基于集对分析与演化细胞学习自动机的质量—成本控制方法

为了研究不确定信息对供应商参与下的产品质量—成本控制过程的影响,基于集对分析建立了质量—成本控制的多目标贴近度优化模型。对演化细胞学习自动机算法进行适应性改进后用于求解该优化模型,并得到相对确定条件下质量—成本控制方案集合的优劣排序——基序。考虑到不确定因素的影响,利用模糊集值统计法获得差异度系数后,按照联系度对基序重新排序,进而筛选出最佳的产品质量—成本控制方案,并为每种零部件选择合理的供应商。以大型空气分离设备的质量—成本控制问题为例进行仿真计算,结果表明了所提方法的可行性与有效性。