论文部分内容阅读
随着全球化市场竞争日益激烈,质量意识在企业中得到了越来越多的重视。同时,消费者需求上的多样化也使得企业在竞争方向上有所改变,这一系列的原因最终导致生产企业的生产模式发生了变化,多品种小批量生产模式的应用变得越来越广泛。这种生产方式的转变,使得传统的质量预测方法很难在企业中直接应用,尤其对于精度要求较高产品的生产,需要更为有效的预测方法来满足企业需求。如何将现有方法改进并有效应用到多品种、小批量生产的质量控制中,提出适用范围广、控制效果好的方法成为我们目前面临的一项紧迫任务。本文首先对多品种、小批量生产方式的特点进行介绍,在此基础上介绍了在该生产条件下有关质量控制的相关方法,并对这些方法进行了系统的分析与分类。同时,选取主要的几种方法做了详细的分析比较,阐述每种方法的适用范围及优缺点。其次,以灰色系统理论方法和RBF神经网络方法为基础,主要介绍两种算法在质量控制中的模型建立及应用。重点阐述了传统GM(1,1)模型的建立以及基于背景值优化和动态优化改进下的GM(1,1)模型,并分别用实例进行验证,得出优化模型所具有的优势。最后,结合灰色GM(1,1)模型和RBF神经网络模型的优势,依据预测补偿控制思想,将改进的GM(1,1)模型和RBF神经网络有机结合,建立改进型灰色RBF神经网络预测补偿模型。在此基础上应用该模型对算例进行建模分析,并分别与动态指数平滑和未改进的灰色RBF神经网络进行比较,结果表明该优化预测模型在精度和稳定性方面,都高于两种对比的模型。通过以上研究,本文将灰色系统理论和神经网络理论有效结合,实现了提前控制多品种、小批量产品的质量特性。减小不合格品的出现概率,最终使柔性制造企业的整体效益提升,竞争力增强。总之,进行优化后的灰色神经网络模型对于小批量产品质量控制具有一定的理论价值和现实意义。