به گزارش خبرنگار "خبرگزاری دانشجو" از اصفهان، دست‌یابی به شیوه نوین حذف عیب چسبندگی ورق‌های نورد سرد در دانشگاه صنعتی اصفهان، برمبنای رساله دکتری محمدتقی رضوان و با عنوان "توسعه مدل‌های دسته‌بندی و استخراج قواعد مبتنی بر نوع داده" انجام شده است.
محمدتقی رضوان، دانش‌آموخته دکتری دانشگاه صنعتی اصفهان با اشاره به ویژگی‌های قابل توجه داده‌کاوی به عنوان شیوه‌ای به منظور استخراج اطلاعات و دانش مفید داده‌ها گفت: دسته‌بندی یکی از اهداف مهم داده‌کاوی است که در زمینه‌های مختلف مطالعاتی از جمله مباحث مالی، بیولوژی، پزشکی و غیره کاربرد دارد.
وی افزود: در این رساله، افزایش عملکرد و قابلیت مدل‌های دسته‌بندی مورد توجه قرار گرفت، که با معرفی یک معیار مشابهت مرکب جدید در مدل استنتاج مبتنی بر نمونه و نیز پیشنهاد یک الگوریتم ژنتیک به منظور استخراج قواعد دسته‌بندی در مجموعه داده‌های عددی، رسته‌ای و مخلوط صورت گرفت.
دانش‌آموخته دکتری دانشگاه صنعتی اصفهان با اشاره به تعریف مسأله عیب چسبندگی ورق‌های نورد سرد شرکت فولاد مبارکه به عنوان یک مسأله دسته‌بندی در تبیین شیوه‌های مورد بررسی در این رساله تصریح کرد: با شناسایی مشخصه‌های پراهمیت در ایجاد این عیب، قواعد دسته‌بندی به منظور تنظیم مؤلفه های مختلف فرآیندی جهت کاهش و حتی حذف این عیب استخراج شد.
محمدتقی رضوان با بیان این که عیب چسبندگی ورق‌های نورد سرد فولاد مبارکه سبب کنار رفت حدود یک درصد از تولیدات این واحد می‌شود، ادامه داد: با بررسی اثرات تمامی مشخصه‌های تأثیرگذار بر روی عیب چسبندگی ورق‌های نورد سرد، قواعدی به منظور تنظیم مؤلفههای فرآیندی به منظورکاهش و یا حذف این عیب استخراج و تعیین شد.
وی تصریح کرد: نتایج بدست آمده ضمن جلب تأیید کارشناسان این شرکت، با پیشنهادات فنی ارائه شده توسط کارشناسان خارجی صاحب نظر در این زمینه نیز تطابق داشته است.
دانش‌آموخته دکتری دانشگاه صنعتی اصفهان در پایان با بیان اینکه این نخستین بار است که نگرش داده‌کاوی به منظور تجزیه و تحلیل اطلاعات تولید در شرکت فولاد مبارکه با اثربخشی بالا مورد استفاده قرار گرفته است، ابراز امیدواری کرد: این فعالیت، مقدمه‌ای برای همکاری‌های پژوهشی بیشتر بین دانشگاه و صنعت باشد.
ارسال نظرات