论文摘要
随着全球化经济的发展,市场竞争变的越来越激烈,提高产品质量并保证产品质量的一致性是企业在竞争中获胜的一个重要手段,而对生产过程的监控和优化是保障产品质量的重要途径。尤其是目前复杂产品的生产过程中,存在多个质量特性相互作用共同对产品质量产生影响,因此多个质量特性的联合控制成为保证产品质量的一个重要方面。多元质量控制与诊断的研究对象是多变量正态过程,且各变量间往往不是独立而是相关的,一个或几个变量的均值、和/或方差、和/或变量间的相关关系偏离总体,过程都会失控,监控该过程的控制图都会发出警告信号。查明过程是否失控,特别是查明究竟是哪个(些)变量的变化导致过程失控,正是多变量统计过程控制与诊断技术所要研究和解决的问题。本文根据在各种多元质量诊断方法的基础上,提出基于神经网络的多元质量控制与诊断,主要从包括以下几个方面的内容:(1)总结了已有的多元质量控制与诊断方法,并指出存在的问题。提出基于神经网络进行多元质量控制与诊断、寻找失控变量的思路。(2)分析了多元质量控制的特点,详细阐述了均值向量控制图理论以及建立多元T2控制图的方法与步骤。(3)根据多元质量控制与诊断的特点和神经网络的优势,提出了基于神经网络进行多元质量控制与诊断的流程,并详细设计了多元质量诊断神经网络。首先利用多元均值向量控制图,来探测过程中的异常信号,然后在利用相关的神经网络,来进行质量诊断,寻找究竟是哪个(些)变量的变化导致过程失控。(4)利用Matlab神经网络工具箱,以实例形式设计的相关的BP神经网络,并进行网络训练和结果验证。研究结果表明,本文提出的基于神经网络的多元质量控制与诊断技术,是一种有效的多元质量控制与诊断的方法,对多元质量诊断理论和实践具有一定的指导意义。