Yapay sinir ağı tabanlı data kablosu parametreleri tahmini

Abstract

Kablo endüstrisinde, üretilecek bir kablonun parametrelerinin tahmini, deneme ve yanılma yöntemleri ile kablo üretiminden kaynaklanan üretim sürecinin maliyetinin azaltılması önemli bir konu haline gelmiştir. Veri kablosu üretiminde, Sinyal hızı, Karakteristik empedans, Yakın uç çapraz konuşma (NEXT), ve Geri dönüş kaybı (RL) gibi kablo parametreleri, kablonun fiziksel boyutlarına ve birim uzunluğun endüktansına, kapasitansına, elektriksel direncine, kablonun kaçak iletkenliğine bağlıdır. İstenilen kablo parametrelerini elde etmek için, üretimde genellikle deneme ve yanılma yöntemleri kullanılır ve her ayrı bir deneme için, buna bağlı olarak bir maliyet ve üretim süresi ortaya çıkar. Kablo parametreleri, fiziksel boyutların ve üretim parametrelerinin doğrusal olmayan fonksiyonlarıdır. Bu sorunun üstesinden gelmek için, tahmin yeteneklerinden dolayı Yapay Sinir Ağları (YSA) kullanılabilir. Bu çalışmada, CAT 6A kablosu yüksek frekans parametreleri kablonun düşük frekans elektriksel parametreleri ile üretim ve makine parametrelerini giriş olarak alan YSA kullanılarak tahmin edilecektir ve YSA'nın eğitimi için gerekli veriler bir kablo fabrikasında CAT 6A kablosu üretim sürecinde ölçülmüştür. Bu deney sonuçlarını kullanarak, her bir kablo parametresini tahmin etmek için ayrı yapay sinir ağı modeli önerilmiştir. Veriler eğitim, test ve doğrulama kümelerine ayrılmıştır. Bu YSA eğitim veri kümesiyle eğitilmiştir ve ardından performansı test ve sınama veri kümeleriyle incelenmiştir. Sonuç olarak, eğitilen YSA kullanılarak, CAT 6A haberleşme kablolarını verimli bir şekilde üretmek parametre tahmininde için kullanılabileceği bulunmuştur.

In the cable industry, prediction of parameters of a cable to be produced has become an important issue in order to reduce the cost of manufacturing process resulting from trial and error cable in production are used and for every trail there is an associated cost and production time production. In data cable production, the cable parameters such as signal speed, Characteristic impedance, Near-end cross-talk (NEXT), and Return loss (RL) are dependent on the physical dimensions and the manufacturing parameters such as inductance, capacitance, resistance, leakage conductance of the cable per unit length and the measured” capacitance per unit length. In order to obtain the desired cable parameters, commonly trial and error methods required. Cable parameters are nonlinear functions of the physical dimensions and the manufacturing parameters. To overcome this problem, Artificial Neural Networks (ANNs) can be used due to their prediction ability. In this study, CAT6A data cable high frequency parameters are predicted using ANNs which takes the cable low frequency electrical parameters with process and manufacturing parameters as inputs and the data required to train the ANN are measured during manufacturing process of CAT 6A data cable in a cable factory. Using the experimental results, a neural network model is proposed to predict for each one of the cable parameters. The data is divided into training, test and verification data sets. The ANNs’ performance are examined using the data sets. As a result, It has been found that the trained ANN can be used to predict cable parameters efficiently to manufacture CAT 6A cables