基于改進型灰色RBF神經(jīng)網(wǎng)絡的小批量產(chǎn)品質(zhì)量控制研究.pdf

1、隨著全球化市場競爭日益激烈,質(zhì)量意識在企業(yè)中得到了越來越多的重視。同時,消費者需求上的多樣化也使得企業(yè)在競爭方向上有所改變,這一系列的原因最終導致生產(chǎn)企業(yè)的生產(chǎn)模式發(fā)生了變化,多品種小批量生產(chǎn)模式的應用變得越來越廣泛。這種生產(chǎn)方式的轉(zhuǎn)變,使得傳統(tǒng)的質(zhì)量預測方法很難在企業(yè)中直接應用,尤其對于精度要求較高產(chǎn)品的生產(chǎn),需要更為有效的預測方法來滿足企業(yè)需求。如何將現(xiàn)有方法改進并有效應用到多品種、小批量生產(chǎn)的質(zhì)量控制中,提出適用范圍廣、控制效果好

2、的方法成為我們目前面臨的一項緊迫任務。
　　 本文首先對多品種、小批量生產(chǎn)方式的特點進行介紹,在此基礎上介紹了在該生產(chǎn)條件下有關質(zhì)量控制的相關方法,并對這些方法進行了系統(tǒng)的分析與分類。同時,選取主要的幾種方法做了詳細的分析比較,闡述每種方法的適用范圍及優(yōu)缺點。
　　 其次,以灰色系統(tǒng)理論方法和RBF神經(jīng)網(wǎng)絡方法為基礎,主要介紹兩種算法在質(zhì)量控制中的模型建立及應用。重點闡述了傳統(tǒng)GM(1,1)模型的建立以及基于背景值優(yōu)化和

3、動態(tài)優(yōu)化改進下的GM(1,1)模型,并分別用實例進行驗證,得出優(yōu)化模型所具有的優(yōu)勢。
　　 最后,結(jié)合灰色GM(1,1)模型和RBF神經(jīng)網(wǎng)絡模型的優(yōu)勢,依據(jù)預測補償控制思想,將改進的GM(1,1)模型和RBF神經(jīng)網(wǎng)絡有機結(jié)合,建立改進型灰色RBF神經(jīng)網(wǎng)絡預測補償模型。在此基礎上應用該模型對算例進行建模分析,并分別與動態(tài)指數(shù)平滑和未改進的灰色RBF神經(jīng)網(wǎng)絡進行比較,結(jié)果表明該優(yōu)化預測模型在精度和穩(wěn)定性方面,都高于兩種對比的模型。通