CN110084449A - 基于卷烟批量数据的标准化与评价系统及其方法 - Google Patents
基于卷烟批量数据的标准化与评价系统及其方法 Download PDFInfo
- Publication number
- CN110084449A CN110084449A CN201810074215.6A CN201810074215A CN110084449A CN 110084449 A CN110084449 A CN 110084449A CN 201810074215 A CN201810074215 A CN 201810074215A CN 110084449 A CN110084449 A CN 110084449A
- Authority
- CN
- China
- Prior art keywords
- group
- data
- qualification rate
- bound
- formula
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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)
- Complex Calculations (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于卷烟批量数据的标准化及评价系统及其方法,其可同时考虑组内波动和组间波动。本发明通过采集卷烟生产过程的稳态数据,确定标准约束形式,根据指标的标准形式对组内的数据、组内目标值、上下限进行标准化;利用标准化后的组内均值和标偏、指标上下限计算组内合格率、组间合格率,合成批量数据的最终合格率。本发明对稳态数据进行评价,将数据按比例缩放,使之落入一个特定区间,消除量纲、标准变化给数据分析、比较带来的障碍。同时考虑组间均值由于样本量的不同平滑效果不同,对给定的组间标准范围进行基于样本量的缩小,从而更加全面地反映卷烟生产过程的均质化水平。
Description
技术领域
本发明属于烟草质量管理及标准化技术领域,具体涉及一种基于卷烟批量数据的标准化及评价系统及其方法。
背景技术
行业标准号为YC/T 295—2009的中华人民共和国烟草行业标准介绍了“卷烟制造过程能力测评导则”,规定了卷烟制造过程能力测评的基本要求和方法,但该方法未考虑多组数据的组间波动。在卷烟生产过程中,组间波动体现了产品的均质化生产水平,需纳入过程能力测试,该标准附录提供了“海量”数据的处理方法,将组间方差纳入总方差进行计算,但该方法存在三个弊端:①标准所述“海量”数据界定不明确;②当单批数据所给定的组内标准改变时,不能直接计算批次间数据的组间均值和标偏;③利用组间均值、总标偏计算正态分布合格率时,没有考虑组内、组间求平均的平滑效果使组内允差不适用于组间分析。所以,在对批量数据进行处理前需要进行标准化变换。
目前国内烟草行业中,对于采集数据的统计和分析应用涉及各个工序、生产环节,由于生产过程关键质量特性较多、标准调整频繁给数据统计带来的阻碍也显得较为突出,如进行关键质量特性的多元回归分析会由于量纲的不同对数据的重要程度产生影响,在进行长期过程波动分析时,会因为标准的变动给分析带来较大的阻碍。
常规的数据标准化方法包括了“最小—最大标准化”、“Z-score标准化”和“按小数定标标准化”,由于卷烟行业涉及的关键质量特性数据较多,不同品牌之间的标准不同,这些标准化方法均不能将标准数据与质量标准建立联系,在进行质量分析的时候对于给定的任一质量数据,很难直接判断数据的符合性,需要查找相应品牌对应标准下这一质量特性的目标值和允差来判断质量数据的符合性。
发明内容
为解决以上的一个或多个问题,提供一种基于卷烟批量数据的标准化与评价系统及其方法,其发明了一种结合了数据指标目标值、上下限的数据标准化方法,本发明具体涉及一种同时考虑组内波动和组间波动的批量数据的评价系统及方法。采用有效数据中的稳态数据进行评价,将数据按比例缩放,使之落入一个特定区间,消除量纲、标准变化给数据分析、比较带来的障碍。同时考虑组间均值由于样本量的不同平滑效果不同,对给定的组间标准范围进行基于样本量的缩小。
本发明克服已公开文献中缺少对于多组卷烟数据组间波动的评价的缺陷,旨在对批量数据的过程能力评价提供一种基于卷烟批量数据的标准化及评价系统方法,并针对标准化处理后的数据提供组内和组间合格率的计算方法,完成对于多组数据同时考虑组间和组内波动的全过程能力的测评,更加全面地反映卷烟生产过程的均质化水平。
本发明所指批量数据可以是两批以上的单批原始数据构成的批间数据的集合,不局限于“海量”数据,可以对如月度、季度的卷烟批量生产原始数据进行处理和评价。
在不改变数据规律的前提下,提供一种质量数据的快捷、直观的呈现形式,便于一目了然地掌握数据的符合性。同时,消除在长期生产过程中由于量纲、标准变化造成数据不可比的障碍,为指标进行多维比较、数据挖掘等分析做好数据准备工作,该方法不仅适用于卷烟行业,也可以推广应用到其他行业的多维数据分析应用中。
本发明的技术内容包括:
首先,整理所涉及卷烟生产过程采集的数据,采用有效数据中的稳态数据进行评价;确定所涉及卷烟生产过程采集的数据类型和所规范的标准约束形式(这里的标准默认为组内的标准,即每组标准值可能变化,但要求各组标准的约束形式不变),确定所计算指标的标准的约束形式;根据指标的标准形式确定数据标准化的公式,根据公式分别对组内的数据、组内目标值、上下限进行标准化;对于标准化后的组内数据可计算均值、标准偏差、变异系数,进行描述性统计分析;然后,利用标准化后的组内均值和标偏、指标上下限计算组内的标准正态合格率,作为评价组间波动的指标;根据组内均值、标偏计算组内均值的均值和标偏,代表组间数据的集中程度和离散程度,同时根据公式计算组间上下限,利用正态分布合格率的公式计算组间合格率;最后,将组内合格率和组间合格率合成批量数据的最终合格率。
本发明的技术方案提供一种基于卷烟批量数据的标准化及评价系统,其包括如下模块:
数据采集整理模块,其配置为对于卷烟生产过程的批量数据进行采集,整理卷烟生产过程所采集的批量数据,并采用有效数据中的稳态数据;
数据标准确定模块,其配置为首先选定数据指标所规范的标准形式的约束形式的种类;
标准化模型换算模块,根据所选择的标准形式的约束形式的种类对组内的数据、组内目标值、组内上下限进行标准化换算;
计算组内均值与标偏模块,其配置为对经过所述标准化模型换算模块进行标准化换算后的数据,进行组内均值和标偏计算;
组内合格率计算模块,其配置为利用组内均值和标偏、指标上下限去计算组内的正态分布合格率,最后合成组内合格率,作为评价组间数据的指标;
组间上下限计算模块,其配置为根据每组数据的组内均值、标偏而计算组间的均值和标偏,采用均值和标偏代表组间数据的集中程度和离散程度,同时根据系统内置的换算公式计算组间上下限;
组间合格率计算模块,其配置为通过所述组间上下限计算模块所获得的数据,利用正态分布合格率的公式计算出组间合格率;
总合格率评价模块,其配置为依据所述组内合格率和所述组间合格率计算出该批量数据的最终合格率,获得总合格率。
优选地,在所述数据标准确定模块中,所述标准形式可采取的约束形式包括五种,分别是:
第一种:给定目标值M、公允范围T,且上下限一致;
第二种:给定目标值M、公允范围T,且上下限不一致;
第三种:给定范围标准:上限USL、下限LSL;
第四种:望小,上限为USL;
第五种:望大,下限为LSL。
优选地,在所述标准化模型换算模块中,采用以下相应的标准形式所对应的公式:
所述标准形式为第一种,即给定目标值M、公允范围T,且上下限一致时,标准化公式为标准化的目标值为0,标准化的上限为1,标准化的下限为-1;
所述标准形式为第二种,即给定目标值M、公允范围T,上下限不一致时,标准化公式为标准化的目标值为标准化的上限为1,标准化的下限为-1;
所述标准形式为第三种,即给定范围标准:USL、LSL时,标准化公式为标准化的上限为1,标准化的下限为-1;
所述标准形式为第四种,即望小,上限为USL时,标准化公式为标准化的上限为1;
所述标准形式为第五种,即望大,下限为LSL时,标准化公式为标准化的下限为1;
其中:
Xij——代表组内数据,为第i组第j个数据,i=1,2,…,k;j=1,2,…,n;
i——为第i组;
Ti——为第i组的公允范围,Ti=USLi-USLi;
USLi——为第i组的给定上限值;
LSLi——为第i组的给定下限值;
Mi——为第i组的给定目标值;
——为标准化后的组内数据,为第i组第j个数据,i=1,2,…,k;j=1,2,…,n。
优选地,在所述组内合格率计算模块中,所述正态分布合格率的计算公式根据其对应的标准形式不同,相应采用以下计算公式:
公式1:中心值、允差标准合格率:P=Φ﹛((USL-LSL)/2+|M-μ|)/σ}-Φ﹛-((USL-LSL)/2-|M-μ|)/σ﹜;
公式2:范围标准合格率:P=Φ((USL-μ)/σ)-Φ((LSL-μ)/σ);
公式3:单侧标准,望大值合格率:P=1-Φ((LSL-μ)/σ);
公式4:单侧标准,望小值合格率:P=Φ((USL-μ)/σ);
其中,
P——合格率;
USL——给定上限值;
LSL——给定下限值;
M——目标值;
Φ——标准正态分布函数;
μ——样本均值;
σ——样本标准偏差;
当给定目标值M、公允范围T,且上下限一致时即M/2=(LSL+USL),可以证明公式1与公式2一致;当上下限不一致时,采用公式2计算;
双侧标准的正态分布合格率采用公式2计算。
优选地,在所述的计算组内均值与标偏模块中,标准化数据的均值和标偏按照以下计算公式获得,公式包括:
其中:
——第i组数据的均值;
Si′——第i组数据的标偏。
优选地,在所述组内合格率计算模块中,所述组内合格率Pwi计算公式相应采用以下形式之一或任意组合:
a)双侧标准合格率:
c)单侧标准,望小值合格率:
c)单侧标准,望大值合格率:
其中:
Pwi——组内合格率;
Φ——标准正态分布函数。
优选地,在所述总合格率评价模块中,利用各组的组内合格率,计算总的组内合格率Pw,其计算公式为:
优选地,其特征在于,在所述组间上下限计算模块中,其配置为采用以下计算方法:
所述标准形式为第一种即给定目标值Mi、公允范围Ti,且上下限一致时;以及第二种即给定目标值Mi、公允范围Ti,上下限不一致时;以及第三种即给定范围标准:USLi、LSLi时,组间上下限的换算公式为:
所述标准形式为第四种,即望小,上限为USLi时,组间上限换算公式为
所述标准形式为第五种,即望大,下限为LSLi时,组间下限换算公式为
当所述组内样本量和所述组间批数的乘积小于等于10的时候,认为平滑效果不明显,所述组间上下限使用组内标准的上下限;
USLi——为第i组的给定上限值;
LSLi——为第i组的给定下限值;
n——为每组数据的样本数;
k——为数据的组数。
优选地,对于数据的评价考虑组内波动和组间波动,根据所述组内上下限、所述组间上下限,分别利用所述正态分布合格率的公式计算组内合格率Pw、组间合格率Pb;
将所述组间合格率Pb与所述组内合格率Pw平均计算出最后的合格率Pt,作为批量数据的最终合格率Pt,具体公式为:Pt=(Pw+Pb)/2。
本发明的技术方案还提供一种基于卷烟批量数据的标准化与评价方法,其包括如下步骤:
S1:对于卷烟生产过程的批量数据进行采集,整理卷烟生产过程所采集的批量数据,并采用有效数据中的稳态数据;
S2:首先选定数据指标所规范的标准形式的约束形式的种类;
S3:根据所选择的标准形式的约束形式的种类确定数据标准化的公式,根据所述数据标准化的公式分别对组内的数据、组内目标值、组内上下限进行标准化换算;
S4:对经过所述标准化模型换算模块进行标准化换算后的数据,进行组内均值和标偏计算;
S5:利用组内均值和标偏、指标上下限去计算组内的正态分布合格率,最后合成组内合格率,作为评价组间数据的指标;
S6:根据每组数据的组内均值、标偏而计算组间的均值和标偏,采用均值和标偏代表组间数据的集中程度和离散程度,同时根据系统内置的换算公式计算组间上下限;
S7:通过所述组间上下限计算模块所获得的数据,利用正态分布合格率的公式计算出组间合格率;
S8:依据所述组内合格率和所述组间合格率计算出该批量数据的最终合格率,获得总合格率;
以上S5与S6为既可以并行也可以顺序的步骤。
优选地,还包括:
S9:在σ水平换算表中查询所述最终合格率对应的西格玛水平,作为评价批量数据过程能力的指数。
优选地,还包括:对于标准化后的组内数据计算均值、标准偏差、变异系数,然后进行描述性统计分析;
所述标准形式为组内的标准形式,即每组标准值可能不同,但要求各组标准形式的约束形式一致,若标准形式的约束形式变了,需要分成两组以上数据分别计算;
所述标准值,包括目标值、上下限。
优选地,利用计算公式对目标值、上下限进行标准化处理后,双侧标准都能将上限标准化至1,将下限标准化至-1,望大、望小标准的上下限都为1;
所述标准化,即对于标准化处理后的数据能够直接根据数据的值判断数据指标的符合性及大致的符合程度。
优选地,计算所述组间合格率时采用的标准是基于组内标准变换产生的,考虑组内样本量和组间批数差异对于组间均值的平滑效果,对允差进行基于组间和组内样本量的缩小。
优选地,其采用上述的任意一种基于卷烟批量数据的标准化与评价系统。
本发明的技术方案还提供一种电子设备,其设置有上述的任意一种基于卷烟批量数据的标准化与评价系统。
附图说明
结合附图给出详细说明和随附的权利要求,本发明公开的前述特征以及其它特征将变得更加清晰。应理解的是,这些附图仅描绘了依照本发明公开的实施例,因此,不应视为对本发明范围的限制,将通过利用附图结合附加的具体描述和细节对本发明公开进行说明,在附图中:
图1本发明的基于卷烟批量数据的标准化与评价方法的一个实施例的批量数据的标准化及评价流程图;
图2本发明的基于卷烟批量数据的标准化与评价方法的一个实施例的不同标准形式下数据标准化区间示意图;
图3本发明的基于卷烟批量数据的标准化与评价系统的一个实施例的标准化处理后数据的直观展示图;
图4本发明的基于卷烟批量数据的标准化与评价系统的一个实施例的结构示意图。
具体实施方式
现结合附图及具体实施例对本发明作进一步地说明。
实施例1:
在使用本发明所述的批量数据的标准化方法及评价方式时,应首先确定所涉及数据指标标准的约束形式,本发明给定的标准默认为组内标准,即对于多组数据来说,每组数据的标准值可能不同,但要求各组标准的约束形式不变,若标准的约束形式变了(如双侧标准变单侧标准),需要分成两组数据分别计算。根据标准的形式确定标准化的计算方式,然后对采集的组内数据及标准进行标准化,分别计算组内均值和标偏,计算正态分布合格率;根据组内均值,计算组间均值和标偏、组间上下限,利用正态分合格率计算组间合格率,最后合成总的合格率。如图1所示,本发明包括以下步骤:
第一步:采集数据并整理,样本共有数据k组,一般要求k≥30,每组数据有n个,xij为第i组的第j个数据,i=1,2,…,k;j=1,2,…,n。数据格式为:
x11,x12,…,x1n
x21,x22,…,x2n
…
xk1,xk2,…,xkn
第二步:确定每组数据的组内标准及其所涉及标准形式属于的类型:①给定目标值M、公允范围T,且上下限一致;②给定目标值M、公允范围T,上下限不一致;③给定范围标准:USL、LSL;④望小,上限为USL;⑤望大,下限为LSL,没有标准的数据不能作为关键参数参与评价。根据数据的标准形式确定标准化计算方式,分别对组内数据xi j、目标值Ti(Ti=USLi-LSLi)、上下限(USLi、LSLi)进行标准化转换;
本发明所指的标准默认为组内的标准,即每组标准值(目标值、上下限)可能不同,但要求各组标准的约束形式一致,若标准的约束形式变了,如双侧标准变单侧标准,需要分成两组数据分别计算;
根据不同的标准形式确定数据标准化的计算公式,见表1。
一种基于卷烟批量数据的标准化方法及评价方式,不仅要对原始数据进行标准化处理,还要对每组数据的标准值,即目标值、上下限进行同一形式的标准化处理,其特征在于,利用表1的计算公式对目标值、上下限进行标准化处理后,双侧标准都能将上限标准化至1,将下限标准化至-1,望大、望小标准的上下限都为1,具体见表1。
经过标准化的数据可以从数据本身直接判断数据对于标准的符合性,由图2不同标准形式下数据标准化区间示意图,可以看出标准化处理后的数据双侧标准的合格区间都在[-1,1]之间,望大、望小值的上下限都在1。
表1不同标准形式下数据标准化计算模式示意表
第三步:整理标准化后的组内原始数据和标准,分别计算每组数据的均值x'i、标偏s'i,利用正态分布合格率计算各组的组内合格率Pwi,最后合成所有数据的组内合格率Pw,计算公式如下:
1.合格率计算公式:
a)中心值、允差标准合格率:
P=Φ﹛((USL-LSL)/2+|M-μ|)/σ}-Φ﹛-((USL-LSL)/2-|M-μ|)/σ﹜公式(1)
b)范围标准合格率:
p=Φ((USL-μ)/σ)-Φ((LSL-μ)/σ) 公式(2)
c)单侧标准,望大值合格率:
p=1-Φ((LSL-μ)/σ) 公式(3)
d)单侧标准,望小值合格率:
p=Φ((USL-μ)/σ) 公式(4)
说明:当给定目标值M、公允范围T,且上下限一致(M/2=(LSL+USL))时,可以证明公式(1)与公式(2)一致;当上下限不一致时,应采用公式(2)计算。所以双侧标准都可以采用公式(2)来计算,下文双侧标准的正态分布合格率都采用公式(2)计算。
2.标准化数据均值和标偏的计算公式:
3.用组内标偏作为总体标准差的无偏估计量,用合理率公式计算组内合格率Pwi:
a)双侧标准合格率:
b)单侧标准,望小值合格率:
c)单侧标准,望大值合格率:
4.利用各组的组内合格率,计算总的组内合格率Pw。
第四步,根据计算出每组数据的均值标偏si',计算组间的均值标偏同时,对于组间数据来说,考虑到组间均值经过了平滑,需要对允差进行基于样本量的缩小,那么组间上下限也需要进行变换,具体换算公式如表2所示:
表2不同标准形式下组间上下限计算公式示意表
第五步,根据组间上下限,利用正态分布合格率计算组间合格率Pb。
第六步,通过将组间合格率与组内合格率平均计算出最后的合格率Pt,作为批量数据的最终合格率,具体计算公式如下:
Pt=(Pw+Pb)/2
根据总合格率可在附表Aσ水平换算表中查询到对应的西格玛水平,作为评价多组数据的过程能力指数。
实施例2:
本实施例包括实施例1的内容并采用一个具体实例进行补充:
下面以滤棒长度为例对本发明做具体的描述。
1.采集原始数据,整理成n*k的矩阵形式,本例共有15组样品(一般要求k≥30,由于篇幅有限,仅采集15组样品),每组样品有20个样本,形成了20*15的矩阵,如表3所示。
表3实例数据矩阵
长度 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 |
样品1 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 |
样品2 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 119 | 119 | 120 | 120 | 120 | 120 |
样品3 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 |
样品4 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 |
样品5 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 |
样品6 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 |
样品7 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 109 | 108 | 108 | 108 |
样品8 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 109 | 108 | 108 | 108 |
样品9 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 |
样品10 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 |
样品11 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 |
样品12 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 | 144 |
样品13 | 121 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 |
