1,721,051 research outputs found
Il monitoraggio automatizzato dei processi manifatturieri: potenziamento del controllo qualità in produzione attraverso tecniche di intelligenza artificiale
No full textA partire dai primi anni ’90, nell’ambito della ricerca sul controllo qualità, particolare interesse è stato rivolto allo studio di come catturare automaticamente e più efficacemente informazione circa le caratteristiche del processo monitorato utilizzando le osservazioni raccolte per le tradizionali carte di controllo. Sono stati, infatti, proposti nuovi approcci, fondamentalmente basati sull’utilizzo di tecniche d’intelligenza artificiale (in particolare delle reti neurali), che si distinguono per una serie di scelte relative l’architettura implementata, i parametri prescelti, le elaborazioni stabilite ed il tipo di addestramento adottato. In genere, le prestazioni riscontrate da tali sistemi, in particolare nell’ambito del riconoscimento dei pattern, sono di gran lunga superiore a quelli delle carte di controllo tradizionali.
Nella presente memoria è fornita un’analisi dei principali metodi proposti in letteratura. Al fine di rendere indicativo il confronto è stato proposto uno schema di analisi attraverso cui comparare le diverse metodologie di riconoscimento. La memoria è organizzata come segue. Nella sezione 1, è introdotto il problema del controllo qualità. Nelle sezioni 2 e 3 sono trattati i metodi SPC, mentre nelle sezioni 4 e 5 sono discusse le reti neurali e le relative applicazioni in ambito di controllo qualità. Nella sezione 6, sono confrontati alcuni approcci per il controllo qualità su basati su rete neurale. Nelle sezione 7, è presentato un esempio applicativo reale. Infine, nella sezione 8 sono proposte alcune riflessioni conclusive
Using a neural-based procedure for manufacturing process quality monitoring in the case of serially
No full textThe aim of this work is to propose a new procedure for manufacturing process quality control in the case of serially correlated data. Initially, a frequency-domain analysis of the issue is briefly discussed, in which the drawbacks of residual-based control charts are demonstrated. Subsequently, a neural network approach for quality control, which applies the ART algorithm to serially correlated data without identifying the autocorrelation model, is discussed. Performance comparisons between the neural-based algorithm and the residual-based CUSUM chart are also presented in the paper in order to validate the proposed approach. The simulation results demonstrate that the neural-based procedure achieves improved performance over the residual-based CUSUM test. In several cases, the neural network model is far superior the residual-based CUSUM test, while for a few others the difference is negligible or the CUSUM chart performs slightly better
DELIVERABLE D 4.3.2 – Rev. 1 “Simulazione e analisi di linee metropolitane soggette a situazioni di emergenza.”
No full textQuesto deliverable descrive la logica di un simulatore di linee metropolitane attraverso la notazione UML, tale logica è stata implementata e validata attraverso il linguaggio Arena. L’obiettivo del simulatore realizzato è quello di fornire statistiche le cui analisi sono di fondamentale importanza per migliorare le prestazioni del sistema metropolitana e soprattutto come supporto nella scelta di procedure da eseguire in caso di emergenza.
Nel primo capitolo vengono brevemente descritti gli strumenti usati ovvero la modellazione UML, il linguaggio ARENA e la procedura UMSIS usata per realizzare la logica del simulatore.
Il secondo capitolo descrive in dettaglio il simulatore, le sue funzioni e i suoi obiettivi, inoltre vengono illustrate le caratteristiche della linea metropolitana considerata per la validazione del simulatore, successivamente vengono evidenziati i legami tra la logica del simulatore espressa in linguaggo UML e la relativa implementazione in ARENA infine è riportata una breve guida per l’uso del simulatore.
Il terzo capitolo descrive le procedure per l’analisi dei risultati ottenuti dalle simulazioni.
Il quarto capitolo descrive l’uso di uno strumento particolarmente utile per l’analisi delle statistiche ottenute, tale strumento è chiamato “Output Analizer”. Nel quinto capitolo viene simulata e analizzata una situazione d’emergenza.
L’appendice A descrive il “Formal Model Design” ovvero la modellazione in ARENA.
