این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
Journal of Industrial and Systems Engineering، جلد ۸، شماره ۳، صفحات ۷۷-۹۴
عنوان فارسی
چکیده فارسی مقاله
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی A Comparison of Regression and Neural Network Based for Multiple Response Optimization in a Real Case Study of Gasoline Production Process
چکیده انگلیسی مقاله Most of existing researches for multi response optimization are based on regression analysis. However, the artificial neural network can be applied for the problem. In this paper, two approaches are proposed by consideration of both methods. In the first approach, regression model of the controllable factors and S/N ratio of each response has been achieved, then a fuzzy programming has been applied to find the optimal factors' levels. In the second approach, a tuned Artificial Neural Network (ANN) is used to relate controllable factors and overall exponential desirability function then Genetic Algorithm(GA) is used to find factors optimum value. Mentioned approaches have been discussed in a real case study of oil refining industry. Experimental results for the suggested levels confirm efficiency of the both proposed methods; however, the Neural Network based approach shows more suitability in our case study.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله m بشیری |
department of industrial engineering, shahed university, tehran, iran.
سازمان اصلی تایید شده: دانشگاه شاهد (Shahed university)

حمیدرضا رضایی | h r
department of industrial engineering, shahed university, tehran, iran.
سازمان اصلی تایید شده: دانشگاه شاهد (Shahed university)

a فرشباف گرانمایه | a farshbaf
department of industrial engineering, college of engineering, university of tehran, iran.
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

f قبادی |
department of chemical engineering, isfahan university of technology, isfahan ,iran.
سازمان اصلی تایید شده: دانشگاه صنعتی اصفهان (Isfahan university of technology)

نشانی اینترنتی http://www.jise.ir/article_9801_21b0b0050cc76ca9985dc1c2593eb9ed.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات