文献

J-GLOBAL ID：202002254228317940   整理番号：20A2456621

機械製品開発における品質改善のためのBayesネットワークに基づく原理-経験モデル【JST・京大機械翻訳】

A principle-empirical model based on Bayesian network for quality improvement in mechanical products development

著者 (3件)： Liu Tao-tao (School of Mechanical Engineering & Automation, Beihang University, BUAA, Beijing 100191, PR China) ,  Liu Rui (School of Mechanical Engineering & Automation, Beihang University, BUAA, Beijing 100191, PR China) ,  Duan Gui-jiang (School of Mechanical Engineering & Automation, Beihang University, BUAA, Beijing 100191, PR China)
資料名： Computers & Industrial Engineering  (Computers & Industrial Engineering)
巻： 149  ページ： Null  発行年： 2020年 
JST資料番号： D0502B  ISSN： 0360-8352  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 機械製品品質は多くの品質特性(QC)に依存する。これらの関係を解析するのに必要なこれらのQCの間には多くの結合関係がある。本研究では,品質改善のための原理-経験的(P-E)モデルを提案した。モデルのアーキテクチャを最初に紹介した。P-Eモデル構造学習の方法を提供して,QC関係は経験的データによって確定した。これらの発見されたQC関係は,主要な知識によって検証された。P-Eモデル構造を,検証QC関係に基づいて構築した。最尤推定(MLE)をパラメータ学習に用いた。最後に,事例研究を与えて,P-Eモデルを実証した。結果は,データサイズが小さいとき,P-Eモデルに基づく学習構造がK2アルゴリズムより優れていることを示した。P-EモデルとK2アルゴリズム間の差異は,データサイズが大きいとき,有意でなかった。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *学習 ,  最尤法 ,  品質特性 ,  事例研究 ,  計算機アーキテクチャ
準シソーラス用語： *品質改善 ,  パラメータ学習 ,  構造学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 品質改善 ,  Bayesネットワーク ,  機械製品 ,  データマイニング

分類 (5件)： 数理計画法  (KA03030M) ,  工程管理  (KB03030P) ,  その他の水上輸送・サービス  (TD01030Q) ,  統計的品質管理  (KB04030W) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 機械製品 ,  開発 ,  品質改善 ,  Bayesネットワーク ,  原理 ,  経験モデル