Nelle appendici B e C vengono riportati i codici sorgente dei file ARENA e VBA (Visual Basic for Application)
ALLEGATO AL DELIVERABLE D 4.3.3 “Sviluppo e applicazione di modelli statistici per il monitoraggio di un sistema di trasporto pubblico locale a supporto delle decisioni”.
No full textDELIVERABLE D 4.3.3 “Sviluppo e applicazione di modelli statistici per il monitoraggio di un sistema di trasporto pubblico locale a supporto delle decisioni”.
No full textLo studio descritto in questo rapporto mira alla realizzazione di strumenti utili a chi, nella sala di controllo di una rete metropolitana, deve gestire l’enorme quantità di variabili, garantendo comunque la massima sicurezza dei passeggeri. La metodologia sviluppata consiste nel monitoraggio delle caratteristiche di un sistema complesso.
Questa relazione è organizzata secondo la seguente struttura.
• Nel capitolo 1, si analizzano criticamente i modelli esistenti per la valutazione del rischio. • Nel capitolo 2 si discutono i sistemi di controllo nel trasporto pubblico locale. • Nel capitolo 3, vengono introdotte le carte di controllo I-MR, i fondamenti statistici e i test
con cui verificare le ipotesi. • Nel capitolo 4, si approfondiscono la famiglia di modelli descrittivo-predittivo per serie
temporali ottenute da processi stocastici reali: la famiglia dei processi auto regressivi
integrati a media mobile (ARIMA – Auto Regressive Moving Average). • Nel capitolo 5, viene descritto il simulatore utilizzato per tale scopo, vengono esposte le problematiche che hanno portato a questo studio. Nell’ultimo paragrafo si passa all’analisi delle variabili medie. Vengono verificate le ipotesi di normalità e indipendenza delle osservazioni, su dati generati dal simulatore in una condizione ideale cioè senza guasti.
Successivamente vengono progettate le carte di controllo I-MR. • Nel capitolo 6 vengono analizzate le stesse variabili medie del capitolo precedente, in
presenza di varie situazioni anomale. I dati ricavati vengono inseriti nelle carte di controllo precedentemente progettate, e si studia il loro comportamento
PROGRAMMI DI RICERCA SCIENTIFICA DI RILEVANTE INTERESSE NAZIONALE - Anno 2008 - prot. 200853ZT3Z_002 Metodi basati su processi Gaussiani per la modellazione nello spazio di profili e superfici lavorate
No full textL’attività di ricerca condotta presso l’Università del Salento si inquadra nell’ambito dello sviluppo di un innovativo sistema per la misura geometrica su oggetti di grandi dimensioni. In particolare, l’attività di ricerca riguarda l’integrazione di un sistema di misura basato sulla rete di sensori wireless con un secondo sistema di misura ottico a luce strutturata, caratterizzato da una risoluzione più elevata e da una capacità di campionare in tempi brevi nubi di punti di elevata densità, ma in un campo di misura di dimensioni più limitate. Nel sistema innovativo per la misura geometrica di oggetti di grandi dimensioni, l’oggetto sarà misurato simultaneamente con entrambi i sistemi. Di conseguenza, la principale problematica riguarda come poter integrare differenti nuvole di punti a differenti risoluzioni. Una volta ottenute nubi di punti a bassa ed alta risoluzione sarà necessario sviluppare approcci opportuni per l’integrazione delle informazioni consentendo un incremento complessivo delle prestazioni del sistema di misura. Alla base di questi approcci vi sono i metodi e modelli per la caratterizzazione statistica di nuvole di punti a bassa risoluzione. Questi metodi e modelli saranno investigati in dettaglio dall’unità di ricerca presso l’Università del Salento.
Recentemente, sono state condotte alcune ricerche per sviluppare metodi di modellazione statistica delle nuvole di punti acquisite attraverso strumenti di misura senza contatto a differente risoluzione a accuratezza. La grande quantità di dati generati da sistemi di acquisizione necessita di essere opportunamente manipolata e modellata. Se ingrandita, la superficie di una parte lavorata presenta una topografia simile a quella di un territorio geografico. Questa analogia ha motivato l’applicazione di metodi di statistica spaziale per modellare caratteristiche geometriche attraverso tre componenti. 1) Un andamento generale della caratteristica, che segue la forma definita in ambito di progettazione della parte. 2) Una componente sistematica di errore spazialmente correlato (ovvero una componente le cui misure in contiguità nello spazio presentano una forte correlazione.) 3) Una componente di errore non correlato, ovvero casuale.
