基于数据挖掘的航空制造企业质量成本决策支持研究

日期：2016.12.22 点击数：6

【类型】学位论文

【摘要】本文针对航空制造企业，引入了K-均值聚类算法、C4.5决策树数据挖掘方法和基尼指数算法，重点研究质量损失原因挖掘和诊断。通过将传统质量成本构成与供应链环境下质量成本构成进行对比分析，得到当今供应链环境下需采取质量预防保障措施来最大限度降低质量损失。根据对质量损失数据挖掘的需求分析，提出了质量损失数据采集的流程和方案，并在此基础上建立了质量损失数据集市模型，分析了数据集市实现过程。建立了基于决策树、K-均值聚类和基尼指数相结合的质量损失原因挖掘模型，并以质量损失实例进行知识挖掘的实例仿真和应用研究。最后，针对挖掘结果中影响质量损失的可能的关键因素，提出生产质量持续改进的策略和方案。