论文部分内容阅读
产品质量在企业之间的竞争中起着决定性作用,为保证产品质量,对企业制造过程进行质量控制就显得尤为重要。产品制造过程中,往往积累了大量的原始质量数据,传统的数据统计方法已经无法对质量进行更好的指导,如何能够从积累的大量数据中发掘出影响质量的关键因素,并给出决策方法,保证制造过程质量的持续改进,是建材装备制造企业急需解决的一个问题。基于此,论文以建材装备制造企业为具体对象,开展基于数据挖掘技术的建材装备制造企业过程质量控制研究,主要研究内容包括:(1)对建材装备制造企业的发展现状进行了分析,并对数据挖掘技术的发展现状和应用进行了研究,综述了数据挖掘技术算法中的神经网络技术和粗糙集技术的国内外研究现状,给出了建材装备制造企业过程质量控制的问题描述。(2)结合建材装备制造行业的特点以及质量管理方法,分析了建材装备制造企业的过程质量控制方法,提出并建立了基于数据挖掘技术的建材装备制造企业过程质量控制模型。(3)分析研究了BP神经网络和粗糙集相关理论技术,设计了一种基于BP神经网络与粗糙集的混合算法,给出了算法的具体实施步骤与过程,并结合建材装备制造企业的具体实际制造过程,进行了算法求解与实例仿真分析,从而验证了方法的可行性。(4)以某建材装备制造企业为对象,在对企业具体业务流程进行调研与分析的基础上,设计并开发了建材装备制造企业的过程质量控制系统,该系统作为企业数字化制造平台的重要组成部分,已经在企业获得了良好的应用,并申请获得了计算机软件著作权证书。(5)论文最后对工作进行了总结与展望。论文研究成果有助于建材装备制造企业产品过程控制质量的提升,促进建材产品更好的为装备制造业服务,具有重要的工程应用价值。