Resumen

La localización de las causas asignables mediante el uso de los patrones anormales del gráfico de control es una tecnología muy utilizada para el control de calidad de la fabricación. Si no hay certeza sobre el grado de ocurrencia de los patrones anormales, el proceso de diagnóstico es imposible de llevar a cabo. Teniendo en cuenta cuatro patrones anormales comunes de los gráficos de control, este artículo propone un método de reconocimiento basado en números característicos punto por punto para cuantificar el grado de ocurrencia de los patrones anormales bajo condiciones inciertas y un sistema de inferencia difusa basado en la lógica difusa para calcular el grado de contribución de las causas asignables con patrones anormales difusos. Los resultados de los casos de aplicación muestran que el enfoque propuesto puede dar una lista de causas clasificadas bajo patrones anormales del gráfico de control difuso y apoyar la eliminación de la anormalidad.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva
• Subjects:Artificial intelligence Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience
• Palabras claves:patrón anormal, causa asignable, grado de ocurrencia, sistema de inferencia difusa, patrón de control, patrón anormal difuso, control anormal común, gráfico de control difuso, lista de causas clasificadas, patrón de gráfico de control
• Keywords:abnormal pattern, assignable cause, occurrence degree, fuzzy inference system, pattern of control, fuzzy abnormal pattern, common abnormal control, fuzzy control chart, ranked cause list, control chart pattern