样品14 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 | 120 |
样品15 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 | 108 |
2、确定每组样品的标准,通过软件植入,由系统自动匹配样本对应的工艺标准,确立每组烟支长度的目标值、上下限,如表4。根据表1,选择标准、上下限的标准化公式,对每组数据和标准、上下限进行标准化转换,结果如表4所示:
表4实例数据标准化后数据
经过标准化后的任一数据,能与-1,1比较直接判断数据对于标准的符合性。
3、分别计算每组数据的组内均值标偏s'i,利用正态分布合格率公式计算组内合格率Pwi,利用算术平均值的计算公式算出总的组内合格率Pw,如表5式所示:
表5实例数据组内合格率计算表
4、本例中nk=300,对于组间数据来说,上、下限需要通过变换后获得,根据表2,组间数据的上、下限为本例中k=15,组间上、下限为0.3506、-0.3506;
5、根据组间目标值、上下限,利用正态分布合格率计算组间合格率Pb,最后,通过将组间合格率与组内合格率平均计算出最后的合格率Pt,具体如表6所示:
表6实例数据总合格率计算表
计算得到15组样品烟支长度的总合格率为95.28,根据表7-附表A可查到西格玛水平为3.17,可以看出此计算方法不仅考虑了组内波动,也考虑了组间波动,对于产品的均质化生产具有较好的评价能力。
表7-附表A(资料性附录)
附表A.1 σ水平换算表
合格率% | σ水平Z值 |
6.68 | 0 |
8.455 | 0.125 |
10.56 | 0.25 |
13.03 | 0.375 |
15.87 | 0.5 |
19.08 | 0.625 |
22.66 | 0.75 |
26.595 | 0.875 |
30.85 | 1 |
33.99 | 1.1 |
35.435 | 1.125 |
37.86 | 1.2 |
40.13 | 1.25 |
41.81 | 1.3 |
45.025 | 1.375 |
45.83 | 1.4 |
49.86 | 1.5 |
53.88 | 1.6 |
54.975 | 1.625 |
57.85 | 1.7 |
59.87 | 1.75 |
61.74 | 1.8 |
64.565 | 1.875 |
65.5 | 1.9 |
69.15 | 2 |
70.88 | 2.05 |
72.55 | 2.1 |
74.22 | 2.15 |
75.79 | 2.2 |
73.405 | 2.215 |
77.34 | 2.25 |
78.8 | 2.3 |
80.24 | 2.35 |
80.92 | 2.375 |
附表A.1 σ水平换算表(续)
合格率% | σ水平Z值 |
81.58 | 2.4 |
83.89 | 2.45 |
84.13 | 2.5 |
85.31 | 2.55 |
86.43 | 2.6 |
86.97 | 2.625 |
87.49 | 2.65 |
88.49 | 2.7 |
89.44 | 2.75 |
90.31 | 2.8 |
91.04 | 2.843 |
91.92 | 2.9 |
93.32 | 3 |
93.94 | 3.05 |
94.51 | 3.1 |
94.79 | 3.125 |
95.28 | 3.17 |
95.99 | 3.25 |
96.4 | 3.3 |
96.96 | 3.375 |
97.12 | 3.4 |
97.45 | 3.45 |
97.73 | 3.5 |
97.98 | 3.55 |
98.21 | 3.6 |
98.6 | 3.7 |
98.78 | 3.75 |
98.92 | 3.8 |
99.12 | 3.875 |
99.18 | 3.9 |
99.28 | 3.95 |
99.38 | 4 |
99.46 | 4.05 |
99.53 | 4.1 |
99.565 | 4.125 |
99.6 | 4.15 |
99.65 | 4.2 |
附表A.1 σ水平换算表(续)
实施例3:
一种基于卷烟批量数据的标准化及评价系统,其包括如下模块:
数据采集整理模块,其配置为对于卷烟生产过程的批量数据进行采集,整理卷烟生产过程所采集的批量数据,并采用有效数据中的稳态数据;
数据标准确定模块,其配置为首先选定数据指标所规范的标准形式的约束形式的种类;
标准化模型换算模块,根据所选择的标准形式的约束形式的种类对组内的数据、组内目标值、组内上下限进行标准化换算;
计算组内均值与标偏模块,其配置为对经过所述标准化模型换算模块进行标准化换算后的数据,进行组内均值和标偏计算;
组内合格率计算模块,其配置为利用组内均值和标偏、指标上下限去计算组内的正态分布合格率,最后合成组内合格率,作为评价组间数据的指标;
组间上下限计算模块,其配置为根据每组数据的组内均值、标偏而计算组间的均值和标偏,采用均值和标偏代表组间数据的集中程度和离散程度,同时根据系统内置的换算公式计算组间上下限;
组间合格率计算模块,其配置为通过所述组间上下限计算模块所获得的数据,利用正态分布合格率的公式计算出组间合格率;
总合格率评价模块,其配置为依据所述组内合格率和所述组间合格率计算出该批量数据的最终合格率,获得总合格率。
需要说明的是,根据所选择的标准形式的约束形式的种类确定数据标准化的公式,采用相应地数据标准化的公式分别对组内的数据、组内目标值、组内上下限进行标准化换算。这里的公式可以使本案介绍的形式或其他形式,不偏离本发明的原理即可。
实施例4:
一种基于卷烟批量数据的标准化及评价系统,其包括如下模块:
数据采集整理模块,其配置为对于卷烟生产过程的批量数据进行采集,整理卷烟生产过程所采集的批量数据,并采用有效数据中的稳态数据;
数据标准确定模块,其配置为首先选定数据指标所规范的标准形式的约束形式的种类;
标准化模型换算模块,根据所选择的标准形式的约束形式的种类确定数据标准化的公式,根据所述数据标准化的公式分别对组内的数据、组内目标值、组内上下限进行标准化换算;
计算组内均值与标偏模块,其配置为对经过所述标准化模型换算模块进行标准化换算后的数据,进行组内均值和标偏计算;
组内合格率计算模块,其配置为利用组内均值和标偏、指标上下限去计算组内的正态分布合格率,最后合成组内合格率,作为评价组间数据的指标;
组间上下限计算模块,其配置为根据每组数据的组内均值、标偏而计算组间的均值和标偏,采用均值和标偏代表组间数据的集中程度和离散程度,同时根据系统内置的换算公式计算组间上下限;
组间合格率计算模块,其配置为通过所述组间上下限计算模块所获得的数据,利用正态分布合格率的公式计算出组间合格率;
总合格率评价模块,其配置为依据所述组内合格率和所述组间合格率计算出该批量数据的最终合格率,获得总合格率。
与实施例3不同的是,在所述数据标准确定模块中,所述标准形式进行了优选限定,将可采取的约束形式设计为包括五种,分别是:
第一种:给定目标值M、公允范围T,且上下限一致;
