Optimization of process parameters through fuzzy logic and genetic algorithm – A case study in a process industry

Prioritizing Interdependent Production Processes using Leontief Input-Output Model

“…This tool calculates risk prioritization numbers, based on the failure's likelihood of being undetected and severity of its effects that help decision-makers prioritize processes with respect to their potential failures [8]. FMEA was used for optimization of process parameters in a case of a process industry [17].…”

Metodología para la generación y evaluación multicriterio de soluciones conceptuales de diseño de líneas de montaje final de producto en el sector aeronáutico

“…Según los autores, este sistema presenta la debilidad de que el producto de los 3 índices puede suponer valores del RPN muy distintos para tipos de fallos que cualitativamente tienen una importancia similar. En la mejora propuesta, el valor de cada índice es una entrada al sistema basado en FL, y la salida es el valor del RPN [78].…”

“…Los autores aplican el análisis FMEA mejorado, junto con el original para comparar, y detectan los parámetros más críticos en el sistema; luego se realizaron experimentos según el método de Taguchi para obtener unos valores adecuados de los parámetros críticos, y finalmente se optimizaron mediante la aplicación del Algoritmo Genético. La comparación entre el análisis FMEA convencional y el mejorado con FL muestra que se identifican los mismos parámetros críticos, y los autores estiman que es más intuitivo definir el RPN mediante la FL pues permite incluir de forma intuitiva el conocimiento no formal [78].…”

“…Se puede resumir que este tipo de métodos se ha aplicado con resultados positivos a aspectos del diseño de la industrialización, como la evaluación de la cadena de suministro [57] [76]. También se ha empleado la FL en otros ámbitos de la ingeniería de fabricación, como el análisis de modos de fallo [78], y en otros campos distintos como la economía [79][82], el desarrollo de software [74] o la construcción [81].…”

“…Para sistemas con un número mayor de variables de entrada, el número de reglas puede hacerse suficientemente elevado como para complicar su manejo, por lo que una práctica habitual en esos casos es su reducción mediante la eliminación de reglas, bien por falta de sentido físico [78], bien porque se ha demostrado que su contribución al resultado final es despreciable [57]. En el ejemplo, se podría estudiar eliminar las reglas relacionadas con valores muy altos de la temperatura exterior y muy bajos de la interior, dado que físicamente es poco probable que se den.…”