CN108108890A - 一种基于工序关联关系的工艺缺陷风险分析方法 - Google Patents
一种基于工序关联关系的工艺缺陷风险分析方法 Download PDFInfo
- Publication number
- CN108108890A CN108108890A CN201711366932.8A CN201711366932A CN108108890A CN 108108890 A CN108108890 A CN 108108890A CN 201711366932 A CN201711366932 A CN 201711366932A CN 108108890 A CN108108890 A CN 108108890A
- Authority
- CN
- China
- Prior art keywords
- defect
- risk
- matrix
- defective workmanship
- analysis
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Factory Administration (AREA)
Abstract
一种基于工序关联关系的工艺缺陷风险分析方法,包括:S1:根据传统PFMEA(过程失效模式以及影响分析)分析各缺陷模式的RPN(风险优先数);S2:建立工艺缺陷模糊矩阵;S3:模糊缺陷风险分析;S4:建立缺陷间相互关联矩阵;S5:建立关联风险分析模型。本发明的优点在于,一是考虑了缺陷间的关联关系,得到的缺陷风险值的排序结果与传统的RPN分析方法相比,量化分析了模糊语义的风险评价结果,对RPN值相同或相近的缺陷风险程度进行了区分。二是提出的风险分析方法考虑了工序与工序之间不同缺陷的相互影响关系,因此其相对风险评价结果更能反映实际的加工情况,更具参考应用价值。
Description
技术领域
本发明涉及工艺缺陷分析领域,特别是涉及一种基于工序关联关系的工艺缺陷风险分析方法,用于反映复杂加工过程中工艺的缺陷风险。
背景技术
传统的工艺失效模式及影响因素分析(PFMEA:Process Failure Mode andEffects Analysis)所针对的失效模式指工艺过程可能发生的不满足工艺要求的情形,即工艺缺陷,是对某具体工序的不符合要求程度进行的描述。其常用RPN(Risk PriorityNumber)——风险优先数来定量表征各种缺陷,并对缺陷风险进行区分和排序,其具体步骤为:
分析各工序可能产生的缺陷形式,分析确定各缺陷形式的发生度(O)、严重度(S)和探测度(D)。
按下面公式计算各缺陷形式的风险优先数
RPN=O×S×D
根据计算得到的RPN的值对缺陷进行排序,确定关键工序和关键缺陷进行工艺优化和改进。
该方法比较简便且能够较快定位关键缺陷,但在在实际的生产制造过程中,失效模式多种多样,与失效模式相对应的工艺缺陷也很多,不考虑工艺缺陷相互之间的影响显然是不科学的,所以传统PFMEA分析方在法使用过程中存在很多不足之处。
首先,在对工艺缺陷的发生度(O)、严重度(S)以及探测度(D)进行描述时,通常采用的办法是进行主观的定性分析,按照事先确定的度量对应关系转化为相应的某个数值。但是,主观的语义描述都是比较模糊的区间概念,具有一定的不确定性,因此传统PFMEA方法选择单个确定值来定量表示这些不确定信息,存在一定的片面性;其次,从缺陷风险优先数的计算公式可以看出,缺陷发生率、严重度和探测度这三个维度是同等重要的,实际分析时可能产生 RPN值相同或相近的结果,但是缺陷的发生率、严重度以及探测度都不同,对产品的影响程度也不同,显然传统的PFMEA分析方法无法区分不同因子之间的重要程度;再次,工艺缺陷受到工序进程的影响,不同工序之间或同一工序之间的缺陷可能存在传递性或者相关性,传统的PFMEA分析方法也没有考虑不同缺陷之间的影响关系,因此导致分析过程存在局限性;最后,在实际的生产制造过程中,失效模式多种多样,与失效模式相对应的工艺缺陷也很多,且缺陷的优先级、缺陷之间的相互作用通过传统的工艺失效模式和影响因素分析过程难以确定,针对缺陷问题实施工艺改进的工作难以有效开展。
发明内容
本发明公开了一种基于工序关联关系的工艺缺陷风险分析方法。针对产品工艺缺陷难以表征的问题,结合了传统的工艺失效模式和影响因素分析过程,采用了层次分析法对缺陷的严重度、发生度和探测度这三个维度的指标进行权重分配。同时在建立工艺缺陷有向图的基础上确定缺陷之间的之间影响关系矩阵。通过考虑每种缺陷的相对风险和原因度比重,建立工艺缺陷风险分析模型对工艺缺陷进行风险评估,从而找出关键缺陷进行有效改进。
具体的,本发明公开了一种基于工序关联关系的工艺缺陷风险分析方法,包括:
S1:根据传统过程失效模式以及影响分析(PRMEA)分析各缺陷模式的风险优先数(RPN);
