Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightBu amaçla birinci dereceden yüksek etkileşim etkilerinin istatistiksel olarak anlamlı olmadığı deneyler için Taguchi yaklaşımı çerçevesinde bir doğrusal programlama (DP) modellemesi geliştirilmektedir.
📌 3 Maddede Bu Makale
Özet
On-line istatistiksel kalite kontrol tekniklerinden farklı olarak, off-line bir yaklaşım olan Taguchi yöntemi istatistiksel deney tasarımını kullanan ve optimal deney setinin belirlenmesinde kalite karakteristiklerini (ortalama ve varyansı) eşanlı olarak dikkate alan, çeşitli durumlar için geliştirilen ve sinyal-gürültü (signal-to-noise) diye adlandırılan oranları kullanır. Bu çalışmada Taguchi’nin sinyal-gürültü oranlarına farklı bir yaklaşımda bulunulmaktadır. Bu amaçla birinci dereceden yüksek etkileşim etkilerinin istatistiksel olarak anlamlı olmadığı deneyler için Taguchi yaklaşımı çerçevesinde bir doğrusal programlama (DP) modellemesi geliştirilmektedir.
Abstract
Taguchi’s off-line quality control method employs statistical experimental design and considers simulatenously the quality characteristics mean and variances to assign the optimal experiment set. For this reason it uses the ratios called signal-to-noise. In this study, a different approach to the Taguchi’s signal-to-noise ratios is studied. To realise this aim, a linear programming model is developed within the framework of Taguchi philosophy subject to the assumption that there is no interaction and higher order effects between experimental factors.