基于决策树算法的5M1E在GS公司外贸服装产品质量控制中的范文应用

论文价格:150元/篇 论文用途:硕士毕业论文 Master Thesis 编辑:vicky 点击次数:156
论文字数:49555 论文编号:sb2021041115561235153 日期:2021-04-24 来源:硕博论文网
本文的主要研究结论有:(1) GS 公司通过信息化建设积累了大量的外贸服装生产数据,本文将数据挖掘技术之一的决策树算法应用到公司的产品质量控制之中。采用决策树C4.5算法构建外贸服装产品质量控制模型,运行公司的相关数据后,得出做工等级、面料等级和外观等级是影响外贸服装质量的重要因素。(2) 本文通过对所建决策树模型的验证,测试集上整体分类准确性为82%,其准确率相比 GS 公司过去采取的统计方法提高了 22%,本文决策树所构建的外贸服装产品质量控制模型精确度比较高,有较强的实用性,可以运用到实际生产生活中的服装质量分类预测。

第 1 章 绪论

1.1 研究背景及意义
1.1.1 研究背景
我国服装的生产和消费目前在世界上位居第一,是名副其实的服装生产和消费大国。目前,中国服装业的主要生产方式是品牌服装、贴牌服装、“外包”加工和服装出口。从 2000 年开始服装产品出口数量和产值超过内销。外贸服装是指中国国内服装公司及厂家根据国外客户的来料来样,或国外来样、国内购料加工然后安排发货到国外的服装产品。我国作为服装出口大国,自 2013 年首次实现了出口额突破千亿美元以后,每年服装出口金额都超过 1000 亿美元,见图 1.1。外贸服装在扩大就业和出口创汇方面为国家做出了巨大的贡献。但自 2019 年以来,随着贸易保护主义的抬头,国际市场需求动力开始变得逐渐不足。面对日益激烈的全球市场竞争,我国服装产业的相对竞争优势已变弱,服装出口压力明显加大。面对巨大的压力,严把出口服装产品质量关、保证产品质量从而提高产品竞争力,就显得越发重要。外贸服装主要涉及的是制造环节,生产工艺繁杂,一件服装往往需要几十道制作工序才能完成。为了保证质量,更多地是要采取质量控制活动,由于产业的劳动密集型特征,管理环节较多,质量控制的任务繁重。质量控制是服装外贸全过程中的关键阶段,是一个复杂的动态过程。尽管外贸服装公司已意识到了其重要性,但很多公司采用的产品检验和质量控制方法都还是不十分有效,质量控制各个环节中还存在着许多问题。出口过程中由于服装质量问题造成的索赔和退货也给企业带来了很大的经济损失。与此同时,伴随着工业型社会向信息化社会的转变升级以及外贸服装产业和计算机信息技术的发展,外贸服装公司的管理思想和管理模式都发生了很大的变革,信息化的应用在整个行业得到了一定程度的推广。外贸服装企业已经越来越意识到了信息化的重要性,在管理企业的过程当中开始应用 ERP、OA、SAP、CRM、PLM、MES 等,实现了数据存档、节省成本、提高效率、掌控运营、数据分析等多种功能,建立起了包含财务管理、成本管理、供应链管理、报表管理、生产管理以及人力资源管理的信息化管理体系。服装公司信息化建设在提升企业管理运营效率的同时,积累了大量的基础数据和信息,这也是我们与全球其它竞争对手相比较而言所占有的优势。数据和信息的积累让外贸服装从业者开始关注如何将它们转换成有用直观的知识用于指导服装生产质量控制。但目前大多数外贸服装公司还只是停留在数据分析的层面,并没有完善的分析模型来对数据进行有效的利用。近年来,数据挖掘逐渐成为人工智能和数据库领域的热点。
图 1.1 2015-2019 年全国服装及衣着附件出口额(单位:亿美元)
...............................

1.2 国内外研究现状
1.2.1 国外研究现状
近年来国外关于服装质量控制的研究主要来自服装产业较发达的一些发展中国家。分析孟加拉的服装产业后得出质量控制是一个持续的过程,务必要求完全理解客户的品质要求,对相关人员进行质量标准培训,制定品控计划流程,宜在早期采取有效的纠正措施以杜绝疵品的发生。质量管理小组的建立能充分发挥各个成员改善质量的积极能动性,以便实现企业的价值增值(Rahman,A.K.M.,2018)。质量控制的新模型 HFQM(human-focused QM principles)的构建以人为关键(Yusof,N.J.M.,2018)。采用科学的质量控制方法,如六西格玛质量管理的实施,可以大大减少疵品量和疵点率(Rahman,A.&Shaju,S.,2018)。产前重点控制服装各种面辅料的测试,产中主要控制裁剪、车缝、整烫、后整理以及尾查,成品的质量评估可以挑选少许顾客试穿,通过实施质量保障项目可以提高产品质量和提升客户满意度(Keist,C.N.,2015)。通过分析历史数据,针对产生质量问题的根本原因提出了技术解决方案和流程优化方案,降低验货成本和提高 QC 验货的效率,将企业的质量控制重点从事后评估转移到事前或者事中控制(Heath,M.L.,2016)。专注服装生产其中一个环节来控制质量的研究,如在缝合过程中调整缝纫设备、同步性以及提升操作人员对于面料属性的认识,减少跳线、起皱,提升质量(Patil,N.S.,2017)。
在数据挖掘应用于服装质量控制方面,很多国外学者也进行了相关的研究。使用自动检测系统来进行服装产品的品质管理,结合遗传算法和神经网络进行图像 处 理 来 对 针 织 服 装 的 拼 接 质 量 缺 陷 进 行 检 测 和 分 类 (Yuen,C.W.M.&Wong,W.K.& Qian, S.Q.& Chan,L.K. & Fung,E.H.K.,2009)。通过 OLAP 联机分析处理和关联规则算法从多维度的质量相关的数据中挖掘出服装产品的各个疵点之间的关联规则模型,有利于预测疵点,识别其造成的根本原因,并主动采取质量优化的措施,将服装产品的质量疵点最小化(Lee,C.K.H.& Choy,K.L.&Ho,G.T.S.& Chin, K.S.Chin& Law,K.M.Y.&Tse,Y.K.,2013)。
..............................

第 2 章 相关方法和理论

2.1 质量控制方法
2.1.1 质量控制简述
《中华人民共和国国家标准》质量管理体系定义质量控制的基本概念为,“质量控制是质量管理的一部分,致力于满足质量要求”。而质量管理则是通过质量的策划、保证、控制和改进来完成质量目标的过程。由此可以知道质量控制在组织活动的整个体系中所属的范畴如图 2.1 所示。
图 2.1 质量控制所属的范畴
为满足质量要求而采取的技术、管理和其他活动是质量控制。通过控制质量的形成过程,质量控制可以消除导致产品质量不合格的相关因素,确保产品质量满足顾客的要求。在企业生产活动中,质量控制主要是指企业内部生产现场的质量管控。
................................

2.2 决策树算法的相关理论
2.2.1 数据挖掘简述
随着时代的发展,数据的类型变得越来越复杂,数据量也越来越大。在海量数据的背后隐藏着大量有用又重要的信息。人们对海量数据进行深度分析,发现并提取其中的隐藏信息,以便充分地利用这些数据,已经变得越来越迫切。
数据挖掘通过分析海量数据,发现隐含在其中的具有价值的信息和知识并进行有效的提取。数据挖掘是一种业务信息处理的新技术,提取数据库中的大量数据后进行转换,在分析有效数据后建立模型,帮助业务决策获取有用的信息。数据挖掘涉及数据库、统计学、机器学习、模式识别、人工智能等。它可以对企业的海量数据进行高度自动化的分析,归纳推理后挖掘潜在模式,这样,决策者可适时调整策略,最终做出正确的决策来改善管理。参见图 2.4。
图 2.4 数据挖掘循环图
.............................

