this study emphasizes the cost esti

this study emphasizes the cost estimation
approach for plastic injection products and molds. It is expected designers and R&D specialists can consider
the competitiveness of product cost in the early stage of product design to reduce product development
time and cost resulting from repetitive modification. Therefore, the proposed cost estimation
approach combines factor analysis (FA), particle swarm optimization (PSO) and artificial neural network
with two back-propagation networks, called FAPSO-TBP. In addition, another artificial neural network
estimation approach with a single back-propagation network, called FAPSO-SBP, is also established. To
verify the proposed FAPSO-TBP approach, comparisons with the FAPSO-SBP and general back-propagation
artificial neural network (GBP) are made. The computational results show the proposed FAPSOTBP
approach is very competitive for the product and mold cost estimation problems of plastic injection
molding.

ผลลัพธ์ (ไทย) 1:

การศึกษานี้เน้นการประเมินต้นทุน
วิธีผลิตภัณฑ์ฉีดพลาสติกและแม่พิมพ์ เป็นนักออกแบบที่คาดไว้ และ R&D ผู้เชี่ยวชาญสามารถพิจารณา
ของต้นทุนผลิตภัณฑ์ในระยะแรก ๆ ของการออกแบบผลิตภัณฑ์การพัฒนาผลิตภัณฑ์ลด
เวลา และต้นทุนเป็นผลจากการปรับเปลี่ยนซ้ำ ดังนั้น การประเมินต้นทุนเสนอ
วิธีรวมการวิเคราะห์ปัจจัย (FA), เพิ่มประสิทธิภาพในการบินว่อนอนุภาค (PSO) และโครงข่ายประสาทเทียม
เครือข่ายเผยแพร่หลังสอง เรียก FAPSO TBP นอกจากนี้ เครือข่ายประสาทเทียมอีก
วิธีประเมิน ด้วยเดียวกลับเผยแพร่เครือข่าย เรียกว่า FAPSO-SBP นอกจากนี้ยังได้ก่อตั้งขึ้น การ
ตรวจสอบวิธี FAPSO-TBP เสนอ เปรียบเทียบ FAPSO SBP และหลังเผยแพร่ทั่วไป
โครงข่ายประสาทเทียม (GBP) จะได้ ผลการคำนวณแสดง FAPSOTBP เสนอ
วิธีมีการแข่งขันสำหรับผลิตภัณฑ์และแม่พิมพ์ต้นทุนประเมินปัญหาฉีดพลาสติก
ริ้ว

ผลลัพธ์ (ไทย) 3:

การศึกษานี้เน้นการประเมิน
ต้นทุนผลิตภัณฑ์ฉีดพลาสติกและแม่พิมพ์ เป็นนักออกแบบที่คาดหวังและ R & D ผู้เชี่ยวชาญสามารถพิจารณา
competitiveness ของผลิตภัณฑ์ต้นทุนในช่วงแรกของการออกแบบผลิตภัณฑ์ เพื่อลดเวลาในการพัฒนาและค่าใช้จ่ายที่เกิดจากการดัดแปลง
สินค้าซ้ำ ดังนั้น การนำเสนอ การประมาณต้นทุน
วิธีการรวมการวิเคราะห์ปัจจัย ( FA )ฝูงอนุภาค ( PSO ) และการเพิ่มประสิทธิภาพของแบบจำลองโครงข่ายประสาทเทียม
2 back-propagation เครือข่ายที่เรียกว่า fapso-tbp . นอกจากนี้อีกวิธีโครงข่ายใยประสาทเทียม
ประมาณกับเครือข่าย back-propagation เดียวที่เรียกว่า fapso-sbp ยังตั้งขึ้น

ยืนยันเสนอ fapso-tbp วิธีการเปรียบเทียบกับ fapso-sbp และ
back-propagation ทั่วไปโครงข่ายประสาทเทียม ( GBP ) ทํา ผลการคำนวณแสดงเสนอ fapsotbp
วิธีการแข่งขันสำหรับผลิตภัณฑ์ และแม่พิมพ์ การประมาณต้นทุนปัญหาฉีด
พลาสติก