（服装设计与工程专业论文）服装生产组织与品质管理的快速评判研究.pdf

将影响服装成品质量的八个因素作为b p 网络的输入项，而该批 产品质量合格率作为输出项，这样b p 网络就把该问题转化为一个多 组样本输入输出的非线性化问题。 根据生产中的需要解决问题，选用适当的智能技术算法并通过计 算机实施，较之传统的方法在解决流水线生产组织平衡问题的客观 性和有效性方面有了很大的提高。探索智能技术在服装生产管理领 域的应用之路，拓展了服装生产理论研究的思路，是本文的学术性、 实践性及先进性的价值体现。 关键词：快速反应，流水线平衡。流水线节拍，工序同步化，编 制效率，人工神经网络，全面质量管理 q u i c k l y a s s e s s m e n ts t u d yo na p p a r e lp r o d u c t i o n o r g a n i z a t i o na n dq u a l i t yc o n t r o l a b s t r a c t a f t e r j o i n i n gw t o ，c h i n a f a c e sm o r eo p p o r t u n i t i e sa n dc h a l l e n g e t h e c l o t h i n g i n d u s t r y o fc h i n aw i l lt o t a l l yp l a c e i t s e l f i nf i e r c e i n t e r n a t i o n a lc o m p e t i t i o n c l o t h i n gp r o d u c ec h a r a c t e r i s t i co f m a n y v a r i e t y ，s m a l lq u a n t i t y ，s h o r tc y c l e r e q u i r eu s t r a n s f o r mt h et r a d i t i o n a l c l o t h i n g i n d u s t r y w i t ht h en e wa n dh i g ht e c h n o l o g ya n dr e a l i z e t h e q u i c kr e a c t i o n i m p l e m e n td i g i t a l i z a t i o no nm a n u f a c t u r ei n d u s t r y o f c l o t h i n g i si n e v i t a b l ec h o i c eo fu s i n gd i g i t a l i z a t i o n t o p r o m o t e i n d u s t r i a l i z a t i o n ，p r o m o t i n g t r a d i t i o n a ls t r u c t u r a la d j u s t m e n t a n d u p g r a d i n g ，m a n u f a c t u r i n gi n d u s t r yo fc l o t h i n g t h e d e v e l o p i n gd i r e c t i o no f “m a n yv a r i e t y ，s h o r tc y c l e d e m a n d s t ob ep r o d u c e da n dp r o c e s st h ea b i l i t yw i t hf a s tr e a c t i o n a d o p t i n g p r o d u c t i o ns c h e d u l i n gc o n t r o ls o f t w a r ea n dc o m p u t e r - c o n t r o l l e ds u p p l y l i n e ，a n df l e x i b l ep r o c e s s i n gl i n e o fp r o d u c eu n i t sc a nm a k es e w i n g h i g h l ya u t o m a t e d ，a n dp r o d u c e t h ef l o ww i t hh i g h e rs p e e d a tt h es a m e t i m e ，t h r o u g hg a t h e r i n ge v e r yw o r k e r si n f o r m a t i o no f t h el o c a t i o n ，w e c a nc o n t r o lt h eq u a l i t yo ft h eo n l i n ep r o d u c t ，a n di m p r o v et h er e s u l to f q u a l i t y c o n t r 0 1 i na d d i t i o n ，f l e x i b i l i t y m a n u f a c t u r e s y s t e m a l l o w s d i f f e r e n ts t y l e sa n dd i f f e r e n tt y p e sp r o d u c i n go nt h el i n ei n t h es a m e a s s e m b l yl i n e i t i sm o r es u i t a b l ef o r m a n yv a r i e t y ，s h o r tc y c l e ”t h a n o t h e r s ，a n di m p r o v et h ea b i l i t yo fq u i c k r e a c t i o n t h i sp a p e ri sap a r to ff m sw h a ti st os a yh o w t or e a l i z et h eq u i c k r e a c t i o no ng a r m e n tq u a l i t yc o n t r o la n dp r o c e d u r ea r r a n g e m e n ti nt h e p r o d u c t i o nm a n a g e m e n t u n d e rt h em o d eo f “m a n yv a r i e t y ，s m a l l q u a n t i t y ” t h em a n a g e m e n to ft h ea s s e m b l yl i n e o fc l o t h i n gi st h em o s t i m p o r t a n tl i n k i nt h ep r o d u c t i o no ft h ec l o t h i n g ，a n dc h o o s e sog o o d p r o c e d u r es y n c h r o n i z a t i o n s c h e m ei sa c o m p l i c a t e da n dc h a n g e a b l e c o u r s ei n s t e pa s s e m b l yl i n ea m o n gt h e m ，a n di t n e e d sn o to n l yt h e e x p e r t sa b u n d a n tk n o w l e d g ea n df l e x i b l ej u d g m e n t ，b u ta l s o a l a r g e a m o u n to fr e p e t i t i v eo p e r a t i o n t h i sp a p e rg r a d e st h ea s s e m b l yl i n eo f c l o t h i n gi n t e l l i g e n t l y i n p r i n c i p l e o ft h eb a s i s e x p e r ts y s t e m ，a n d d e v e l o p sq u i c k a n d h i g h e f f i c i e n ta r r a n g es y s t e m o f p r o c e d u r e s y n c h r o n i z a t i o n ，a n dm a k e st h ep r o d u c t i o nm a n a g e m e n to f t h ec l o t h i n g r e a c ht h er e q u e s tf o rt h eq u i c kr e a c t i o nb yu s i n gi n t e l l i g e n tt e c h n o l o g y o no n eh a n di ti s h o p e dt o b ec l o s et ot h ea r t i f i c i a l e x p e r t s j u d g m e n ta n dc o n c l u s i o ni na c t u a lp r o d u c t i o ni nt h ep r o d u c t i o no ft h e c l o t h i n gt ou s ei n t e l l i g e n tt e c h n o l o g y ，o nt h eo t h e rh a n d ，t h r o u g hu s i n g t h e i n t e l l i g e n t c o n t r o l t e c h n o l o g y t os o l v e c o m p l i c a t e d a n dm o r e c h a n g e a b l ep r o b l e ma n dt os e e kt h eo p t i m u mp r o d u c t i o ns c h e d u l eu n d e r c e r t a i nw o r k i n gc o n d i t i o na n dc o n t r o lm e t h o d f o re x a m p l e ，t h i sp a p e r t r i e st o a d o p ta n dc o n t r o lp r o d u c t i o no n l i n ew h i c hc a nr e d u c et h e r e s o u r c ea n dt i m ew a s t eo fs h o d d yg o o d sa n ds p o i l e dp r o d u c t t h ee v e n m o r ei d e a lo n ei s ，t h ei n t e l l i g e n tq u a l i t yc o n t r o lw a yt oa d o p tp o s i t i v e t y p e - 一p r e d i c t i o no fq u a l i t ys y s t e m ，b e f o r et h ep r o d u c t sa r ep r o c e s s e d ， c a na l r e a d ys e l e c tt h eo p t i m u mp r o c e s s i n gl i n k ，t h em o s tr a t i o n a lr a w m a t e r i a l sg r o u p ，a n dp r e d i c tt h er e s u l tr e a c h e d r e g a r di t a si n p u ti t e m so fb pn e t w o r kt o e i g h ti n f l u e n c ef a c t o r s o ft h e q u a l i t y o ft h ef i n i s h e d p r o d u c to fc l o t h i n g ，a n dt h ep r o d u c t q u a l i t yq u a l i f i c a t i o nr a t ea so u t p u ti t e m ，b pn e t w o r kt u r n st h i sq u e s t i o n i n t oan o n l i n e a r i t yi s s u eo f m u l t i p a c k e ti n p u ta n do u t p u ts a m p l e s s o l v i n gp r o b l e ma c c o r d i n g t ot h en e e dt h a ti n p r o d u c t i o n ， s e l e c t i n gp r o p e ri n t e l l i g e n c et e c h n o l o g i c a la l g o r i t h m t ou s ea n d i m p l e m e n t i n gt h r o u g ht h ec o m p u t e r ，w h i c hi s a h i g h l yi m p r o v e m e n t t h a nt r a d i t i o n a lm e t h o di n s o l v i n ga s s e m b l yl i n ep r o d u c t i o no r g a n i z e a n db a l a n c ep r o b l e m e x p l o r i n ga p p l i c a t i o no f i n t e l l i g e n ti nt h ef i e l do f 7 p r o d u c t i o nm a n a g e m e n t o ft h e c l o t h i n g ，e x p a n d i n gt h o u g h t o f t h e o r e t i c a lr e s e a r c hi st h er e p r e s e n to fa c a d e m i cn a t u r e ，t h ep r a c t i c a l i t y a n da d v a n c eo ft h i sp a p e r z h a n g x i a op i n g ( g a r m e n td e s i g na n de n g i n e e r i n g ) s u p e r v i s e db yz h a n g w e n b i n k e y w o r d s ：q u i c kr e a c t i o n ，a s s e m b l y l i n eb a l a n c e ，s t a n d a r dp i t c h t i m e ，p r o c e d u r es y n c h r o n i z a t i o n ，a r r a n g e m e n te f f i c i e n c y ，a r t i f i c i a l n e u r a ln e tw o r k tt o t a lq u a l i t yc o n t r o l 东华大学学位论文原创性声明 本人郑重声明：我恪守学术道德，崇尚严谨学风。所呈交的学位 论文，是本人在导师的指导下。独立进行研究工作所取得的成果除 文中已明确注明和引用的内容外，本论文不包含任何其他个人或集体 已经发表或撰写过的作品及成果的内容。论文为本人亲自撰写，我对 所写的内容负责，并完全意识到本声明的法律结果由本人承担。 学位论文作者签名t 琴懈 日期： 珈弓年7 五月肜 日 东华大学学位论文版权使用授权书 学位论文作者完全了解学校有关保留、使用学位论文的规定，同 意学校保留并向国家有关部门或机构送交论文的复印件和电子版， 允许论文被查阅或借阅。本人授权东华大学可以将本学位论文的全 部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描 等复制手段保存和汇编本学位论文。 保密口，在年解密后适用本版权书。 本学位论文属于 不保密口。 学位论文作者签名：乡嘲 日期：游弦月日 日 指导教师签名： 日期：翳 艺p z 4 服装生产组织与品质管理的快速评判研究 第一章前言 1 1 我国服装业的发展 随着科技的进步，经济的发展，服装工业也发生了日新月异的 变化，从原始的手工生产到现在的集成化生产，大致可归纳为以下 三个阶段： 第一阶段是西方工业革命以前，服装生产主要以手工生产为主， 从某种意义上说，它还没形成真正意义上的服装工业，只是以家庭 作坊的形式存在。 。， 鹚 第二阶段是西方工业革命以衙) ，服装生产向机械化、自动化方 向发展，服装生产以规模和产量作为竞争手段，服装企业从事大批 量、大规模的专业化生产，生产模式为流程生产模式，生产效率高， 但柔性很差，难以适应小批量多品种的要求。 第三阶段是九十年代至今。其竞争以实现快速反应能力为主要 竞争优势。此阶段要求服装生产能满足现代市场的瞬息变化。市场 对服装的需求主要表现在两个方面：一是要求款式新颖、丰富，满 足消费者对于个性化的追求；二是变化快，满足消费者对于潮流时 尚的追求。这都要求服装企业必须具备生产上的高柔性和高生产 率，实现多品种、小批量、高质量、低成本、快交货和优质服务的 综合日标。要实现这个目标，必须使服装生产工业的生产方式发生 根本变革，缩短生产周期，实现企业对市场动态作出快速反应。 在过去的几十年中我国服装工业经历了从传统手工作坊到大 批量生产的变革，随后又由多元化的日新月异到专卖店的萧条。如 今我国已成为世界服装大国，在服装生产、出口、消费的数量上均 居世界第一，在国际服装市场中起着重要作用，然而，在服装质量、 价格与科技含量上，我国服装业却仍旧落后于人。我们必须清醒地 认识到，我国只是依靠外延扩大生产，产品的竞争仅仅停留在简单 的劳动密集型和以加工为主的模式上，我国服装工业与世界发达国 家的差距归根结底是缺少科技含量。为了尽快提高我国服装制造业 的整体素质和竞争力，必须大力推进服装制造业实现快速反应。加 服装生产组织与品质管理的侠速评判研究 入w t o 后，中国更面l 临机遇，面l 临挑战。中国的服装业将完全置 身于激烈的国际竞争中，加上原材料涨价、工资水平上涨等因素使 得过去的依靠大批量生产已经越来越没有优势。服装生产“多品种、 小批量、短周期”的特点要求我们用高新技术改造传统的服装产业， 实现快速反应，实施服装制造业数字化，是以数字化带动工业化， 促进传统服装制造业结构调整和优化升级的必然选择。 1 2 快速反应的概念 十几年前，快速反应这个概念第一次被引用在美国德克萨斯州 达拉斯的c e o 简报上，这一营销概念的产生如同许多其他概念一 样，是受消费者的驱动而产生的。这里的一个重要前提条件是：一 方面新一代的消费者希望得到充足的及时服务和服饰文化的充分 个性化；另一方面是服装制造与销售系统在传统的存货型生产方式 下大量存货积压，新的嚣求特征给服装生产商和销售商提出了严峻 的挑战，在这种环境背景下，快速反应应运而生。【2 】 如今，服装快速反应演变为一种用于满足市场不断变化的需求 的战略，提高企业对消费需求的敏感、鼓励大量中小企业兼并、有 效利用资源、降低资金周转时间，提高资金利用率和标准化是快速 反应的基本思想。快速反应已经成为全世界的一个总的趋势。 实际上，快速反应战略的涵盖面非常广泛，从服装的最初设计 到生产再到营销完全可以建立一整套的快速反应机制，这一系统的 建立离不开计算机智能技术的应用，甚至可以说，快速反应的实现 完全是依赖于日益发展的计算机智能技术。各种智能技术在服装领 域中的应用日益广泛，逐渐形成一套完善体系。 