本文選題：復(fù)雜產(chǎn)品　切入點(diǎn)：關(guān)鍵質(zhì)量特性識(shí)別　出處：《天津大學(xué)》2016年博士論文　論文類型：學(xué)位論文

【摘要】：復(fù)雜產(chǎn)品包含大量質(zhì)量特性,識(shí)別影響產(chǎn)品質(zhì)量的關(guān)鍵質(zhì)量特性(CTQ)是產(chǎn)品質(zhì)量改進(jìn)中必不可少的一步。實(shí)際生產(chǎn)中,大量質(zhì)量特性數(shù)據(jù)從生產(chǎn)線收集,為后續(xù)分析提供了基礎(chǔ)。本文針對(duì)復(fù)雜產(chǎn)品數(shù)據(jù)的高維性、數(shù)據(jù)非平衡性、質(zhì)量特性時(shí)序性等特點(diǎn),建立基于特征選擇算法的CTQ識(shí)別算法。首先,針對(duì)數(shù)據(jù)高維性,建立了兩個(gè)平衡數(shù)據(jù)CTQ識(shí)別算法。分別是基于ReliefF改進(jìn)的識(shí)別算法和基于遺傳模擬退火算法的識(shí)別算法。在基于ReliefF改進(jìn)的方法中,提出一個(gè)新的CTQ數(shù)確定方法。結(jié)果表明,改進(jìn)方法能夠比傳統(tǒng)ReliefF更加有效過濾無關(guān)、冗余質(zhì)量特性。在基于遺傳模擬退火算法的方法中,建立了結(jié)合質(zhì)量特性數(shù)和質(zhì)量特性重要性兩個(gè)度量的綜合適應(yīng)度函數(shù)用于特征優(yōu)化。實(shí)驗(yàn)結(jié)果表明,綜合適應(yīng)度函數(shù)能夠增強(qiáng)算法降維能力。其次,針對(duì)非平衡制造數(shù)據(jù),建立了一個(gè)兩階段CTQ識(shí)別框架。第一階段,使用多目標(biāo)優(yōu)化算法識(shí)別出一組備選關(guān)鍵質(zhì)量特性集。第二階段,使用理想點(diǎn)法從備選解中選擇最佳調(diào)和解,即CTQ集。基于該框架,分別使用多目標(biāo)優(yōu)化算法——改進(jìn)NSGA-II和改進(jìn)DMS,建立兩個(gè)識(shí)別算法。在這兩個(gè)算法中,分別定義了兩種基于非平衡數(shù)據(jù)的質(zhì)量特性重要性度量。實(shí)驗(yàn)結(jié)果表明,兩個(gè)算法能夠在數(shù)據(jù)非平衡條件下有效識(shí)別CTQ。最后,質(zhì)量特性對(duì)應(yīng)于產(chǎn)品加工各個(gè)階段,具有時(shí)序性的特點(diǎn)�？紤]各質(zhì)量特性的時(shí)序性,并提出兩階段非平衡數(shù)據(jù)CTQ識(shí)別算法。在第一階段,利用基于遺傳算法和DMS的混合多目標(biāo)優(yōu)化算法選擇備選關(guān)鍵質(zhì)量特性集。第二階段,從備選解中選擇最佳調(diào)和解。在該階段,考慮質(zhì)量特性時(shí)序性,優(yōu)先識(shí)別較早加工階段的質(zhì)量特性作為產(chǎn)品CTQ。實(shí)驗(yàn)結(jié)果表明了該方法的有效性。
[Abstract]:Complex products contain a large number of quality characteristics, the identification of key quality characteristics that affect product quality (CTQ) is an essential step in product quality improvement. In actual production, a large number of quality characteristics data are collected from the production line. In this paper, the CTQ recognition algorithm based on feature selection algorithm is established for the characteristics of complex product data, such as high dimension, unbalanced data, and quality characteristics. Firstly, aiming at the high dimension of data, the paper proposes a new algorithm based on feature selection algorithm. Two CTQ recognition algorithms for balanced data are established, one is based on the improved ReliefF algorithm and the other is based on the genetic simulated annealing algorithm. In the improved method based on ReliefF, a new method for determining the CTQ number is proposed. The results show that, The improved method can filter irrelevant and redundant quality characteristics more effectively than traditional ReliefF. In the method based on genetic simulated annealing algorithm, In this paper, a comprehensive fitness function combining two measures of mass characteristic number and quality characteristic importance is established for feature optimization. The experimental results show that the synthetic fitness function can enhance the dimensionality reduction ability of the algorithm. Secondly, for non-equilibrium manufacturing data, In this paper, a two-stage CTQ recognition framework is established. In the first stage, a set of alternative critical mass characteristic sets is identified by using multi-objective optimization algorithm. In the second stage, the optimal harmonic solution is selected from the alternative solution by using the ideal point method, that is, the CTQ set. Two recognition algorithms are established by using improved NSGA-II and improved NSGA-II respectively. In these two algorithms, two kinds of importance measures of quality characteristics based on unbalanced data are defined respectively. The experimental results show that, The two algorithms can effectively identify CTQs under the condition of non-equilibrium data. Finally, the quality characteristics correspond to each stage of product processing and have the characteristics of timing. In the first stage, the hybrid multi-objective optimization algorithm based on genetic algorithm and DMS is used to select the set of key quality characteristics. The optimal harmonic solution is chosen from the alternative solution. In this stage, the quality characteristics of the earlier processing stage are first identified as the CTQs. The experimental results show the effectiveness of the method.
【學(xué)位授予單位】：天津大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：F273.2

