CN107122609B - 一种基于质量特性基因理论的机电产品质量评价方法 - Google Patents
一种基于质量特性基因理论的机电产品质量评价方法 Download PDFInfo
- Publication number
- CN107122609B CN107122609B CN201710293515.9A CN201710293515A CN107122609B CN 107122609 B CN107122609 B CN 107122609B CN 201710293515 A CN201710293515 A CN 201710293515A CN 107122609 B CN107122609 B CN 107122609B
- Authority
- CN
- China
- Prior art keywords
- quality characteristic
- gene
- product
- quality
- product quality
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 108090000623 proteins and genes Proteins 0.000 title claims abstract description 205
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 42
- 238000004458 analytical method Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000005259 measurement Methods 0.000 claims abstract description 8
- 238000011156 evaluation Methods 0.000 claims description 42
- 238000005516 engineering process Methods 0.000 claims description 12
- 238000011161 development Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 239000002994 raw material Substances 0.000 claims description 7
- 238000011002 quantification Methods 0.000 claims description 6
- 238000010835 comparative analysis Methods 0.000 claims description 3
- 238000013518 transcription Methods 0.000 claims description 3
- 230000035897 transcription Effects 0.000 claims description 3
- 238000007689 inspection Methods 0.000 abstract description 12
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 239000000463 material Substances 0.000 abstract description 3
- 238000004379 similarity theory Methods 0.000 abstract description 2
- 238000013139 quantization Methods 0.000 abstract 1
- 230000002950 deficient Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000003754 machining Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000001066 destructive effect Effects 0.000 description 2
- 238000010353 genetic engineering Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011089 mechanical engineering Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000000275 quality assurance Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000009864 tensile test Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种基于质量特性基因理论的机电产品质量评价方法,针对传统基于质量检验的产品质量评价方法过程繁琐、操作成本过高等问题,将质量特性基因理论引入产品质量评价中。以机电产品加工制造过程即质量形成过程为突破口,构建基于产品质量特性影响因素(操作者、机器、材料、加工工艺、环境和测量,5M1E)的产品质量特性基因建模方法;依据模糊理论量化质量特性影响因素权值,结合重要性阈值,对质量特性影响因素进行符号化编码,进而得到产品质量特性基因的符号化表达;最后依据相似性理论提出了基于产品质量特性基因相似性分析的产品质量评价方法。
Description
技术领域
本发明属于机电产品质量评价技术领域,具体涉及一种基于质量特性基因理论的机电产品质量评价方法的设计。
背景技术
随着科技的进步,企业之间的竞争越发激烈。对于制造企业而言,此类竞争归根结底为产品质量与功能之间的竞争。因而,产品质量保证成为企业提高核心竞争力的重要因素。这其中,产品质量评价是产品质量摸底的重要环节,目前针对出厂产品的质量评价一般采取产品检验法,即通过抽样得到批次产品样本并检验样本产品的质量特性,从而推断该批次产品的质量状况。以上方法一方面存在检查过程复杂且要求专业的质检知识和技术等问题,另一方面,产品质量检查操作成本往往较高,对于某些产品的质量检验需进行破坏性检验,致使检验后产品将丧失其使用价值,这将造成较大的经济损失。如对金属构件产品的强度进行评价往往采用破坏性拉伸试验;对电子设备的可靠性寿命进行评价时往往采用加速寿命试验。以上试验存在过程繁琐、用时长、试验后被试件报废等问题,将造成较大经济损失。因而,有必要开发一种新的产品质量评价技术,望其能在某种程度上代替原有的基于质量检查和试验的产品质量评价方法,以简化质量评价流程,降低产品质量评价成本。
评价产品质量特性应以产品质量特性的形成机理与产品质量特性的影响因素为基础,探究产品质量特性形成的根源。产品质量基因理论不失为一种探究产品质量形成根源的好方法,且近年来产品质量基因技术在机械工程领域亦得到广泛应用。产品质量基因从产品设计阶段的应用即设计基因工程,逐步发展到面向产品制造过程中的全生命周期产品基因工程。机电产品的质量评价方法较少,故本发明提出基于产品质量特性基因理论的机电产品质量评价技术,一方面为产品基因理论的进一步延伸,另一个方面,将在简化质量评价流程,降低产品质量检查成本等方面起到积极作用。
发明内容
本发明的目的是为了解决现有的传统基于质量检验的产品质量评价方法过程繁琐、操作成本过高的问题,提出了一种基于质量特性基因理论的机电产品质量评价方法。
本发明的技术方案为:一种基于质量特性基因理论的机电产品质量评价方法,其特征在于,包括以下步骤:
S1、分析产品质量特性影响因素,构建产品质量特性基因模型;
S2、根据步骤S1中构建的产品质量特性基因模型,基于标准产品信息、制定的质量特性影响因素相似性评价准则和设置的质量特性因素重要性阈值,经比较分析、信息转录形成质量特性符号化基因模型;
S3、建立产品质量特性基因库,依据模糊语义量化产品质量特性影响因素属性差异;检索当前质量特性基因库中无故障产品基因模型与故障产品基因模型;
S4、根据步骤S3中产品质量特性基因库的检索结果,开展基于产品质量特性基因相似性分析工作;求得产品质量特性评价结果,并将该基因连同评价结果复制到此类产品质量特性基因库中。
进一步地,步骤S1中的产品质量特性影响因素包括操作者、机器设备、原材料、加工工艺、环境以及测量因素。
进一步地,步骤S1中的产品质量特性基因模型包括质量特性基因属性层与质量特性基因属性展开层;质量特性基因属性层包括操作者、机器设备、原材料、加工工艺、环境和测量信息;质量特性基因属性展开层包括各细化的质量特性基因属性。
进一步地,步骤S2包括以下分步骤:
S21、选取任一类似产品为标准产品,确定后不再更改;收集待评价产品与标准产品的质量特性基因属性展开层信息;
S22、确定质量特性影响因素相似度评价,由质量特性影响因素值之间广义距离与取值范围之间的比例关系给出相似度评价结果,完成质量特性影响因素从描述性信息到数值型信息的转化;
S23、根据步骤S22中相似度评价结果,结合质量特性因素重要性阈值,经比较分析得出质量特性影响因素符号化表达,完成其由数值型信息向符号化信息的转化;
S24、根据步骤S23中得到的质量特性基因的符号化表达,按质量特性影响因素属性分类,形成分段的产品质量特性符号化基因模型。
进一步地,步骤S3包括以下分步骤:
S31、收集领域专家对产品质量特性影响因素属性重要度的评价结果,进而依据模糊理论量化语义型领域专家评价信息;
S32、检索当前产品质量特性基因库中产品质量特性基因模型,包括各无故障产品质量特性基因模型和各故障产品的质量特性基因模型,形成无故障产品质量特性基因集合和故障产品质量特性基因集合。
进一步地,步骤S4包括以下分步骤:
S41、根据步骤S2中得到的产品质量特性符号化基因模型以及步骤S32中形成的无故障产品质量特性基因集合和故障产品质量特性基因集合,进行产品质量特性影响因素的相似性分析,并求得待评价产品质量特性基因与基因库现存质量特性基因的相似度。
S42、基于步骤S41中相似性评价结果求取待评价产品的质量评价结果,即为待评价产品质量特性基因与无故障产品质量特性基因的相似程度,或待评价产品质量特性基因与故障产品质量特性基因的背离程度。
本发明的有益效果是:本发明针对传统基于质量检验的产品质量评价方法过程繁琐、操作成本过高等问题,将产品质量特性基因理论引入到产品质量评价中,构建了基于产品质量特性影响因素的产品质量基因建模方法与质量特性基因符号化编码方法。本发明将产品基因理论与相似性理论相结合,提出了基于产品基因序列相似性分析方法的产品质量评价方法。该方法将产品质量特性定义为产品的质量特性基因与正常产品质量特性基因的相似程度,或产品的质量特性基因与故障产品质量特性基因的背离程度。本发明为产品基因理论的延伸,也将在简化质量评价流程,降低产品质量检查成本等方面起到积极作用,易于操作,成本低。
