基于在线调整策略的稳健参数设计

稳健参数设计是一种有效减少离线设计质量损失的方法,而在线调整能够减少制造过程中造成的质量损失。针对调整成本及噪声测量的波动,提出了基于变量选取的稳健参数设计与在线调整结合的方法。该方法首先基于质量成本选择在线调整变量,然后确定离线控制变量的设计,再根据噪声变量实时在线自动调整,实现离线设计与在线调整的整合,从而提升产品质量。最后,通过汽车齿轮实例验证了所提方法的有效性。     

基于改进贝叶斯方法的稳健性设计建模技术

针对模型不确定性条件下的稳健参数设计问题,在贝叶斯模型平均方法的基础上,通过考虑因子效应原则,提出基于因子效应原则的贝叶斯模型平均(BMA-EP)稳健性设计建模技术.结合先验信息与贝叶斯法则,计算主效应的后验概率并构建传统的贝叶斯模型平均模型;根据各主效应的后验概率,逐步运用效应层次原则和效应遗传原则更新各主效应的先验,确定模型的后验概率,并以该后验概率作为权重,对各模型进行加权,得到预测性能较佳且符合试验设计原则的稳健性模型.结合实际工业案例和仿真试验验证了所提方法的有效性,结果表明,所提方法不但改善了模型的预测性能,而且提高了最佳参数设置的可靠性.     

WSQC软件结构设计与通讯实现

统计质量控制(SQC)技术需要进行大量的数据采集、统计分析并根据分析结果对过程进行控制。该文根据数据采样点分散、数据量大的特点,为平衡服务器与客户端的数据传输与处理的要求,提出了基于B/S结构的服务器--小应用程序(Applet)的设计方案。在介绍了网络统计质量控制(WebSQC)软件的背景与功能后,给出了系统实现的具体结构框架以及利用java对象序列化方法在客户、服务器之间传递数据文件的实现技术。     

多元质量特性的过程能力指数

多元质量特性过程能力指数是一个尚未得到很好解决的问题。本文利用主成分分析，给出了计算多元质量特性过程能力指数的一种新方法，实证分析表明这种方法是可行的。     

实施连续质量改进的途径

伴随着市场竞争的日趋激烈，企业若想取得竞争优势，必须连续地改进产品和服务质量，同时降低成本。本文首先介绍了质量概念的变迁史，然后提出了实施连续质量改进的三大途径及其它们之间的关系，在此基础上，阐述了每一途径的主要内容及实现方法，最后，给出了实施连续质量改进的基本模型。     

测量系统波动源的分析、控制和软件设计

在生产过程中 ,测量系统的好坏是成功实施质量改进或应用统计过程控制的先决条件。测量系统的性能评价称之为量具的重复性和再现性 (R& R)研究。本文首先根据二因素随机效应模型 ,给出了估计 R& R的一种方法 ,它克服了方差分析方法的某些不足 ;其次 ,当测量系统满足能力要求时 ,提出了监控测量过程的方法 ;最后 ,简单介绍了用于分析和监控测量过程的应用软件     

统计过程控制(SPC)软件的设计

文章在分析了不同生产过程的关键质量特性的基础上设计了相应的数据文件类型。介绍了不同生产过程的统计分析技术与过程控制方法。最后重点介绍了作者开发的中文统计过程控制软件。     

SMO算法的简化及其在非正定核条件下的应用

SMO算法是求解大型支持向量机(SVM)的有效算法.已有的算法都必须判定4个Lagrange乘子位于哪个象限,从而使算法的实现更为复杂.此外,现有算法都假定核矩阵是正定的或半正定的,因此使其应用受到了限制.考虑到传统算法的不足,提出了一种用于ε-SVR的简化SMO算法,进而将其用于求解非正定核的ε-SVR.与已有的算法不同,通过将ε-SVR的原始规划问题进行展开并求解其KKT条件,提出的算法只需考虑2个Lagrange乘子,从而有效地简化了算法的实现,并能方便地应用于非正定核SVR的求解.采用一个常用于衡量预测误差的函数对算法进行了测试,实验表明,与ε-SVR现有的SMO算法相比,在不增加空间复杂度和时间复杂度的前提下避免了大量繁琐的判别条件,简化了算法的实现,这就为不同的损失函数所对应的SVR提供了一个通用的SMO算法,从而有利于SVR的推广应用.另外,提出的求解非正定核的ε-SVR的方法也为求解其他的非正定核SVR提供了一个思路.     

面向质量设计的Kriging组合建模技术

Kriging代理模型广泛用于替代计算昂贵的工程仿真模型.而现有单个核函数Kriging建模技术的预测性能依赖于具体问题,往往在不同情况下表现差异较大,缺乏普适性和稳健性.针对该问题,研究了具有多个核函数的Kriging组合建模,提出同时考虑核函数选择和多组权重因子.首先基于随机搜索变量选择法选择显著核函数组合,其次借助K均值聚类法获得多组权重因子,最后结合选择的显著核函数和多组权重因子构建Kriging组合模型.仿真算例和工业实例的比较结果表明,所提方法不仅产生更为精确和稳健的预测,而且能为质量设计提供可靠的优化参数组合.     

结合Kriging和物理规划的多目标代理优化算法

遗传算法处理高耗时且具有黑箱性的工程优化问题效率不足。为了提高工程优化效率，结合Kriging代理优化和物理规划，提出了基于Kriging和物理规划的多目标代理优化算法。在处理多目标问题时，使用物理规划将多目标问题转换成单目标问题，再使用Kriging代理优化对单目标问题进行求解。通过两个多目标数值算例和一个工程实例对提出的算法进行验证。结果表明，提出的算法能够求出符合偏好设置的Pareto最优解，且算法的效率更高。