CN110163479A - 一种烟草卷包车间质量异常问题主因模型的建立方法 - Google Patents
一种烟草卷包车间质量异常问题主因模型的建立方法 Download PDFInfo
- Publication number
- CN110163479A CN110163479A CN201910314423.3A CN201910314423A CN110163479A CN 110163479 A CN110163479 A CN 110163479A CN 201910314423 A CN201910314423 A CN 201910314423A CN 110163479 A CN110163479 A CN 110163479A
- Authority
- CN
- China
- Prior art keywords
- quality
- classification
- factor
- data
- abnormal data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 241000208125 Nicotiana Species 0.000 title claims abstract description 20
- 235000002637 Nicotiana tabacum Nutrition 0.000 title claims abstract description 20
- 230000002159 abnormal effect Effects 0.000 claims abstract description 96
- 238000011156 evaluation Methods 0.000 claims abstract description 26
- 235000019504 cigarettes Nutrition 0.000 claims description 61
- 238000004519 manufacturing process Methods 0.000 claims description 22
- 239000000463 material Substances 0.000 claims description 15
- 238000012797 qualification Methods 0.000 claims description 13
- 230000007547 defect Effects 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 4
- 241001269238 Data Species 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims 1
- 238000004458 analytical method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 241001044671 Piper tuberculatum Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012360 testing method Methods 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Factory Administration (AREA)
Abstract
本发明涉及一种烟草卷包车间质量异常问题主因模型的建立方法,确定质量问题类别,并对质量问题类别设定相应的评价标准;获取设定时间段内相应质量问题类别的类别数据及类别异常数据,按设定的评价方法计算相应质量问题类别的实际值;确定影响质量异常问题的质量因素及每一质量因素所包括的质量模式因素;获取设定时间段内质量因素的质量因素数据及各质量模式因素的异常数据;计算各质量模式因素的异常数据占质量异常数据的权重;判断实际值与评价标准的关系。本技术方案通过对质量异常问题按类别进行相应的评价,能够确定影响某一质量问题的主要因素,便于快速对质量异常问题进行快速的决策,减少因为质量异常问题对产品的影响。
Description
技术领域
本发明属于烟草卷包车间质量管理辅助决策技术领域,特别是指一种烟草卷包车间质量异常问题主因模型的建立方法。
背景技术
烟草生产车间,卷包设备类型众多、产品质量问题的种类和产生原因错综复杂,质量问题对应产生原因之间各种因素互相关联,这对卷接包车间质量管控带来了较大困难。
传统质量管控方法不能及时发现并合理做好质量管控先觉指导。在传统的工作中,只能通过不断地巡视观察质量情况从而查找存在的质量隐患。由于卷接包装工艺较复杂,并不能面面俱到,以往操作人员及维修人员处理故障都是凭借自身的经验,存在疏漏。
如下图1所示,目前卷包车间质量分析方法主要是通过单一的物理指标数据通过单一的数据源进行人工分析,由于生产过程中的物理指标是测试后的结果,属于一个结果的体现,并不能实时关联生产状态对生产过程进行实时评价和分析并判断和定位具体的质量问题。
目前卷包车间影响产品质量问题的因素较多,与产品质量问题相关的数据的来源及数量均较多,如何能够精确对卷包车间质量做出辅助决策,需要对卷包车间各类与生产质量相关数据进行分类,并确定影响质量异常问题的主因是需要解决的问题。
