1、定制生產方式已經成為企業(yè)取得競爭優(yōu)勢的主要手段。個性化的需求對產品質量的要求更高。定制模式下產品數(shù)量少、甚至出現(xiàn)單件的產品,復雜的定制產品還具有關鍵質量特性維度高,質量影響因素關系復雜、波動溯源難度很高等特點。傳統(tǒng)的統(tǒng)計質量控制方法在定制生產模式下面臨著考驗,需要研究面向定制生產的,適應小樣本、缺少先驗信息條件下的質量控制和診斷方法,以提升質量管理的能力。
　　 本論文利用粗糙集和支持向量機理論,主要研究定制模式下小樣本、高維、

2、缺少先驗信息條件下的控制圖的特征提取方法和模式識別方法,以及輔助質量診斷的方法。具體研究內容包括:
　　 提出基于粗糙集和Pawlak屬性重要度的定制產品控制圖關鍵統(tǒng)計特征提取方法,建立特征提取的決策模型。依據(jù)粗糙集理論,將控制圖的統(tǒng)計特征看成是條件屬性,將控制圖的類別作為決策屬性,利用正域概念來刻畫條件屬性的重要度,并根據(jù)條件屬性重要度的大小來進行控制圖特征的選取。
　　 提出基于R-v-SVC的模式分類模型,并建立分

3、類規(guī)則。該模型將粗糙間隔的概念引入v支持向量機,訓練分類超平面,以處理由離群點帶來的過擬合問題。該模型通過最大化粗糙間隔的方式來尋找超平面,粗糙間隔被定義為上間隔和下間隔。訓練樣本在上下間隔中的位置決定了這些點是否能被正確的劃分。對于二分類問題,將位于上超平面右側的點定義為正類,位于下超平面左側的點定義為負類。對于R-v-SVC多分類問題,采用1-v-1方法,結合粗糙集中的正域、負域和邊界域的概念,定義一些等價關系類來解決多分類問題。通

4、過比較可知該模型能有效地處理噪聲數(shù)據(jù)和離群點帶來的過擬合問題,較傳統(tǒng)的方法更節(jié)省存儲空間。
　　 將R-v-SVC模型應用到控制圖異常模式分類中,實現(xiàn)對小樣本模糊條件下控制圖的異常模式進行識別,以估計異常狀況的走向,及時進行在線控制。
　　 研究基于粗糙集的定制產品制造過程在線質量診斷模型與方法。主要包括如何對制造過程進行知識表達,利用決策表,建立影響因素(條件屬性)與產品質量特征(決策屬性)的動態(tài)關系模型,計算因素對質