摘要：因子效应原则(效应稀疏原则、效应排序原则和效应遗传原则)经常用于评判因子设计理论与数据分析策略的合理性.针对非正态响应的部分因子试验,当筛选试验含有复杂的别名效应时.提出了一种结合广义线性模型(generalized linear models,GLM)与因子效应原则的多阶段贝叶斯变量选择方法.首先,在广义线性模型的线性预测器中对每个变量设置一个二元变量指示器;其次,将因子效应原则以变量指示器的先验信息分成三个不同的阶段分别加以考虑;然后,利用变量指示器的后验概率识别显著性的因子效应.最后,仿真试验结果表明:所提出的方法不仅能简化广义线性模型先验参数的选择,而且能够有效地识别出非正态响应部分因子试验的显著性因子.

摘要：受自由现金流的限制,中小企业需要外部融资来实现良性运营,供应商信用担保贷款是一种有效手段.考虑银行下侧风险控制的担保贷款模型,根据供应链购销过程中的订货量和批发价参数决策,评价供应链内部无风险资本转移过程.通过建立供应商担保费率、风险担保比率设计和银行利率组合模型,确定贷款担保系统的最优决策.研究结果表明:在具有贷款可获得性的资金约束供应链中,存在最优订货量与批发价的组合,且供应商销售收入存在最值;在担保贷款过程中,存在最优风险分担比例,通过设计合理的风险控制模型,可提高零售商资金水平,达到供应链的协同.

摘要：为了对企业R&D人员的胜任力进行评价,采用行为事件访谈法构建了R&D人员胜任力模型,并对各项胜任力指标的内涵作了诠释;利用层次分析法确定了各个层次胜任力指标的权重,给出了R&D人员胜任力评分;设计了R&D人员胜任力评价的BP神经网络模型,并将层次分析法得出的结果作为样本,对BP网络进行了训练和测试.研究结果表明,基于AHP和BP神经网络的企业R&D人员胜任力评价是可行的.

摘要：运用VlseKriterijumska Optimizacija I Kompromisno Resenje(VIKOR)方法研究模糊多准则群决策问题常常将其分成模糊信息集结和VIKOR方法求解两个阶段.个体评估信息集结方法不同,所得到的群体集结结果也不同,获得的妥协解可能会存在较大差异.鉴于此,基于含有三角模糊数的多准则群决策问题,分析现有两种主流群体信息集结方法存在的缺陷,基于个体评估值与群体评估值的距离最优和较高的相似度两个目标,设计群体信息集结优化模型,提出一种拓展的VIKOR方法.最后通过实例分析说明了所提出方法的有效性和可行性.

摘要：针对事件间隔时间服从指数分布的高质量过程的监控问题,给出参数已知和未知情况下的中位数控制图设计方法;应用条件错误警报概率、受控时控制图的平均运行链长均值AARL及其标准差SDARL分析了参数估计对所设计控制图性能的影响;在小样本情况下,采用Bootstrap方法对所设计控制图的控制限进行调整,结果表明调整后的控制限能够有效减少参数估计对控制图性能的影响。最后用实例说明了所设计控制图应用的有效性。

摘要：针对单值采样数据的多元质量特性稳健参数设计问题,考虑各质量特性偏差波动和方差波动的权重,提出了一种整合过程能力指数和熵权理论的多元质量特性稳健参数设计方法。该方法首先假定设计变量服从正态分布并建立各质量特性均值和方差模型;然后,通过熵权法分析各质量特性偏差波动和方差波动的权值,进而计算各质量特性的过程能力指数;最终,构建基于多元过程能力指数的目标函数。通过对实际案例分析说明,本文方法与其他参数设计方法相比,能够在考虑稳健性的同时更好地使质量特性满足产品规格和接近目标值。

摘要：针对准则值和准则权重均为三角模糊数的多准则决策问题,提出一种三角模糊数型VIKOR(FVIKOR)方法.首先,分析FVIKOR方法中直接运用三角模糊数运算规则计算群体效用值、个体遗憾值和妥协解可能违反三角模糊数左中右端点值逐渐增加的基本特性,提出实施三角模糊数去模糊化的解决策略;然后,设计去模糊化参数优化模型,并给出FVIKOR应用的具体步骤;最后,通过具体算例表明了所提出方法的实施过程和有效性.

摘要：针对多元质量特性参数设计中模型不确定性问题,提出了一种基于置信区间的多元质量特性满意参数设计方法。首先,采用双响应曲面法建立各质量特性均值和标准差的近似模型,进而计算各质量特性均值和标准差的置信区间,在此基础上对质量特性指标在各自约束条件下的满意解集进行定义并对约束放宽策略进行设计,最终通过指标相容性分析得到满足所有约束条件的相容性解集。通过对实际工业案例进行分析,表明该方法能有效减小模型不确定性的影响,在满意解集中选取的满意解与传统稳健解相比更加可靠。

摘要：针对高维试验数据的稳健参数设计问题,在高斯过程(Gaussian process,GP)的建模框架下,采用部分平行的GP(parallel partial GP,PPGP)模型来构建试验因子与多质量特性之间的响应曲面,在此基础上运用多元质量损失函数作为优化指标来获得可控因子的最佳参数设计值。并且以一个经典仿真算例和两个实际案例验证了所提方法的有效性和优劣性。研究结果表明,与独立建模的单变量GP模型或Kriging模型比较而言,所提方法不仅能够有效地处理高维试验数据的建模与参数优化问题,而且能够获得更为稳健的优化结果,运行效率更高。

摘要：在多响应优化设计中,模型参数的不确定性以及生产过程的噪声因子不可避免地会导致预测响应值出现较大的波动。针对上述的问题,结合贝叶斯抽样技术、帕累托优化策略以及灰色关联分析方法提出了一种多响应优化设计方法。首先,考虑模型参数的不确定性,运用贝叶斯多元回归模型构建了过程响应与试验因子之间的函数关系;其次,根据帕累托最优策略求出了帕累托最优前沿,并计算各试验点达到帕累托最优的贝叶斯后验概率;然后,利用灰色关联分析方法识别出最佳的优化设计方案;最后,实际案例研究表明,在考虑预测响应值波动时,所提的方法能够获得更为稳健和可靠的优化结果。