基于DS证据理论在产品质量控制中的应用研究毕业论文

1、基于d-s证据理论在产品质量控制中的应用研究 摘要：在本文中，我们对某品牌的葡萄酒的检验为例，由于每个品酒专家经验或者知识程度不一样，这就造成了品酒专家对葡萄酒的味道，色泽等评价指标可能会做出不同的评价，因此我们通过模糊数学方法进行葡萄酒的各项指标进行评定，然后结合d-s证据融合理论，对葡萄酒的质量做出整体性评价，提出了适用于葡萄酒质量控制的方法，该方法可以对多位专家评分形成的模糊以及不确定信息进行融合从而得到更客观的评价结果，实用例子结果证实利用d-s证据融合理论可以得到更客观准确的评价结果，降低了评价的不确定度，然后再次利用证据融合对其中两位专家对各个因素的可信任度，最终评判出是哪个因素有

2、可提升的 。最后提出了如何有效控制这个因素的方法。 关键词：d-s证据理论 质量控制 模糊评价 评价体系目录一：绪论31.1问题的提出31.2研究的意义4二：基本理论介绍42.1 d-s 证据理论的背景42.2 d-s 证据理论相关定义和公式52.3 d-s 证据理论合成规则6三：葡萄酒酿造工艺流程73.1工艺设计 73.2 工艺要点73.3 注意事项83.4 葡萄酒质量因素分析8四：葡萄酒整体质量评价模型84.1 因素集的确定84.2 整体评价体系的建立9五：d-s 证据理论在葡萄酒质量评价中的应用105.1运用d-s 证据理论对葡萄酒整体质量做出评价105.2 再次运用d-s 证据理论进一

3、步分析工艺环节问题11六：总结12参考文献14一：绪论1.1问题的提出 产品质量是企业的生命。一个企业从诞生到逐步壮大，过硬的产品质量是它得以激烈的市场竞争中生存的关键。质量管理是企业管理的重要组成部分，是企业围绕着质量而开展的各种计划、组织、指挥、控制和协调等所有管理活动的总和。确保产品质量安全，是企业社会责任的基本要求，产品质量安全责任是企业社会责任的基本要求，在任何时候，任何企业履行社会责任，生产合格的产品都是应尽的义务。企业要最大限度满足用户和消费者需求，全心全意为用户和消费者服务作为企业追求的目标。产品在规定时间范围内，企业要实行产品质量追踪，对于顾客反馈的有严重质量缺陷或者是对顾客

4、使用造成安全上的隐患的，一定要实行召回制度，防止情况继续恶化，赢得消费者对企业产品的依赖和支持，维护消费者合法权益。从产品质量控制和检验制度要求企业确保产品安全。加强全员、全过程、全方位的质量管理，全面提升质量管理水平。从原材料进厂，一直到产品销售等各个环节和流程，都必须有严格的质量控制标准作保证。企业应当加强对产品质量的检验，严禁未经检验合格的产品流入市场，以实现企业“质量支撑包容性增长”、提升企业质量效应。而产品质量控制的最关键环节就是产品的检测阶段。一个产品的质量是由多种多样、形形色色、的因素又由许多小的因素组成。分析影响产品质量的原因, 有利于针对原因制定提高产品质的措施。如何在众多的

5、影响因素中找到对产品质量影响最大、最主要的因素, 从而采取针对性措施保证产品的质量, 这就是因素分析所要解决的问题。通常, 人们采用主次因素排列图法、因果分析法、相关分析法等进行分析。但是在产品的质量管理中, 存在着大量的模糊现象。其一, 如“ 好” 、“坏” 、“ 长” 、“短” 、“ 物美价廉” 等概念过去很难用数字进行具体描述, 但它们在人们的头脑中的确有个标准。在质量管理中, 人们的思维活动确有不少是具有模糊性的推理过程。其二, 产品的质量是由包括强度、硬度、性能、寿命等理化成份和外观形状、色彩、手感、光泽、气味、音响等方面的参数所共同构成的。虽然这些参数在一般情况下, 可以归纳成产品

6、的性能、寿命、可靠性、安全性、经济性等五个方面, 但就对这五个方面来说, 生产过程中的每个因素对每一方面的影响也有所不同。不同的因素对产品质量特性的某一方面影响较大, 而对其他方面影响就较小。因此, 还存在一个某个因素对整个质量特性的影响做出全面综合评价的问题。这也是人们头脑中一个模糊推理的思维过程。如何能体现这两方面的模糊性, 特别是在各个生产工序的数据分布性质不明显的情况下, 从各个方面充分利用这些数据信息。葡萄酒质量的评定一般是通过一批有资质的评酒员进行品评。每个评酒员在对葡萄酒进行品尝后对其分类指标打分，然后求和得到其总分，从而确定葡萄酒的质量。酿酒葡萄的好坏与所酿葡萄酒的质量有直接的

7、关系，葡萄酒和酿酒葡萄检测的理化指标会在一定程度上反映葡萄酒和葡萄的质量。在本文中对葡萄酒的质量进行评价的例子中，由于运用了专家评分方法，这使得做出的评分结果带有人为的因素在里面，因此再结合d-s证据理论对这些来源不同的数据进行融合，从而提高分析的可靠性和科学性。 1.2研究的意义 在产品质量控制过程中，质量检测是左后一个关键的环节，因此我们要严格控制这一环节。葡萄酒感官评价的质量控制实质上是一个pdca循环的应用过程，从评价标准的确定、评价方法的选择、评价标度的制定，再到专家评分，经过对评价结果的融合分析，最后得出结论。在这一过程中，我认为对评价结果进行检验与控制分析是整个质量控制过程关键，

8、本文主要利用模糊数学方法对该问题进行阐述。在本文中对葡萄酒的质量进行评价的例子中，由于运用了专家评分方法，在本文中品酒专家由于自己的知识范围可能对因素的评分而那不同，因此再结合d-s证据理论对这些来源不同的数据进行融合，从而得出更有效的评定结果，进而使葡萄酒的质量得到准确的判断。而案例的结果也充分说明了运用d-s证据理论可以对评价方案作出更客观更准确的评价。二：基本理论介绍2.1 d-s 证据理论的背景 证据理论是由dempster于1967年首先提出，由他的学生shafer于1976年进一步发展起来的一种不精确推理理论，也称为dempster/shafer 证据理论(d-s证据理论)，属于人

9、工智能范畴，最早应用于专家系统中，具有处理不确定信息的能力。作为一种不确定推理方法，证据理论的主要特点是：满足比贝叶斯概率论更弱的条件；具有直接表达“不确定”和“不知道”的能力，它是对概率论的扩展。在此之后，很多技术将 d-s 理论进行完善和发展，其中之一就是证据合成 (evidential reasoning, er) 算法。 er 算法是在置信评价框架和d-s 理论的基础上发展起来的。er 算法被成功应用于：机动车评价分析、货船设计、海军系统安全分析与综合、软件系统安全性能分析、改造轮渡设计、行政车辆评估集组织评价。在现实生活中，国家、政府、企业和个人都离不开决策，决策是人类社会的一项基本

10、活动，小到个人选择上班路线，大到国家分配有限的社会资源，都是一个决策的过程。决策存在于社会经济系统、生产系统、工程系统，乃至生活的各个方面，决策结果对于整个工作或全局行动的成败起着至关重要的作用。任何决策都是人对事物的评价和选择，都是建立在人类对客观事物的认识和人类改造客观世界的实践基础之上，由于客观世界的不确定性、模糊性、变化性、多样性等，导致人们主观认识上的种种不足与误差，加上决策过程中时间的有限性和决策者认识的局限性，决定了决策的复杂性。因此，在现实决策中，决策者获得的信息往往是不完整的、不精确的，甚至是矛盾的。根据人们获得的决策信息的完整性，决策可以分为确定性决策和不确定性信息决策。在

11、医学诊断、目标识别、水质监测、风险评估、信用评估、故障诊断、军事指挥等许多应用领域，需要综合考虑来自多源的不确定信息，如多个传感器的信息、多位专家的意见等等，以完成问题的求解，而证据理论的联合规则在这方面的求解发挥了重要作用。d-s还给出了多源信息的组合规则，即dempster 组合规则它综合了来自多传感器的基本信度分配，得到一个新的信度分配作为输出dempster 组合规则的优点主要体现在证据冲突较小的情形如果证据间存在高冲突，使用时会表现出以下缺陷：将100%的信任分配给小可能的命题，产生与直觉相悖的结果；缺乏鲁棒性，证据对命题具有一票否决权；对基本信度分配很敏感在实际的数据处理中，证据冲

12、突的情况经常遇到，所以要设法避免冲突证据组合产生的错误，否则会产生错误结论证据理论的最新发展和应用的方向有：基于规则的证据推理模型及其规则库的离线和在线更新决策模型，证据理论与支持向量机的结合，证据理论与粗糙集理论的结合，证据理论与模糊集理论的结合，证据理论与神经网络的结合，基于数据的 markovian 与 dirichlet 混合方法实现对证据理论质函数的赋值。2.2 d-s 证据理论相关定义和公式 证据理论可以处理由于不知道所引起的不确定性，采用信任函数而不是概率作为不确定性的度量。通过对一些事件的概率加以约束来建立信任函数，而不必说明精确地难以获得的概率。在概率论中，当先验概率难以获得

13、，但又被迫给出时，用证据理论能区分不确定性和不知道的区别，所以它比概率论更适合于专家系统推理方法。在证据理论中由于mass函数在构造信任函数和似然函数时有着重要作用，因此最关键的是mass函数的计算与构成。在d-s 证据理论中，知识的不确定性通过一个集合形式的可信度因子来表示，而证据和结论的不确定性则采用信任函数和似然函数来表示。证据理论是用集合来表示命题的，设是变量y的样本空间即识别框架，其中具有n个元素，变量y的所有取值都在中，中元素所构成的子集为2n个，在任何时刻变量y的值都会落入某个子集。设样本空间为一有限集，=e1,e2，en,ei是基本事件，中元素是互斥的。由中所有子集构成的幂集记

14、为2,可以看出，当中元素为n个的时候，幂集2中的元素为2n个。首先在的幂集上定义一个基本概率分配函数（function of basic probability assignment ） 定义1：mass 函数：设样本空间为一有限集，在的幂集2上定义一个基本概率分配（bpa ）的取值为0,1的函数m，满足以下条件：（1） m(a)将幂集2中的元素映射到区间0,1，记为m: 20，1。（2） m(a)满足下列条件： m()=0 m 是 2上的概率分配函数 =1 m(a)为a 的基本概率数则称m为2上的概率分配函数，m(a)称为a的基本概率数 shafer 把mass函数解释为证据的主观表示，即m

15、ass函数值m(a),表示在决策者看来，某一证据子集支持命题a到某一个程度，或由于证据不足不支持a到某一个程度，即理解为命题a可信或不可信的概率。但是m(a)只能表示基本概率分配函数，不是a的总信任度，必须将a所有子集的结拜呢概率相加，才能得到总的信任度。由此基于mass函数，shafer定义了信任函数（belief function）的概念。 定义2：信任函数（belief function），设 为有限集，如果函数bel将幂集2中的元素映射到区间0,1,即bel: 20，1,且满足以下条件：（1）bel()=0,bel(d)=1（2）对于中的任意子集a1，a2，an，有： bel（a）=，

16、2则称bel（a）为信任函数。信任函数bel（a）表示决策者对命题a的信任程度，可见信任函数和mass函数时相互唯一确定的，因为它们不过是同一证据的不同表示。2.3 d-s 证据理论合成规则 在实际问题中，由于证据来源不同，可能形成不同的概率分配函数。这样就可以利用dempster组合规则。能将不同评价结论实施合成是d-s证据理论相对于其他评价方法的最大的优势。 设m1（a）和m2（a）（a）是基于不同证据的两个基本概率分配函数，则可将两者按下面的dempster 组合规则合并：= 其中 则记= ,这就是两者的正交和。dempser 合成公式的k值有三种可能的情况：1），意味着两组证据一致或仅

17、有部分信息冲突，可以给出两组证据的组合结果。2），表示两组证据相互矛盾，不给给出两组证据的组合结果。3），表示两组证据无冲突，即意见一致。 三：葡萄酒酿造工艺流程3.1工艺设计原料：酿酒原料要求比较宽泛，一般来说要求皮厚肉紧的葡萄较好，如果自酿酒要求不高的情况下，也可以用龙眼、聚丰、玫瑰等品种酿造葡萄酒；工艺：成熟葡萄选收除梗破碎入罐浸渍接种发酵终止发酵分离倒罐澄清存储优化调整灌装饮用3.2 工艺要点第一 注意拣选果粒整齐，色泽艳丽，无破损霉变葡萄作为自酿酒原料，选好原料后要注意见除残枝败叶和青果，尽量避免接触水分和长期存放，目前网络上流传很多自酿方法都提倡洗晒果实，这个是不科学的，一方面洗去

18、了果实自带的果粉、酵母和香味物质，另一方面通过晾晒会降低水果自身的新鲜度，同样会影响酒的香气质量。第二 酿酒制造商除梗可以采取手工摘除果梗和残枝，破碎要求只要破皮能使其中汁液流出就好，不一定非得捣碎，一般来说，酿量非常小的葡萄都可以自行手工破碎，常用方法：手工挤捏，或放在容器里借用棍棒工具捣压，而自酿量相对较大的情况下手工操作比较吃力，也可考虑购买手动式破碎器械，构造比较简单，多为手动操作。第三 破碎的原料分别放入发酵容器中，一般装罐量为容器容量的80%，以预留足够空间便于发酵期间二氧化碳气和热量的排放，防止气体聚集引起的溢罐或者爆瓶；这需要说明的是：很多小批量自酿酒者也可以先将除梗的葡萄颗粒

19、入罐后捣破并直接进入接种发酵阶段。第四 以前自酿酒大多数采取的是自然发酵的方式，这样往往发酵持续时间较长，香气颜色都不能有很好的控制，质量要求较高的自酿者或小型酒窖也都开始尝试用人工接种的方式引导发酵进行，一般来说干发酵温度控制在25 -28较好，最好保持温度很恒定，避免大幅变化；针对自酿朋友这一阶段需要重点强调的是人为加糖，目前网上流传的自酿工艺加糖说法科学的非常少，实际上加糖的多少是根据期望酒度、目标酒种、葡萄原始含糖量来测算的，不是盲目添加的，目前自酿家族也多以干为主，一般来说17.5克糖可以转换一度酒精，加糖前您首先要对自己的原料和酿酒目标做到心中有数，然后根据此转换比例计算加糖，这里

20、提示加糖最好在发酵初期一次性完成，避免在发酵中后期补糖，容易造成后期发酵不完整等问题；（如果能够按照工艺指导老师要求科学添加发酵辅料效果更佳）。第五 发酵结束的判断主要是依据酒度和含糖量是否接近预计指标，少量自酿者一般应通过品尝糖度和观察气泡的方式，一般来说口头品尝甜味很微弱，几乎无气泡上浮即可视为发酵结束，此时应及时分离皮渣，量小时刻借用细纹纱布过滤挤压完成分离压榨工艺，量大时可考虑选用手动式压榨笼帮助完成这一步骤，在条件允许的情况下分离清汁中最好能够添加30ppm的亚硫酸，一方面帮助澄清，另一方面防止病菌滋生。第六 葡萄酒的澄清多建议选用自然澄清或蛋清辅助澄清的方式，也就是分离后静置一段时

21、间不要搅动，然后将清夜分离，除去去沉淀底物，这样需要的时间比较长，而且澄清效果相对较差，也可以用生蛋清加入，搅拌均匀，以提高澄清速度。第七 经过澄清的酒随后将进入存储期，或者入罐存储，或者进入橡木桶陈储，都要求满罐密封，定期的倒罐观察。第八 制造厂家葡萄酒的出厂时间，一般来说最后能有6-12个月的存放时间，但是如果是鲜食葡萄所酿造的，一般三个月后就可以消费，而且不适宜长期存储，最好在1年内消费掉。3.3 注意事项1、小容器发酵启动相对困难，因此前期添加二氧化硫不能过量。2、发酵过程中温度控制很重要，不能超过危险温区，以防造成发酵终止。3、发酵前期每天搅拌一次，适量溶氧给酵母繁殖提供有氧环境；后

22、期则要封闭发酵，因为酒精发酵是在无氧条件下进行的。4、发酵结束后，及时添加二氧化硫终止酵母菌继续代谢其他物质，同时抑制其他微生物的活动。3.4 葡萄酒质量因素分析 作为消费者，他们所认为葡萄酒的质量好坏与否，主要是看葡萄酒的光泽颜色，香气，酸度，甜度，苦味，酒精度，口感（圆润等），涩感等方面进行评价。因此作为制造商应该严格把握这几个因素，通过专业品酒人员对所酿出的进行评价，然后进行品酒人员打分，利用这些评价数据计算基本概率分配函数，然后依据所得分数对酒的质量进行区间评价，如难接受还是容易接受进行整体评价，然后根据d-s证据融合原则，信任度数值,确定葡萄酒的难易接受程度。如果为很一般的接受，说明

23、葡萄酒的质量还有一定的提升空间，再对葡萄酒的各项指标进行融合，得出问题最严重的因素，然后对其相应的工艺进行适当的调整。例如葡萄酒的光泽有问题，说明澄清这一步骤处理的不够好，那么工作人员可以针对这一过程进行严格的把关。四：葡萄酒整体质量评价模型4.1 因素集的确定 在本文中作为评价葡萄酒质量的因素有光泽，香气，酸度，甜度，苦味，酒精度，口感，涩感。即表示为：a=光泽，香气，酸度，甜度，苦味，酒精度，口感，涩感,一般来说，各个因素对评价对象的影响程度是不一样的，因此对它们权重的分配也是不一样的，这里权重是表示因素的重要的程度。一般来说，各因素权重的总和是不一样的，而且是大于零，且总和为一，本文为了

24、简单起见，我们假设每个因素的权重是相等的。4.2 整体评价体系的建立 在对葡萄酒整体质量作评价之前，我们需要建立合适的评语集，即d-s证据理论中的识别框架。评语集合划分的越精细，度量结果也就越准确，当然度量过程也会变得更加的复杂和繁琐，一般情况下，人们对5到9个级别能进行有效地判断。我们设为模糊评语集，设最易接受，较易接受，一般接受，较难接受，难接受，评价规则为：采用100之内的正整数表示和各个因素的接受程度，为模糊评语集给出的模糊评估值，为对应于评价因素的评估值，表示难接受,当时，表示较难接受,当时，表示一般接受,当时，表示较易接受，当时，表示最易接受。 在本文中， 构成评价因素，我们请专门

25、品酒人员按评分规则进行评分，设评分值为，处于等级的指标是,那么葡萄酒的接受评价基本概率分配函数在等级的概率为：（1）我们可以用（1）式表示品酒员对接受等级的评价概率，由此可以得出品酒员的识别框架基本概率函数即mass函数，见表1 表1 基本概率分配函数a 假如有n个相互独立品酒员对葡萄酒的接受程度进行评价，形成a(1)，a(2)， ，a(n) 个证据，重复利用d-s 合成规则进行风险评价融合对命题的理解和各个专家的专业水平可能造成得到的证据具有冲突问题，如果冲突严重，那么对命题的判断毫无意义，因此需要首先界定专家的证据冲突是否在可以容许的范围内根据d-s 理论，需要计算证据冲突大小，当冲突值超

26、过某个设定的冲突域时，评价无效。a(1) 和a(2) 的证据冲突为： (2) 对不同命题，不同品酒员会产生不同的概率分配函数，利用合成公式进行合成，在将第一次融合后的结果与下个继续融合，以此继续下去，最终得到了命题a的最终评价结果。当命题a 取得gi 时，会得到不同的等级信任函数，即有bel()= 信任度的最大值即为融合得到推荐评价结果。 五：d-s 证据理论在葡萄酒质量评价中的应用5.1运用d-s 证据理论对葡萄酒整体质量做出评价 文中通过某葡萄酒制造厂得葡萄酒质量为例，来验证d-s 证据理论在产品质量控制中有效性，我们选择五位专业品酒专家对葡萄酒的的相关质量因素进行评分，见表2：表 2 品

