题目：基于数据挖掘方法的质量成本分析模型与算法研究

现代制造环境下，企业面临着严峻的市场竞争，提高产品质量、降低成本、最大限度满足顾客需求成为企业生存与发展的基本前提，进而对质量成本管理提出了更高的需求，质量成本的采集、分析与控制已经成为企业质量管理与改进的重要环节与支撑手段之一。论文围绕制造企业质量成本管理技术与方法展开研究，提出了基于数据挖掘的质量成本管理与控制的整体思路，并就相关模型与算法进行了研究。论文的主要研究内容如下：首先，面向数据挖掘需求设计质量成本数据结构，将工序信息、故障信息等融入质量成本数据模型与数据采集过程，并将质量成本数据采集过程与生产过程相结合，进而实现了过程化的质量成本数据采集。其次，将数据挖掘算法与模型引入质量成本分析与管理，研究了基于多维度的质量成本统计分析与基于损失成本质量故障属性线索的问题追踪；在基于回归分析算法对企业质量成本水平进行宏观分析与评价的基础上，结合产品质量故障信息，建立了利用关联规则挖掘方法发掘质量成本数据中的内在联系的算法模型，以支持基于质量成本分析的质量改进；构建了产品工序质量成本和相应特征因素驱动的基于模糊神经网络的质量成本预测模型，为目标质量成本的制定及预先分配提供决策支持。再次，基于质量成本的分析结果，研究了多维度的质量成本计划配置与执行控制，将质量成本分析的结果应用于质量控制闭环。其中特别分析了产品生产关键过程的质量成本计划控制过程。最后，论文分析了系统的架构和功能需求，基于J2EE平台开发了B/S结构的质量成本管理系统，介绍了系统实现中的关键技术，并以某航天企业为例进行了应用实例验证。