1 3 智能技术应用于服装业的意义 服装生产组织与品质管理的快谜评判研究 服装行业的特点 典型的劳动密集型产业 程长，涉及从设计到生 以至营销的备个环节 程长，涉及从设计到生 以至营销的各个环节 引入计算机技术产生的效益 有效地组织人力、物力，提 高劳动生产率和产品质量 方位应用计算机，从各环 降低成本，缩短商品流程 缩短批量转换酵问，降低 批量转换成本，快速反应 辟篡揿售卜 及时反馈市场信息，有效配 货朴货，降低库存和资金占 用，实现产、供、销平衡 当前智能技术在服装中的应用主要有以下几个方面：1 3 1 计算机辅助设计一一服装c a d 计算机应用于服装领域最早由设计工作中发展和推广开来，目 前服装c a d 系统已经覆盖了服装设计的全部环节，包括款式设计， 结构设计和工艺规划等方面，大大提高了设计效率，缩短了新产品 开发周期。 2 计算机辅助制造一一服装c a m 通常与服装c a d 配合使用，计算机接受c a d 系统提供的制造 信息控制服装自动生产设备如自动裁床、拉布机、电脑整烫机等， 提高了生产的质量，减少了人工常造成的损失。 3 柔性加工系统一一f m s 多品种、小批量的发展方向要求生产加工具备快速反应的能 力，采用生产调度控制软件和计算机控制的吊挂运输线、加工生产 单元所组成的柔性加工线，可以使缝制过程高度自动化，加速生产 流量，同时，通过对各工位的信息采集，可以对在线品的质量进行 监控，提高质量管理的效果。另外，柔性加工系统允许不同款式不 服装生产组织与品质管理的快速评判研究 同颜色和不同型号的服装在同一流水线上生产，更适于多品种、小 批量的服装加工，提高了企业的快速反应能力。 本课题研究的重点是f m s 的一部分，即在当前多品种小批量 生产模式下服装生产管理中工序编排与质量管理如何达到快速反 应。 4 管理信息系统一一m i s 企业管理信息系统以计算机网络和数据库技术为支撑环境，综 合合同定单、生产计划、库存管理、销售信息、员工管理、财务和 工资等各方面信息，迅速反应市场，正确决策。 5 服装信息高速公路 被数字化了的服装图形、声像信息通过光缆传递到网络联结 点，再传递到成千上万个用户终端，可以提供信息资源共享、电子 购物、服装促销、电子化教学等。 1 4 国内外服装制造业数字化现状 目前，在国外发达国家的服装工业中，以计算机为代表的先进 技术正广泛应用于信息的采集和传递、产品设计、生产管理以及电 子商务等环节。服装c a d c a m 系统在某些发达国家己达到 6 0 一7 0 的普及率：c k m s 系统也得到日益广泛的应用。 我国服装工业的科技水平虽然在“九五”期间有大幅度提高， 但c a d c a m 的普及率仅为2 5 ，并且已购买c a d c a m 系统的 企业中只有2 3 的企业真正将该系统应用于生产。我国目前还处于 工业化进程之中，距离实现现代化还有很长的一段路要走。工业化 的进程是不可逾越的，但是在信息时代工业化的过程是可以缩短 的，应该充分利用后发优势，大力推进以制造业信息化为代表的国 民经济信息化，以信息化带动工业化，以工业化促进信息化，实现 全社会生产力的跨越发展。针对这一现状，我们应充分认识到提高 我国服装工业的数字化水平是十分艰巨而必要的任务。 服装生产组织与品质管理的快速评判研究 第二章智能技术基础理论 2 1 智能技术 智能技术即观察、学习、理解和认知的能力；运用知识以解决 问题的能力；抽象思维，把大量信息组织为有意义系统的能力。 人类大脑智能活动虽然传播速度慢( 毫秒级) 、非精确、不可 完全重复，但却十分有效。这种奥妙的高级智能行为具有一些看似 平常却很重要的特征； 1 解决问题的实时性，这种实时性根据具体问题要求的不同而 不一样，可以是一瞬间( 如识别一个人) ，可以是数秒钟( 如下一 步棋) ，也可以是数分钟( 如作出一个决策) 或更长一些时间。 2 适应环境的多功能性，为了能在各种环境中生存，时刻要对 周围环境变化进行视觉的、听觉的、嗅觉的、味觉的和触觉的多种 监督并作出反应。 3 注意力可集中性，即注意力可以根据需要调节到所面临的最 重要地方，既可以使神经系统集中优势去应付紧急事项，又可节省 精力，免除系统在乎时不必要的持续疲劳。 4 擅长接收和处理非精确性信息，其目的在于降低对感官灵敏 度的要求。并且有效地节省存贮空间。 5 输出能解决问题的满意解，这种寻找能解决问题的满意解而 不苛求最佳解的原则，能有效地保证大脑处理信息的实时性和多功 能性。 6 学习能力与创新性，即能不断地通过学习，刷新已有知识， 并从中领悟出新的构思和方法来。 目前，被称作智能仪表、智能机器人和智能网络之类的设备系 统中含有某些智能的功能效用。从整体上看，在地球上生活并进化 了数百万年的人类，其智能首先表现在对周围环境的强大模式识别 服装生产组织与品质管理的快遗评判研究 能力和随机应变能力。迄今为止，智能技术包含的内容很多，如： 人工神经网络技术、遗传算法、专家系统、进化规划、模拟退火技 术和群集智能技术等。本文将主要探讨专家系统与人工神经网络技 术这两部分的知识在服装生产管理上的应用。 2 2 专家系统 2 2 1 专家系统的机理与组成 2 2 1 1 组成结构 根据s t a n d f o r d 大学f e i g h b a u m 教授于1 9 8 2 年给出的定义： 专家系统( e x p e r ts y s t e m 简称e s ) 是一种智能的计算机程序，这种 计算机程序使用知识与推理过程，求解只有专家知识才能求解的难 度问题。【4 】根据这个定义我们可以知道：专家系统本质上是一个 ( 或一组) 计算机程序，它能够借助人类的知识采取一定的搜索策略 并通过推理的手段去解决某一特定领域的困难问题。 