基于支持向量机的小样本响应曲面法研究

当影响因素和响应输出的关系较为复杂时,应用传统响应曲面法(RSM)、非参数响应曲面法(NPRSM)和人工神经网络(ANN)难以拟合真实的响应曲面,不仅需要大的样本量,而且泛化风险大,不易达到全局最优.将RSM归结为可有限制地主动获取样本的小样本机器学习问题,提出了一种基于支持向量机(SVM)的RSM.以大间隔网格取样,利用SVM拟合过程,对拟合方程寻优确定极值大致区域,再逐步缩小间隔求精.算例研究表明,该方法的拟合与泛化性能优于NPRSM和基于ANN的RSM,能在小样本条件下建立全局性数值模型,寻优可以得到多个极值.     

基于质量链管理的信息系统研究

为了完善扩展型企业的质量管理信息系统,根据三维质量链理论,提出了质量链管理信息系统功能模型,讨论了各种质量方法不同阶段的应用,给出了基于B/S模式的质量链管理信息系统体系结构,并根据宝洁公司的现状分析了应用该信息系统的好处.     

神经网络方法在自相关过程控制中的应用

将传统休哈特控制图应用于自相关过程控制时,会引发大量虚发报警.本文将使用时间序列模型模拟自相关过程并将神经网络方法引入自相关过程控制中.以神经网络特有的模式识别技术,对自相关过程中均值发生突变的情况进行监控,取得了良好效果.     

并行加工条件下作业排序方法研究

对单工序并行加工条件下的作业排序问题进行了深入研究，在给出该问题的整数规划模型的基础上，找出了一种新的启发式算法，并编写了相应的计算机程序，示例和模拟结果表明，新算法优于LPT算法并可以通过自迭代求出较优的完工期。同时还可以降低零件的平均完工时间。     

基于主成分分析和不合格品率的多元过程能力分析

实际生产过程中往往同时监测多个质量特性,需要进行多元过程能力分析,研究实际制造过程的变异相对于设定公差的满足程度。针对多维质量特性变量存在的联合概率密度分布函数形式复杂、相关性强、难以应用、误差大等问题,通常需要进行多元过程的降维。文章首先应用主成分分析法对多元过程进行降维,得到主成分分量的规格区间、规格中心向量和目标值向量。在此基础上,利用主成分分量的概率密度函数,分别提出了多元过程的表现不合格品率、潜在不合格率和田口不合格率,并对此三种不合格品率进行了推导和定义。据此三种不合格品率分别与允许的多元过程不合格品率进行比较,可针对性给出实际生产过程中工程师和操作人员提高其制造过程能力的建议。最后,以发动机主轴生产过程为例,进行了案例分析。     

基于SVM的控制图模式识别方法研究

质量控制图的模式识别是智能工序质量诊断分析系统的基础,产品的大规模定制趋势使得统计控制的样本量减少.在探讨以往的识别方法的基础上,研究了基于支持向量机(support vector machine,SVM)的质量控制图模式识别方法,该方法以控制图的12个时域特征作为分类的统计量,利用支持向量机作为分类器,对控制图的正常模式和各种失效模式进行识别.仿真实验表明,该方法在小样本条件下具有识别率稳健、识别速度快等优点,为实现大规模定制模式下工序质量在线诊断和事前控制提供了一种可行的途径.     

消费者对HACCP认证食用油的支付意愿及其影响因素研究——以天津市消费者为例

本文研究了消费者是否愿意为通过HACCP认证的食用油支付额外价格及影响支付意愿的因素。通过问卷调查,采用Logistic回归模型分析最终得出了消费者的支付意愿及关键影响因素。     

考虑调整误差的多变量设置调整问题

针对存在初始设置偏差的离散多变量生产制造过程,研究了调整误差服从自回归模型的情况下,考虑调整花费成本为二次型函数时的设置调整问题,在建立过程状态空间方程的基础上,利用卡尔曼滤波方法在线估计过程的状态变量,根据随机二次型最优控制理论得到了使过程质量损失最小的最优调整策略.通过算例解释了最优调整策略的实现方法,并进行了仿真验证,结果表明,得到的调整策略与调整误差为白噪声时的调整策略相比,能更好地减少过程总体质量损失.     

集成质量管理系统IQMS2.0的设计与开发

回顾了国内外对集成质量管理系统的研究成果,分析了目前仍然存在的问题.在介绍集成质量管理系统的相关定义的基础上,简述了参与开发的集成质量管理系统IQMS2.0的优点,重点阐述了该系统数据库独特的设计思路、设计结构和实现方法,详细描述了该系统基于底层数据库所实现的功能模块.     

与控制点方法论相结合的V-mask累积和控制图

V-mask累积和控制图虽然能够有效地监控过程中发生的微小偏移,但是因为它需要存储大量统计量且计算时间较长,所以在计算机中实施起来比较困难.为了解决这一问题,介绍了将控制点方法论应用于V-mask累积和控制图这一方法,并通过实例来进一步说明.结果表明,与控制点方法论结合的控制图减少了存储量,缩短了计算时间,而且将在顾客满意度控制中得到广泛应用.