Электронная библиотека диссертаций и авторефератов России
dslib.net
Библиотека диссертаций
Навигация
Каталог диссертаций России
Англоязычные диссертации
Диссертации бесплатно
Предстоящие защиты
Рецензии на автореферат
Отчисления авторам
Мой кабинет
Заказы: забрать, оплатить
Мой личный счет
Мой профиль
Мой авторский профиль
Подписки на рассылки



расширенный поиск

Система обеспечения качества на основе нейросетевых технологий в условиях подготовки управленческих решений в интегрированных машиностроительных производствах Крюк Михаил Александрович

Система обеспечения качества на основе нейросетевых технологий в условиях подготовки управленческих решений в интегрированных машиностроительных производствах
<
Система обеспечения качества на основе нейросетевых технологий в условиях подготовки управленческих решений в интегрированных машиностроительных производствах Система обеспечения качества на основе нейросетевых технологий в условиях подготовки управленческих решений в интегрированных машиностроительных производствах Система обеспечения качества на основе нейросетевых технологий в условиях подготовки управленческих решений в интегрированных машиностроительных производствах Система обеспечения качества на основе нейросетевых технологий в условиях подготовки управленческих решений в интегрированных машиностроительных производствах Система обеспечения качества на основе нейросетевых технологий в условиях подготовки управленческих решений в интегрированных машиностроительных производствах Система обеспечения качества на основе нейросетевых технологий в условиях подготовки управленческих решений в интегрированных машиностроительных производствах Система обеспечения качества на основе нейросетевых технологий в условиях подготовки управленческих решений в интегрированных машиностроительных производствах Система обеспечения качества на основе нейросетевых технологий в условиях подготовки управленческих решений в интегрированных машиностроительных производствах Система обеспечения качества на основе нейросетевых технологий в условиях подготовки управленческих решений в интегрированных машиностроительных производствах
>

Диссертация - 480 руб., доставка 10 минут, круглосуточно, без выходных и праздников

Автореферат - бесплатно, доставка 10 минут, круглосуточно, без выходных и праздников

Крюк Михаил Александрович. Система обеспечения качества на основе нейросетевых технологий в условиях подготовки управленческих решений в интегрированных машиностроительных производствах : диссертация ... кандидата технических наук : 05.13.06.- Москва, 2005.- 148 с.: ил. РГБ ОД, 61 06-5/189

Содержание к диссертации

Введение

1. Анализ современных инструментов и методик обеспечения качества 5

1.1. Понятие качества „..., 5

1.2. Эволюция качества . , 8

1.3. Новые инструменты качества 14

1.4. Выводы 17

1.5. Цель и задачи исследования IS

2. Нейросетевая экспертная система как инструмент решения неформализованных задач 19

2.1. Назначение и особенности экспертных систем 19

2.2. Структура и режимы экспертных систем 21

2.3. Классификация экспертных систем 26

2.4. Классификация инструментальных средств 32

2.5. Классификация знаний экспертной системы и задач предметной области 38

2.6. Модели представления знаний. 43

2.7.Проблемы, препятствующие распространению экспертных систем, 58

2.8.Выводы . 60

3. Выбор архитектуры нейронной сети 61

3.1. Соображения надежности 64

3.2. Искусственный нейрон 65

3.3. Активационпые функции 70

3.4. Однослойные искусственные нейронные сети 74

3.5. Многослойные нейронные сети 75

3.6. Нелинейная активационная функция 76

3.7. Сети с обратными связями 77

3.8. Графическое представление . 88

3.9. Обучение искусственных: нейронных сетей . 89

ЗЛО. Свойства искусственных нейронных сетей 104

3.10.1. Свойство обобщения 104

3.10.2. Свойство универсальной аппроксимации 108

3.11. Классификация нейронных сетей 100

3.12. Нейропарадигмы 101

3.14. Выводы. Искусственные нейронные сети и экспертные системы 123

4. Методика интеграции неиросетевои экспертной системы в корпоративную информационную систему обеспечения качества 124

4.1. Структура неиросетевои экспертной системы 124

4.2. Режимы функционирования ..126

4.3. Примеры использования неиросетевои экспертной системы для принятия верных управленческих решений 131

4.4. Выводы 135

5 Общие выводы 136

Список литературы 138

Введение к работе

Современная конкурентоспособность любого предприятия, независимо от его мощности и размеров, напрямую зависит от качества выпускаемой продукции и соотношения ее цены с предлагаемым качеством, т.е. от степени удовлетворения запросов потребителя продукцией предприятия. Международный опыт показывает, что от 20 до 90 % всех проектов улучшения продукции терпят провал только по причине ошибочного мнения о состоянии рынка, на базе которого принимается решение о стратегии бизнеса компании. Опыт многих высокоразвитых стран показывает, что важнейшим организационным механизмом в процессе обеспечения требуемого уровня качества, является системность, что нашло отражение во многих нормативах и международных стандартах (например, блок стандартов ISO 9000). Поэтому речь должна идти не просто об обеспечении качества, а о системном подходе к решению этой проблемы, охватывающей все этапы жизненного цикла. Таким образом, основной причиной неудач является недостаточность знаний при принятии решений. Всеобщая в настоящее время автоматизация производств и создание производственных баз данных позволяет получать необходимую информацию на всех этапах жизненного цикла изделия.

Многие отечественные ученые Соломенцев Ю.М., Митрофанов В.Г., Косов М.Г., Султан-Заде Н.М. и др., посвятили свои труды вопросам автоматизации и управлению производственными процессами и выбору оптимальных управленческих решений. Червяков Л.М., Кутин А.А., Схиртладзе А.Г., Карлова Т.В. [16-19] в своих трудах по обеспечению качества на производствах уделили особое внимание системам качества, основанных на искусственном интеллекте. Тем не менее, вопрос подготовки требуемого управленческого решения с использованием систем искусственного интеллекта для обеспечения качества в интегрированных машиностроительньк производствах в настоящий момент исследован недостаточно.

Понятие качества

На протяжении многих лет понятие "качество" связывали в основном с продукцией, рассматривая его как различия в количественных характеристиках некоторых свойств продукта. В соответствии с этой точкой зрения продукт обладает более высоким качеством, если в нем больше желаемых свойств. Например, компания, которая рекламирует, что она производит "лучший в мире автомобиль", обосновывает это тем, что в ее автомобиле больше систем безопасности, чем в любом другом. Или иной пример. Инструмент, сделанный из высококачественной стали с ювелирной точностью не только более долговечен и эффективен в работе, но и удобен в эксплуатации. И наоборот, с указанной точки зрения продукт более высокого качества имеет меньше нежелательных свойств. Хорошим примером тому служит вода: чем меньше в ней вредных примесей, тем она лучше.

Такой взгляд на качество господствовал долгое время. В соответствии с ним считалось, что достижение более высокого уровня качества стоит дороже. Например, нужно больше сложных систем безопасности для автомобиля, требуется более тщательная обработка, чтобы удалить вредные примеси из воды, и т. д. Более того, хотя данный взгляд на качество влияет на маркетинг и сбыт продукции, прямой связи с эффективностью работы предприятия как таковой нет.

В настоящее время основой того, что называется комплексным управлением качеством (Total Quality Management, TQM), является другой взгляд на качество. В соответствии с этим взглядом понятие "качество" основано на представлении о нем пользователя или потребителя. Упор делается на требования людей, которые пользуются продуктом или услугой, т. е. являются их потребителями. Нужно выяснить, чего они хотят или что им нравится.

Существует множество вариантов перевода термина "Total Quality Management" — всеобщее (общее, тотальное, сквозное, абсолютное, полное и т. д.) управление качеством, тотальный менеджмент качества, всеобщее управление на основе качества и т. д. Каждый из них можно встретить в переводной литературе. Вариант "комплексное управление качеством", который представляет собой редукцию более широкого варианта: "комплексное управление процессом формирования качества". Объектом управления является процесс формирования качества результата какой бы то ни было деятельности. Управление носит комплексный, всеобъемлющий характер, поскольку на вышеназванный процесс оказывает влияние огромное число факторов [55].

Отсюда следуют важные выводы. Первый из них связан с самим словом "потребитель". Оно латинского происхождения, и в основе его лежит выражение "быть привычным к чему-то". Потребитель строит долгосрочные отношения с поставщиком, а потому привык иметь дело с определенной компанией и получать именно данный продукт или услугу.

Что может понравиться потребителям? Это не просто удовлетворение их запросов, а нечто большее. Концепция комплексного управления качеством нацелена на то, чтобы достигать лучшего благодаря постоянному совершенствованию.

Но истинная радикальность взгляда на качество, в основе которого лежит представление о том, что нужно потребителю, становится ясной тогда, когда мы применяем термин "потребитель" по отношению не только к внешним потребителям продукции и услуг организации, но и к внутренним. Это предполагает взгляд на все происходящее в организации как на серию процессов от внутреннего поставщика к внутреннему потребителю, как это показано на рис. 1,1.

Эволюция качества

Развитие теории управления качеством связано с именами специалистов, которых считают учителями в этой области. У каждого из них есть полезные идеи. Наиболее известными специалистами в управлении качеством являются Деминг, Джуран, Кросби, Тагути и Исикава.

Деминг настаивал на том, что за внесение изменений в системы и процессы несет ответственность руководство, которое должно понимать и с помощью контрольных карт регулировать вариации в системах и процессах.

Все системы, по его мнению, в той или иной степени подвержены вариациям (изменчивости), т.е. результат их функционирования варьирует вблизи среднего значения: иногда повышается, а иногда понижается по сравнению с ним.

Деминг широко известен своими теоретическими положениями и в особенности благодаря трем из них: «цикл Деминга», «смертельные болезни» и «план, основанный на 14 принципах», которые представляют собой суть его философии управления.

В книге «Out of the crisis» [72] доктор Деминг перечисляет семь «смертельных болезней», но применительно не к качеству, а к западному стилю управления, в частности стилю управления в США, существовавшему в конце 70-х гг. По мнению Э. Деминга, без излечения этих «болезней» нельзя было трансформировать стиль управления в экономике США.

Итальянский экономист В. Парето, занимаясь исследованием благосостояния людей, применил теорию логарифмов и обнаружил закономерность в неравномерности его распределения. Американский специалист М.О. Лоренц в 1904 — 1905 гг. впервые отобразил эту закономерность графически в виде кумулятивной кривой. Дж. Джуран обратил внимание на то, что принцип «несколько существенно (жизненно) важных причин и множество несущественных (тривиальных) — vital few and trivial many» является универсальным и применим к распределениям во многих ситуациях. В дальнейшем он использовал его для выявления закономерностей распределения причин возникновения дефектов (факторов, оказывающих воздействие) при решении многих задач, связанных с качеством.

Главный вклад Кросби в философию качества — «четыре постулата» и комплексный план действий по качеству.

Четыре постулата Кросби:

1. Качество определяется как соответствие требованиям. Отсюда ясно, что руководители должны устанавливать требования к качеству и критерии их выполнения, иначе исполнителям придется решать, что нужно делать.

2. Система достижения качества — предупреждение. Появление проблем надо предупреждать благодаря пониманию процессов и их усовершенствованию до того, как продукция или услуги дойдут до потребителя.

3. Норма выполнения работы — ноль дефектов. Это означает, что бездефектная работа — цель. Данный постулат подкрепляет идею выполнения требований правильно с первого раза. Затраты на превентивные мероприятия по достижению цели — ноль дефектов, похоже, окупаются за счет снижения потерь от брака.

4. Критерий изменения качества — цена несоответствия установленным требованиям. Стоимость затрат на изменение качества становится главным мотиватором для управляющих. Повышение эффективности, снижение объема переделок и положительная оценка потребителей с лихвой окупают усилия по улучшению качества. Процесс разработки продукта по Тагути состоит из трех этапов:

1. Разработка системы — требует инженерных знаний и включает применение различных новшеств.

2. Отработка параметров — основной этап, на котором устанавливаются значения показателей изделия и такие уровни воздействующих на процесс факторов, которые в наименьшей степени подвержены влиянию факторов шума.

3. Установление допусков — на этом этапе затрачивают больше средств на приобретение высокосортных материалов и компонентов или на применение высокоточного оборудования, но только в том случае, если снижение уровня разброса показателей, достигнутое на этапе отработки параметров, оказывается недостаточным.

Исикава [12] пропагандировал следующие «семь методов контроля качества»: диаграммы Парето — выделение приоритетов действий; диаграмма причин и результатов ( диаграмма Исикавы) — выявление причин возникновения проблем; стратификация — разделение причин по группам; контрольные листки — сбор данных; гистограммы — представление вариаций; диаграммы разброса — исследование взаимосвязи двух факторов; контрольные карты — регулирование вариаций процесса.

Структура и режимы экспертных систем

Типичная ЭС состоит из следующих основных компонентов (рис.2.1.); решателя (интерпретатора), рабочей памяти (РП), называемой также базой данных (БД), базы знаний (БЗ), компонентов приобретения знаний, объяснительного и диалогового

База данных предназначена для хранения исходных и промежуточных данных решаемой в текущий момент задачи. Этот термин совпадает по названию, но не но смыслу с термином, используемым в информационно-поисковых системах (ИПС) и системах управления базами данных (СУБД) для обозначения всех данных (и в первую очередь не текущих, а долгосрочных), хранимых в системе.

База знаний (БЗ) предназначена для хранения долгосрочных данных, описывающих рассматриваемую область (а не текущих данных), и правил, описывающих целесообразные преобразования данных этой области. База данных (БД) содержит общие рабочие данные системы. Интерпретатор, используя исходные данные из БД и знания из БЗ, формирует такую последовательность правил, которые, будучи примененными к исходным данным, приводят к решению задачи.

Компонент приобретения знаний автоматизирует процесс наполнения ЭС знаниями, осуществляемый пользователем-экспертом.

Объяснительный компонент объясняет, как система получила решение задачи (или почему она не получила решения) и какие знания она при этом использовала, что облегчает эксперту тестирование системы и повышает доверие пользователя к полученному результату.

Диалоговый компонент ориентирован на организацию дружелюбного общения со всеми категориями пользователей как в ходе решения задач, так и приобретения знаний, объяснения результатов работы.

В разработке ЭС участвуют представители следующих специальностей: эксперт в той проблемной области, задачи которой будет решать ЭС; инженер по знаниям — специалист по разработке ЭС; программ ист-специалист но разработке инструментальных средств (ИС).

Необходимо отметить, что отсутствие среди участников разработки инженера до знаниям (т. е. его замена программистом) либо приводит к неудаче процесс создания ЭС, либо значительно удлиняет его.

Эксперт определяет знания (данные и правила), характеризующие проблемную область, обеспечивает полноту и правильность введенных в ЭС знаний.

Инженер по знаниям помогает эксперту выявить и структурировать знания, необходимые для работы ЭС, осуществляет выбор того ИС, которое наиболее подходит для данной проблемной области, и определяет способ представления знаний в этом ИС, выделяет и программирует (традиционными средствами) стандартные функции (типичные для данной проблемной области), которые будут использоваться в правилах, вводимых экспертом.

Программист разрабатывает ИС, содержащее в пределе все основные компоненты ЭС, осуществляет сопряжение ИС с той средой, в которой оно будет использовано.

Экспертная система работает в двух режимах: приобретения знаний и решения задач (называемом также режимом консультации или режимом использования ЭС).

В режиме приобретения знаний общение с ЭС осуществляет через посредничество инженера по знаниям эксперт. Эксперт описывает проблемную область в виде совокупности данных и правил. Данные определяют объекты, их характеристики и значения, существующие в области экспертизы. Правила определяют способы манипулирования данными, характерные для рассматриваемой проблемной области. Эксперт, используя компонент приобретения знаний, наполняет систему знаниями, которые позволяют ЭС в режиме решения самостоятельно (без эксперта) решать задачи из проблемной области.

Важную роль в режиме приобретения знаний играет объяснительный компонент. Именно благодаря ему эксперт на этапе тестирования локализует причины неудачной работы ЭС, что позволяет эксперту целенаправленно модифицировать старые или вводить новые знания. Обычно объяснительный компонент сообщает следующее: как правила используют информацию пользователя; почему использовались или не использовались данные или правила; какие были сделаны выводы и т. п. Все объяснения делаются, как правило, на ограниченном естественном языке или языке графики.

Отметим, что режиму приобретения знаний при традиционном подходе к разработке программ соответствуют этапы алгоритмизации, программирования и отладки, выполняемые программистом. Таким образом, в отличие от традиционного подхода разработку программ осуществляет эксперт (с помощью ЭС), не владеющий программированием, а не программист.

Однослойные искусственные нейронные сети

У сетей, рассмотренных до сих пор, не было обратных связей, т. е. соединений, идущих от выходов некоторого слоя к входам этого же слоя или предшествующих слоев. Этот специальный класс сетей, называемых сетями без обратных связей или сетями прямого распространения, представляет интерес и широко используется. Сети более общего вида, имеющие соединения от выходов к входам, называются сетями с обратными связями. У сетей без обратных связей нет памяти, их выход полностью определяется текущими входами и значениями весов. В некоторых конфигурациях сетей с обратными связями предыдущие значения выходов возвращаются на входы; выход, следовательно, определяется как текущим входом, так и предыдущими выходами. По этой причине сети с обратными связями могут обладать свойствами, сходными с кратковременной человеческой памятью, сетевые выходы частично зависят от предыдущих входов.

Конфигурации сетей с обратными связями

На рис, 3.6. показана сеть с обратными связями, состоящая из двух слоев. Способ представления несколько отличается от использованного в работе Хопфилда и других, но эквивалентен им с функциональной точки зрения, а также хорошо связан с сетями, рассмотренными в предыдущих главах. Нулевой слой, как и на предыдущих рисунках, не выполняет вычислительной функции, а лишь распределяет выходы сети обратно на входы. Каждый нейрон первого слоя вычисляет взвешенную сумму своих входов, давая сигнал NET, который затем с помощью нелинейной функции F преобразуется в сигнал OUT. Эти операции сходны с нейронами других сетей.

Бинарные системы

В первой работе Хопфилда [53] функция F была просто пороговой функцией. Выход такого нейрона равен единице, если взвешенная сумма выходов с других нейронов больше порога 7], в противном случае она равна нулю. Он вычисляется следующим образом:

Состояние сети - это просто множество текущих значений сигналов OUT от всех нейронов. В первоначальной сети Хопфилда состояние каждого нейрона менялось в дискретные случайные моменты времени, в последующей работе состояния нейронов могли меняться одновременно. Так как выходом бинарного нейрона может быть только ноль или единица (промежуточных уровней нет), то текущее состояние сети является двоичным числом, каждый бит которого является сигналом OUT некоторого нейрона.

Функционирование сети легко визуализируется геометрически. На рис. 3.7а показан случай двух нейронов в выходном слое, причем каждой вершине квадрата соответствует одно из четырех состояний системы (00, 01, 10, 11). На рис. 3.76 показана трехнейронная система, представленная кубом (в трехмерном пространстве), имеющим восемь вершин, каждая из которых помечена трехбитовым бинарным числом. В общем случае система с п нейронами имеет 2 различных состоянии и представляется п-мерным гиперкубом.

Когда подается новый входной вектор, сеть переходит из вершины в вершину, пока не стабилизируется. Устойчивая вершина определяется сетевыми весами, текущими входами и величиной порога. Если входной вектор частично неправилен или неполон, то сеть стабилизируется в вершине, ближайшей к желаемой.

Устойчивость

Как и в других сетях, веса между слоями в этой сети могут рассматриваться в виде матрицы W. Сеть с обратными связями является устойчивой, если ее матрица симметрична и имеет нули на главной диагонали, т. е. если щ = щ и wi = 0 для всех і.

Устойчивость такой сети может быть доказана с помощью элегантного математического метода. Допустим, что найдена функция, которая всегда убывает при изменении состояния сети. В конце концов эта функция должна достичь минимума и прекратить изменение, гарантируя тем самым устойчивость сети. Такая функция, называемая функцией Ляпунова, для рассматриваемых сетей с обратными связями может быть введена следующим образом:

Похожие диссертации на Система обеспечения качества на основе нейросетевых технологий в условиях подготовки управленческих решений в интегрированных машиностроительных производствах