附图说明
图1为本发明提供的一种基于质量特性基因理论的机电产品质量评价方法流程图。
图2为本发明实施例的质量特性基因模型示意图。
图3为本发明实施例的相似度评价示意图。
图4为本发明实施例的语言值的近似模糊数示意图。
具体实施方式
下面结合附图对本发明的实施例作进一步的说明。
本发明提供了一种基于质量特性基因理论的机电产品质量评价方法,如图1所示,包括以下步骤:
S1、分析产品质量特性影响因素(操作者、机器设备、原材料、加工工艺、环境及测量因素,5M1E),构建产品质量特性基因模型。
产品的质量特性可由产品质量特性基因表征;5M1E作为产品质量特性的影响因素,是产品质量特性形成的基础。
本发明实施例中,产品质量特性基因的搭建主要考虑以下因素:
(1)操作者:熟练程度、工人工龄、身体状态等。
(2)机器设备:加工精度、刀具状况、机器转速、机器工况等。
(3)原材料:材料质量、材料规格等。
(4)加工工艺:粗加工、精加工等。
(5)环境:环境温度、环境湿度等。
(6)测量:熟练程度、测量工具、工人工龄、身体状态等。
质量特性基因模型示意图如图2所示。
S2、根据步骤S1中构建的产品质量特性基因模型,基于标准产品信息、制定的质量特性影响因素相似性评价准则和设置的质量特性因素重要性阈值,经比较分析、信息转录形成质量特性符号化基因模型。
该步骤具体包括以下分步骤:
S21、选取任一类似产品为标准产品,确定后不再更改;收集待评价产品与标准产品的质量特性基因属性展开层信息。
本发明实施例中,产品质量特性基因属性展开层信息如表1、表2所示。
表1
表2
S22、确定质量特性影响因素相似度评价,由质量特性影响因素值之间广义距离与取值范围之间的比例关系给出相似度评价结果,完成质量特性影响因素从描述性信息到数值型信息的转化。
本发明实施例中,以操作者熟练程度为例,其相似度评价示意图如图3所示,评价中级五级技工与高级八级技工之间的相似度可由公式(1)算得相似度量化结果。待评价产品与标准产品的质量特性影响因素的相似性评价应遵循:评分区间为[0,1],数值越大越相似,1为完全相同,0为完全不同。质量特性的数值型描述亦可遵循公式(1)计算方式。
本发明实施例中,产品质量特性影响因素展开层信息相似性评价结果的数值型表达如表1、表2所示。
S23、根据步骤S22中相似度评价结果,结合质量特性因素重要性阈值,经比较分析得出质量特性影响因素符号化表达,完成其由数值型信息向符号化信息的转化。具体为:
S24、根据步骤S23中得到的质量特性基因的符号化表达,按质量特性影响因素属性分类,形成分段的产品质量特性符号化基因模型。
本发明实施例中,跟踪观测某产品的加工制造过程,记录10个零件的5M1E信息。经检测10个零件中存在次品2件。由公式(1)所提方法,将9个零件的5M1E信息与标准件对比,形成9个零件的质量影响因素相似度评分,经符号化转换,形成的基于5M1E的质量特性基因序列如表3所示。
表3
S3、建立产品质量特性基因库,依据模糊语义量化产品质量特性影响因素属性差异;检索当前质量特性基因库中无故障产品基因模型与故障产品基因模型。
开展基于质量特性基因相似性分析的质量评价技术的前提为建立质量特性基因库,该质量特性基因库中基因应同待评价基因具有相同的编码方式。同时,质量特性基因库分为故障产品基因子库与正常产品基因子库。随着质量检查及时间的推移,基因库中基因应得到扩充。
该步骤具体包括以下分步骤:
S31、收集领域专家对产品质量特性影响因素属性重要度的评价结果,进而依据模糊理论量化语义型领域专家评价信息。
本发明实施例中,步骤S22中的相似度评价准则选取为模糊语义评价方法。在产品质量特性评价中,影响产品质量特性的因素(5M1E)往往具有不同的重要性,本次研究将质量特性影响因素的重要性描述为:操作者为中等重要,机器设备为非常重要,原材料和加工环境为轻微重要,加工工艺为重要,测量因素为低等重要。语言值的近似模糊数如图4所示,将语言评价集合定义为:
{不重要的,轻微的,低的,中等的,重要的,非常重要的}={NI,MI,L,MO,I,VI}
对质量特性影响因素模糊语义描述的归一化处理方法如公式(3):
式中,Pi表示第i种质量特性影响因素重要性权值,σi表示第i种质量特性影响因素迷糊语义评价值(评价结果为区间值的以区间中值计)。
则将步骤S2所得结果,进一步依据上述模糊理论及公式(3)可得各个质量影响因素的模糊评价结果及权值如表4所示。
表4
S32、检索当前产品质量特性基因库中产品质量特性基因模型,包括各无故障产品质量特性基因模型和各故障产品的质量特性基因模型,形成无故障产品质量特性基因集合和故障产品质量特性基因集合。
本发明实施例中,选次品零件(D1,D2)作为故障产品质量特性基因子库。任意选取正常零件中的一个作为标准件,其余7个零件分为两组,A1,A2,A3作为待评价产品,B1,B2,B3,B4作为正常产品质量基因子库。
S4、根据步骤S3中产品质量特性基因库的检索结果,开展基于产品质量特性基因相似性分析工作,进一步结合本发明所提的基于质量特性基因质量评价技术,求得产品质量特性评价结果,最终完成基于质量特性基因理论的机电产品质量评价。并将该基因连同评价结果复制到此类产品质量特性基因库。
该步骤具体包括以下分步骤:
S41、根据步骤S2中得到的产品质量特性符号化基因模型以及步骤S32中形成的无故障产品质量特性基因集合和故障产品质量特性基因集合,代入本发明所提的相似性分析方算式中,进行产品质量特性影响因素的相似性分析,并求得待评价产品质量特性基因与基因库现存质量特性基因的相似度。