S2:建立工艺缺陷模糊矩阵;
S3:模糊缺陷风险分析;
S4:建立缺陷间相互关联矩阵;
S5:建立关联风险分析模型。
优选的,所述步骤S2还包括:
S2.1:建立工艺缺陷评估矩阵;
S2.2:采用模糊术语对每个维度的指标进行评价;
S2.3:得出工艺缺陷模糊评估矩阵。
优选的,所述步骤S3还包括:
S3.1:对所述工艺缺陷模糊评估矩阵进行规范化处理;
S3.2:通过层次分析法确定权重向量,对规范化后的模糊矩阵进行加权,得到决策矩阵;
S3.3:根据TOPSIS理论,定义最大强度缺陷类型和最小强度缺陷类型,采用距离测度公式确定每种缺陷的相对风险。
优选的,所述步骤S4还包括:
S4.1:通过构造缺陷关系有向图建立缺陷之间直接影响关系矩阵;
S4.2:得出缺陷之间相对直接影响关系矩阵;
S4.3:求出缺陷综合影响矩阵,得出各缺陷对其它缺陷总的影响强度。
优选的,所述步骤S5还包括:
根据所述各缺陷对其它缺陷总的影响强度以及所述每种缺陷的相对风险得出工艺缺陷相对综合风险,建立关联综合风险分析模型。
本发明的优点在于,
1)与传统的RPN分析方法相比,考虑到了缺陷关联关系并且将模糊语义的风险评价结果进行了量化分析,使得RPN值相同的缺陷风险具有区分度。
2)与传统的RPN分析方法相比,本发明提出了风险分析方法,考虑了工序与工序之间不同缺陷的相互影响关系,其相对风险评价结果更能反映实际的加工情况,更具参考应用价值。
附图说明
通过阅读下文具体实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出具体实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1为:本发明一种基于工序关联关系的工艺缺陷风险分析方法的流程图。
图2为:本发明一种基于工序关联关系的工艺缺陷风险分析方法的缺陷关系有向图。
图3为:本发明一种基于工序关联关系的工艺缺陷风险分析方法的不同缺陷量化分析方法对比图。
在图2中,
方框:不同工序;
圆圈:缺陷类型;
带有箭头的有向边:缺陷间的影响关系;
qij:第i种缺陷对第j种缺陷的直接影响强度。
具体实施方式
本发明通过传统PFMEA分析方法得到各缺陷模式的RPN值;通过引入三角模糊数建立工艺缺陷模糊评估矩阵;采用TOPSIS理论进行模糊缺陷风险分析得到每种缺陷模式的相对风险;通过建立缺陷间的有向关系图构建缺陷影响关系矩阵计算得到原因度;最后根据工序间的工艺缺陷的相互影响关联性,建立基于工艺缺陷影响关联性的风险分析模型。
所构建的风险分析模型可选的为:
其中R′i为相对风险,ζi为每种缺陷的相对风险,g(i)为缺陷i的原因度。具体的设计流程如图1所示。
下面将结合其它附图详细的介绍本发明的分析方法:
优选的,PFMEA分析方法是一种表格化的分析技术,是在产品设计阶段和过程设计阶段对各零部件、子系统(分总成)以及对结构过程的各工序进行逐一分析,通过找出潜在的失效模式、分析其后果评估风险,从而预先采取措施,以达到减小失效模式的严重程度,降低可能发生的概率,有效地提高产品的质量和可靠性。
本发明在PFMEA分析方法的基础上建立风险评估矩阵,通过查询三角模糊数与模糊术语对应关系表,建立工艺缺陷模糊评估矩阵。
在本发明的实施方式中,包括如下步骤:
S1:根据传统过程失效模式以及影响分析(PRMEA)分析各缺陷模式的风险优先数(RPN),包括
某一工艺过程有m种缺陷类型,可表示为缺陷集F={f1,f2,...,fm},其中fi为第i种缺陷,根据PFMEA分析方法采用发生度(O)、严重度(S)、探测度 (D)对工艺缺陷进行风险评估,评价结果为E={O,S,D},
S2:建立工艺缺陷模糊矩阵,包括
根据上述评价结果建立工艺缺陷评估矩阵:
其中,fij表示第j个评价因子对第i种缺陷进行评价的结果。
确定三角模糊数与模糊术语对应关系表,对应关系见表1。
表1
本发明提出了基于模糊语义的工艺缺陷风险分析和量化评价方法,如表1 所示,在传统PFMEA评估表中增加了三角模糊数,通过三角模糊数对发生度 O、严重度S、探测度D进行量化分析,使其评价结果能更准确地反映实际产品加工过程的工艺缺陷风险。
根据缺陷评估矩阵与表1中的对应三角模糊数,得到工艺缺陷模糊评估矩阵F可表示为:
其中a1OL,a1OM,a1OH分别表示为缺陷1评估结果的量化评价,也即评价结果 (传统评估)对应的三角模糊数,分别表示当前评价结果量化后最小值、最可能取到的值、最大值。由表1可以看出对应模糊语言的三角模糊数的数值范围为0~1。
具体的,三角模糊数的确定参考模糊集理论,定义在论域X上的一个映射
D:X→[0,1]
则称D为X上的模糊集合,μD(x)为D的隶属函数,表示x对于D的隶属度。值越高表示x隶属于D的程度就越高。
基于上述PFMEA分析,将三个维度发生度O、严重度S、探测度D作为模糊语言变量。则确定三角模糊数时采用的三角模糊集合为:
fij={aijL,aijM,aijH},i=1,2,...,m,j=O,S,D (3)
隶属度函数表示为:
根据三角模糊术语通过隶属函数确定三角模糊数。
S3:模糊缺陷风险分析,包括
将工艺缺陷模糊评估矩阵F进行规范化处理,公式如下:
因此,可得到规范化矩阵B:
规范化处理的目的在于将缺陷模糊评估矩阵F'的列向量化为单位向量,方便后续计算。
由于三角模糊数是与模糊语言对应的,并不区分评价指标(发生度O、严重度O、探测度D),所以本发明采用了层次分析法确定三种指标的权重向量,可表示为:
ω=[ω1,ω2,ω3],ωi>0,∑ωi=1(i=1,2,3)
其中ω1,ω2,ω3分别为三种指标(发生度O、严重度O、探测度D)的权重系数,可选的,系数可根据经验给出,优选的可根据具体的数据分析得出。
从而可构建加权后的决策矩阵R:
决策矩阵R相比于根据传统PFMEA分析所建立的缺陷评估矩阵,不但减少了对发生度O、严重度O、探测度D主观上的定性分析而且避免了由于传统分析中缺陷发生率、严重度和探测度这三个维度是同等的所引起的不同缺陷的 RPN结果相同,导致难以做出判断的问题。
根据TOPSIS理论,可以定义最大强度缺陷类型(r+)和最小强度缺陷类 型(r-),分别为:
由于TOPSIS决策结果会受到三角模糊数不同距离测度的影响,可选的本发明采用的距离测度公式为:
因此,每种缺陷的相对风险可记为:
S4:建立缺陷间相互关联矩阵,包括
构造缺陷关系有向图,有向图中仅表示缺陷间的影响关系,如图2所示,确定有向图和直接影响强度,直接影响强度为[0,0.5,1],即无影响时赋值为0,强影响强度时赋值为1,弱影响强度时赋值为0.5,分别对每组缺陷的直接影响关系进行量化分析。
根据图2可获得缺陷之间直接影响关系矩阵Q:
经正规化处理,可得到相对直接影响关系矩阵P:
S5:建立关联风险分析模型
考虑到不同工序缺陷之间的间接影响,根据公式(15)求出缺陷影响矩阵 T:
其中,I为单位阵,tij包括缺陷i对缺陷j的直接影响以及间接影响。
将缺陷影响程度记为Tr:
其中,tr(i)表示第i种缺陷对其它所有缺陷类型的影响度之和。
将缺陷被影响度记为Tc:
其中tc(i)表示第i种缺陷受到其它所有缺陷类型的影响度之和。
定义缺陷i的原因度为g(i),表示缺陷i对其它缺陷总的影响强度,即,可以得出各缺陷对其它缺陷总的影响强度:
g(i)=tr(i)+tc(i) (18)
S5:建立关联综合风险分析模型
优选的,考虑到不同工艺缺陷之间的关联关系,本发明提出基于关联关系的工艺缺陷相对风险为R'为:
实施例一
以阀芯的车外圆工序和磨外圆以及偶件配磨三道工序为例,对其进行工艺缺陷分析并与PFMEA分析方法中的RPN值进行比较。
可选的,本实施例中省略了具体相对风险的计算过程,节选相关的部分分析结果得到表2为车-磨-配工序传统FPMEA分析表。
表2
表中GX表示工序,QX表示缺陷。
本发明采用层次分析方法对缺陷发生度、检测度和严重度三个维度的评价指标进行权重分配,基于专家经验确定权重矩阵为ω=[0.4,0.25,0.35],在建立工艺缺陷有向图的基础上,确定缺陷之间的直接影响关系矩阵Q如缺陷直接影响关系矩阵表3所示。具体分析结果见阀芯车-磨-配工艺缺陷风险分析结果表 4。表3中f1到f6为第一道工序缺陷,f7-f15为第二道工序缺陷,f16为第三道工序缺陷,列向f1-f6与横向f1-f16之间的数值(即,列向f1-f6所对应的6行)表示第一道工序中的缺陷对其它缺陷的直接影响评判结果,列向f7-f15与横向f1-f16-之间的值(即,列向f7-f15所对应的9行)表示为第二道工序中的缺陷对其它缺陷对其它缺陷的直接影响评判结果,列向f16与横向f1-f16之间的数值(即,列向f16所对应的最后一行)表示第三道工序中的缺陷对其它缺陷的直接影响结果,由于缺陷16号是工序三配磨阶段产生的后序缺陷,因此不会对前工序出现的缺陷产生直接的影响,故16号缺陷对前序缺陷的影响都为0,而前序缺陷都会影响到配合间隙缺陷,因此前序缺陷对16号缺陷的影响都为1。
表3
可选的,为了更加直观的比较不同缺陷分析方法,将本发明提出的缺陷风险分析、模糊缺陷风险分析以及传统的RPN方法得到的风险λi进行归一化处理,得到相对缺陷风险优先度ρi。
其中,λi是按照不同方法中得到的相对缺陷风险(仅用于实施例),如传统分析方法中的RPN值。相对缺陷风险优先度ρi可直观上展示缺陷i在相应的分析方法中的相对重要性位置。
表4
如图3所示,三种缺陷分析方法的比较图,可以得知:
(1)传统的缺陷分析方法和模糊缺陷分析方法中,风险最大的缺陷为 GX2QX10:磨削工序中心孔直线度超差,而本发明提出的考虑缺陷关联性得出的缺陷风险最大的为GX1QX6:车削工序中的表面粗糙度超差。这是因为车削过程粗糙度会造成下一道磨削过程的毛刺缺陷去除不净以及影响后续加工的余量分配,从而导致后续配磨时节流工作边不能保持锐边等,所以实际情况是车削过程粗糙度的风险相对更高,应该需要在车削过程加强控制。从上述分析结果来看,传统的缺陷分析方法和模糊缺陷分析方法没有考虑到缺陷之间的关联性,因此,分析结果可能出现偏差。
(2)缺陷GX1QX1——车外圆圆柱度超差,缺陷GX2QX12——凸尖硬度不合格,这两种缺陷在传统分析方法中,RPN值都是120,但实际情况两者的风险程度应该是不同的。因此,传统的RPN分析无法对其进行区分,认为两种缺陷风险等级一样,图3中曲线1在这两点的纵坐标保持在同一水平线,而利用本发明的缺陷风险分析表明圆柱度超差(风险值0.7386,排名9)比凸尖硬度不合格(风险值0.5918排名12)风险更大,应更加重视圆柱度超差缺陷,与实际情况比较吻合。因此,本发明提出的缺陷风险能够以较高精度选择风险相对较大的缺陷作为控制对象,针对缺陷进行有效改进。
以上,仅为本发明示例性的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (5)
1.一种基于工序关联关系的工艺缺陷风险分析方法,其特征在于,包括:
S1:根据传统过程失效模式以及影响分析(PRMEA)分析各缺陷模式的风险优先数(RPN);
S2:建立工艺缺陷模糊矩阵;
S3:模糊缺陷风险分析;
S4:建立缺陷间相互关联矩阵;
S5:建立关联风险分析模型。
2.根据权利要求1所述的工艺缺陷风险分析方法,其特征在于,所述步骤
S2还包括:
S2.1:建立工艺缺陷评估矩阵;
S2.2:采用模糊术语对每个维度的指标进行评价;
S2.3:得出工艺缺陷模糊评估矩阵。
3.根据权利要求1所述的工艺缺陷风险分析方法,其特征在于,所述步骤
S3还包括:
S3.1:对所述工艺缺陷模糊评估矩阵进行规范化处理;
S3.2:通过层次分析法确定权重向量,对规范化后的模糊矩阵进行加权,得到决策矩阵;
S3.3:根据TOPSIS理论,定义最大强度缺陷类型和最小强度缺陷类型,采用距离测度公式确定每种缺陷的相对风险。
4.根据权利要求1所述的工艺缺陷风险分析方法,其特征在于,所述步骤
S4还包括:
S4.1:通过构造缺陷关系有向图建立缺陷之间直接影响关系矩阵;
S4.2:得出缺陷之间相对直接影响关系矩阵;
S4.3:求出缺陷综合影响矩阵,得出各缺陷对其它缺陷总的影响强度。
5.根据权利要求1所述的工艺缺陷风险分析方法,其特征在于,所述步骤
S5还包括:
根据所述各缺陷对其它缺陷总的影响强度以及所述每种缺陷的相对风险得出工艺缺陷相对综合风险,建立关联综合风险分析模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711366932.8A CN108108890B (zh) | 2017-12-18 | 2017-12-18 | 一种基于工序关联关系的工艺缺陷风险分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711366932.8A CN108108890B (zh) | 2017-12-18 | 2017-12-18 | 一种基于工序关联关系的工艺缺陷风险分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108108890A true CN108108890A (zh) | 2018-06-01 |
CN108108890B CN108108890B (zh) | 2021-12-03 |
Family
ID=62209902
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711366932.8A Active CN108108890B (zh) | 2017-12-18 | 2017-12-18 | 一种基于工序关联关系的工艺缺陷风险分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108108890B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109409755A (zh) * | 2018-11-01 | 2019-03-01 | 聪脉(上海)信息技术有限公司 | 一种结构化的pfmea分析系统及其方法 |
CN109782746A (zh) * | 2019-02-01 | 2019-05-21 | 哈尔滨工业大学 | 一种考虑权重的硬件电路fmea方法 |
CN109871655A (zh) * | 2019-03-19 | 2019-06-11 | 北京航空航天大学 | 一种基于模糊等级评价的器件级产品试验应力确定方法 |
CN110866219A (zh) * | 2019-11-14 | 2020-03-06 | 北京京航计算通讯研究所 | 关键检验特性缺陷率统计装置 |
CN111340320A (zh) * | 2018-12-18 | 2020-06-26 | 西安海平方网络科技有限公司 | 工作计划确定方法、装置、计算机设备和存储介质 |
CN111553619A (zh) * | 2020-06-30 | 2020-08-18 | 湖北中烟工业有限责任公司 | 卷包机组质量风险实时评价方法及系统 |
CN112580810A (zh) * | 2020-12-22 | 2021-03-30 | 济南中科成水质净化有限公司 | 一种基于有向无环图的污水处理工艺分析诊断方法 |
CN113095609A (zh) * | 2019-12-23 | 2021-07-09 | 北京博超时代软件有限公司 | 风险提示预演方法、装置及设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105677565A (zh) * | 2016-01-06 | 2016-06-15 | 浙江理工大学 | 一种缺陷关联系数的度量方法 |
CN106230773A (zh) * | 2016-07-05 | 2016-12-14 | 杨林 | 基于模糊矩阵层次分析法的风险评估系统 |
CN106709522A (zh) * | 2016-12-29 | 2017-05-24 | 武汉大学 | 一种基于改进模糊三角数的高压电缆施工缺陷分级方法 |
-
2017
- 2017-12-18 CN CN201711366932.8A patent/CN108108890B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105677565A (zh) * | 2016-01-06 | 2016-06-15 | 浙江理工大学 | 一种缺陷关联系数的度量方法 |
CN106230773A (zh) * | 2016-07-05 | 2016-12-14 | 杨林 | 基于模糊矩阵层次分析法的风险评估系统 |
CN106709522A (zh) * | 2016-12-29 | 2017-05-24 | 武汉大学 | 一种基于改进模糊三角数的高压电缆施工缺陷分级方法 |
Non-Patent Citations (3)
Title |
---|
X. WU, W. DAI ETC.: "Research on Multi-stage manufacturing process reliability improvement", 《2015 IEEE 13TH INTERNATIONAL CONFERENCE ON INDUSTRIAL INFORMATICS (INDIN)》 * |
伍晓榕等: "模糊语境下的复杂系统关联FMEA方法", 《浙江大学学报(工学版)》 * |
匡芬,戴伟,王健,赵宇: "基于质量特性演化的工艺可靠性评估", 《计算机集成制造系统》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109409755A (zh) * | 2018-11-01 | 2019-03-01 | 聪脉(上海)信息技术有限公司 | 一种结构化的pfmea分析系统及其方法 |
CN109409755B (zh) * | 2018-11-01 | 2022-02-22 | 聪脉(上海)信息技术有限公司 | 一种结构化的pfmea分析系统及其方法 |
CN111340320A (zh) * | 2018-12-18 | 2020-06-26 | 西安海平方网络科技有限公司 | 工作计划确定方法、装置、计算机设备和存储介质 |
CN111340320B (zh) * | 2018-12-18 | 2023-09-22 | 西安海平方网络科技有限公司 | 工作计划确定方法、装置、计算机设备和存储介质 |
CN109782746A (zh) * | 2019-02-01 | 2019-05-21 | 哈尔滨工业大学 | 一种考虑权重的硬件电路fmea方法 |
CN109871655A (zh) * | 2019-03-19 | 2019-06-11 | 北京航空航天大学 | 一种基于模糊等级评价的器件级产品试验应力确定方法 |
CN109871655B (zh) * | 2019-03-19 | 2021-09-14 | 北京航空航天大学 | 一种基于模糊等级评价的器件级产品试验应力确定方法 |
CN110866219A (zh) * | 2019-11-14 | 2020-03-06 | 北京京航计算通讯研究所 | 关键检验特性缺陷率统计装置 |