发明内容
本发明的目的是提供一种烟草卷包车间质量异常问题主因模型的建立方法,以解决现卷包车间质量分析方法中,无法在众多的数据中确定影响质量异常问题的主因的问题。
本发明是通过以下技术方案实现的:
一种烟草卷包车间质量异常问题主因模型的建立方法,包括以下步骤:
确定质量问题类别,并对所述质量问题类别设定相应的评价标准;
获取设定时间段内相应质量问题类别的类别数据及类别异常数据,按设定的评价方法计算相应质量问题类别的实际值;
确定影响质量异常问题的质量因素及每一质量因素所包括的质量模式因素;
获取所述设定时间段内所述质量因素的质量因素数据及各质量模式因素的异常数据;
计算各质量模式因素的异常数据占所述质量异常数据的权重;
判断实际值与所述评价标准的关系:
所述实际值≥评价标准,若各质量模式因素的异常数据的权重均小于第一设定值,且各质量模式因素的异常数据的权重之和小于第二设定值,确定所述类别异常数据在许可范围内;
若某一质量模式因素的异常数据的权重大于等于第一设定值,确定该质量模式因素为影响质量异常问题的主因;
若各质量模式因素的异常数据的权重均小于第一设定值,但是各质量模式因素异常数据的权重之和大于等于第二设定值,各质量模式因素中自异常数据的权重最大起设定数量的质量模式因素共同为影响质量异常问题的主因;
所述实际值≤评价标准,若各质量模式因素的异常数据的权重均小于第一设定值,且所有质量模式因素异常数据的权重之和小于第二设定值,确定影响质量异常问题的主因为其它因素,重新确定质量模式因素;
若某一质量模式因素的异常数据的权重大于等于第一设定值,确定该质量模式因素为影响质量异常问题的主因;
若各质量模式因素异常数据的权重均小于第一设定值,但是各质量模式因素异常数据的权重之和大于等于第二设定值,各质量模式因素中自异常数据的权重最大起设定数量的质量模式因素共同为影响质量异常问题的主因。
所述第一设定值小于等于第二设定值。
所述质量问题类别至少包括烟支物理指标相关的类别和外观缺陷相关的类别;
所述烟支物理指标相关的类别至少包括烟支圆周类别、烟支长度类别、烟支质量类别或烟支吸阻类别中的一种或一种以上组合;
所述外观缺陷相关的类别至少包括条装类别、盒装类别或烟支类别中的一种或一种以上组合。
所述评价标准包括合格率、平均值、不合格数、样本总数、单项扣分或平均扣分中的一种或一种以上组合。
所述评价方法为阈值法、标准化方法或比重法;
所述标准化方法包括所述单项扣分和所述平均扣分;
所述单项扣分=(某质量问题类别中的不合格数/某质量问题类别样本总数)×某质量问题类别所占的设定分值;
所述平均扣分=(某质量问题类别中的不合格数/样本总数)×某质量问题类别所占的设定分值。
所述质量因素包括生产过程实时状态因素、设备维修因素或辅料信息因素的一种或一种以上组合。
所述生产过程实时状态因素至少包括设备停机信息模式因素、产量信息模式因素、停机原因模式因素或设备有效作业率模式因素中的一种或一种以上组合。
所述类别异常数据的获取方法,包括以下步骤:
获取历史烟草卷包车间影响质量问题类别;
依据各质量问题类别的特性,设定各质量问题类别所对应质量合格数据的阀值;
获取用户原始数据并依据所述质量问题类别确定相应的类别数据集;
提取类别数据集中的数据与相应的质量合格数据的阀值进行判断,若判断为否,则确定为该数据为类别异常数据,存入相应的异常数据集,并将设定时间段内的异常数据集依据时间顺序排为异常数据参考数列;
若判断为是,则放弃该数据,重新进行提取。
本发明的有益效果是:
本技术方案通过对质量异常问题按类别进行相应的评价,能够确定影响某一质量问题的主要因素,便于快速对质量异常问题进行快速的决策,减少因为质量异常问题对产品的影响。
附图说明
图1为现有技术质量问题分析逻辑图;
图2为类别异常数据获取原理图;
图3为质量异常问题主因模型示意表。
具体实施方式
以下通过实施例来详细说明本发明的技术方案,以下的实施例仅是示例性的,仅能用来解释和说明本发明的技术方案,而不能解释为是对本发明技术方案的限制。
为了能够精确对卷包车间质量做出辅助决策,需要对卷包车间各类生产质量相关数据进行采集及存储,由于卷包车间数据节点和数据类型较多,需要对不同设备采用不同原理进行数据采集并进行存储,通过云数据中心的存储方式可实现高效数据调用。
为了实现对卷包车间质量辅助决策支持,需要全面了解卷烟车间影响产品质量问题的所有因素,通过长期的统计分析,现卷烟车间产品质量问题类别主要包括物理指标相关的类别及外观缺陷相关的类别。
其中,烟支物理指标相关的类别至少包括烟支圆周类别、烟支长度类别、烟支质量类别或烟支吸阻类别中的一种或一种以上组合。
所述外观缺陷相关的类别至少包括条装类别、盒装类别或烟支类别中的一种或一种以上组合。
影响上述质量问题类别的主要质量因素包括生产过程实时状态因素、设备维修因素及辅料信息因素。
在本申请中,生产过程实时状态因素主要包括设备停机信息模式因素、产量信息模式因素、停机原因模式因素或设备有效作业率模式因素中的一种或一种以上组合,此方面具体需要采集哪些数据,根据实际的需要进行设定,但是,在生产过程实时状态因素的数据采集中,也可以包括实际生产时,其它方面影响到产品质量的生产过程实时状态的子因素的数据。
如图2所示,本申请的类别异常数据的获取方法,包括以下步骤:
获取历史烟草卷包车间影响质量问题类别;