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 秦曉光;功能分析在產(chǎn)品質(zhì)量特性分級(jí)中的應(yīng)用[J];價(jià)值工程;1994年05期

2 胡金龍;試探“質(zhì)量特性分級(jí)”的應(yīng)用[J];企業(yè)標(biāo)準(zhǔn)化;1994年01期

3 馮繼民;作為具有質(zhì)量特性概念的數(shù)據(jù)[J];管理科學(xué)文摘;1995年12期

4 邸彥軍;技術(shù)成果的質(zhì)量特性及其控制[J];世界標(biāo)準(zhǔn)化與質(zhì)量管理;2003年03期

5 劉宏;;產(chǎn)品質(zhì)量特性重要度分級(jí)在質(zhì)量鏈中的重要作用[J];電子質(zhì)量;2007年01期

6 馮珍;劉桂林;李紅;;再使用產(chǎn)品質(zhì)量特性的確定[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2010年02期

7 汪建均;馬義中;翟云煥;;相關(guān)多質(zhì)量特性的優(yōu)化設(shè)計(jì)[J];管理工程學(xué)報(bào);2011年02期

8 楊文鋒;;對(duì)ISO 9000∶2005“質(zhì)量”定義及內(nèi)涵的解讀[J];航空標(biāo)準(zhǔn)化與質(zhì)量;2012年04期

9 王永秀;論會(huì)計(jì)信息的質(zhì)量特性[J];會(huì)計(jì)之友;1995年02期

10 李海嬰,閔嘉國;略論產(chǎn)品的質(zhì)量系統(tǒng)[J];系統(tǒng)辯證學(xué)學(xué)報(bào);1996年03期

相關(guān)會(huì)議論文 前6條

1 陶俐言;于東林;;基于多重望大型質(zhì)量特性的產(chǎn)品質(zhì)量評(píng)價(jià)[A];提高全民科學(xué)素質(zhì)、建設(shè)創(chuàng)新型國家——2006中國科協(xié)年會(huì)論文集（下冊(cè)）[C];2006年

2 李亞平;劉思峰;方志耕;徐雷;;基于田口質(zhì)量觀的多質(zhì)量特性產(chǎn)品參數(shù)設(shè)計(jì)隨機(jī)灰靶模型[A];中國系統(tǒng)工程學(xué)會(huì)第十八屆學(xué)術(shù)年會(huì)論文集——A01系統(tǒng)工程[C];2014年

3 甄超;鄭濤;許潔萍;;音樂流派分類中特征選擇算法研究[A];第18屆全國多媒體學(xué)術(shù)會(huì)議（NCMT2009）、第5屆全國人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2009）、第5屆全國普適計(jì)算學(xué)術(shù)會(huì)議（PCC2009）論文集[C];2009年

4 張仰森;曹元大;;最大熵建模方法中一種改進(jìn)的特征選擇算法[A];NCIRCS2004第一屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2004年

5 王立群;;保證設(shè)備質(zhì)量的完整性大綱[A];面向制造業(yè)的自動(dòng)化與信息化技術(shù)創(chuàng)新設(shè)計(jì)的基礎(chǔ)技術(shù)——2001年中國機(jī)械工程學(xué)會(huì)年會(huì)暨第九屆全國特種加工學(xué)術(shù)年會(huì)論文集[C];2001年

