SciELO - Scientific Electronic Library Online

 
vol.26 número1A case study on maximising the profitability of a form fill and seal machine by optimising interruption intervalsPreventive maintenance using Reliability Centred Maintenance (RCM): A case study of a ferrochrome manufacturing company índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Articulo

Indicadores

Links relacionados

  • En proceso de indezaciónCitado por Google
  • En proceso de indezaciónSimilares en Google

Compartir


South African Journal of Industrial Engineering

versión On-line ISSN 2224-7890
versión impresa ISSN 1012-277X

Resumen

AZIZI, A.; BIN ALI, A.Y.  y  PING, L.W.. Modelling production uncertainties using the adaptive neuro-fuzzy inference system. S. Afr. J. Ind. Eng. [online]. 2015, vol.26, n.1, pp.224-234. ISSN 2224-7890.

Produksie deurset meet die vertoning en gedrag van 'n produksiesisteem. Produksie deurset modellering is ingewikkeld as gevolg van die onsekerhede in die produksielyn. Hierdie studie ondersoek die toepassing van die aanpasbare neuro-wasige afleidingsisteem om die deurset van produksie onderhewe aan vyf noemenswaardige produksie onsekerhede, naamlik skroot, opstel tyd, breek tyd, aanvraag en die vervaardiging leityd. Die effek van hierdie onsekerhede op die vervaardiging van vloerteëls is ondersoek deur 104 weeklikse observasies op die produksie onsekerhede oor 'n tydperk van 104 weke te neem. Die resultate van die model is vergelyk met 'n meervoudige lineêre regressie model. Die resultate toon dat die aanpasbare neuro-wasige afleidingsisteem in staat was om produksie deurset onderhewe aan onsekerheid te voorspel met 'n hoër akkuraatheid as die meervoudige lineêre regressie model. Dit word aangedui met 'n bepaalheidskoëffisient van 98 persent.

        · resumen en Inglés     · texto en Inglés     · Inglés ( pdf )

 

Creative Commons License Todo el contenido de esta revista, excepto dónde está identificado, está bajo una Licencia Creative Commons