文献

J-GLOBAL ID：201602286906651939   整理番号：16A1120546

情報が不完全である場合の多要素プロセス品質診断方法【JST・京大機械翻訳】

Diagnosis method of multi-cause process quality under incomplete information

著者 (3件)： Li Jinyan (School of Mechanical Engineering, Zhejiang University) ,  Yu Zhonghua (School of Mechanical Engineering, Zhejiang University) ,  Xu Xuanguo (School of Economics and Management, Jiangsu University of Science and Technology)
資料名： Harbin Gongye Daxue Xuebao  (Harbin Gongye Daxue Xuebao)
巻： 48  号： 7  ページ： 88-93  発行年： 2016年 
JST資料番号： W1450A  ISSN： 0367-6234  CODEN： HPKYAY  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 情報が完全でない場合の多要素プロセスの品質診断問題を解決するため、プロセスメカニズムの分析に基づき、BAYESIANネットワークモデルの構築と推理に基づく問題追跡方法を提案した。BAYESIANネットワーク構造の学習過程において,スコアリング/探索ベースのアイデアを用いて,プロセスの事前仮定構造に基づいて,相互情報量パラメータによって学習の複雑さを減少させることができた。生産過程におけるランダム因子の診断精度への影響問題に対して、LEAKY NOISY-ORモデルを結合し、ランダムパラメータノードを導入し、データの需要と推理に対して分解最適化を行った。溝道磨削の表面形態品質問題の診断を例として、モデル構築と推理プログラムを提案し、構築したモデルと最適化方法の実行可能性と有効性を検証した。Data from the ScienceChina, LCAS.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  相互情報量 ,  ネットワーク構造 ,  生産工程 ,  モデリング ,  *品質 ,  最適化手法
準シソーラス用語： 表面形態 ,  診断精度 ,  スコア化 ,  学習過程 ,  ネットワークモデル , 【Automatic Indexing@JST】

著者キーワード (5件)： process quality issues ,  bayesian networks ,  mutual information ,  Leaky Noisy-OR model ,  channel grinding

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 要素 ,  プロセス ,  診断