Approche hybride basée sur les machines à vecteurs de support et les algorithmes génétiques pour l'estimation des coûts de fabrication

El Asli, Neila (2008). Approche hybride basée sur les machines à vecteurs de support et les algorithmes génétiques pour l'estimation des coûts de fabrication. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

Prévisualisation	PDF Télécharger (37MB) | Prévisualisation
Prévisualisation	PDF Télécharger (5MB) | Prévisualisation

Résumé

L'estimation du coût des produits est une étape cmcialc pour les entreprises manufacturières d'aujourd'hui; surtout, en phase de conception, lorsque les conditions et les moyens de fabrication ne sont pas encore complètement connus. Pour ces raisons, il est important de fournir au concepteur les outils nécessaires en vue d'une estimation de coûts efficace, précise et adaptée aux connaissances relatives aux produits à ce stade.

Dans ce travail, nous proposons une nouvelle méthode hybride d'estimation de coûts de produits basée sur les machines à vecteurs de support (communément appelées SVM) et les Algorithmes Génétiques (AG). Cet outil de l'intelligence artificielle fondé sur la théorie de l'apprentissage statistique a été choisi pour sa grande capacité d'apprentissage et de généralisation.

Dans notre approche proposée, les SVM sont utilisées pour faire une approximation de la relation entre les conditions de conception et les paramètres du produit dans le cas d'estimation de coût. Les AG ont servi pour sélectionner les hyper-paramètres des SVM. En plus, et pour identifier les paramètres ou variables les plus influençant sur le coût final, nous avons fait appel aux « fuzzy curves », basées sur la théorie de la logique floue. De cette manière, nous pourrions jouer sur ces paramètres afin d'optimiser le coût final du produit.

En résumé, notre approche hybride est capable d'effectuer l'estimation des coûts des produits, ainsi qu'une sélection des variables les plus pertinentes influençant sur ce dernier. Pour démontrer son potentiel et sa robustesse, une application dans le domaine de fabrication mécanique est présentée.

Titre traduit

A hybrid approach based on SVM and genetic algorithms (GA) for estimation of early component design stages manufacturing cost

Résumé traduit

Estimating manufacturing cost is a crucial activity for today's global competitive manufacturing firms, especially at the carly design stages when the product is not completely defined and, the conditions and means of manufacturing are not fully known. It's important to provide to the designer an economic and practical tool to make cost estimations at this stage.

In this work, an hybrid approach based on the Support Vector machines (SVM) and genetic algorithms (GA) is developed. The SVM are learning machines that can perform binary classification (pattern recognition) and real valued function approximation (regression estimation) tasks. This tool of the artificial intelligence founded on the theory of the statistical learning was selected for its great capacity of training and generalization. The proposed approach is founded on assumption that the conditions of design and the parameters of the product contribute to its final cost. Since it's difficult to find an explicit relation between such conditions and parameters and the final cost of the product, the SVM are used to approximate this relation, through their training from examples.

To optimize the configuration of our approach, namely the structure which gives us the most precise result in terms of error of prediction, we used the genetic algorithms for the choice of hyper-parameters of the SVM. Additionally, the system provides, in the case of product, the most important parameters or cost drivers. We used for this goal «the fuzzy-curves » which are based on the theory of fuzzy logic to arise the significant variables in a non-linear modeling. Thus, the user will be able to know the effect of variation of the design parameters on his cost and decide on which parameters; it will be able to investigate to optimize the final production cost.

The proposed approach for the production cost estimation is compared with others techniques as the neural networks approach and its applications show that the proposed hybrid approach provides a better performance. The proposed methodology carries out the cost estimation of the product, as well as a selection of the most relevant cost drivers influencing on the final manufacturing cost. This will be an economic and practical tool for the engineer designers to estimate the manufacturing cost of a product at its design stage. Also, the application to the design of some mechanical components has confirmed the effectiveness of the proposed technique.

Type de document:	Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires:	"Mémoire présenté à l'École de technologie supérieure comme exigence partielle à l'obtention de la maîtrise en génie de la production automatisée." Bibliogr : f. [101]-108.
Mots-clés libres:	ag, algorithme, approche, cout, estimation, fabrication, genetique, hybride, mecanique, machine, methode, produit, support, svm, technique, vecteur
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Songmene, Victor
Codirecteur:	Codirecteur Dao, Thien-My
Programme:	Maîtrise en ingénierie > Génie de la production automatisée
Date de dépôt:	09 août 2010 15:20
Dernière modification:	03 déc. 2016 02:26
URI:	https://espace.etsmtl.ca/id/eprint/119

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt