CN109697571A - 产品质量分析方法、装置以及存储介质 - Google Patents
产品质量分析方法、装置以及存储介质 Download PDFInfo
- Publication number
- CN109697571A CN109697571A CN201811617341.8A CN201811617341A CN109697571A CN 109697571 A CN109697571 A CN 109697571A CN 201811617341 A CN201811617341 A CN 201811617341A CN 109697571 A CN109697571 A CN 109697571A
- Authority
- CN
- China
- Prior art keywords
- performance
- deviation
- analyzed
- cause information
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 34
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 50
- 238000004519 manufacturing process Methods 0.000 claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 39
- 239000002131 composite material Substances 0.000 claims abstract description 9
- 235000019504 cigarettes Nutrition 0.000 claims description 7
- 241000208340 Araliaceae Species 0.000 claims description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 2
- 238000004590 computer program Methods 0.000 claims description 2
- 235000008434 ginseng Nutrition 0.000 claims description 2
- 230000007423 decrease Effects 0.000 abstract description 13
- 238000010586 diagram Methods 0.000 description 6
- 230000005856 abnormality Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 206010054949 Metaplasia Diseases 0.000 description 1
- 244000061176 Nicotiana tabacum Species 0.000 description 1
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 1
- 238000010923 batch production Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000015689 metaplastic ossification Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本发明提供了一种产品质量分析方法、装置以及存储介质，其中方法包括：基于历史质量指数数据获得质量指数偏差参数，获得与每个待分析质量指数对应的实际质量指数偏差，如果确定实际质量指数偏差小于预设的偏差阈值，则获得原因信息，将具有相同原因信息的待分析质量指数进行合并处理，获得与此原因信息相对应的原因质量指数偏差，根据综合质量指数偏差获得原因信息对于质量指数的影响程度。本发明的方法、装置以及存储介质，量化了导致质量指数下降的原因，可以针对不同的影响程度，合理配置资源，更加有针对性地解决加工过程中存在的问题，确保产品加工过程质量的稳定性，能够提高产品质量以及生产效率。
Description
技术领域
本发明涉及烟草制造技术领域，尤其涉及一种产品质量分析方法、装置以及存储介质。
背景技术
目前，国内卷烟制丝生产线大部分都采用了批次化生产的模式，即根据日期、牌号和工序的不同，生成具有唯一性的批次号，便于产品的查询和追溯。基于批次生产模式提出了质量指数QI(Quality Index)，QI是基于生产过程在线实时采集数据,应用数理统计方法,实现对关键参数、质量指标在产品批次生产加工过程中质量稳定性量化评价的参数。因此，产品在加工过程中质量稳定性的变化具体表现为QI的变化。QI的变化，尤其是下降，意味着产品加工过程质量的稳定性变差。通过对QI下降原因的分析，可以及时发现产品在加工过程中存在的问题，为及时解决问题提供输入。目前对于分析QI下降原因，涉及的工序多、参数多，分析起来很困难，不容易准确定位问题原因。
发明内容
本发明的一个或多个实施例提供一种产品质量分析方法、装置以及存储介质。
根据本发明的一个方面，提供一种产品质量分析方法，包括：获得生产工序的历史质量指数数据，基于所述历史质量指数数据获得质量指数偏差参数；获得生产工序的待分析质量指数数据，根据所述待分析质量指数数据和所述质量指数偏差参数获得与每个待分析质量指数对应的实际质量指数偏差；如果确定与所述待分析质量指数对应的实际质量指数偏差小于预设的偏差阈值，则获得与此待分析质量指数相对应的原因信息；将具有相同原因信息的所述待分析质量指数进行合并处理，获得与此原因信息相对应的原因质量指数偏差；根据所述综合质量指数偏差获得原因信息对于质量指数的影响程度。
可选地，所述获得生产工序的历史质量指数数据包括：设置质量样本采集时段；获得在所述质量样本采集时段内的、与生产工序相对应的全部生产批次的历史质量指数，生成所述历史质量指数数据。
可选地，所述基于所述历史质量指数数据获得质量指数偏差参数包括：计算全部所述历史质量指数的算数平均值和标准偏差；获得所述算数平均值与所述标准偏差的差值，作为所述质量指数偏差参数。
可选地，所述根据所述待分析质量指数数据和所述质量指数偏差参数获得与每个待分析质量指数对应的实际质量指数偏差包括：分别计算每个待分析质量指数与所述质量指数偏差参数的差值，作为与待分析质量指数相对应的实际质量指数偏差。
可选地，所述将具有相同原因信息的所述待分析质量指数进行合并处理、获得与此原因信息相对应的原因质量指数偏差包括：将与具有相同原因信息的待分析质量指数相对应的实际质量指数偏差进行相加处理，获得与此原因信息相对应的原因质量指数偏差；所述根据所述综合质量指数偏差获得原因信息对于质量指数的影响程度包括：获得全部所述原因质量指数偏差的和，作为指数偏差总和；计算每个原因质量指数偏差占所述指数偏差总和的比例，作为原因信息对于质量指数的影响程度。
可选地，所述生产工序包括：卷烟制丝加工生产工序；所述偏差阈值包括：0。
根据本发明的另一方面，提供一种产品质量分析装置，包括：偏差参数获得模块，用于获得生产工序的历史质量指数数据，基于所述历史质量指数数据获得质量指数偏差参数；偏差确定模块，用于获得生产工序的待分析质量指数数据，根据所述待分析质量指数数据和所述质量指数偏差参数获得与每个待分析质量指数对应的实际质量指数偏差；原因标定模块，用于如果确定与所述待分析质量指数对应的实际质量指数偏差小于预设的偏差阈值，则获得与此待分析质量指数相对应的原因信息；原因偏差获得模块，用于将具有相同原因信息的所述待分析质量指数进行合并处理，获得与此原因信息相对应的原因质量指数偏差；原因影响确定模块，用于根据所述综合质量指数偏差获得原因信息对于质量指数的影响程度。
可选地，所述偏差参数获得模块，用于设置质量样本采集时段；获得在所述质量样本采集时段内的、与生产工序相对应的全部生产批次的历史质量指数，生成所述历史质量指数数据。
可选地，所述偏差参数获得模块，用于计算全部所述历史质量指数的算数平均值和标准偏差；获得所述算数平均值与所述标准偏差的差值，作为所述质量指数偏差参数。
可选地，所述偏差确定模块，用于分别计算每个待分析质量指数与所述质量指数偏差参数的差值，作为与待分析质量指数相对应的实际质量指数偏差。
可选地，所述原因偏差获得模块，用于将与具有相同原因信息的待分析质量指数相对应的实际质量指数偏差进行相加处理，获得与此原因信息相对应的原因质量指数偏差；所述原因影响确定模块，用于获得全部所述原因质量指数偏差的和，作为指数偏差总和；计算每个原因质量指数偏差占所述指数偏差总和的比例，作为原因信息对于质量指数的影响程度。
可选地，所述生产工序包括：卷烟制丝加工生产工序；所述偏差阈值包括：0。
根据本发明的又一方面，提供一种产品质量分析装置，包括：存储器；以及耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行如上所述的方法。
根据本发明的再一方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，该指令被一个或多个处理器执行时实现如上的方法的步骤。
本公开的产品质量分析方法、装置以及存储介质，通过计算导致质量指数下降原因的影响程度，量化了导致质量指数下降的原因；可以针对不同的影响程度，合理配置资源，更加有针对性地解决加工过程中存在的问题，确保产品加工过程质量的稳定性，能够提高产品质量以及生产效率。
附图说明
为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为根据本公开的产品质量分析方法的一个实施例的流程示意图；
图2至图11为根据本公开的产品质量分析方法的另一个实施例中的对生产工艺数据处理的示意图；
图12为根据本公开的产品质量分析装置的一个实施例的模块示意图；
图13为根据本公开的产品质量分析装置的另一个实施例的模块示意图。
具体实施方式
下面参照附图对本公开进行更全面的描述，其中说明本公开的示例性实施例。下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
图1为根据本公开的产品质量分析方法的一个实施例的流程示意图方法，如图1所示：
步骤101，获得生产工序的历史质量指数数据，基于历史质量指数数据获得质量指数偏差参数。
生产工序可以为多种生产工序，例如生产工序为卷烟制丝加工生产工序等。在生产过程中在线实时采集数据，质量指数可以采用现有的多种方法基于采集的数据进行计算获得，用于对质量稳定性进行评价。
步骤102，获得生产工序的待分析质量指数数据，根据待分析质量指数数据和质量指数偏差参数获得与每个待分析质量指数对应的实际质量指数偏差。
步骤103，如果确定与待分析质量指数对应的实际质量指数偏差小于预设的偏差阈值，则获得与此待分析质量指数相对应的原因信息。偏差阈值可以设置，例如设置为0等。
步骤104，将具有相同原因信息的待分析质量指数进行合并处理，获得与此原因信息相对应的原因质量指数偏差。
步骤105，根据综合质量指数偏差获得原因信息对于质量指数的影响程度。
上述实施例中的产品质量分析方法，能够通过对导致质量指数下降原因进行量化，使工艺员迅速定位关键问题，及时解决主要矛盾，合理配置资源，可以高效处理工艺质量问题。
在一个实施例中，设置质量样本采集时段，例如可以为前一个月、前三个月等。获得在质量样本采集时段内的、与生产工序相对应的全部生产批次的历史质量指数，生成历史质量指数数据。
基于历史质量指数数据获得质量指数偏差参数可以有多种方法。例如，计算全部历史质量指数的算数平均值和标准偏差，获得算数平均值与标准偏差的差值，作为质量指数偏差参数。
算术平均数又称均值，设一组数据为X1，X2，...，Xn，算术平均数的计算公式为：标准偏差用以衡量数据值偏离算术平均值的程度，标准偏差越小，这些值偏离平均值就越少，标准偏差的大小可通过标准偏差与平均值的倍率关系来衡量，描述各数据偏离平均数的距离(离均差)的平均数，可以是离差平方和平均后的方根，用σ表示。
标准偏差的计算公式为：μ代表总体X的均值。
获得与每个待分析质量指数对应的实际质量指数偏差可以有多种方法。例如，分别计算每个待分析质量指数与质量指数偏差参数的差值，作为与待分析质量指数相对应的实际质量指数偏差。将与具有相同原因信息的待分析质量指数相对应的实际质量指数偏差进行相加处理，获得与此原因信息相对应的原因质量指数偏差。获得全部原因质量指数偏差的和，作为指数偏差总和，计算每个原因质量指数偏差占指数偏差总和的比例，作为原因信息对于质量指数的影响程度。
在一个实施例中，对卷烟制丝加工生产工序一段时间内(例如一个自然月)所有生产批次的质量指数QI下降原因进行分析，提取该工序前三个月所有批次的历史质量指数QI1，进行数据处理(例如剔除异常数据)后计算其算术平均值和标准偏差δ，获得质量指数偏差参数为X-δ。将该工序分析时间内(例如一个自然月)所有生产批次的质量指数QI2与相减，获得实际质量指数偏差。
可以将所得的实际质量指数偏差按从低到高的顺序进行排列，同时关联所有实际质量指数偏差小于偏差阈值(设置为0)的批次原因信息，并对相同原因信息的生产批次的实际质量指数偏差进行相加处理，获得与此原因信息相对应的原因质量指数偏差。将每个原因质量指数偏差除以全部原因质量指数偏差之和，再乘以100％，获得原因信息对于质量指数的影响程度，得出原因导致质量指数QI下降的占比。
工艺员每天需要对制丝生产线所有参数对应的质量指数下降进行原因分析，如图2所示。计算前三个月所有某参数的质量指数QI的算数平均值与标准偏差，将算数平均值与标准偏差的差值作为质量指数偏差参数。计算每个待分析质量指数与质量指数偏差参数的差值，作为与待分析质量指数相对应的实际质量指数偏差(每个月计算一次)，将实际质量指数偏差小于0的质量指数视作异常参数，如图3所示。
卷烟制丝生产线是由许多工序串联而成，这里举出其中一个工序进行举例说明。提取一个工序分析前三个月所有生产批次的质量指数QI1，剔除异常数据，包括数据采集、物料情况、设备状况、动力能源、操作经验等所有导致数据异常的批次，如图4所示。
计算质量指数QI1的算数平均值和标准偏差δ，如图5所示，算数平均值为95.03，标准偏差δ为1.2。提取该工序分析时间段内所有批次的质量QI2，分别减去差值为质量指数偏差参数，分别为-0.05、1.85等，如图6所示。
可以将所得的质量指数偏差参数按从低到高的顺序进行排列，对所有质量指数偏差参数为负数的批次关联原因信息，用于进行原因分析，原因信息可以为“设备故障”、“操作失误”等，如图7所示。对原因相同的批次进行合并，差值相加，将与具有相同原因信息的待分析质量指数相对应的实际质量指数偏差进行相加处理，获得与此原因信息相对应的原因质量指数偏差。
例如，与原因信息为“操作失误”相对应的实际质量指数偏差“-3.78”和“-0.14”相加，得到与原因信息为“操作失误”相对应的原因质量指数偏差为-3.92，并且，与原因信息为“设备故障”相对应的原因质量指数偏差为-9.84，与此原因信息为“动力能源”相对应的原因质量指数偏差为-0.05，如图8所示。
计算每个原因质量指数偏差占指数偏差总和的比例，作为原因信息对于质量指数的影响程度，即将相加后的差值除以所有负数差值的和乘以100％。例如，原因信息为“设备故障”对于质量指数的影响程度为71.25％等，如图9所示。
通过计算导致质量指数QI下降原因的影响程度，量化了导致质量指数QI下降的原因。针对不同的影响程度，合理配置资源，更加有针对性地解决加工过程中存在的问题，确保产品加工过程质量的稳定性。例如，从6月份的月报分析来看，大线预混段6月份得分90.78环比5月份91.88下降了1.1分。
通过此分析方法，量化了各影响因素的影响程度(分占比)，并作为7月份工作计划的输入，其中重点是物流故障导致的断料，占所有影响因素的39.08％，如图10所示。通过输出相关问题，不同部门对各自设备进行优化整改。7月份大线预混段得分91.98环比6月份90.78上升了1.2分，回到了5月份91.88的水平，如图11所示。
在一个实施例中，如图12所示，本发明提供一种产品质量分析装置90，包括：偏差参数获得模块91、偏差确定模块92、原因标定模块93、原因偏差获得模块94和原因影响确定模块95。偏差参数获得模块91获得生产工序的历史质量指数数据，基于历史质量指数数据获得质量指数偏差参数。偏差确定模块92获得生产工序的待分析质量指数数据，根据待分析质量指数数据和质量指数偏差参数获得与每个待分析质量指数对应的实际质量指数偏差。
如果确定与待分析质量指数对应的实际质量指数偏差小于预设的偏差阈值，则原因标定模块93获得与此待分析质量指数相对应的原因信息。原因偏差获得模块94将具有相同原因信息的待分析质量指数进行合并处理，获得与此原因信息相对应的原因质量指数偏差。原因影响确定模块95根据综合质量指数偏差获得原因信息对于质量指数的影响程度。生产工序包括卷烟制丝加工生产工序等；偏差阈值包括0等。
在一个实施例中，偏差参数获得模块91设置质量样本采集时段，获得在质量样本采集时段内的、与生产工序相对应的全部生产批次的历史质量指数，生成历史质量指数数据。偏差参数获得模91计算全部历史质量指数的算数平均值和标准偏差，获得算数平均值与标准偏差的差值，作为质量指数偏差参数。偏差确定模块92分别计算每个待分析质量指数与质量指数偏差参数的差值，作为与待分析质量指数相对应的实际质量指数偏差。
原因偏差获得模块94将与具有相同原因信息的待分析质量指数相对应的实际质量指数偏差进行相加处理，获得与此原因信息相对应的原因质量指数偏差。原因影响确定模块95获得全部原因质量指数偏差的和，作为指数偏差总和。原因影响确定模块95计算每个原因质量指数偏差占指数偏差总和的比例，作为原因信息对于质量指数的影响程度。
图13为根据本公开的产品质量分析装置的又一个实施例的模块示意图。如图13所示，该装置可包括存储器101、处理器102、通信接口103以及总线104。存储器101用于存储指令，处理器102耦合到存储器101，处理器102被配置为基于存储器101存储的指令执行实现上述的产品质量分析方法。
存储器101可以为高速RAM存储器、非易失性存储器(non-volatile memory)等，存储器101也可以是存储器阵列。存储器101还可能被分块，并且块可按一定的规则组合成虚拟卷。处理器102可以为中央处理器CPU，或专用集成电路ASIC(Application SpecificIntegrated Circuit)，或者是被配置成实施本公开的产品质量分析方法的一个或多个集成电路。
在一个实施例中，本公开提供一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，指令被处理器执行时实现如上任一个实施例中的产品质量分析方法。
上述实施例中的产品质量分析方法、装置以及存储介质，通过计算导致质量指数下降原因的影响程度，量化了导致质量指数下降的原因；可以针对不同的影响程度，合理配置资源，更加有针对性地解决加工过程中存在的问题，确保产品加工过程质量的稳定性，能够提高产品质量以及生产效率。
可能以许多方式来实现本公开的方法和系统。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和系统。用于方法的步骤的上述顺序仅是为了进行说明，本公开的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本公开实施为记录在记录介质中的程序，这些程序包括用于实现根据本公开的方法的机器可读指令。因而，本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
本公开的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本公开限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本公开的原理和实际应用，并且使本领域的普通技术人员能够理解本公开从而设计适于特定用途的带有各种修改的各种实施例。
Claims (14)
1.一种产品质量分析方法，包括：
获得生产工序的历史质量指数数据，基于所述历史质量指数数据获得质量指数偏差参数；
获得生产工序的待分析质量指数数据，根据所述待分析质量指数数据和所述质量指数偏差参数获得与每个待分析质量指数对应的实际质量指数偏差；
如果确定与所述待分析质量指数对应的实际质量指数偏差小于预设的偏差阈值，则获得与此待分析质量指数相对应的原因信息；
将具有相同原因信息的所述待分析质量指数进行合并处理，获得与此原因信息相对应的原因质量指数偏差；
根据所述综合质量指数偏差获得原因信息对于质量指数的影响程度。
2.如权利要求1所述的方法，所述获得生产工序的历史质量指数数据包括：
设置质量样本采集时段；
获得在所述质量样本采集时段内的、与生产工序相对应的全部生产批次的历史质量指数，生成所述历史质量指数数据。
3.如权利要求2所述的方法，所述基于所述历史质量指数数据获得质量指数偏差参数包括：
计算全部所述历史质量指数的算数平均值和标准偏差；
获得所述算数平均值与所述标准偏差的差值，作为所述质量指数偏差参数。
4.如权利要求3所述的方法，所述根据所述待分析质量指数数据和所述质量指数偏差参数获得与每个待分析质量指数对应的实际质量指数偏差包括：
分别计算每个待分析质量指数与所述质量指数偏差参数的差值，作为与待分析质量指数相对应的实际质量指数偏差。
5.如权利要求4所述的方法，所述将具有相同原因信息的所述待分析质量指数进行合并处理、获得与此原因信息相对应的原因质量指数偏差包括：
将与具有相同原因信息的待分析质量指数相对应的实际质量指数偏差进行相加处理，获得与此原因信息相对应的原因质量指数偏差；
所述根据所述综合质量指数偏差获得原因信息对于质量指数的影响程度包括：
获得全部所述原因质量指数偏差的和，作为指数偏差总和；
计算每个原因质量指数偏差占所述指数偏差总和的比例，作为原因信息对于质量指数的影响程度。
6.如权利要求1所述的方法，其中，
所述生产工序包括：卷烟制丝加工生产工序；所述偏差阈值包括：0。
7.一种产品质量分析装置，包括：
偏差参数获得模块，用于获得生产工序的历史质量指数数据，基于所述历史质量指数数据获得质量指数偏差参数；
偏差确定模块，用于获得生产工序的待分析质量指数数据，根据所述待分析质量指数数据和所述质量指数偏差参数获得与每个待分析质量指数对应的实际质量指数偏差；
原因标定模块，用于如果确定与所述待分析质量指数对应的实际质量指数偏差小于预设的偏差阈值，则获得与此待分析质量指数相对应的原因信息；
原因偏差获得模块，用于将具有相同原因信息的所述待分析质量指数进行合并处理，获得与此原因信息相对应的原因质量指数偏差；
原因影响确定模块，用于根据所述综合质量指数偏差获得原因信息对于质量指数的影响程度。
8.如权利要求7所述的装置，其中，
所述偏差参数获得模块，用于设置质量样本采集时段；获得在所述质量样本采集时段内的、与生产工序相对应的全部生产批次的历史质量指数，生成所述历史质量指数数据。
9.如权利要求8所述的装置，其中，
所述偏差参数获得模块，用于计算全部所述历史质量指数的算数平均值和标准偏差；获得所述算数平均值与所述标准偏差的差值，作为所述质量指数偏差参数。
10.如权利要求9所述的方法，其中，
所述偏差确定模块，用于分别计算每个待分析质量指数与所述质量指数偏差参数的差值，作为与待分析质量指数相对应的实际质量指数偏差。
11.如权利要求10所述的装置，其中，
所述原因偏差获得模块，用于将与具有相同原因信息的待分析质量指数相对应的实际质量指数偏差进行相加处理，获得与此原因信息相对应的原因质量指数偏差；
所述原因影响确定模块，用于获得全部所述原因质量指数偏差的和，作为指数偏差总和；计算每个原因质量指数偏差占所述指数偏差总和的比例，作为原因信息对于质量指数的影响程度。
12.如权利要求6所述的装置，其中，
所述生产工序包括：卷烟制丝加工生产工序；所述偏差阈值包括：0。
13.一种产品质量分析装置，包括：
存储器；以及耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行如权利要求1至6中任一项所述的方法。
14.一种计算机可读存储介质，其上存储有计算机程序指令，该指令被一个或多个处理器执行时实现权利要求1至6任意一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811617341.8A CN109697571A (zh) | 2018-12-28 | 2018-12-28 | 产品质量分析方法、装置以及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811617341.8A CN109697571A (zh) | 2018-12-28 | 2018-12-28 | 产品质量分析方法、装置以及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109697571A true CN109697571A (zh) | 2019-04-30 |
Family
ID=66232301
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811617341.8A Pending CN109697571A (zh) | 2018-12-28 | 2018-12-28 | 产品质量分析方法、装置以及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109697571A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116611679A (zh) * | 2023-07-21 | 2023-08-18 | 深圳市尚格实业有限公司 | 一种基于人工智能的电子元器件生产数据管理系统及方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110238323A1 (en) * | 2009-05-15 | 2011-09-29 | Idaho Technology, Inc. | Systems and methods for automated melting curve analysis |
| CN102509243A (zh) * | 2011-09-20 | 2012-06-20 | 河北中烟工业有限责任公司 | 卷烟制造过程质量评价方法及其系统 |
| CN107909251A (zh) * | 2017-10-31 | 2018-04-13 | 山东中烟工业有限责任公司 | 一种卷烟设备综合效率影响因素分析方法和装置 |
| CN108614536A (zh) * | 2018-06-11 | 2018-10-02 | 云南中烟工业有限责任公司 | 一种卷烟制丝工艺关键因素的复杂网络构建方法 |
-
2018
- 2018-12-28 CN CN201811617341.8A patent/CN109697571A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110238323A1 (en) * | 2009-05-15 | 2011-09-29 | Idaho Technology, Inc. | Systems and methods for automated melting curve analysis |
| CN102509243A (zh) * | 2011-09-20 | 2012-06-20 | 河北中烟工业有限责任公司 | 卷烟制造过程质量评价方法及其系统 |
| CN107909251A (zh) * | 2017-10-31 | 2018-04-13 | 山东中烟工业有限责任公司 | 一种卷烟设备综合效率影响因素分析方法和装置 |
| CN108614536A (zh) * | 2018-06-11 | 2018-10-02 | 云南中烟工业有限责任公司 | 一种卷烟制丝工艺关键因素的复杂网络构建方法 |
Non-Patent Citations (1)
| Title |
|---|
| 黄宣康 等: "实行标准偏差和平均值考核管理方法提高滤棒烟支、加工质量", 《烟草科技／烟草工艺》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116611679A (zh) * | 2023-07-21 | 2023-08-18 | 深圳市尚格实业有限公司 | 一种基于人工智能的电子元器件生产数据管理系统及方法 |
| CN116611679B (zh) * | 2023-07-21 | 2024-01-16 | 深圳市尚格实业有限公司 | 一种基于人工智能的电子元器件生产数据管理系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Berger et al. | Next-to-leading order QCD predictions for Z, γ*+ 3-jet distributions at the Tevatron | |
| Mućk et al. | Will the “true” labor share stand up? An applied survey on labor share measures | |
| CN106203701A (zh) | 一种电力配网建设物资需求预测系统 | |
| CN104933477A (zh) | 一种利用输变电设备风险评估优化检修策略的方法 | |
| CN110210687A (zh) | 一种基于局部加权慢特征回归的非线性动态生产过程产品质量预测方法 | |
| CN109086954B (zh) | 基于资金流预测收益率的预测方法、装置、设备及介质 | |
| CN107944779A (zh) | 一种基金产品的业绩分析方法及装置 | |
| CN109697571A (zh) | 产品质量分析方法、装置以及存储介质 | |
| CN104021303A (zh) | 一种基于实测载荷谱的弧齿锥齿轮修形齿面的修形方法 | |
| CN108805388A (zh) | 一种未来年负荷时间序列场景的确定方法和装置 | |
| CN116167788A (zh) | 一种工业产品设计成本核算方法 | |
| CN111062602A (zh) | 企业信用风险评估的方法、装置及存储介质 | |
| CN110399903A (zh) | 异常数据的检测方法及装置、计算机可读存储介质 | |
| Grossi et al. | Robust estimation of efficient mean–variance frontiers | |
| CN107179758A (zh) | 一种动态信号参数辨识方法及系统 | |
| Bailey et al. | Stock portfolio design and backtest overfitting | |
| Nenkova et al. | Government expenditure efficiency and macroeconomic performance of Balkan countries: DEA approach | |
| Boccanfuso et al. | Parametric and nonparametric income distribution estimators in CGE micro-simulation modeling | |
| CN105488521B (zh) | 一种基于核函数的扩容样本筛选方法 | |
| Văidean | On financial performance and capital structure of Romanian companies | |
| CN103236383B (zh) | 等离子显示屏制造过程参数重要性的动态确定与优化方法 | |
| Jarocinski et al. | Output gap and inflation forecasts in a Bayesian dynamic factor model of the euro area | |
| CN112489414A (zh) | 基于云计算的用户远程抄表数据智能处理方法 | |
| CN113240513A (zh) | 一种用户授信额度的确定方法和相关装置 | |
| Ronchieri et al. | Software quality metrics for geant4: An initial assessment |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190430 |
|
| RJ01 | Rejection of invention patent application after publication |