质量特性基因相似性分析旨在找出某质量特性基因与两基因子库基因的相似性量化结果,从而为基于质量特性基因相似性分析的质量评价技术提供必要的信息输入。
产品某种质量特性影响因素的相似性分析量化结果如公式(4)所示:
在质量特性影响因素的相似性分析量化结果基础上,待诊断基因与基因库基因相似度可由加权法得到,待诊断基因与基因库基因相似度计算见公式(5):
式中,Sam(A,B)为A、B两基因的相似度,Pi表示第i种质量特性影响因素权值。
S42、基于步骤S41中相似性评价结果和本发明发提出的产品质量特性基因质量评价算式,求取待评价产品的质量评价结果,即为待评价产品质量特性基因与无故障产品质量特性基因的相似程度,或待评价产品质量特性基因与故障产品质量特性基因的背离程度。
待评价产品的质量特性基因与完好产品质量特性基因越接近或与故障产品质量特性基因差别越大,则待评价产品被评价为具有更好的质量。反之,待评价产品的质量将被评价为差。
基于产品基因相似性分析结果及基于质量特性基因相似性分析的质量评价技术的定义,产品质量特性的评价结果可由公式(6)给出:
式中Bi为完好质量基因库子库中产品质量特性基因序列,Dj为故障质量基因库子库中产品质量特性基因序列,C(A)为产品A的质量评价结果,A为待评价产品质量特性基因,k为完好质量基因库子库中产品质量特性基因个数,h为故障质量基因库子库中产品质量特性基因个数。
本发明实施例中,选次品零件(D1,D2)作为故障产品质量特性基因子库。任意选取正常零件中的一个作为标准件,其余7个零件分为两组,A1,A2,A3作为待评价产品,B1,B2,B3,B4作为正常产品质量基因子库。若通过对A1,A2,A3进行评价,结果为正常,则方法的正确性及可用性得证。
由公式(5)及公式(6)待诊断基因与基因库基因相似度以及基于质量特性基因相似性分析的质量评价结果如表5所示。
表5
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (1)
1.一种基于质量特性基因理论的机电产品质量评价方法,其特征在于,包括以下步骤:
S1、分析产品质量特性影响因素,构建产品质量特性基因模型;步骤S1中的产品质量特性影响因素包括操作者、机器设备、原材料、加工工艺、环境以及测量因素;产品质量特性基因模型包括质量特性基因属性层与质量特性基因属性展开层;所述质量特性基因属性层包括操作者、机器设备、原材料、加工工艺、环境和测量信息;所述质量特性基因属性展开层包括各细化的质量特性基因属性;
S2、根据步骤S1中构建的产品质量特性基因模型,基于标准产品信息、制定的质量特性影响因素相似度评价准则和设置的质量特性影响因素重要性阈值,经比较分析、信息转录形成质量特性符号化基因模型;所述步骤S2包括以下分步骤:
S21、选取任一类似产品为标准产品,确定后不再更改;收集待评价产品与标准产品的质量特性基因属性展开层信息;
S22、确定质量特性影响因素相似度评价准则,由质量特性影响因素值之间广义距离与取值范围之间的比例关系给出相似度评价结果,完成质量特性影响因素从描述性信息到数值型信息的转化;
S23、根据步骤S22中相似度评价结果,结合质量特性影响因素重要性阈值,经比较分析得出质量特性影响因素符号化表达,完成其由数值型信息向符号化信息的转化;
S24、根据步骤S23中得到的质量特性基因的符号化表达,按质量特性影响因素属性分类,形成分段的产品质量特性符号化基因模型;
S3、建立产品质量特性基因库,依据模糊语义量化产品质量特性影响因素属性差异;检索当前质量特性基因库中无故障产品基因模型与故障产品基因模型;所述步骤S3包括以下分步骤:
S31、收集领域专家对产品质量特性影响因素属性重要度的评价结果,进而依据模糊理论量化语义型领域专家评价信息;
S32、检索当前产品质量特性基因库中产品质量特性基因模型,包括各无故障产品质量特性基因模型和各故障产品的质量特性基因模型,形成无故障产品质量特性基因集合和故障产品质量特性基因集合;
S4、根据步骤S3中产品质量特性基因库的检索结果,开展基于产品质量特性基因相似性分析工作;求得产品质量特性评价结果,并将该基因连同评价结果复制到此类产品质量特性基因库中;所述步骤S4包括以下分步骤:
S41、根据步骤S2中得到的产品质量特性符号化基因模型以及步骤S32中形成的无故障产品质量特性基因集合和故障产品质量特性基因集合,进行产品质量特性影响因素的相似性分析,并求得待评价产品质量特性基因与基因库现存质量特性基因的相似度;
产品某种质量特性影响因素的相似性分析量化结果如公式(4)所示:
在质量特性影响因素的相似性分析量化结果基础上,待诊断基因与基因库基因相似度可由加权法得到,待诊断基因与基因库基因相似度计算见公式(5):
式中,Sam(A,Bi)为A、Bi两基因的相似度,Pl表示第l种质量特性影响因素权值;
S42、基于步骤S41中相似性评价结果求取待评价产品的质量评价结果,即为待评价产品质量特性基因与无故障产品质量特性基因的相似程度,或待评价产品质量特性基因与故障产品质量特性基因的背离程度;基于产品基因相似性分析结果及基于质量特性基因相似性分析的质量评价技术的定义,产品质量特性的评价结果可由公式(6)给出:
式中Bi为完好质量基因库子库中产品质量特性基因序列,Dj为故障质量基因库子库中产品质量特性基因序列,C(A)为产品A的质量评价结果,A为待评价产品质量特性基因,k为完好质量基因库子库中产品质量特性基因个数,h为故障质量基因库子库中产品质量特性基因个数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710293515.9A CN107122609B (zh) | 2017-04-28 | 2017-04-28 | 一种基于质量特性基因理论的机电产品质量评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710293515.9A CN107122609B (zh) | 2017-04-28 | 2017-04-28 | 一种基于质量特性基因理论的机电产品质量评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107122609A CN107122609A (zh) | 2017-09-01 |
CN107122609B true CN107122609B (zh) | 2020-04-28 |
Family
ID=59726548
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710293515.9A Expired - Fee Related CN107122609B (zh) | 2017-04-28 | 2017-04-28 | 一种基于质量特性基因理论的机电产品质量评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107122609B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107944491B (zh) * | 2017-11-24 | 2021-01-05 | 电子科技大学 | 质量特性符号化映射控制图构建方法 |
WO2020220221A1 (zh) * | 2019-04-29 | 2020-11-05 | 西门子股份公司 | 生产设备的加工参数设置方法、装置和计算机可读介质 |
CN114757572A (zh) * | 2022-05-10 | 2022-07-15 | 重庆大学 | 一种考虑不确定性的机电产品关键质量特性确定方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001035316A2 (en) * | 1999-11-10 | 2001-05-17 | Structural Bioinformatics, Inc. | Computationally derived protein structures in pharmacogenomics |
US7289911B1 (en) * | 2000-08-23 | 2007-10-30 | David Roth Rigney | System, methods, and computer program product for analyzing microarray data |
CN101334800A (zh) * | 2008-07-21 | 2008-12-31 | 同济大学 | 一种应用特征的基因编码描述产品功能模型的系统及方法 |
CN105653871A (zh) * | 2016-01-06 | 2016-06-08 | 电子科技大学 | 基于相对熵和灰色关联度的符号化多质量特性分析方法 |
CN105678078A (zh) * | 2016-01-06 | 2016-06-15 | 电子科技大学 | 一种复杂机电系统符号化质量特性灰色预测方法 |
-
2017
- 2017-04-28 CN CN201710293515.9A patent/CN107122609B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001035316A2 (en) * | 1999-11-10 | 2001-05-17 | Structural Bioinformatics, Inc. | Computationally derived protein structures in pharmacogenomics |
US7289911B1 (en) * | 2000-08-23 | 2007-10-30 | David Roth Rigney | System, methods, and computer program product for analyzing microarray data |
CN101334800A (zh) * | 2008-07-21 | 2008-12-31 | 同济大学 | 一种应用特征的基因编码描述产品功能模型的系统及方法 |
CN105653871A (zh) * | 2016-01-06 | 2016-06-08 | 电子科技大学 | 基于相对熵和灰色关联度的符号化多质量特性分析方法 |
CN105678078A (zh) * | 2016-01-06 | 2016-06-15 | 电子科技大学 | 一种复杂机电系统符号化质量特性灰色预测方法 |
Non-Patent Citations (3)
Title |
---|
