制造过程质量评估：广义信息熵模型的应用

"基于广义信息熵测度的制造过程质量评估 (2010年) - 张根保, 曾海峰, 王国强等" 这篇论文主要探讨了如何利用广义信息熵理论来评估制造过程的质量。信息熵是信息论中的一个重要概念，它反映了系统的不确定性和复杂性。在制造过程中，复杂性是影响过程建模、预测和控制的关键因素。作者指出，制造过程的信息熵与过程的有序程度呈反比，也就是说，信息熵越高，过程的无序程度或复杂性越大。 为了量化描述制造过程中的复杂性，研究者扩展了传统的信息熵理论，构建了一个基于三个关键因素的广义信息熵模型：规模、难度和状态多样性。这里的规模可能指的是生产量、设备数量或工艺步骤的数量；难度可能涉及工艺的复杂程度和技术要求；状态多样性则可能涉及到生产过程中的各种可能状态及其变化。这些因素共同决定了制造过程的整体复杂性。 进一步，论文根据复杂性对时间的依赖性，将制造过程的复杂性划分为静态复杂性和动态复杂性。静态复杂性主要涉及过程的基本结构和固有特性，而动态复杂性则关注过程随时间的变化和不可预见性。通过广义信息熵模型，可以分别测量这两种复杂性，从而更全面地理解过程的性质。 论文的核心贡献在于提出了一种新的质量控制有效性评估方法，即通过广义信息熵来分析过程质量控制的效果。这种方法能够从复杂性的角度提供定量的分析和评价，帮助管理者识别过程中的问题，优化质量控制策略，提升产品质量。 最后，作者通过一个实例展示了该理论和方法的实际应用，验证了其有效性和实用性。这个实例可能包括具体的制造过程数据，以及应用广义信息熵模型进行分析和质量评估的过程，证明了该方法在实际制造环境中的可行性。 关键词：过程复杂性、信息熵、质量控制、制造系统 中图分类号：TH165.4 文章编号：1004--132X(2010)20--2451一08 这篇论文提供了对制造过程质量评估的新视角，通过广义信息熵模型，为理解和管理制造过程的复杂性提供了有力的工具，对于提升制造过程的效率和质量具有重要的理论与实践意义。