第二种:给定目标值M、公允范围T,且上下限不一致;
第三种:给定范围标准:上限USL、下限LSL;
第四种:望小,上限为USL;
第五种:望大,下限为LSL。
在所述标准化模型换算模块中,采用以下相应的标准形式所对应的公式:
所述标准形式为第一种,即给定目标值M、公允范围T,且上下限一致时,标准化公式为标准化的目标值为0,标准化的上限为1,标准化的下限为-1;
所述标准形式为第二种,即给定目标值M、公允范围T,上下限不一致时,标准化公式为标准化的目标值为标准化的上限为1,标准化的下限为-1;
所述标准形式为第三种,即给定范围标准:USL、LSL时,标准化公式为标准化的上限为1,标准化的下限为-1;
所述标准形式为第四种,即望小,上限为USL时,标准化公式为标准化的上限为1;
所述标准形式为第五种,即望大,下限为LSL时,标准化公式为标准化的下限为1;
其中:
Xij——代表组内数据,为第i组第j个数据,i=1,2,…,k;j=1,2,…,n;
i——为第i组;
Ti——为第i组的公允范围,Ti=USLi-USLi;
USLi——为第i组的给定上限值;
LSLi——为第i组的给定下限值;
Mi——为第i组的给定目标值;
——为标准化后的组内数据,为第i组第j个数据,i=1,2,…,k;j=1,2,…,n。
在所述组内合格率计算模块中,所述正态分布合格率的计算公式根据其对应的标准形式不同,相应采用以下计算公式:
公式1:中心值、允差标准合格率:P=Φ﹛((USL-LSL)/2+|M-μ|)/σ}-Φ﹛-((USL-LSL)/2-|M-μ|)/σ﹜;
公式2:范围标准合格率:P=Φ((USL-μ)/σ)-Φ((LSL-μ)/σ);
公式3:单侧标准,望大值合格率:P=1-Φ((LSL-μ)/σ);
公式4:单侧标准,望小值合格率:P=Φ((USL-μ)/σ);
其中,
P——合格率;
USL——给定上限值;
LSL——给定下限值;
M——目标值;
Φ——标准正态分布函数;
μ——样本均值;
σ——样本标准偏差;
当给定目标值M、公允范围T,且上下限一致时即M/2=(LSL+USL),可以证明公式1与公式2一致;当上下限不一致时,采用公式2计算;
双侧标准的正态分布合格率采用公式2计算。
实施例5:
在所述的计算组内均值与标偏模块中,标准化数据的均值和标偏按照以下计算公式获得,公式包括:
其中:
——第i组数据的均值;
Si′——第i组数据的标偏。
在所述组内合格率计算模块中,所述组内合格率Pwi计算公式相应采用以下形式之一或任意组合:
a)双侧标准合格率:
b)单侧标准,望小值合格率:
c)单侧标准,望大值合格率:
其中:
Pwi——组内合格率;
Φ——标准正态分布函数。
优选地,在所述总合格率评价模块中,利用各组的组内合格率,计算总的组内合格率Pw,其计算公式为:
在所述组间上下限计算模块中,其配置为采用以下计算方法:
所述标准形式为第一种即给定目标值Mi、公允范围Ti,且上下限一致时;以及第二种即给定目标值Mi、公允范围Ti,上下限不一致时;以及第三种即给定范围标准:USLi、LSLi时,组间上下限的换算公式为:
所述标准形式为第四种,即望小,上限为USLi时,组间上限换算公式为
所述标准形式为第五种,即望大,下限为LSLi时,组间下限换算公式为
当所述组内样本量和所述组间批数的乘积小于等于10的时候,认为平滑效果不明显,所述组间上下限使用组内标准的上下限;
USLi——为第i组的给定上限值;
LSLi——为第i组的给定下限值;
n——为每组数据的样本数;
k——为数据的组数。
实施例6:
与实施例3进行进一步补充的是,考虑到对于数据的评价考虑组内波动和组间波动,根据所述组内上下限、所述组间上下限,分别利用所述正态分布合格率的公式计算组内合格率Pw、组间合格率Pb;
将所述组间合格率Pb与所述组内合格率Pw平均计算出最后的合格率Pt,作为批量数据的最终合格率Pt,具体公式为:Pt=(Pw+Pb)/2。
实施例7:
一种基于卷烟批量数据的标准化与评价方法,其包括如下步骤:
S1:对于卷烟生产过程的批量数据进行采集,整理卷烟生产过程所采集的批量数据,并采用有效数据中的稳态数据;
S2:首先选定数据指标所规范的标准形式的约束形式的种类;
S3:根据所选择的标准形式的约束形式的种类确定数据标准化的公式,根据所述数据标准化的公式分别对组内的数据、组内目标值、组内上下限进行标准化换算;
S4:对经过所述标准化模型换算模块进行标准化换算后的数据,进行组内均值和标偏计算;
S5:利用组内均值和标偏、指标上下限去计算组内的正态分布合格率,最后合成组内合格率,作为评价组间数据的指标;
S6:根据每组数据的组内均值、标偏而计算组间的均值和标偏,采用均值和标偏代表组间数据的集中程度和离散程度,同时根据系统内置的换算公式计算组间上下限;
S7:通过所述组间上下限计算模块所获得的数据,利用正态分布合格率的公式计算出组间合格率;
S8:依据所述组内合格率和所述组间合格率计算出该批量数据的最终合格率,获得总合格率。
实施例8:
一种基于卷烟批量数据的标准化与评价方法,其包括如下步骤:
S1:对于卷烟生产过程的批量数据进行采集,整理卷烟生产过程所采集的批量数据,并采用有效数据中的稳态数据;
S2:首先选定数据指标所规范的标准形式的约束形式的种类;
S3:根据所选择的标准形式的约束形式的种类确定数据标准化的公式,根据所述数据标准化的公式分别对组内的数据、组内目标值、组内上下限进行标准化换算;
S4:对经过所述标准化模型换算模块进行标准化换算后的数据,进行组内均值和标偏计算;
S5:利用组内均值和标偏、指标上下限去计算组内的正态分布合格率,最后合成组内合格率,作为评价组间数据的指标;
同时,根据每组数据的组内均值、标偏而计算组间的均值和标偏,采用均值和标偏代表组间数据的集中程度和离散程度,同时根据系统内置的换算公式计算组间上下限;
S6:通过所述组间上下限计算模块所获得的数据,利用正态分布合格率的公式计算出组间合格率;
S7:依据所述组内合格率和所述组间合格率计算出该批量数据的最终合格率,获得总合格率。
实施例9:
与实施例7不同的是,还包括S9:在σ水平换算表中查询所述最终合格率对应的西格玛水平,作为评价批量数据过程能力的指数。
在其他的优选实施例中,还包括:对于标准化后的组内数据计算均值、标准偏差、变异系数,然后进行描述性统计分析;
所述标准形式为组内的标准形式,即每组标准值可能不同,但要求各组标准形式的约束形式一致,若标准形式的约束形式变了,需要分成两组以上数据分别计算;
所述标准值,包括目标值、上下限。
在其他的优选实施例中,利用计算公式对目标值、上下限进行标准化处理后,双侧标准都能将上限标准化至1,将下限标准化至-1,望大、望小标准的上下限都为1;
所述标准化,即对于标准化处理后的数据能够直接根据数据的值判断数据指标的符合性及大致的符合程度。
在其他的优选实施例中,计算所述组间合格率时采用的标准是基于组内标准变换产生的,考虑组内样本量和组间批数差异对于组间均值的平滑效果,对允差进行基于组间和组内样本量的缩小。
