質(zhì)量控制圖模式識別方法研究——以SSKJ公司為例.pdf

1、隨著社會的科技發(fā)展和經(jīng)濟進步，以及社會化大生產(chǎn)時代的興起，產(chǎn)品質(zhì)量已經(jīng)成為企業(yè)參與市場競爭、長期生存和發(fā)展的基礎。在企業(yè)中，有效的質(zhì)量管理是獲得市場競爭力、提高經(jīng)濟效益的關鍵因素。質(zhì)量管理的核心內(nèi)容是質(zhì)量控制，主要工具是質(zhì)量控制圖，它是通過產(chǎn)品質(zhì)量特性對產(chǎn)品生產(chǎn)過程進行實時監(jiān)控的主要工具。由于質(zhì)量控制圖在企業(yè)提高市場競爭力中發(fā)揮了巨大的作用，控制圖模式識別逐步受到了企業(yè)的關注和重視。因此，企業(yè)對質(zhì)量控制圖模式識別的準確率提出了更高的要求

2、。
　　 在對質(zhì)量控制圖模式識別研究的基礎上，關于提高模式識別準確率的研究將由于企業(yè)以及社會的需要而成為必然趨勢。本文將蒙特卡羅和BP神經(jīng)網(wǎng)絡結合，借助Minitab軟件和Matlab平臺，進行初始模式識別;最后，以均方誤差(MSE，MeanSquaredError)為根據(jù)，對輸出值進行轉化，將初始識別結果與控制圖模式分別對比，并轉化為最為類似的控制圖模式。主要研究內(nèi)容如下:
　　 首先，本文根據(jù)質(zhì)量控制圖的特點，使用蒙

3、特卡羅方法建立質(zhì)量控制圖六種模式的數(shù)學模型，按照該數(shù)學模型，通過Minitab軟件生成符合質(zhì)量控制圖六種模式特點的樣本數(shù)據(jù)。
　　 其次，根據(jù)質(zhì)量控制圖的特點，本文確定了結構為30-14-6的3層反向傳播神經(jīng)網(wǎng)絡模型(BP，backpropagation)，采用比例共軛梯度訓練算法訓練網(wǎng)絡，進行初始模式識別，得到初始識別結果，把均方誤差(MSE)作為標準，對網(wǎng)絡性能進行評價。
　　 然后，將網(wǎng)絡初始識別結果與控制圖各種模