像往常一样，在工业产品设计中，我们将定期改进或者轻微修复汽车音响组件。产品设计中的如此变化使音频频率分析更加复杂化，这是由于发现于略有不同的磁带机底盘的震动信号的频率特性不同。质量控制系统使用神经网络调解这样的频率转化，因为这样的转变普遍而抽象。神经网络也帮助寻找相关的频率元件。如果数据中隐藏着相关信息，神经网络将会发现它，不管它参与的信号是的音频的，震动的还是成像数据。神经网络比其他计算方式更少受到噪声的影响。同样他们在处理复杂系统时更节省时间，因为没有数学模型需要推导。在网络“训练”过程中，人类音频感知阈值和主观个人可接受噪音排放都可加以考虑。通过“训练”，神经网络可以分类这些以前没有在网络中呈现过的信号模式。
尽管麻省理工学院（MIT）已经安装了一些基于神经网络的质量控制盒模型认知系统，但是这个项目的特殊任务就是在指定的小预算和短时间限制内，完成所有的复杂系统任务。除了所需的高水平分类性能之外，这个先进系统的工作周期把分类时间减少到少于1秒。对于关键的特性抽取这一步，数据分析了时间，频率和复赛谱阈值。倒频谱完全构建于包含于LabVIEW先进分析库的虚拟仪器（VIs）。这个特性抽取必须尽可能完整地描述音响组件中的音频性质。Kohonen网络通过250个已分类的组件信号模式所模拟训练，并通过另外250个组件进行测试。被训练的神经网络，现被称为分类器，即将用于在线质量控制系统。飞利浦声学专家为汽车零部件建立了五个级别，一个是用于好的配件，另外四个用于有缺陷的测量分析系统。这些级别的名字与磁带机的特定部分直接相关。在这个包含分类结果的信息里，飞利浦工程师有能力立即调整有缺陷的生产项目，并且减少失败的成本。
结论
这一系统最先应用于德国和匈牙利，1998年在墨西哥安装使用。这个系统与数据引擎V.I的合作已达到测试测量分析系统（MSA）标准水平，麻省理工学院（MIT）为这一事实感到自豪。测试测量分析系统（MSA）根据QS-9000提供了一种标准方法来分析测量系统。来源于数据引擎V.I工具箱的神经网络可以成为汽车配件测试测量分析所认可的系统。
无论所需成本和系统复杂性阻止测试条件下配件的听觉行为的数学模拟，在任何时候，神经网络就是质量控制任务最好的解决方案，尤其是对于一些全球性生产基地公司，为了获得同样的产品利润，他们采用质量控制系统的神经网络。因为这一系统更具普遍性和易用性。
这些对质量控制系统的计算法极大地降低了系统成本，即使是在质量水准与人类听觉相关的领域。
