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 assuntospesquisa de artigos
Home Pagelista alfabética de periódicos  

Serviços Personalizados

Artigo

Indicadores

Links relacionados

  • Em processo de indexaçãoCitado por Google
  • Em processo de indexaçãoSimilares em Google

Compartilhar


South African Journal of Industrial Engineering

versão On-line ISSN 2224-7890
versão impressa ISSN 1012-277X

Resumo

AZIZI, A.; BIN ALI, A.Y.  e  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.

        · resumo em Inglês     · texto em Inglês     · Inglês ( pdf )

 

Creative Commons License Todo o conteúdo deste periódico, exceto onde está identificado, está licenciado sob uma Licença Creative Commons