سیستم بهره برداری فرایند مبتنی بر الگوریتم لغزنده برای دستیابی به تضمین کیفیت بهتر در صنعت پوشاک

Elsevier
سال انتشار :
2016
تعداد صفحات مقاله انگلیسی :
13
نشریه :
الزویر
تعداد رفرنس ها :
44
نوع مقاله :
مقاله ISI
کراس مارک :
Crossmark
keywords :
Genetic algorithm Fuzzy association rule mining Biological slippage Quality assurance Garment industry
کلمات کلیدی :
الگوریتم تکوینی، معادله قانون انجمن فازی، لغزش زیستی، تضمین کیفیت، صنعت پوشاک
عنوان فارسی :

سیستم معدن فرایند مبتنی بر الگوریتم لغزنده برای دستیابی به تضمین کیفیت بهتر در صنعت پوشاک

عنوان انگلیسی :

A slippery genetic algorithm-based process mining system for achieving better quality assurance in the garment industry

ژورنال :
Expert Systems with Applications
لینک مقاله :
http://www.sciencedirect.com/science/article/pii/S0957417415007393
آدرس DOI :
https://doi.org/10.1016/j.eswa.2015.10.035
وضعیت ترجمه :
انجام نشده.

سال انتشار : 2016

تعداد صفحات مقاله انگلیسی : 12

نشریه : الزویر

تعداد رفرنس ها : 44

نوع مقاله : مقاله ISI

کلمات کلیدی انگلیسی : Genetic algorithm Fuzzy association rule mining Biological slippage Quality assurance Garment industry

کلمات کلیدی : الگوریتم تکوینی، معادله قانون انجمن فازی، لغزش زیستی، تضمین کیفیت، صنعت پوشاک

عنوان فارسی : سیستم معدن فرایند مبتنی بر الگوریتم لغزنده برای دستیابی به تضمین کیفیت بهتر در صنعت پوشاک

عنوان انگلیسی : A slippery genetic algorithm-based process mining system for achieving better quality assurance in the garment industry

لینک مقاله : http://www.sciencedirect.com/science/article/pii/S0957417415007393



چکیده انگلیسی
Due to the error-prone nature of garment manufacturing operations, it is challenging to guarantee the quality of garments. Previous research has been done to apply fuzzy association rule mining to determine process settings for improving the garment quality. The relationship between process parameters and the finished quality is represented in terms of rules. This paper enhances the application by encoding the rules into variable-length chromosomes for optimization with the use of a novel genetic algorithm (GA), namely the slippery genetic algorithm (sGA). Inspired by the biological slippage phenomenon in DNA replication, sGA allows changes to the chromosome lengths by insertion and deletion. During rule optimization, different parameters can be inserted to or removed from a rule, increasing the diversity of the solutions. In this paper, a slippery genetic algorithm-based process mining system (sGAPMS) is developed to optimize fuzzy rules with the aim of facilitating a comprehensive quality assurance scheme in the garment industry. The significance of this paper includes the development of a novel variable-length GA mechanism and the hybridization of fuzzy association rule mining and variable-length GAs. Though the capability of conventional GA in rule optimization has been proven, the diversity in the population is inherently limited by the fixed chromosome length. Motivated by this phenomenon, the sGA suggested in this paper allows various parameters to be considered in a rule, improving the diversity of the solutions. A case study is conducted in a garment manufacturing company to evaluate the sGAPMS. The results illustrate that better quality assurance can be achieved after rule optimization.

چکیده فارسی
با توجه به ماهیت خطای تولید عملیات تولید پوشاک، چالش تضمین کیفیت پوشاک است. تحقیقات قبلی انجام شده است برای اعمال معیار قانون انجمن فازی برای تعیین تنظیمات فرایند برای بهبود کیفیت پوشاک. رابطه بین پارامترهای فرآیند و کیفیت به پایان رسیده است از نظر قوانین. این مقاله نرم افزار را با کدگذاری قوانین به کروموزوم های متغیر طول برای بهینه سازی با استفاده از یک الگوریتم ژنتیک جدید (GA)، یعنی الگوریتم ژنتیک لغزنده (sGA)، افزایش می دهد. با الهام از پدیده لغزش بیولوژیکی در تکرار DNA، SGA اجازه تغییر در طول کروموزوم را با درج و حذف می کند. در طول بهینه سازی قانون، پارامترهای مختلف می توانند به یک قانون وارد شوند یا حذف شوند و تنوع راه حل ها افزایش می یابد. در این مقاله یک سیستم معدن فرآیند مبتنی بر الگوریتم لغزنده (sGAPMS) برای بهینه سازی قوانین فازی با هدف تسهیل طرح جامع تضمین کیفیت در صنعت پوشاک توسعه داده شده است. اهمیت این مقاله شامل ایجاد یک مکانیزم جدید متغیر طول GA و ترکیبی از معادلات قانون انجمن فازی و GAs متغیر طول است. اگر چه قابلیت بهینه سازی GA معمولی در بهینه سازی قانون ثابت شده است، تنوع در جمعیت به طور ذاتی توسط طول کروموزوم ثابت محدود شده است. بر اساس این پدیده، sGA پیشنهاد شده در این مقاله اجازه می دهد تا پارامترهای مختلف در یک قاعده در نظر گرفته شود و تنوع راه حل ها را بهبود بخشد. یک مطالعه موردی در یک شرکت تولید پوشاک برای ارزیابی sGAPMS انجام شده است. نتایج نشان می دهد که پس از بهینه سازی قانون، تضمین کیفیت بهتر می تواند به دست آید.

موضوعات مقاله