다목적 유전 알고리즘을 이용한 쌍대반응표면최적화

Q: 이 논문에서 정의한 쌍대반응표면최적화란 무엇인가?

반응변수의 평균과 산포를 동시에 최적화하는 품질공학 방법론이다. 이는 제품이나 공정의 특성치가 목표값에 근접하게 하면서도 변동성을 최소화하여 품질의 안정성과 성능을 동시에 확보하는 것을 목적으로 하는 최적화 기법이다.

Q: 다목적 유전 알고리즘 기반의 쌍대반응표면최적화는 기존 ε-제약법과 비교하여 어떤 장점이 있는가?

연구 결과, 다목적 유전 알고리즘을 적용했을 때 기존 ε-제약법보다 비지배해 간의 간격이 더 균일하고 포괄적으로 생성됨을 확인하였다. 따라서 의사결정자에게 더 다양하고 효율적인 대안해를 제공하여 최적의 해를 선택하도록 지원하는 성능이 우수하다.

이동희; 김보라; 양진경; 오선혜

doi:10.7232/JKIIE.2017.43.3.164

추천

검색

질문

자료유형: 학술저널

저자정보: 이동희 (한양대학교) 김보라 (한양대학교) 양진경 (한양대학교) 오선혜 (한양대학교)

저널정보: 대한산업공학회 대한산업공학회지 대한산업공학회지 제43권 제3호

발행연도: 2017.6

수록면: 164 - 175 (12page)

DOI: 10.7232/JKIIE.2017.43.3.164

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

Dual response surface optimization (DRSO) attempts to optimize mean and variability of a process response variable using a response surface methodology. In general, mean and variability of the response variable are often in conflict. In such a case, the process engineer need to understand the tradeoffs between the mean and variability in order to obtain a satisfactory solution. Recently, a Posterior preference articulation approach to DRSO (P-DRSO) has been proposed. P-DRSO generates a number of non-dominated solutions and allows the process engineer to select the most preferred solution. By observing the non-dominated solutions, the DM can explore and better understand the trade-offs between the mean and variability. However, the non-dominated solutions generated by the existing P-DRSO is often incomprehensive and unevenly distributed which limits the practicability of the method. In this regard, we propose a modified P-DRSO using multiple objective genetic algorithms. The proposed method has an advantage in that it generates comprehensive and evenly distributed non-dominated solutions.

#Response Surface Methodology #Dual Response Surface Optimization #Multiple Objective Genetic Algorithm #Posterior Preference Articulation Approach

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2018-530-000895241

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)