L’obiettivo principale dell’unità di ricerca presso l’Università del Salento consiste nell’esplorare differenti approcci per la modellazione della componente sistematica e dell’andamento casuale che caratterizza profili e superfici lavorate, partendo dalle nuvole di punti misurate attraverso strumenti di misura senza contatto. L’attività principale di ricerca rientra nell’ambito della regressione non parametrica (smoothing, curve-fitting e surface-fitting). Questa area di ricerca riveste una notevole importanza nell’ambito di applicazioni pratiche legate alla metrologia. Infatti, un analista non conosce in anticipo che tipo di funzione o di forma può assumere l’andamento sistematico dell’effettiva caratteristica geometrica.
Sia le comunità scientifiche nell’ambito della statistica, che del “machine learning” hanno esplorato intensivamente il problema generale della regressione non parametrica in diversi campi di applicazione. Metodi basati su spline sono diventati molto popolari tra gli statistici. D’altro lato, i ricercatori nell’ambito del “machine learning” hanno approcciato il problema in svariati modi che includono l’uso di modelli basati su processi Gaussiani, l’uso della regressione kernel e di reti neurali. Lo stesso problema nello specifico contesto della statistica spaziale è stato approcciato attraverso metodi di kriging, che essenzialmente sono metodi basati su processi Gaussiani.
L’attività di ricerca sviluppata in questo progetto si focalizzerà in particolare sull’uso di metodi basati su processi Gaussiani per la modellazione nello spazio di profili e superfici lavorate partendo dalle nuvole di punti acquisite attraverso strumenti di misura senza contatto. La natura non parametrica dei processi Gaussiani offre potenzialmente una maggiore flessibilità nella modellazione dei tipi generali di componenti sistematiche e spazialmente correlate presenti su profili e superfici, rispetto a differenti altri metodi. L’uso di metodi basati su processi Gaussiani in applicazioni di metrologia rappresenta un nuovo campo di ricerca. In particolare, Xia et al. (2008) hanno sviluppato una metodologia basata su modelli di processi Gaussiani per misure campionate nell’industria manifatturiera allo scopo di stimare accuratamente l’errore di forma di particolari caratteristiche geometriche, così come per progettare la strategia di campionamento. Nell’ambito del presente progetto, i metodi basati su processi Gaussiani saranno indagati allo scopo di ricostruire quanto più accuratamente possibile la caratteristica geometrica di interesse della parte misurata partendo da nuvole di punti acquisite attraverso strumenti di misura senza contatto.
Xia, H., Ding, Y., Wang, J., (2008), "Gaussian Process Method for Form Error Assessment Using Coordinate Measurements" IIE Transactions, 40(10), pp. 931-946
DELIVERABLE D 3.2.LE – Rev. 1“Applicazione del controllo statistico multivariato per il monitoraggio dei mezzi di trasporto di merci pericolose”
No full textL’obiettivo di questo studio è di operare un confronto tra metodi di analisi dei dati multivariati da impiegare per il controllo statistico di processo. Le tecniche sopra esposte saranno applicate a un processo che non è né di tipo industriale né produttivo, è costituito, infatti, da dati multivariati provenienti da sensori montati a bordo di automezzi destinati al trasporto merci pericolose, ai fini dell’innalzamento del livello di sicurezza. Lo scopo è di dimostrare l’applicabilità delle tecniche di MSPC a questo particolare tipo di processo, e l’attendibilità dei risultati ottenuti.
Nel primo capitolo sono esposti concetti introduttivi sullo Statistical Process Control (SPC) e sulle carte di controllo. S’illustra brevemente lo schema generale della carta di controllo e si giustifica la necessità di passare da un controllo statistico di tipo univariato a uno multivariato, con lo scopo di tenere conto della correlazione che esiste spesso tra le molteplici variabili di un processo.
Nel secondo capitolo si descrivono i dati multivariati, s’introduce la distribuzione normale multivariata e i metodi tradizionali per stimare i parametri di un processo multivariato, in altre parole, vettore media e matrice di covarianza. Si esamina inoltre la procedura per il calcolo della statistica T2 e dei relativi limiti di controllo. Si fornisce un metodo proposto in letteratura per l’interpretazione dei segnali fuori controllo segnalati dalla carta.
