روش های شناسایی عیب (مبتنی بر تاریخچه فرایند)

روش های شناسایی عیب (مبتنی بر تاریخچه فرایند):
بر خلاف روش های مدل مبنا که یک دانش پیشین (کمی یا کیفی) از فرآیند در اختیار دارند، در روش های مبتنی بر تاریخچه فرآیند، تنها در دسترس بودن مقدار وسیعی از داده‏ های تاریخی فرآیند مورد نیاز است.

روش های مبتنی بر داده اطلاعات تعیین عیب و مکان‏ یابی آن را از داده خام و به صورت غیرمستقیم به دست می آورند.

روش های مختلفی وجود دارند که به وسیله آن ها می توان این داده ‏ها را تبدیل کرد و به صورت دانش پیشین به سیستم تشخیص عیب ارائه داد. این روند استخراج اطلاعات می تواند کمی یا کیفی باشد.

به عنوان دو مورد از اصلی ‏ترین روش های استخراج اطلاعات تاریخی کیفی می توان به سیستم های خبره و روش های مدل سازی روند اشاره کرد.

روش هایی که اطلاعات را به صورت کمی استخراج می‏ کنند در واقع مساله تشخیص عیب را به عنوان یک مساله شناسایی الگو در نظر می ‏گیرند و به صورت کلی به دو دسته غیر آماری و آماری تقسیم می شوند.

روش های آماری از دانش پیشین توزیع ‏های دسته ها برای طبقه‏ بندی استفاده می کنند. از سوی دیگر برخی روش ها، اطلاعات مربوط به روندهای اصلی در داده را با استفاده از تعداد محدودی از عوامل مرتبط استخراج می ‏کنند.

روش های غیرآماری شکل عملکردی برای قاعده تصمیم گیری در نظر می گیرند و بنابراین طبقه‏ بندی کننده را پارامتری می ‏کنند.

شبکه ‏های عصبی یک دسته مهم از طبقه ‏بندی کننده ‏های غیرآماری هستند. تحلیل مولفه اصلی (PCA) و مربعات خطای جزئی (PLS) و طبقه‏ بندی‏ کننده‏ های الگوی آماری (مانند بیز) اجزای اصلی روش های استخراج ویژگی آماری هستند. در شکل زیر طبقه ‏بندی روش های مبتنی بر تاریخچه فرآیند را می توان مشاهده کرد.