Journal of the Korean Data and Information Science Society

The Korean Data and Information Science Society (한국데이터정보과학회)
권호 표지

Optimization procedure for parameter design using neural network

파라미터 설계에서 신경망을 이용한 최적화 방안

  • 나명환 (전남대학교 통계학과) ;
  • 권용만 (조선대학교 컴퓨터통계학과)
  • Published : 2009.09.30
Download PDF
⟨ Previous Next ⟩

Abstract

Parameter design is an approach to reducing performance variation of quality characteristic value in products and processes. Taguchi has used the signal-to-noise ratio to achieve the appropriate set of operating conditions where variability around target is low in the Taguchi parameter design. However, there are difficulties in practical application, such as complexity and nonlinear relationships among quality characteristics and control factors (design factors), and interactions occurred among control factors. Neural networks have a learning capability and model free characteristics. There characteristics support neural networks as a competitive tool in processing multivariable input-output implementation. In this paper we propose a substantially simpler optimization procedure for parameter design using neural network. An example is illustrated to compare the difference between the Taguchi method and neural network method.

다구찌 파라미터 설계는 품질특성의 변동을 최대한 줄이면서 동시에 품질특성의 평균을 목표치 가까이 가져가기 위한 설계인자의 최적조건을 찾는 방법이다. 제품의 설계단계에서 품질특성과 여러 개의 설계인자와의 관계는 복잡한 비선형 형태를 가지는 경우가 대부분이다. 신경망에서 유연한 모형선택과 학습능력은 알 수 없는 복잡한 비선형 형태를 파악하는데 아주 유용한 도구이다. 본 연구는 파라미터 설계에서 설계인자의 최적조건을 찾기 위하여 신경망을 이용한 최적화 방안을 제안하였다.

Keywords

References

  1. 박우창, 승현우, 용환승, 최기헌 (2000). <데이터 마이닝 개념 및 기법>, 자유아카데미, 서울.
  2. 박성현 (1990). <응용실험계획법>, 영지문화사, 서울.
  3. 최종후, 한상태, 강현철, 김은석, 김미경 (2001). <데이터마이닝>, 자유아카데미, 서울.
  4. 허명회, 이용구 (2003). <데이터마이닝 모델링과 사례>, SPSS 아카데미, 서울.
  5. Kwon, Y. M. (2001). Simultaneous optimization of multiple responses to the combined array. Journal of the Korean Data & Information Science Society, 12, 57-64.
  6. Kwon, Y. M., Hong, Y. W. and Chang, D. J. (2003). Multiple response optimization for robust design using desirability function. Journal of the Korean Data & Information Science Society, 14, 325-335.
  7. Werbos, P. J. (1994). The roots of backpropagation, Wiley, New York.
  8. Taguchi, G. (1987). System of experimental design: Engineering methods to optimize quality and minimize cost, White Plains, NY: UNIPUB / Kraus International.