本文针对电磁阀产品制造过程中多元质量特征的监测和异常诊断中存在的问题,运用计算机技术和人工智能技术,提出了一种解决多元质量诊断方法。采用BP神经网络的机器学习方法,将大量的历史测试数据作为输入,将其相对应的根本原因作为输出,利用神经网络,找出其间的内在联系,使得在有新的产品不良时,将其测试数据输入后,能够迅速的得到根本原因。使诊断时间得到了大幅度的缩短,做到了误差的及时补救,从而可以提高产品质量,减少产品报废率,缩减成本,提高企业的竞争力。
科研之友
微信
新浪微博
Facebook
分享链接
