая технологическая революция: сб. аннот. докл. Десятого Междунар. конгресса передовых наук / под ред. В.И. Бархатова, Д.А. Плетнёва. Челябинск, 2018. С. 75.
13. Черепанов Ф.М. Методы повышения эффективности нейросетевых систем в условиях ограниченных объемов выборок со сложными корреляционными связями // Прикладная математика и вопросы управления. 2019. № 2. С. 40-61.
14. Ямашкин С.А. Проектирование нейросетевых моделей посредством методов визуального программирования // Известия высших учебных заведений. Поволжский регион. Технические науки. 2021. № 3(59). С. 14-24.