27、酒员对8项因素进行评分评价因素专家1 专家2 专家3 专家4 专家5颜色71 80 69 78 76酸度67 73 70 62 78甜度70 81 76 73 80苦味78 65 81 72 74酒精度待添加的隐藏文字内容180 67 72 70 69口感67 71 64 75 69香气56 50 51 67 61涩感78 86 82 80 90 利用评价数据，按照质量评价基本概率分配函数式（1），计算得到五位品酒员的基本概率分配函数值见表3。表3 基本概率分配函数值评价等级 0.099 0.087 0.090 0.000 0.0000.236 0.231 0.236 0.223 0.3330

28、.524 0.251 0.386 0.638 0.3820.141 0.431 0.288 0.139 0.1340.000 0.000 0.000 0.000 0.151再利用证据冲突计算公式（2）计算第一次证据融合的证据冲突值：在此我们设冲突域值为0.8，因此第一融合评价是有效的。利用合成法则，进一步计算各个接受程度的信任程度，在此只介绍和的计算过程，按照(，)，(，)，)，(，)，)，)，(，)，)，)，)依次进行融合，得到表4的结果 表4 四次融合的信任值融合次数冲突值 12340.745 0.034 0.214 0.516 0.238 00.679 0.01 0.157 0.62 0

29、.214 00.54 0 0.076 0.86 0.065 00.737 0 0.07 0.905 0.024 0在表中，我们看到葡萄酒接受等级的信任数值最大，表明葡萄酒的接受程度为一般接受，离最易接受还有一段距离，因此在控制葡萄酒质量方面还有很大一段提升空间，接下来，我们分析到底是生产环节影响了葡萄酒的质量。5.2 再次运用d-s 证据理论进一步分析工艺环节问题 在前面我们提到葡萄酒的加工过程：成熟葡萄选收除梗破碎入罐浸渍接种发酵终止发酵分离倒罐澄清存储优化调整灌装，接下来，我们通过评判葡萄酒的各项指标来分析到底那个工序有很大的不足，并对其作出相关调整。在这里我们设，, ,分别代表命题颜色，

30、酸度，涩感，苦味，口感，香气，甜度出现了问题。 我们设识别框架=，, , 。 我们选择从刚才的五个品酒专家中选择比较有资历的两名对以上工艺作出评价，并给出了对相关环节的mass值，我们分别记作然后对其进行融合，融合后的结果记首先我们计算冲突值: =0.3843=0.0011按照此方法对进行融合便可以得到如下表5 表5 融合推理结果证据融合证据基本概率分配函数 0 0.1078 0.0783 0.1356 0.06851 0.0372 0.5725 0.0597 0.0128 0.0331 0.0794 0.0228 0.0975 0.0649 0.0139 0.6275 0.0496 0.01

31、13 0.0011 0.0281 0.0036 0.0278 0.0072 0.0013 0.9169 0.0133 0.0007 从表5的融合结果可以看出，融合后的不确定性的基本概率赋值下降到0.0007.由此我们可以得出结论：葡萄酒的香气是最不满足的，这与之前的五位专家的评分也相吻合，除此之外，其它几个评价指标也都有一定的可提升空间。根据葡萄酒的加工过程，我们要对葡萄酒的香气做出严格的控制。前面提到挑选葡萄时要注意拣选果粒整齐，色泽艳丽，无破损霉变葡萄作为自酿酒原料，选好原料后要注意见除残枝败叶和青果，尽量避免接触水分和长期存放，目前网络上流传很多自酿方法都提倡洗晒果实，这个是不科学的，一方面洗去了果实自带的果粉、酵母和香味物质，另一方面通过晾晒会降低水果自身的新鲜度，同样会影响酒的香气质量。因此我们要避免网上的做法，这样才能保证葡萄的新鲜度，并能保证水果的质量。六：总结在本文中我们首先讨论了葡萄萄酒的总的质量评价，为事实客观准确的葡萄酒质量检验提出了评价体系，评价过程中不仅猜用了d-s证据理论而且结合了传统的专家评分方法，由于采用了d-s证据融合理论，这使融合后的评价结果更加客观，降低了主观因素的影响。在之后的葡萄酒的各项指标进行评判时，我们选出了最有资历的品酒专家对葡萄酒的各个指标做出了评价，为了保证评价结果更准确，我们再一