在其他的优选实施例中,其采用上述的实施例中的任意一种基于卷烟批量数据的标准化与评价系统。
实施例10:
一种电子设备,其包括以下模块:
数据采集整理模块,其配置为对于卷烟生产过程的批量数据进行采集,整理卷烟生产过程所采集的批量数据,并采用有效数据中的稳态数据;
数据标准确定模块,其配置为首先选定数据指标所规范的标准形式的约束形式的种类;
标准化模型换算模块,根据所选择的标准形式的约束形式的种类确定数据标准化的公式,根据所述数据标准化的公式分别对组内的数据、组内目标值、组内上下限进行标准化换算;
计算组内均值与标偏模块,其配置为对经过所述标准化模型换算模块进行标准化换算后的数据,进行组内均值和标偏计算;
组内合格率计算模块,其配置为利用组内均值和标偏、指标上下限去计算组内的正态分布合格率,最后合成组内合格率,作为评价组间数据的指标;
组间上下限计算模块,其配置为根据每组数据的组内均值、标偏而计算组间的均值和标偏,采用均值和标偏代表组间数据的集中程度和离散程度,同时根据系统内置的换算公式计算组间上下限;
组间合格率计算模块,其配置为通过所述组间上下限计算模块所获得的数据,利用正态分布合格率的公式计算出组间合格率;
总合格率评价模块,其配置为依据所述组内合格率和所述组间合格率计算出该批量数据的最终合格率,获得总合格率。
具体的电子设备,可以为一种计算机或智能终端或服务器或去中心化的虚拟计算网络等电子设备。
实施例11:
一种电子设备,其执行以下方法:
S1:对于卷烟生产过程的批量数据进行采集,整理卷烟生产过程所采集的批量数据,并采用有效数据中的稳态数据;
S2:首先选定数据指标所规范的标准形式的约束形式的种类;
S3:根据所选择的标准形式的约束形式的种类确定数据标准化的公式,根据所述数据标准化的公式分别对组内的数据、组内目标值、组内上下限进行标准化换算;
S4:对经过所述标准化模型换算模块进行标准化换算后的数据,进行组内均值和标偏计算;
S5:利用组内均值和标偏、指标上下限去计算组内的正态分布合格率,最后合成组内合格率,作为评价组间数据的指标;
S6:根据每组数据的组内均值、标偏而计算组间的均值和标偏,采用均值和标偏代表组间数据的集中程度和离散程度,同时根据系统内置的换算公式计算组间上下限;
S7:通过所述组间上下限计算模块所获得的数据,利用正态分布合格率的公式计算出组间合格率;
S8:依据所述组内合格率和所述组间合格率计算出该批量数据的最终合格率,获得总合格率。
具体的电子设备,可以为一种计算机或智能终端或服务器或去中心化的虚拟计算网络等电子设备。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的控制模块、系统,能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的模块、系统,可以通过其它的方式实现。例如,以上所描述的模块、系统实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个设备,或一些特征可以忽略,或不执行。
最后应当说明的是:以上实施例仅用以说明本案的技术方案而非对其限制;尽管参照较佳实施例对本案进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本案的具体实施方式进行修改或者对部分技术特征进行等同替换;而不脱离本案技术方案的精神,其均应涵盖在本案请求保护的技术方案范围当中。
Claims (16)
1.一种基于卷烟批量数据的标准化及评价系统,其特征在于,包括如下模块:
数据采集整理模块,其配置为对于卷烟生产过程的批量数据进行采集,整理卷烟生产过程所采集的批量数据,并采用有效数据中的稳态数据;
数据标准确定模块,其配置为首先选定数据指标所规范的标准形式的约束形式的种类;
标准化模型换算模块,根据所选择的标准形式的约束形式对组内的数据、组内目标值、组内上下限进行标准化换算;
计算组内均值与标偏模块,其配置为对经过所述标准化模型换算模块进行标准化换算后的数据,进行组内均值和标偏计算;
组内合格率计算模块,其配置为利用组内均值和标偏、指标上下限去计算组内的正态分布合格率,最后合成组内合格率,作为评价组间数据的指标;
组间上下限计算模块,其配置为根据每组数据的组内均值、标偏而计算组间的均值和标偏,采用均值和标偏代表组间数据的集中程度和离散程度,同时根据系统内置的换算公式计算组间上下限;
组间合格率计算模块,其配置为通过所述组间上下限计算模块所获得的数据,利用正态分布合格率的公式计算出组间合格率;
总合格率评价模块,其配置为依据所述组内合格率和所述组间合格率计算出该批量数据的最终合格率,获得总合格率。
2.根据权利要求1所述的一种基于卷烟批量数据的标准化与评价系统,其特征在于,在所述数据标准确定模块中,所述标准形式可采取的约束形式包括五种,分别是:
第一种:给定目标值M、公允范围T,且上下限一致;
第二种:给定目标值M、公允范围T,且上下限不一致;
第三种:给定范围标准:上限USL、下限LSL;
第四种:望小,上限为USL;
第五种:望大,下限为LSL。
3.根据权利要求2所述的一种基于卷烟批量数据的标准化与评价系统,其特征在于,在所述标准化模型换算模块中,采用以下相应的标准形式所对应的公式:
所述标准形式为第一种,即给定目标值M、公允范围T,且上下限一致时,标准化公式为标准化的目标值为0,标准化的上限为1,标准化的下限为-1;
所述标准形式为第二种,即给定目标值M、公允范围T,上下限不一致时,标准化公式为标准化的目标值为标准化的上限为1,标准化的下限为-1;
所述标准形式为第三种,即给定范围标准:USL、LSL时,标准化公式为标准化的上限为1,标准化的下限为-1;
所述标准形式为第四种,即望小,上限为USL时,标准化公式为标准化的上限为1;
所述标准形式为第五种,即望大,下限为LSL时,标准化公式为标准化的下限为1;
其中:
Xij——代表组内数据,为第i组第j个数据,i=1,2,…,k;j=1,2,…,n;
i——为第i组;
Ti——为第i组的公允范围,Ti=USLi-LSLi;
USLi——为第i组的给定上限值;
LSLi——为第i组的给定下限值;
Mi——为第i组的给定目标值;
X′ij——为标准化后的组内数据,为第i组第j个数据,i=1,2,…,k;j=1,2,…,n。
4.根据权利要求3所述的一种基于卷烟批量数据的标准化与评价系统,其特征在于,在所述组内合格率计算模块中,所述正态分布合格率的计算公式根据其对应的标准形式不同,相应采用以下计算公式:
公式1:中心值、允差标准合格率:P=Φ﹛((USL-LSL)/2+|M-μ|)/σ}-Φ﹛-((USL-LSL)/2-|M-μ|)/σ﹜;
公式2:范围标准合格率:P=Φ((USL-μ)/σ)-Φ((LSL-μ)/σ);
公式3:单侧标准,望大值合格率:P=1-Φ((LSL-μ)/σ);
公式4:单侧标准,望小值合格率:P=Φ((USL-μ)/σ);