CN113095609A (zh) * | 2019-12-23 | 2021-07-09 | 北京博超时代软件有限公司 | 风险提示预演方法、装置及设备 |
CN111553619A (zh) * | 2020-06-30 | 2020-08-18 | 湖北中烟工业有限责任公司 | 卷包机组质量风险实时评价方法及系统 |
CN112580810A (zh) * | 2020-12-22 | 2021-03-30 | 济南中科成水质净化有限公司 | 一种基于有向无环图的污水处理工艺分析诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108108890B (zh) | 2021-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108108890A (zh) | 一种基于工序关联关系的工艺缺陷风险分析方法 | |
CN108062484A (zh) | 一种基于数据敏感特征和数据库元数据的分类分级方法 | |
CN106067088A (zh) | 电子银行访问行为的检测方法和装置 | |
CN107704512A (zh) | 基于社交数据的金融产品推荐方法、电子装置及介质 | |
CN112989621B (zh) | 一种模型性能评价方法、装置、设备及存储介质 | |
CN107545273A (zh) | 一种基于密度的局部离群点检测方法 | |
CN116467674B (zh) | 一种配电网智能故障处理融合更新系统及其方法 | |
CN115543973B (zh) | 一种基于知识谱图与机器学习的数据质量规则推荐方法 | |
CN107766500A (zh) | 固定资产卡片的审计方法 | |
WO2021128523A1 (zh) | 一种基于科技大数据的技术成熟度判断方法和系统 | |
Xie et al. | Abnormal data detection based on adaptive sliding window and weighted multiscale local outlier factor for machinery health monitoring | |
CN112559591A (zh) | 一种用于冷轧辊制造过程的离群检测系统及其检测方法 | |
CN116628381A (zh) | 一种基于ai预测的网页数据设计模块故障无损恢复方法 | |
CN111861056A (zh) | 一种技术创新水平的评价方法 | |
Chuantao et al. | Fuzzy comprehensive evaluation based on multi-attribute group decision making for business intelligence system | |
CN114219245B (zh) | 基于大数据的乡村电力指数评价方法、装置及存储介质 | |
CN115562981A (zh) | 基于机器学习的软件质量评估方法 | |
Lu et al. | A modified active learning intelligent fault diagnosis method for rolling bearings with unbalanced samples | |
CN110991841B (zh) | 一种基于ai技术的对招投标过程中不规范行为的分析方法 | |
Bao et al. | Cleaner production assessment of group company based on improved AHP and grey relational analysis | |
CN112948368A (zh) | 一种基于数据关联性的深度异常检测方法 | |
Sallehuddin et al. | Grey relational analysis and its application on multivariate time series | |
Bai et al. | Choice-making on distribution locations of logistics center based on fuzzy multi-criteria decision making theory | |
CN111079344B (zh) | 一种纸页柔软度测量方法及系统 | |
Guo | Financial Crisis prediction based on genetic algorithm and LS-SVM |
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 |