论文摘要
稳健性设计是质量改进与优化的主要工具。作为持续质量改进活动中的重要支撑技术,它是提高产品和过程稳健性的重要手段。传统的稳健性设计是基于质量特性值服从于正态分布的假设,而在大部分实际生产过程中,质量特性值往往不服从正态分布。本文主要研究具有非正态响应质量特性的产品或过程的稳健参数设计问题,重点对基于广义线性模型的非正态响应稳健建模、优化和模型参数不确定问题进行深入研究,具体工作有以下几个方面:首先,对田口稳健参数设计的建模问题进行研究,建立了基于广义线性模型的均值和散度模型,从更具有实际应用价值的角度,针对田口稳健参数设计的缺点,构建了基于广义线性模型的均值和方差的联合模型,并通过二次泰勒级数对其进行展开,在此基础上用实例分析验证了该方法的有效性。其次,对非正态情形下的稳健优化设计问题进行了研究,基于模糊隶属度方法建立了均值和方差的模糊隶属度函数,并构建了基于该函数的优化方程,然后采用广义简约梯度法对优化方程进行求解,最后,通过实例分析了该方法的应用效果。最后,研究了非正态响应下广义线性模型建模的模型参数不确定性问题。在对该问题现有解决方法进行对比分析的基础上,将贝叶斯统计的MCMC模拟方法应用于模型参数不确定性问题的解决之中。通过分析广义线性模型的结构,构建了正态分布、二项分布和泊松分布三种常用分布的模型系数贝叶斯估计,通过实例对上述方法进行验证说明。
论文目录
中文摘要ABSTRACT第1章 绪论1.1 论文的研究背景与意义1.2 问题的提出1.3 国内外研究综述1.3.1 稳健性设计研究现状1.3.2 非正态响应稳健设计研究现状1.3.3 模型参数不确定问题的研究现状1.4 本文的研究内容1.5 本文的创新点1.6 本文的框架结构第2章 非正态响应稳健设计的基本理论和方法2.1 稳健性设计2.1.1 稳健性设计的思想2.1.2 稳健性设计的一般步骤2.1.3 稳健性设计的方法2.2 广义线性模型2.2.1 GLM 的基本概念2.2.2 GLM 的组成2.2.3 GLM 的拟合2.2.4 GLM 与响应变换2.3 贝叶斯统计推断的基本理论2.3.1 贝叶斯定理2.3.2 先验分布的选取2.3.3 后验分布的推断2.4 方法评价2.4.1 实例背景2.4.2 分析过程2.4.3 结果分析2.5 本章小结第3章 基于GLM 的非正态响应稳健建模研究3.1 稳健参数设计3.1.1 对噪声因子的理解3.1.2 控制因子和噪声因子的交互作用3.1.3 田口内外表法3.1.4 组合表法3.2 基于田口方法的稳健参数设计3.2.1 均值分析和方差分析3.2.2 基于GLM 均值和方差联合建模3.3 GLM 框架下的稳健参数设计3.3.1 包含噪声因子的RSM 响应模型3.3.2 GLM 框架下的RSM 建模3.3.3 包含噪声因子的均值和方差双响应模型的构建3.3.4 GLM 框架下均值和方差双响应模型的分析3.3.5 过程均值预测置信区间的构建3.4 应用分析3.4.1 实例背景3.4.2 分析过程3.5 本章小结第4章 非正态响应的稳健参数优化设计4.1 参数设计的优化问题4.1.1 序贯优化法4.1.2 ε -约束法4.1.3 指定权重法4.1.4 函数评价法4.2 非正态响应稳健参数优化设计4.2.1 模糊隶属度方法建模4.2.2 广义简约梯度法4.3 实例分析4.4 本章小结第5章 基于MCMC 的模型参数不确定问题研究5.1 模型参数不确定问题5.2 模型参数不确定问题解决方法5.2.1 局部优化设计方法5.2.2 Minimax 方法5.2.3 贝叶斯方法5.2.4 序贯设计方法5.3 马尔可夫蒙特卡罗法5.3.1 马尔可夫蒙特卡罗模拟5.3.2 MCMC 的实现5.4 模型系数的贝叶斯估计5.4.1 正态模型系数Bayes 估计5.4.2 泊松模型系数Bayes 估计5.4.3 二项模型系数Bayes 估计5.4.4 模型系数贝叶斯估计的Bugs 实现5.5 实例分析5.6 本章小结第6章 结论与展望结论展望参考文献发表论文和科研情况说明附录致谢
相关论文文献
标签:稳健性设计论文; 非正态响应论文; 广义线性模型论文; 贝叶斯统计论文; 模糊隶属度函数论文; 马尔可夫蒙特卡罗模拟论文; 抽样论文;