其中,
P——合格率;
USL——给定上限值;
LSL——给定下限值;
M——目标值;
Φ——标准正态分布函数;
μ——样本均值;
σ——样本标准偏差;
当给定目标值M、公允范围T,且上下限一致时即M/2=(LSL+USL),可以证明公式1与公式2一致;当上下限不一致时,采用公式2计算;
双侧标准的正态分布合格率采用公式2计算。
5.根据权利要求3所述的一种基于卷烟批量数据的标准化与评价系统,其特征在于,在所述的计算组内均值与标偏模块中,标准化数据的均值和标偏按照以下计算公式获得,公式包括:
其中:
——第i组数据的均值;
S′i——第i组数据的标偏。
6.根据权利要求5所述的一种基于卷烟批量数据的标准化与评价系统,其特征在于,在所述组内合格率计算模块中,所述组内合格率Pwi计算公式相应采用以下形式之一或任意组合:
a)双侧标准合格率:
b)单侧标准,望小值合格率:
c)单侧标准,望大值合格率:
其中:
Pwi——组内合格率;
Φ——标准正态分布函数。
7.根据权利要求1至6任一项所述的一种基于卷烟批量数据的标准化与评价系统,其特征在于,在所述总合格率评价模块中,利用各组的组内合格率,计算总的组内合格率Pw,其计算公式为:
8.根据权利要求2至7任一项所述的一种基于卷烟批量数据的标准化与评价系统,其特征在于,在所述组间上下限计算模块中,其配置为采用以下计算方法:
所述标准形式为第一种即给定目标值Mi、公允范围Ti,且上下限一致时;以及第二种即给定目标值Mi、公允范围Ti,上下限不一致时;以及第三种即给定范围标准:USLi、LSLi时,组间上下限的换算公式为:
所述标准形式为第四种,即望小,上限为USLi时,组间上限换算公式为
所述标准形式为第五种,即望大,下限为LSLi时,组间下限换算公式为
当所述组内样本量和所述组间批数的乘积小于等于10的时候,认为平滑效果不明显,所述组间上下限使用组内标准的上下限;
USLi——为第i组的给定上限值;
LSLi——为第i组的给定下限值;
n——为每组数据的样本数;
k——为数据的组数。
9.根据权利要求8所述的一种基于卷烟批量数据的标准化与评价系统,其特征在于,
对于数据的评价考虑组内波动和组间波动,根据所述组内上下限、所述组间上下限,分别利用所述正态分布合格率的公式计算组内合格率Pw、组间合格率Pb;
将所述组间合格率Pb与所述组内合格率Pw平均计算出最后的合格率Pt,作为批量数据的最终合格率Pt,具体公式为:Pt=(Pw+Pb)/2。
10.一种基于卷烟批量数据的标准化与评价方法,其特征在于,包括如下步骤:
S1:对于卷烟生产过程的批量数据进行采集,整理卷烟生产过程所采集的批量数据,并采用有效数据中的稳态数据;
S2:首先选定数据指标所规范的标准形式的约束形式的种类;
S3:根据所选择的标准形式的约束形式的种类确定数据标准化的公式,根据所述数据标准化的公式分别对组内的数据、组内目标值、组内上下限进行标准化换算;
S4:对经过所述标准化模型换算模块进行标准化换算后的数据,进行组内均值和标偏计算;
S5:利用组内均值和标偏、指标上下限去计算组内的正态分布合格率,最后合成组内合格率,作为评价组间数据的指标;
S6:根据每组数据的组内均值、标偏而计算组间的均值和标偏,采用均值和标偏代表组间数据的集中程度和离散程度,同时根据系统内置的换算公式计算组间上下限;
S7:通过所述组间上下限计算模块所获得的数据,利用正态分布合格率的公式计算出组间合格率;
S8:依据所述组内合格率和所述组间合格率计算出该批量数据的最终合格率,获得总合格率;
以上S5与S6为既可以并行也可以顺序的步骤。
11.根据权利要求10所述的一种基于卷烟批量数据的标准化与评价方法,其特征在于,还包括:
S9:在σ水平换算表中查询所述最终合格率对应的西格玛水平,作为评价批量数据过程能力的指数。
12.根据权利要求10所述的一种基于卷烟批量数据的标准化与评价方法,其特征在于,还包括:对于标准化后的组内数据计算均值、标准偏差、变异系数,然后进行描述性统计分析;
所述标准形式为组内的标准形式,即每组标准值可能不同,但要求各组标准形式的约束形式一致,若标准形式的约束形式变了,需要分成两组以上数据分别计算;
所述标准值,包括目标值、上下限。
13.根据权利要求10所述的一种基于卷烟批量数据的标准化与评价方法,其特征在于,
利用计算公式对目标值、上下限进行标准化处理后,双侧标准都能将上限标准化至1,将下限标准化至-1,望大、望小标准的上下限都为1;
所述标准化,即对于标准化处理后的数据能够直接根据数据的值判断数据指标的符合性及大致的符合程度。
14.根据权利要求10所述的一种基于卷烟批量数据的标准化与评价方法,其特征在于,
计算所述组间合格率时采用的标准是基于组内标准变换产生的,考虑组内样本量和组间批数差异对于组间均值的平滑效果,对允差进行基于组间和组内样本量的缩小。
15.根据权利要求10至14任一项所述的一种基于卷烟批量数据的标准化与评价方法,其特征在于,其采用权利要求1至9任一项所述的一种基于卷烟批量数据的标准化与评价系统。
16.一种电子设备,其特征在于,其设置有上述权利要求1至9任一项所述的一种基于卷烟批量数据的标准化与评价系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810074215.6A CN110084449B (zh) | 2018-01-25 | 2018-01-25 | 基于卷烟批量数据的标准化与评价系统及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810074215.6A CN110084449B (zh) | 2018-01-25 | 2018-01-25 | 基于卷烟批量数据的标准化与评价系统及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110084449A true CN110084449A (zh) | 2019-08-02 |
CN110084449B CN110084449B (zh) | 2021-05-28 |
Family
ID=67411994
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810074215.6A Active CN110084449B (zh) | 2018-01-25 | 2018-01-25 | 基于卷烟批量数据的标准化与评价系统及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110084449B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113126584A (zh) * | 2021-04-29 | 2021-07-16 | 陕西中烟工业有限责任公司 | 一种卷烟生产过程质量稳定性评价系统 |
