| جلسه دفاع پایان نامه: مریم کرم زاده، گروه مدیریت سیستم و بهره وری |
ارائه کننده: مریم کرم زاده چکیده: کنترل کیفیت شیر فرایندی ضروری در صنایع لبنی است که سلامت، ارزش غذایی و ماندگاری محصولات لبنی را تضمین می‌کند. دانستن درجه کیفی شیر بر سودآوری، رقابت‌پذیری، بهینه‌سازی فرایند تولید، کاهش ضایعات و بهبود عملکرد کارخانه‌ها در استفاده از شیر خام برای تولید انواع فرآورده‌ها با درجه کیفی مختلف تاثیر می‌گذارد. با این حال، روش‌های کنونی کنترل کیفیت شیر، مانند آزمایش‌های فیزیکی، شیمیایی و میکروبیولوژیکی زمان‌بر، کار‌فشرده، مستعد خطای انسانی و نیازمند به تجهیزات گران قیمت هستند. در نهایت نیز تعیین درجه کیفی شیر بر اساس این آزمایش‌ها از قواعد خاصی پیروی نمی‌کند و طبق نظر کارشناس انجام می‌شود. در این پایان‌نامه باتوجه به مرور ادبیات و بررسی نیازمندی کارخانه‌های لبنی، جهت غلبه بر این محدودیت‌ها از تکنیک‌های یادگیری ماشین برای تعیین درجه کیفی شیر، تخمین میزان پروتئین و چربی استفاده شده است. یادگیری ماشین با یادگیری از داده‌های نمونه‌های شیر و پیش‌بینی میزان پروتئین و چربی نمونه‌های جدید، نیاز به آزمایش‌های کنونی را برطرف می‌کند. آزمایش‌ها تازگی، سلامت و ترکیب شیر را منعکس می‌کنند اما تفسیر آن‌ها و تعیین درجه کیفی شیر مستلزم دانش و تجربه متخصصان می‌باشد. یادگیری ماشین فرایند تعیین درجه کیفی شیر را نیز خودکار می‌کند. این روش، دقت، ثبات و سرعت ارزیابی کیفیت شیر را بهبود می‌بخشد؛ هزینه های آزمایشگاهی و نیاز به نیروی کار متخصص را نیز کاهش می‌دهد. داده‌های این پایان‌نامه شامل 1249 نمونه و ۹ آزمایش، از کارخانه لبنیات پانل جمع‌آوری شده است و الگوریتمهای جنگل تصادفی، تقویت گرادیان، شبکه عصبی، ماشین بردار پشتیبان، نزدیک‌ترین همسایه و رگرسیون خطی به منطور دسته‌بندی کیفیت شیر و تخمین مقدار پروتئین و چربی آن انجام شده است. تجزیه و تحلیل نتایج حاصل از توسعه مدل‌ها نشان داد فرضیات ما در مورد توانمندی فناوری یادگیری ماشین در صنعت لبنیات درست بوده است. الگوریتمهای یادگیری ماشین با صحت %۹۷ دسته‌بندی کیفی شیر را پیش‌بینی می‌کند و مدل‌های رگرسیونی نیز مقدار پروتئین و چربی را به ترتیب با درصد میانگین خطای مطلق %۴۲/۱ و ۷۹۹%/۱ تخمین می‌زنند.
|
09:23 - شنبه 16 دی 1402 / شماره خبر : 21975 / تعداد نمايش خبر : 66 |