Waarom is dit belangrijk?
Wanneer gegevens uit een fabriek onvolledig of sterk wisselend zijn, blijft een bruikbare voorspelling van kwaliteitsproblemen toch mogelijk. In de maakindustrie zetten bedrijven een adaptief neuro-fuzzy inferentiesysteem in om productiefouten eerder te herkennen. Medewerkers op de werkvloer kunnen tijdens het werk daardoor eerder bijsturen, maar een melding kan een echte productiefout toch missen als de gegevens onzuiver zijn.
Zo werkt het in de praktijk
Een adaptief neuro-fuzzy inferentiesysteem komt voor in onderzoek naar energiebeheer van noodstroom in vliegtuigen. In de zorg berekent het de scheiding van kankercellen en gezonde bloedcellen in een chip. Publieke universiteiten in India trainden dat model op simulaties.
Aan de Hohai-universiteit en het bureau voor hydrologie van de ChangJiang-commissie testen onderzoekers de waterafvoer van een groot stuwmeer. Zij willen weten of een extra zoekstap de instellingen verbetert. Het gewone systeem volgt veranderende patronen daar minder goed.
Het zorgmodel is gekoppeld aan NSGA-II, een werkwijze die meerdere doelen naast elkaar afweegt. Het wateronderzoek gebruikt een samenwerkend zoekalgoritme om de instellingen te kiezen. Zo koppelen beide studies het inferentiesysteem aan een vaste optimalisatiemethode.




