数据挖掘驱动的CAQFD模型：选型与质量控制规律探索

本文主要探讨了数据挖掘技术在质量功能配置（Computer Aided Quality Function Deployment, CAQFD）建模中的应用与深入研究。发表于2005年11月的《中国机械工程》第16卷第21期，作者方喜峰、吴洪涛和赵良才分别来自江苏科技大学和南京航空航天大学。论文背景是随着计算机辅助设计的发展，产品的需求选型和工艺质量控制过程中存在着复杂的相互关系，这些关系对于优化决策至关重要。 文章的核心贡献是提出了一种基于数据挖掘的CAQFD模型，该模型分为三个层次：数据获取层、数据存储层和数据挖掘层。数据获取层负责收集和整理产品设计、性能指标以及质量控制的相关数据；数据存储层则确保数据的完整性和可用性；数据挖掘层则是关键，通过模糊聚类和灰色理论这两种数据挖掘算法来揭示隐藏在大量数据背后的规律。模糊聚类算法用于识别用户选型中的相似性和偏好，而灰色理论则有助于理解工艺质量和控制规则之间的动态关系。 模糊聚类算法帮助确定哪些特征或参数对质量控制有重大影响，通过设定阈值，模型能够自动识别出那些具有较高模糊权重系数的分类规则。灰色理论则提供了处理不确定性和模糊性的工具，对于预测和控制未来产品质量趋势非常有用。 论文通过活塞发动机选型和发动机密封环工艺与质量控制的实际案例，验证了所提算法的有效性和合理性。通过对比分析，这些模型的结果能够指导工程师进行更精准的产品设计决策，从而提高产品质量和效率。 这篇论文不仅提升了CAQFD技术在实际工程中的应用水平，也为质量管理和工程决策提供了一个有力的数据驱动工具。同时，它展示了数据挖掘技术在解决复杂工程问题中的潜力，对于推动制造业的智能化和精益生产具有重要意义。