یک روش نیم‌پارامتری برای بهینه‌سازی مسائل چند پاسخی: مطالعه موردی در بهبود کیفیت دستگاه تزریق پلاستیک

Abstract

<span lang="AR-SA" dir="RTL">بهینه‌سازی چندپاسخی که با روش رویه‌ی پاسخ انجام می‌شود، بسیار پرکاربرد است. قبل از بهینه‌سازی، نیازمند انتخاب و برازش مدل مناسب برای هر پاسخ هستیم. یک مسئله اصلی که ممکن است به دلیل برازش نادرست مدل‌ها و نرسیدن به راه‌حل‌های بهینه اتفاق بیفتد، بدمشخص‌سازی مدل است. روش مدل رگرسیونی استوار که یک روش نیم‌پارامتری برای براور‏د است می‌تواند از هر دو روش براورد پارامتری و ناپارامتری در مقابل بدمشخص‌سازی مدل عملکرد مناسب‌تری داشته باشد. در این پژوهش، استفاده از یک روش مدل رگرسیونی استوار برای بهبود براورد مدل پیشنهاد شده است و برازش‌های مناسب هر یک از پاسخ‌ها با یکی از روش‌های بهینه‌سازی چندپاسخی یعنی تابع مطلوبیت بررسی خواهد شد. در ادامه، یک مطالعه کاربردی</span><span lang="AR-SA" dir="RTL">برای مقایسه‌ی روش‌های پارامتری‏‏، ناپارامتری و نیم‌پارامتری ارائه می‌شود. نتیجه‌های این مطالعه نشان می‌دهند که عملکرد مدل رگرسیونی استوار، در بسیاری از موقعیت‌ها و همچنین در مرحله‌ی مدل‌سازی، از دو روش دیگر مناسب‌تر است. ‏بنا بر این‏، نتیجه‌های</span><span lang="FA" dir="RTL"> بهینه‌سازی با</span><span lang="AR-SA" dir="RTL"> مدل رگرسیونی استوار بسیار قابل اعتمادتر هستند.</span>