一个专家系统起码包含三个组成部分：知识库、推理机及人机 接口，其结构如图2 1 所示 图2 - 1 专家系统组戚结构 上图反映了专家系统最简单的工作原理：在知识库创建和维护 阶段，领域专家与知识工程师合作通过人机接口对知识库进行操 作：在诊断阶段，用户也是通过人机接口将征兆信息传送给推理机， 推理机根据诊断过程的需要，检索知识库中的各条知识或继续向用 户要征兆信息，诊断结果也通过人机接口返回给用户。 服装生产组织与品质管理的快速评判研究 一个专家系统应具有启发性、透明性、灵活性。因此对于一 个成熟的专家系统来说，为了实现这三条要求，还必须在上面的三 个基本组成部分上增加另外三个组成部分：全局数据库、知识获取 部分和解释部分，如图2 2 所示 知识库全局数据 1 l i 知识获取子系统 推理机 解释子系统i lli 领域专家人机接 口 图2 - 2 专家系统的一般结构 图2 2 给出了专家系统六个基本组成部分：知识库、推理机、 人机接口、知识获取子系统、解释子系统、全局数据库。在一个专 家系统中，它的知识库包含所要解决问题领域中的大量事实和规 则。即知识库是领域知识及该专家系统工作时所需的一般常识性知 识的集合。这些知识可以用一种或几种知识表示方法来表示。知识 表示方法决定着知识库的组织结构并直接影响整个系统的工作效 率。 2 2 1 2 知识库的建立和维护 a 知识表示 知识表示是研究用什么样的形式将有关问题的知识存入计算 机，以便迸行处理。知识表示不仅是专家系统的核心课题，而且形 成了一个独立的子领域。 目前用的较多的表示方法主要有以下几种： 服装生产组织与品质管理的快运评判研究 ( 1 ) 传统的知识表示法，包括逻辑表示法、语义网络表示法、产 生式表示法和框架表示法等； ( 2 ) 面向对象的知识表示法； ( 3 ) 神经网络的知识表示法； ( 4 ) 不确定性知识的表示法。 b 知识获取 专家系统的核心是知识，知识库中拥有知识的多少及知识的质 量决定了一个专家系统所具有解决问题的能力。 在传统专家系统中，机器学习方式由低到高大致可分六个级 别：机械学习、提闽指导学习、实例学习、类比学习、通过书本资 料学习和归纳总结学习。学习后的知识是以一定的方式储存在知识 库中，此即所谓的知识表示。在系统中使用的有规则表示法、谓词 逻辑表示法、框架表示法、语义网络表示法等等。 c 知识库的建立 建立规则时要遵守下面两条基本原则： 1 ) 尽可能用最小一组充分来定义一条产生式规则的理解； 2 ) 避免任何两条产生式规则发生冲突。 通过对以自然语言形式描述的产生式规则的理解，将其翻译成 为计算机语言的表示形式，然后，将其储存于知识库中。这样便形 成一个由两条规则组成的知识库，在建立这个知识库的过程中所采 取的机器学习方法是机械学习，即将这些规则不作任何处理，直接 将其输入到一个专家系统中去。通常每一个传统专家系统的学习过 程都必须包含机械学习。 d 知识库的维护 知识库的维护实际上也是知识的获取，与建立知识库相比，它 所采用的是高一级的机器学习方法：通过指导学习，而非机械学习。 服装生产组织与品质管理的快速评判研究 通常，对知识库的维护包括三种操作：扩展知识库、修改知识 库和删除知识库。 2 2 1 3 推理机 推理机作为专家系统的组织控制机构，能通过运用由用户提供 的征兆数据，从知识库中选取相关的知识并按照一定的推理策略进 行推理，直到得出相应的结论。在设计推理机时应考虑推理方法、 推理方向和搜索策略三个方面。 a 推理方法 ( 1 ) 精确推理：所谓精确推理就是把领域知识表示为必然的因果 关系，推理的前提和推理的结论或者是肯定的，或者是否定的，不 存在第三种可能。在这釉推理中，一条规则被激活的条件是所有前 提都必须为真。 ( 2 ) 不精确推理：由于在现实中，事物的特征并不总是表现出明 显的是与非，同时还可能存在着其它原因，如概念模糊、知识本身 存在着可信度问题等，因而使得在专家系统中往往要使用不精确推 理方法。不精确推理又称为似然推理，是专家系统中常用的推理方 法。 b 推理方向 ( 1 ) 正向推理：正向推理是指从已知的事实出发，向结论方向进 行推导，直到推出正确的结论。与其它推理方式相比，正向推理简 单，容易实现，但在推理过程中常常要用到回溯，从而推理速度较 慢，且目的性不强，不能反推。 ( 2 ) 反向推理：所谓反向推理是指先从知识库中选择一种故障作 为假设，然后寻找支持假设的证据或事实来判断这种假设的真假 性，当用户提供的数据与系统所需要的证据完全匹配成功时，则推 理成功，所作的假设也就得到了证实。这种推理方式又称为目标驱 动方式，与正向推理相比，反向推理有很强的目的性 服装生产组织与品质管理的快速评判研究 ( 3 ) 正反向混合推理：所谓正反向混合推理是指先根据给定的原 始数据或证据( 这些数据或证据往往是不充分的) 向前推理，得出 可能成立的诊断结论，然后，以这些结论为假设，进行反向推理， 寻找支持这些假设的事实或证据。 2 2 2 专家系统的应用 近些年，专家系统的迅速发展和广泛应用大大推进了各个应用 领域向智能化方向发展，成为人工智能从实验室研究进入实用领域 的一个里程碑。目前专家系统不仅仅局限于科学问题，在工程、企 业方面也有重要的应用。现阶段，专家系统主要应用在医学、故障 诊断、化学、计算机软硬件、数学以及工程等方面随着未来的专家 系统的理论基础和计算机硬件的发展，专家系统的可应用性必然越 来越强。 2 3 人工神经网络 2 3 1 神经网络的学习机理和机构 自从2 0 世纪8 0 年代初以来，人工神经网络技术就在全世界范 围内迅速的发展起来。其中的主要原因是人工神经网络的结构和它 的计算方法是在模拟人类大脑的结构和思维方式的基础上建立起 来的。它涉及系统工程、生物、电子、计算机、数学和物理学等学 科，有非常广泛的应用背景。它具有突出的学习自适应能力、容错 能力和联想记忆能力，人工神经网络的特点就是在处理和解决问题 时，不需要对象的精确数学模型，而是通过其结构的可变性，逐步 适应外部环境各种因素的作用，不断地挖掘出研究对象之间内在的 因果关系，以达到最终解决问题的目的。这种因果关系，不是表现 为一种精确的数学解析式描述，而是直接表现为一种不很精确的输 入输出值描述。 服装生产组织与品质管理的快速评判研究 学习是神经网络最重要的能力，人工神经网络可从所需要的例 子的集合中、从输入与输出的映射中学习。按学习方式可以将神经 网络分为三种，即有导师学习网络( 或说有监督学习) 、无导师学 习网络( 或说无监督学习) 和强化学习网络。学习是神经网络一种 最重要也最令人注目的特点。在神经网络的发展进程中，学习算法 的研究有着十分重要的地位。目前，人们所提出的神经网络模型都 是和学习算法相应的。所以，有时人们并不去祈求对模型和算法进 行严格的定义或区分。有的模型可以有多种算法而有的算法可能 可用于多种模型。不过。有时人们也称算法为模型。 自从4 0 年代h e b b 提出的学习规则以来，人们相继提出了各种 各样的学习算法。其中以在1 9 8 6 年r u m e l h a r t 等提出的误差反向传 播法，即b p ( e r r o rb a c k p r o p a g a t i o n ) 法影响最为广泛。直到今天， b p 算法仍然是自动控制上最重要、应用最多的有效算法。 在神经网络中，对外部环境提供的模式样本进行学习训练，并 能存储这种模式，则称为感知器；对外部环境有适应能力，能自动 提取外部环境变化特征，则称为认知器。 神经网络在学习中，一般分为有教师和无教师学习两种。感知 器采用有教师信号进行学习，而认知器则采用无教师信号学习的。 在主要神经网络如b p 网络，h o p f i e l d 网络，a r t 网络和k o h o n e n 网络中；b p 网络和h o p f i e l d 网络是需要教师信号才能进行学习的： 而a r t 网络和k o h o n e n 网络则无需教师信号就可以学习。所谓教 师信号，就是在神经网络学习中由外部提供的模式样本信号。 当神经网络构成和训练好了之后，它就可以正常进行工作，可 以用它来分析数据和处理问题。其工作过程主要有两种形式： 第一种：回想( r e c a l l ) ，当神经元网络通过学习训练存储了一 定的信息之后，就可以采用回想的方式来识别新输入的信息，这相 当于网络对原先存储的信息的恢复和译码。当网络输入某一信息 服装生产组织与品质管理的快速评判研究 时，它可能类似于储存的模式集合中的若干个模式。 第二种：分类( c l a s s i f i c a t i o n ) ，神经计算的另一种形式是将输入 模式分成若干类，也可看成是从存储的集合中找出对输入模式的 响应。典型的分类是通过离散值输入矢量，采用的是二进制激活函 数。如果输入模式不能确切真实的对应着集合中的某个模式，但可 以贴近一种，这种处理称为识别。 神经网络处理信息的能力有：分类、联想、识别、归纳概括。 b p 网络模型是目前应用最为广泛的一种神经网络模型，它是 一种具有三层或三层以上的多层神经元网络，它的左右各层之间各 个神经元实现全连接。b p 网络按有教师学习方式进行训练，当一 对学习模式提供给网络后，网络按照误差传播校正方法( 即利用实 际输出与期望输出之差对网络的各层连接权由后向前逐层进行校 正的一种计算方法) 训练网络。 感知机模型网络是对输入模式进行正确分类。即通过对输入模 式样本的学习，反映层神经元的输出能代表对输入模式进行的分 类。严格地讲，只有输入模式属于线性可分割的集合，才可以用感 知机网络对其进行正确分类。 h o p f i e l d 神经元网络是一种全互连、反馈型神经网络。其中的 各个神经元彼此都是互相连接的，即每个神经元都将自己的输出通 过连接权传送给其他的神经元，同时每个神经元都接受其他神经元 传来的信息。在网络计算中引入一种“能量函数”在满足一定的参 数条件下，“能量函数”的能量在网络运行过程中不断降低，最后 趋于稳定的平衡状态。因此此网络对于解决组合优化问题有许多用 途，就是把目标函数转化为网络的能量函数，把问题的变量对应于 网络的状态。当网络的能量函数收敛于极小值时，网络的状态就对 应于问题的最优解。 竞争型神经元网络是一种以无监督方式进行学习网络，它通过 服装生产组织与品质管理的快速评判研究 自身的训练，能自动对输入模式进行分类。在网络结构上，它一般 是由输入层和竞争层构成的两层网络，中间没有隐含层。竞争型神 经元网络对于解决分类问题时很有效。 2 3 3 b p 网络基本原理 b p 网络是采用误差逆传播算法( e r r o rb a c k - p r o p a g a t i o n t r a i n i n g ，即从后向前计算) 进行误差校正的多层前馈网络，是目前 应用最为广泛的一种神经网络模型。 一般来讲，b p 网络是具有三层或三层以上的多层神经元网络， 如图2 - 6 所示。它的左右各层之间各个神经元实现全连接，上下层 各神经元之间无连接。 刮懒 出晨 图2 - 3多层神经元网络 b p 网的学习过程主要由四部分组成 1 输入模式顺传播( 输入模式由输入层经中间层向输出层传播 计算) 这一过程主要是利用输入模式求出它所对应的实际输出。 输入模式向量为x 。= x 1 。，x 2 ，。x n ( a = 1 ，2 ，m ： m 一一学习模式对数：n 一一输入层单元个数) 。 服装生产组织与品质管理的快速评判研究 与输入模式相对应的希望输出为 ( q 一一输出层单元个数) 中问层各神经元的激活值：s j = ew i j x i ej ( j = 1 ，2 ，p ) 式中：w 一一输入层至中间层的连接权： o j 一中间层单元的阈值 p 一一中间层单元数 激活函数采用单极型s 型函数 中间层j 单元的输出值为 1 1 + e 醑工，+ 嘭) b = f ( s ) = l = l 可求得输出端的激活值和输出值： l f ( x ) = 1 + e x p ( 一工) 输出层第t 个单元的激活值为1 ，则1 ，：+ b t 一，j 输出层第t 个单元的实际输出值为c ，。则 ( t = 1 ，2 ，q ) 式中： v 一一一中间层至输出层的连接权i 乃一一输出层单元的闽值； f 一一s 型激活函数。 利用以上各式就可计算出一个输入模式的顺传播过程。 2 ) 输出误差逆传播( 输出的误差由输出层经中间层传向输出层) 在第一步的模式顺传播计算中得到网络的实际输出值，当这些 实际的输出值与希望的输出值不一样时，就要对网络进行校正。这 里的校正是从后向前进行的，即从输出层到中间层，荐从中间层到 服装生产组织与品质管理的快速评判研究 输入层，所以称为误差逆传播。 输出层的校正误差为 彩= ( y j c , q p ( 4 式中：t = l ，2 ，qk - 1 ，2 ，珥 y ：一一希望输出： 。；一一实际输出： f ( ) 一一对输出层函数的导数。 中间层各单元的校正误差为 ：( 妻d k , ) f ( s j ) e t - 1 ( j = 1 ，2 ，p k = l ，2 ，m ) 输出层至中间层连接权和输出层阈值的校正量为 酬。= d d ：曲： a y , = 口d 式中，b ；一一中间屋f 单元的输出： d ：一一输出层的校正误差。 j = l ，2 ，1 3t = 1 ，2 ，n lo a l ( 学习系数) 中间层至输入层的校正量为 a = 巧工? 厶9 j = p e ： i 式中，e ，一一中间层j 单元的校正误差。 i = 1 ，2 ，no 为使网络的输出误差趋于极小值，对于b p 网输入的每一组训 练模式一般要经过数百次甚至上万次的循环记忆训练，才能使网 络记住这一模式。这种循环记忆训练实际上就是反复重复上面介绍 的舒服模式顺传播和输出误差逆传播的过程 ( 4 ) 学习结果判别( 判定全局误差是否趋向援小值) 每次循环记忆训练结束以后，都要进行结果的判别。判别的目 的主要是检查输出误差是否已经小到允许的程度，若是，则可以结 束整个学习过程。否则还要继续训练。学习或者说褂l l 练的过程是网 络全局误差趋向于极小值的过程。 2 3 4 人工神经网络技术的应用 在纺织服装工程研究中，人工神经网络技术已经得到广泛应用， 工程专家尝试在诸如优化纺纱工艺、织物疵点识别、起球等级评定、 鉴别纤维和织物、上染率的计算、织物风格的评价、折皱等级客观 评定、织物的服装加工性能预测等多种方向中运用智能技术，由于 神经网络的独特特性，它在工程技术研究上很有应用潜力，是一项 具有良好前景的研究方法。 服装生产组织与品质管理的快速评判研究 2 4 本文研究解决的生产组织与品质管理优化问题 2 4 1 服装流水线工序同步化的智能编捧体系 服装流水线的管理是服装生产中最重要的一个环节，其中编排 流水线的同步化方案是一项复杂多变的过程，既需要专家的丰富知 识和灵活判断，又牵扯到大量的重复进行的思维过程，本文依据专 家系统的原理对服装流水线进行智能化编排，开发出迅速高效的工 序周期化豹编排体系，运用智能技术，使服装生产管理达到快速反 应的要求。 2 4 2 基于b p 网络的质量预测管理体系 在服装生产中应用智能技术一方面希望能够在客观的基础上 得到接近人工专家对实际生产中问题的判断和结论，另一方面通过 应用智能控制技术能够解决服装生产中出现的更复杂多变的解决 问题，寻求在一定的生产条件下最优的生产计划和控制方法。如本 文尝试在生产加工环节，采用在线监控，可减少因次品、废品返工 所造成的资源和时间浪费。更为理想的是，采用积极式的智能质量 控制方式一质量预测体系，在产品加工之前，已可选定最优的加 工环节，最合理的原料组配，并预测达到的效果。 将影响服装成品质量的八个因素作为b p 网络的输入项，而该