| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究背景和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·自相关过程的SPC 的研究 | 第11页 |
| ·多变量SPC 的研究 | 第11-12页 |
| ·EPC 的研究 | 第12页 |
| ·SPC 与EPC 的整合研究 | 第12-13页 |
| ·研究内容及论文结构 | 第13-14页 |
| ·研究内容 | 第13页 |
| ·论文结构 | 第13-14页 |
| 第二章 自相关过程的解决方案 | 第14-24页 |
| ·自相关性制造过程一般解决方法 | 第14-15页 |
| ·神经网络与时间序列的相关文献 | 第15页 |
| ·神经网络的理论 | 第15-16页 |
| ·反向传播神经网络的结构及运作过程 | 第15-16页 |
| ·以田口方法选择神经网络的最佳参数 | 第16页 |
| ·应用反向传播神经网络模型解决自相关问题 | 第16-24页 |
| ·反向传播神经网络演算法 | 第17-19页 |
| ·反向传播神经网络测试 | 第19页 |
| ·以田口方法求反向传播神经网络最佳组合参数 | 第19-21页 |
| ·神经网络预测模型的建立 | 第21-24页 |
| 第三章 多变量统计过程控制 | 第24-33页 |
| ·多变量控制图理论 | 第24-27页 |
| ·多变量控制图简介 | 第24-25页 |
| ·Hotelling’s T~2 多变量控制图 | 第25-27页 |
| ·Hotelling’s T~2 衍生出的诊断方法 | 第27-30页 |
| ·Hotelling’s T~2 多变量控制图及其诊断方法的应用 | 第30-33页 |
| ·绘制输出过程残差的Hotelling’s T~2 控制图 | 第30页 |
| ·解析T~2 统计量 | 第30-33页 |
| 第四章 工程过程控制 | 第33-39页 |
| ·工程过程控制理论的推导 | 第33-36页 |
| ·工程过程控制的实现 | 第36-39页 |
| ·神经网络参数调整模型的建立 | 第36-38页 |
| ·选择合适的输入变量作为控制变量 | 第38页 |
| ·导入控制变量并持续监控 | 第38-39页 |
| 第五章 模拟验证 | 第39-57页 |
| ·SPC 过程 | 第39-53页 |
| ·模拟过程数据 | 第39-40页 |
| ·分析数据 | 第40-43页 |
| ·建构反向传播神经网络预测模型 | 第43-45页 |
| ·计算残差并进行残差的常态性与独立性鉴定 | 第45-50页 |
| ·建立输出变量的残差Hotelling’s T~2 控制图 | 第50-51页 |
| ·控制用控制图 | 第51-53页 |
| ·EPC 过程 | 第53-56页 |
| ·解析T~2 统计量 | 第53页 |
| ·建构反向传播神经网络参数调整模型 | 第53-54页 |
| ·选择合适的输入变量作为控制变量 | 第54-55页 |
| ·导入控制变量并持续监控 | 第55-56页 |
| ·模拟验证结论分析 | 第56-57页 |
| 第六章 结论与展望 | 第57-58页 |
| ·研究结论 | 第57页 |
| ·未来展望 | 第57-58页 |
| 参考文献 | 第58-60页 |
| 符号说明 | 第60-62页 |
| 致谢 | 第62-63页 |
| 攻读硕士期间发表的论文 | 第63页 |
