مقاله شش سیگمامقاله روش کیفیتی شش سیگما برای تقویت بهینه سازی
در طراحی الکترومغناطیسی ، عدم قطعیت در متغیرهای طراحی اجتناب ناپذیر است. بنابراین علاوه بر پیگیری بهینه نظری تابع هدف ، ارزیابی اطمینان راه حل بهینه نیز مهم است. روش های مختلفی برای مقابله با بهینه سازی قوی مانند بهینه سازی موارد بدترین و شاخص شیبدار یا متحرک وجود دارد. در این مقاله به استفاده از انحراف استاندارد و میانگین ارزش عملکرد هدف در عدم قطعیت متغیرها پرداخته شده است. برای تسهیل پیش بینی عملکرد هدف ، از مدل اصلاح شده Kriging با قابلیت تعادل اکتشاف و بهره برداری استفاده شده است. دو مشکل معیار TEAM با استفاده از روشهای مختلف برای مقایسه مزایا و معایب روشهای مختلف بهینه سازی قوی حل می شوند.
مقدمه
در مشکلات الکترومغناطیسی عملی ، متغیرهای طراحی اغلب در معرض تحمل یا عدم اطمینان هستند. روشهای مختلفی برای ارزیابی تغییرات عملکرد در شرایط نامشخص سعی شده است که محبوب ترین آنها بدترین حالت بهینه سازی مورد (WCO) ، شاخص شیب (GI) و کیفیت شش سیگما ( SSQ). این روش ها در این مقاله مقایسه شده و یک تکنیک ، که ترکیبی از WCO و GI را با رویکرد شش سیگما معرفی و توضیح می دهد. تکنیک های شش سیگما برای بهبود فرایند و استراتژیهای تجاری برای کمک به اواسط دهه 1980 پیشنهاد شده و اخیراً در زمینه تولید کیفیت استفاده شده است .
بهینه سازی قوی
الگوریتم ترکیبی ارائه شده در اینجا با استفاده از یک پیشبینی ارزان اما دقیق پیش بینی شده توسط مدل اصلاح شدهKrigingsurrogate ، که قادر است تعادل اکتشاف و بهره برداری را به صورت انطباقی انجام دهد. این الگوریتم در برابر یک تابع تست خواستار و دو معیار TEAM تأیید شده است.
Leave A Comment