第 3 章 GS 公司介绍 ..................................21
3.1 GS 公司概况 ........................21
3.1.1 公司简介.........................21
3.1.2 公司经营情况...................................22
第 4 章 GS 公司外贸服装产品质量控制现状 .............................30
4.1 外贸服装产品常见质量问题及评价体系 ..........................30
4.1.1 外贸服装产品常见质量问题......................30
4.1.2 外贸服装产品质量评价体系.............................33
第 5 章 GS 公司质量控制模型构建及改进方案 .......................46
5.1 GS 公司质量控制决策树模型的构建 ...............................46
5.1.1 目标任务.............................46
5.1.2 数据采集..........................47

第 6 章 GS 公司外贸服装质量控制方案的实施

6.1 实施计划
为了提升 GS 公司外贸服装产品的质量,要实施质量控制的方案,该方案的实施是一项系统的、综合的工程,要制定科学合理、切实可行的实施计划。
6.1.1 计划目标
在实施质量控制计划的过程中,GS 公司应以明确可行的目标为指导。通过实施外贸服装质量控制计划,有计划、有步骤地开展全员质量控制工作。在人员、机器、方法、材料和环境等方面,推进各项相关解决方案的顺利实施,并在实施过程中不断地进行检验和改善,贯彻公司的质量方针,消除影响外贸服装产品质量的各种不利因素,满足顾客的质量要求,努力将产品合格率和顾客满意率提升到 100%。并最后建立以产品质量为核心、全员参与为基础、顾客满意和公司全体成员及社会效益为宗旨的全面质量管理体系。
6.1.2 细分计划
GS 公司在制定了解决方案之后,需要有计划的实施执行。解决方案涉及到人员、机器、方法、材料和环境,本文对实施计划进行了如下的细分。
(1) 员工培训计划。由车间主管或班组长主导,品质部、技术部协助,尽快拟定出岗位培训的详细方案。倡导新入职的员工要先进行操作技术、检验技能、设备点检及日常维护、5S 要求等内容为主的职位技艺培训。在结束培训以后,要进行实际操作考核,并进行评分。评分的要素和评分的标准事先进行设定。一般以满分为 100 分,合格为 60 分。在结束培训上岗之后,每月月底还要进行全员培训考评,不断促进员工技能的提升。
(2) 工艺流程和质量检验指导手册编制计划。尽快组织公司生产技术人员和质量检验人员制定公司的工艺流程和质量检验指导手册,并由公司管理部门及业务部门监督执行。组织开展技术创新改造活动,每年年底对工艺流程等进行改造调整,并召集技术骨干对改造调整后的工艺流程进行评审。
........................

第 7 章 结论与展望

7.1 结论
决策树作为一种数据分类方法,其建立过程就是数据规则的生成过程。决策树分类方法简单,计算复杂度低,分类效率高,分类精度高,因此在各行各业中的应用已愈加广泛。本论文研究了决策树算法在 GS 公司外贸服装产品质量控制中的应用,找出影响外贸服装质量的关键因素,并与 5M1E 方法相结合,提出针对 GS 公司的质量控制解决方案。本文的主要研究结论有:
(1) GS 公司通过信息化建设积累了大量的外贸服装生产数据,本文将数据挖掘技术之一的决策树算法应用到公司的产品质量控制之中。采用决策树C4.5算法构建外贸服装产品质量控制模型,运行公司的相关数据后,得出做工等级、面料等级和外观等级是影响外贸服装质量的重要因素。
(2) 本文通过对所建决策树模型的验证,测试集上整体分类准确性为82%,其准确率相比 GS 公司过去采取的统计方法提高了 22%,本文决策树所构建的外贸服装产品质量控制模型精确度比较高,有较强的实用性,可以运用到实际生产生活中的服装质量分类预测。
(3) 本文结合 5M1E 对做工等级、面料等级和外观等级所引发的质量问题进行了详细的因果分析,发现操作人员、机器设备、面辅材料、加工方法和工作环境都对外贸服装的品质有着直接的影响。再根据 5M1E 分布从人员、机器、原材料、生产方法和环境方面给出了 GS 公司质量控制的改进方案,并从组织、资金和技术上提出了保障方案实施的措施。
参考文献(略)

上一篇:L外贸公司供应商关系管理研究
下一篇:基于新零售背景下的N公司渠道管理优化策略范文研究