Study of similarity analysis methods for aviation system failures;Anouar H. Elbadiry et al.;《IEEE Aerospace and Electronic Systems Magazine》;20160628;第31卷(第6期);全文 * |
基于产品质量基因的质量控制理论研究与应用;孙利波 等;《中国机械工程》;20131130;第24卷(第21期);全文 * |
机械产品基因研究;陈洪武 等;《机床与液压》;20090430;第37卷(第4期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN107122609A (zh) | 2017-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107122609B (zh) | 一种基于质量特性基因理论的机电产品质量评价方法 | |
CN106682350B (zh) | 一种基于三维模型的多属性决策质量检测方法 | |
Shen et al. | Weighted nonlinear dynamic system for deep extraction of nonlinear dynamic latent variables and industrial application | |
Song et al. | A class of distribution-free exponentially weighted moving average schemes for joint monitoring of location and scale parameters | |
CN111143768A (zh) | 一种基于arima-svm组合模型的空气质量预测算法 | |
Garcia-Granada et al. | A new procedure based on Sachs’ boring for measuring non-axisymmetric residual stresses | |
Haridy et al. | Optimal average sample number of the SPRT chart for monitoring fraction nonconforming | |
CN112836067A (zh) | 基于知识图谱的智能搜索方法 | |
CN107122907B (zh) | 一种机电产品符号化质量特性的分析与故障原因追溯方法 | |
CN115438897A (zh) | 一种基于blstm神经网络的工业过程产品质量预测方法 | |
JP2014044510A (ja) | 異常診断装置 | |
Zhang et al. | Fatigue database of additively manufactured alloys | |
Ren et al. | Vibration monitoring with dependencies attention for gear hobbing quality evaluation | |
CN114021469B (zh) | 一种基于混合序列网络进行一段炉过程监测的方法 | |
Plessing et al. | AI-Based Surface Roughness Prediction Model for Automated CAM-Planning Optimization | |
Gomes et al. | Effort estimation in named entity tagging tasks | |
CN114818500A (zh) | 一种基于lstm算法预测土仓压力的方法 | |
CN114818493A (zh) | 一种隧道岩体完整程度定量评价的方法 | |
Fernández Berrocal et al. | Evaluation and Interpretation on Data Driven ROP Models From Engineering Perspectives | |
Yao et al. | Bayesian variable selection via hierarchical gaussian process model in computer experiments | |
CN112365022A (zh) | 一种基于多阶段的发动机轴承故障预测方法 | |
Wang et al. | Cases Integration System for Fault Diagnosis of CNC Machine Tools Based on Knowledge Graph | |
Chileshe | PhD in construction management research: what is original contribution to knowledge? The case of TQM | |
Zheng et al. | Tool wear prediction with external signals based on lightweight deep learning model | |
CN117592223B (zh) | 一种面向航空航天材料的孔加工刀具智能设计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200428 |