CN114140035A (zh) * | 2022-01-30 | 2022-03-04 | 希望知舟技术(深圳)有限公司 | 参数质量管理方法及相关装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102591267A (zh) * | 2011-09-23 | 2012-07-18 | 天昌国际烟草有限公司 | 以目标来监控生产过程质量的方法 |
CN104008298A (zh) * | 2014-06-09 | 2014-08-27 | 南京钢铁股份有限公司 | 一种适合于铁矿粉混匀作业生产的混匀效果的计算方法 |
CN104133370A (zh) * | 2014-07-02 | 2014-11-05 | 方志耕 | 一种基于过程能力的小样本最优质量控制方法 |
CN104484747A (zh) * | 2014-12-01 | 2015-04-01 | 西安电子科技大学 | 利用截尾样本确定产品合格率的方法 |
CN105139084A (zh) * | 2015-08-13 | 2015-12-09 | 北京中石润达科技发展有限公司 | 一种油品在线全流程优化方法 |
-
2018
- 2018-01-25 CN CN201810074215.6A patent/CN110084449B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102591267A (zh) * | 2011-09-23 | 2012-07-18 | 天昌国际烟草有限公司 | 以目标来监控生产过程质量的方法 |
CN104008298A (zh) * | 2014-06-09 | 2014-08-27 | 南京钢铁股份有限公司 | 一种适合于铁矿粉混匀作业生产的混匀效果的计算方法 |
CN104133370A (zh) * | 2014-07-02 | 2014-11-05 | 方志耕 | 一种基于过程能力的小样本最优质量控制方法 |
CN104484747A (zh) * | 2014-12-01 | 2015-04-01 | 西安电子科技大学 | 利用截尾样本确定产品合格率的方法 |
CN105139084A (zh) * | 2015-08-13 | 2015-12-09 | 北京中石润达科技发展有限公司 | 一种油品在线全流程优化方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113126584A (zh) * | 2021-04-29 | 2021-07-16 | 陕西中烟工业有限责任公司 | 一种卷烟生产过程质量稳定性评价系统 |
CN114140035A (zh) * | 2022-01-30 | 2022-03-04 | 希望知舟技术(深圳)有限公司 | 参数质量管理方法及相关装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110084449B (zh) | 2021-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ma et al. | An optimization approach to multiperson decision making based on different formats of preference information | |
US7653509B2 (en) | Probability state models | |
CN101710304A (zh) | 一种软件过程实施质量评测方法 | |
CN116167668A (zh) | 基于bim的绿色节能建筑施工质量评价方法及系统 | |
CN110084449A (zh) | 基于卷烟批量数据的标准化与评价系统及其方法 | |
CN109544473B (zh) | 一种光学卫星相对辐射校正系数计算方法、系统及介质 | |
CN114911774B (zh) | 一种用户导向的电网服务型数据库系统及其应用 | |
CN114330915A (zh) | 一种短期风电功率组合模型预测方法 | |
Gräler | Developing spatio-temporal copulas | |
CN109389571B (zh) | 一种遥感影像变化检测方法、装置及终端 | |
CN116186950A (zh) | 燃气管网模拟仿真的处理方法、系统、装置和存储介质 | |
CN113778042B (zh) | 基于信息化建模的工控设备指令模拟运行通信系统 | |
CN100402708C (zh) | 金属电沉积过程中基于神经元网络进行实时控制的方法 | |
CN116152709A (zh) | 一种装修垃圾智能分级预处理方法及系统 | |
CN115752243A (zh) | 一种测量数据融合方法 | |
Bardsiri et al. | Statistical analysis of the most popular software service effort estimation datasets | |
CN109145364A (zh) | 基于基尼均差的灵敏度分析方法 | |
Thil et al. | Statistical analysis of a third-order cumulants based algorithm for discrete-time errors-in-variables identification | |
Diakarya et al. | Spatial stochastic framework for sampling time parametric max-stable processes | |
CN106776291B (zh) | 一种系统结构复杂度计算方法 | |
CN106227702B (zh) | 一种基于螺旋式迭代模型的用户需求分析方法 | |
Krätschmer | Limit distributions of least squares estimators in linear regression models with vague concepts | |
Xiong et al. | Prediction of cement specific surface area based on XGBoost | |
Yuan | Models and methods for computationally efficient analysis of large spatial and spatio-temporal data | |
CN113487080B (zh) | 一种基于风速分类的风速动态场景生成方法、系统及终端 |
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 |