Nel terzo capitolo s’introducono i metodi alternativi per la stima della matrice di covarianza proposti da alcuni studiosi e si ripetono gli studi di simulazione effettuati in letteratura, al fine di confrontare le differenti performance che le carte T 2 possono comportare se costruite utilizzando differenti metodi. Nelle varie simulazioni si dimostra che uno stimatore sensibile a trend e shift nel vettore media del processo è lo stimatore basato sul vettore differenze tra osservazioni successive.
Nel quarto capitolo si prendono in esame le differenti distribuzioni proposte in letteratura per il calcolo dei limiti della statistica T 2 calcolata con lo stimatore alle differenze successive. Sono ripetuti inoltre gli studi di simulazione per dimostrare le differenti performance che ogni distribuzione può implicare.
Nel quinto capitolo dopo aver presentato l’analisi delle componenti principali, come metodo dell’ambito della statistica multivariata, utile per ridurre la dimensionalità di un problema mantenendo parte ragionevole della variabilità del processo, si fornisce un’interpretazione algebrica e geometrica del metodo e si esaminano delle procedure per selezionare il numero di componenti principali e per costruire su quest’ultime la carta T 2 di Hotelling.
Nel sesto capitolo s’introduce una carta utilizzata nel controllo di profilo e utile per il caso di studio che sarà esaminato nel capitolo sette. La location control chart implica la costruzione di un numero di carte di controllo di Shewhart del caso univariato pari al numero di punti da monitorare. Tale carta applicata al caso di studio reale permetterà il controllo on-line del mezzo.
Nel capitolo 7 dopo aver esposto le necessità che portano all’applicazione di analisi dei dati multivariati e delle procedure di controllo statistico multivariato al monitoraggio dei mezzi di trasporto merci pericolose, si descrive come l’SPC può essere applicato al controllo del mezzo a fine corsa di trasporto, ossia in modalità off- line e durante la corsa di trasporto, ossia in modalità on-line. Nelle due modalità saranno applicate la carta T 2 di Hotelling, l’Analisi delle componenti principali e la Location Control Chart. Lo scopo è di applicare metodologie proposte in letteratura a dati provenienti da un caso di studio reale
An Approach Based on Process Signature Modeling for Roundness Evaluation of Manufactured Items
No full textIn evaluating the geometrical characteristics of mechanical part, cleverness may be added with the definition of an empirical model representing the “signature” left by the manufacturing process used to make the part. This manufacturing signature is the systematic pattern that characterizes all the features machined with that process. If such a model is available, it may be exploited to enhance geometrical inspection accuracy. In
this paper, an approach for geometrical inspection of machined profiles is proposed. This approach consists in computing form deviations by reconstructing the actual profile using a frequency model of process signature. The method has been thoroughly investigated in different simulated scenarios and benefits in terms of improved accuracy are demonstrated. Within the paper, a case study, related to roundness of mechanical parts obtained by turning, is used. The relationships between the number of sampled points and fitting algorithms are also pointed out
A comparison of neural network and control charting for monitoring profiles in manufacturing processes
No full textThe issue of monitoring profiles has been defined as being one of the most promising areas of research in statistical process control. One immediate difficulty is how to characterize a profile. As a matter of fact, the identification of a statistical model may become more difficult than expected, thus representing an obstacle to the introduction of profile monitoring in actual applications. For example, when a profile represents the physical dimensions of a machined surface, as it results in manufacturing applications, measurements data often exhibit complex spatial correlation.
The aim of this work is to explore a different approach for monitoring profiles, which uses the Adaptive Resonance Theory (ART) neural network. The implementation of this neural network is based on a set of profiles which are representative of the process in its natural, or in-control, state.
Throughout the paper, a real case study related to profiles data obtained by a common machining process is used. With reference to the Phase II of profile monitoring, performance of the proposed approach are compared to those of multivariate control charting of the parameters vector. Although the proposed neural network does not produce always outperforming results, it presents comparable performance in several cases. The main advantage presented by the approach is that the model of profile data is “autonomously” derived by the neural network, without requiring any further intervention by the quality practitioner. This feature may create an important bridge between profile monitoring and quality monitoring of several specifications in actual applications
- …
