进要求企业建立长期的奋斗目标, 依据质量目标,
通过审核监控, 采取有效纠正、预防措施, 不断地
改进完善企业的质量管理体系。

&质量职责不

明, 许多企业的岗位职责不明确, 没有把质量职责
切实分解和落实到每一个部门和岗位, 使企业的
质量管理工作流于形式。

∋ 质量认证效果不明

显, 少数以经济效益为目的的认证和咨询机构, 为
了追求更多的客户, 放松了对认证企业的咨询和
审核要求, 而也有一些企业以取得认证证书为目
的, 不理解引入质量管理体系标准的真正要求, 造
成难以建立起有效运行的质量管理体系。

综上所述, 服装企业只采用传统的质量管理

方法是不能满足现代市场需求的。因此要采用新
的管理方法。

基于 BP 神经网络的服装质量预测的应

用及发展前景

3. 1 基于人工神经网络的质量预测

传统上使用的质量管理方法都有滞后性, 也

就是说, 当出现异常的时候, 表明过程己经处于异
常状态。这属于一种

( 出现问题, 分析问题, 解决

问题

)的思路。在现代生产要求下, 这种思路很难

满足零废品率, 高要求的质量控制。所以, 必须采
用基于预测的超前质量控制。预测控制是一种超

前控制, 它可以根据过程中的状态信息预测产品
的质量, 并对异常状态给以及时的反馈调整。这
样就做到了

( 预防为主)的思路。

在这种情况下, 人们开始把目光转向了基于

人工神经网络的建模技术, 并取得了较好的进展。
人工神经网络是一种模拟人类大脑神经元存储、
处理信息机能的一种工具。具有非线性、并行处

理等特点。正是由于这些特性, 使得人工神经网
络非常适合处理现代生产过程中的复杂性以及多

任务、

多目标实时完成等问题。目前利用人工神

经网络对于服装产品质量进行研究主要集中于服

装生产的质量控制方面。

3. 2 基于 BP 网络的服装质量预测模型的建立

在人工神经网络发展过程中, 很长一段时间

里没有找到隐层的连接权值调整问题的有效算

法。直到误差反向传播算法( BP 算法) 的提出, 成
功地解决了求解非线性连续函数的多层前馈神经
网络权重调整问题。

BP 神经网络, 是一种神经网络学习算法, 全

称为基于误差反向传播算法的人工神经网络。它
由信息的正向传播和误差的反向传播两个过程组

成。输入层各神经元负责接收来自外界的输入信

息, 并传递给中间层各神经元; 中间层是内部信息
处理层, 负责信息变换, 根据信息变化能力的需
求, 中间层可以设计为单隐层或者多隐层结构; 最
后一个隐层传递到输出层各神经元的信息, 经进
一步处理后, 完成一次学习的正向传播处理过程,
由输出层向外界输出信息处理结果。当实际输出
与期望输出不符时, 进入误差的反向传播阶段。
误差通过输出层, 按误差梯度下降的方式修正各
层权值, 向隐层、输入层逐层反传。周而复始的信
息正向传播和误差反向传播过程, 是各层权值不
断调整的过程, 也是神经网络学习训练的过程, 此
过程一直进行到网络输出的误差减少到可以接受

的程度, 或者预先设定的学习次数为止。
3. 2. 1

分析影响服装质量的主要因素

由于成衣生产自身的特殊性决定了服装质量

管理的特殊性, 影响服装生产质量的因素一般有
以下几方面:

( 1) 交货期的长短。服装的时尚性、

季节性决

定了服装的设计生产必须是一个比较短的周期。

( 2) 面料的加工性能。面料的厚薄、

滑糙、是

否有弹性, 对服装的加工过程会产生较大的影响。

( 3) 加工设备的性能。服装加工设备的配备

使用情况也直接影响服装生产的质量。

( 4) 工艺难度要求。服装加工的工艺难度要

求不同, 对质量也有较大影响。

( 5) 工人技术熟练程度。工人操作技术的熟

练程度是质量问题的关键, 它的优劣极大地影响
加工的结果。

( 6) 工人的工作态度。工人本身的工作态度,

如消极怠工、

纪律散漫、

质量意识不强等情况对生

产也有不良影响。

( 7) 流水线平衡程度。一条平衡且管理井井

有条的流水线产生质量问题很少。

3. 2. 2

质量预测模型的构建实例

( 1) 根据前文分析得出影响服装质量的主要

因素, 从青岛某公司采集得到 94 条实验数据与前
文分析得出的影响服装成品质量的八项因素为输

入项, 以 BP 网络的结构原理建立服装质量预测
体系。

2010 年第 4 期

山东纺织科技