تعيين اندازه نمونه با استفاده از شبكه عصبي مصنوعي

Determination of sample size using artificial neural network

نمونه¬گيري به منظور پذيرش يك بخش عمده كنترل كيفيت آماري مي باشد كه در آن مصرف كننده با توجه به اطلاعاتي كه از نمونه انتخابي دريافت مي كند در مورد رد يا پذيرش انباشته ارسالي از سوي توليدكننده، تصميم گيري مي كند. وقتي از نمونه گيري به منظور پذيرش استفاده مي شود بين منافع مصرف كننده و منافع توليدكننده تضاد ايجاد مي شود. توليدكننده مي خواهد تمام انباشته هاي خوب پذيرفته شوند و مصرف كننده مي خواهد تمام انباشته هاي بد رد شوند كه اين امر مي تواند در روابط بنگاه هاي اقتصادي با زنجيره تأمين كنندگان اثر نامطلوبي ايجاد كند. از انجايي كه مي خواهيم ريسك توليد كننده () و ريسك مصرف كننده (β) را همزمان در نظر بگيريم و همچنين با در دست داشتن مقادير AQL (سطح كيفيت قابل قبول)، LTPD (درصد معيوب قابل قبول انباشته) و همچنين تعداد نقص (c) بتوانيم اندازه نمونه (n) را بدست آوريم و از آن براي طراحي نمونه گيري استفاده كنيم ، حال با توجه به اينكه ريسك توليد كننده و مصرف كننده با هم در تضاد هستند اندازه نمونه (n) واحدي ندارند، بدين منظور با توجه به اينكه شبكه عصبي توانايي حل مسائل پيچيده را دارد از شبكه عصبي براي طراحي نمونه گيري استفاده مي شود.

Sampling is to accept a major part of the statistical quality control in which the consumer decides on the receipt or withdrawal of an accumulation by the producer depending on the information received from the sample When the sampling is used for acceptance there is a conflict between the interests of the consumer and the interests of the producer The producer wants to accept all the good deeds and the consumer wants to reject all the bad stacks which could create an unfavorable relationship with the supply chain From the point where we want to consider producer risk and consumer risk β simultaneously with the presence of AQL values acceptable quality level LTPDacceptable accumulated defective percentages as well as the number of defects c We can obtain the sample size n and use it to design the sampling Given the fact that the risks of the producer and the consumer are contradictory the size of the sample n is unmatched For this reason since the neural network is capable of solving complex problems a neural network is used for sampling design