6 張錚;胡社教;江萍;;基于EP模式的特征選擇算法[A];2011中國儀器儀表與測(cè)控技術(shù)大會(huì)論文集[C];2011年

相關(guān)重要報(bào)紙文章 前4條

1 王越;上海服務(wù)業(yè)“眼神”變了[N];中國質(zhì)量報(bào);2005年

2 張鳳鳴;從WTO/TBT協(xié)議反欺詐條款看紡織品的質(zhì)量特性[N];中國國門時(shí)報(bào)(中國出入境檢驗(yàn)疫報(bào));2001年

3 白廣義;魅力質(zhì)量贏得忠誠顧客[N];中國質(zhì)量報(bào);2008年

4 中國農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院 馬驥 中國農(nóng)業(yè)大學(xué)資源與環(huán)境學(xué)院 張衛(wèi)鋒;中國農(nóng)戶化肥消費(fèi)的品牌認(rèn)知特征[N];農(nóng)資導(dǎo)報(bào);2005年

相關(guān)博士學(xué)位論文 前10條

1 李岸達(dá);基于特征選擇算法的復(fù)雜產(chǎn)品關(guān)鍵質(zhì)量特性識(shí)別研究[D];天津大學(xué);2016年

2 王化強(qiáng);面向復(fù)雜產(chǎn)品的關(guān)鍵質(zhì)量特性識(shí)別方法研究[D];天津大學(xué);2014年

3 冉琰;機(jī)電產(chǎn)品元?jiǎng)幼鲉卧＜瓣P(guān)鍵質(zhì)量特性預(yù)測(cè)控制技術(shù)研究[D];重慶大學(xué);2016年

4 閆偉;基于數(shù)據(jù)挖掘的復(fù)雜產(chǎn)品關(guān)鍵質(zhì)量特性識(shí)別的方法研究[D];天津大學(xué);2012年

5 高一聰;面向關(guān)鍵質(zhì)量特性的大型注塑裝備保質(zhì)設(shè)計(jì)技術(shù)及其應(yīng)用研究[D];浙江大學(xué);2011年

6 馬義中;減小和控制多元質(zhì)量特性波動(dòng)的理論和方法[D];西北工業(yè)大學(xué);2002年

7 王劍橋;基于局部特性的毫米波距離像識(shí)別方法研究[D];南京理工大學(xué);2014年

8 李云;特征選擇算法及其在基于內(nèi)容圖像檢索中的應(yīng)用研究[D];重慶大學(xué);2005年

9 劉華文;基于信息熵的特征選擇算法研究[D];吉林大學(xué);2010年

10 張靖;面向高維小樣本數(shù)據(jù)的分類特征選擇算法研究[D];合肥工業(yè)大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 佟清泉;冷凍壓縮機(jī)加工過程關(guān)鍵質(zhì)量特性提取及控制方法研究[D];沈陽大學(xué);2015年

2 鄭海峰;基于組合空氣軸承的質(zhì)量特性測(cè)量研究[D];哈爾濱工業(yè)大學(xué);2015年

3 杜敏;EPC項(xiàng)目新質(zhì)量特性研究[D];北京交通大學(xué);2015年

4 陳德甲;復(fù)雜機(jī)電產(chǎn)品裝配質(zhì)量特性及控制技術(shù)研究[D];上海工程技術(shù)大學(xué);2016年

5 何宸;基于機(jī)械臂運(yùn)動(dòng)的航天器質(zhì)量特性辨識(shí)與控制研究[D];哈爾濱工業(yè)大學(xué);2016年

6 孫振濤;制造過程多質(zhì)量特性耦合與預(yù)測(cè)控制技術(shù)研究[D];電子科技大學(xué);2016年

7 王有璽;基于QFD的BY公司汽車智能中控系統(tǒng)質(zhì)量特性研究[D];北京工業(yè)大學(xué);2016年

8 杜濤濤;多元質(zhì)量參數(shù)影響下的發(fā)動(dòng)機(jī)質(zhì)量特性預(yù)測(cè)方法研究[D];合肥工業(yè)大學(xué);2016年

9 鄭召禮;絲錐質(zhì)量特性分析及評(píng)價(jià)研究[D];太原科技大學(xué);2016年

10 趙喜;復(fù)雜機(jī)電產(chǎn)品制造過程關(guān)鍵質(zhì)量特性控制技術(shù)研究[D];重慶大學(xué);2009年

，

本文編號(hào)：1568132