貝氏神經網路的構建及其在可靠度工程上的應用

The Implementation of Bayesian Neural Networks Applying to Reliability Engineering

古強(Ku, Chiang)

指導教授 ： 陳雲岫

元智大學/工程學院/工業工程與管理學系/碩士(1995年)

摘要

本研究運用貝氏神經網路（BNN）的方法來製作可靠度工程中之故障模式
影響及危害度 分析（FMECA），並且將結果與傳統倒傳遞神經網路（
BPN）相比較。從實驗中我們發現，平均而言，BNN的正確性不但較BPN來
得高，學習收斂的速度亦較BPN來得快。由於BNN在 本研究中是屬於非監
督式學習的架構，為了提高網路分類的效果，建議可在選擇混合層 贏家
神經元的方法上加以改進。由於歐洲市場已經提出ISO 9000的品質規範，
所以可靠 度工程勢必日益受到重視，本文所提之整合性FMECA架構，是
神經網路在可靠度工程上另 一新的應用。

關鍵字

貝氏神經網路 ； 故障模式影響及危害度分析 ； 可靠度工程 ； 倒傳遞神經網路

並列摘要

This thesis has used a Bayesian neural network (BNN) approach to
implement to the Failure Modes Effect and Criticality
Analysis (FMECA) in the reliability engineering area, and
the implemented results have also compared with those of
using a traditional Back-Propagation Network (BPN). From the
comparison, it has been found that the accuracies of the
failure mode classifications and the criticality value
generalization using the BNNs are higher than those
using BPNs, and the BNN learning convergence speed does the same
result. The learning type of the BNN is unsupervised, and
the improvement of the unsupervised learning is proposed by
the determination of a winner neuron in the hybrid
layer of the BNN so as to increase the classification accuracy.
The novel application of using neural networks to
FMECA can be one of realization of ISO 9000 quality
assurance.

並列關鍵字

Bayesian Neural Networks ； FMECA ； Reliability Engineering ； Back-Propagation Networks