依据各质量问题类别的特性,设定各质量问题类别所对应质量合格数据的阀值;具体为,因为质量问题类别的特性不同,其阀值也不相同,如烟支圆周类别,其单位为长度,因此其合格数据阀值为长度,同样的,烟支长度类别的单位也为长度,其合格数据阀值为长度,但是烟支质量类别的数据单位为克,因此,其合格数据阈值为重量,烟支吸阻类别的数据单位为力,因此,其合格数据阈值为力的单位,其它的质量问题类别的特性依此进行确定。
获取用户原始数据并依据所述质量问题类别确定相应的类别数据集;在确定相应的类别数据集之前,还可以对原始数据进行预处理理程序。
提取类别数据集中的数据与相应的质量合格数据的阀值进行判断,若判断为否,则确定为该数据为类别异常数据,存入相应的异常数据集,并将设定时间段内的异常数据集依据时间顺序排为异常数据参考数列,用于对以后的实际生产中的实时数据进行比对,以便于对生产过程中,是否会出再质量问题进行预判断,并进行相应的调整,而且异常数据参考数列具有自学习能力,将随着时间的延续,异常数据参考数列相对于质量问题的关联度逐渐提高,增加预判断的准确性。
若判断为是,该数据为正常数据,不会对质量问题异常产生影响,则放弃该数据,重新进行提取。
在本申请中,质量模式因素的异常数据的获取方式与上述类别异常数据的获取方法相同,在此不进行重复介绍。只要将上述的类别异常数据中的名称更换为质量模式因素的名称即可,比如设备有效作业率模式因素、辅料信息模式因素、产量数据模式因素、停机次数模式因素或停机原因模式因素等。
如图3所示,本申请提供一种烟草卷包车间质量异常问题主因模型的建立方法,包括以下步骤:
确定质量问题类别,并对所述质量问题类别设定相应的评价标准;
获取设定时间段内相应质量问题类别的类别数据及类别异常数据,按设定的评价方法计算相应质量问题类别的实际值;
确定影响质量异常问题的质量因素及每一质量因素所包括的质量模式因素;
获取所述设定时间段内所述质量因素的质量因素数据及各质量模式因素的异常数据;
计算各质量模式因素的异常数据占所述质量异常数据的权重;
判断实际值与所述评价标准的关系:
所述实际值≥评价标准,若各质量模式因素的异常数据的权重均小于第一设定值,且各质量模式因素的异常数据的权重之和小于第二设定值,确定所述类别异常数据在许可范围内;在本申请中,第一设定值小于等于第二设定值,而且第一设定值与第二设定值可以根据需要进行设定,并不能仅限于本申请的以下实施例所使用的数值。
若某一质量模式因素的异常数据的权重大于等于第一设定值,确定该质量模式因素为影响质量异常问题的主因;
若各质量模式因素的异常数据的权重均小于第一设定值,但是各质量模式因素异常数据的权重之和大于等于第二设定值,各质量模式因素中自异常数据的权重最大起设定数量的质量模式因素共同为影响质量异常问题的主因;
所述实际值≤评价标准,若各质量模式因素的异常数据的权重均小于第一设定值,且所有质量模式因素异常数据的权重之和小于第二设定值,确定影响质量异常问题的主因为其它因素,重新确定质量因素;
若某一质量模式因素的异常数据的权重大于等于第一设定值,确定该质量模式因素为影响质量异常问题的主因;
若各质量模式因素异常数据的权重均小于第一设定值,但是各质量模式因素异常数据的权重之和大于等于第二设定值,各质量模式因素中自异常数据的权重最大起设定数量的质量模式因素共同为影响质量异常问题的主因。
在此进行举例说明,以烟支圆周类别为例,在本实施例中,设定烟支圆周类别标准合格率≥98%,在本申请的其它实施例中,该烟支圆周类别标准合格率可以根据需要设定,比如90%,92%,95%,99%等。
若实施例为烟支质量类别,也比如设定质量合格率≥95%,在本申请的其它实施例中,该烟支质量类别标准合格率可以根据需要设定,比如90%,92%,95%,99%等。
若实施例为烟支长度类别,也比如设定质量合格率≥98.5%,在本申请的其它实施例中,该烟支长类别标准合格率可以根据需要设定,比如95%,95.5%,96%,96.5%,97%,97.5%,98%,99%或99.5%等。
获取8个小时内烟支圆周类别的所有数据,并且对该数据可以进行预处理,及根据上述类别异常数据获取方法获得异常数据集;并依据8个小时内所采集的烟支样品数量,计算每一烟支的圆周,及样品的圆周平均值,在设定的标准圆周基础上,确定烟支圆周类别的合格率并与标准合格率进行比对;
同时,获取8个小时内确定影响质量异常问题的质量因素及每一质量因素所包括的质量模式因素,在此,质量模式因素选择设备有效作业率、辅料信息、产量数据、停机次数及停机原因。并获取相应的质量因素数据及各个质量模式因素的异常数据。在本申请的其它实施例中,也可以根据需要选择其它的质量因素或质量模式因素。
计算各个质量模式因素的异常数据的权重,即用各个质量模式因素的异常数据/质量异常数据。
进行判断烟支圆周类别实际合格率与烟支圆周类别标准合格率的关系,
若,烟支圆周类别实际合格率≥烟支圆周类别标准合格率,若上述各质量模式因素的比重均小于0.3(也可以是大于0.3或小于0.3的值),且各质量模式因素的异常数据的权重之和小于0.5(也可以是不同于0.5的其它值),则确定烟支圆周类别异常数据在许可范围内,不进行处理。
若某一质量模式因素(在此以辅料信息模式因素为例,也可以是产量数据模式因素、停机次数模式因素、停机原因模式或设备有效作业率模式因素)的异常数据的权重大于等于0.3,确定辅料信息模式因素为影响质量异常问题的主因。
若各质量模式因素的异常数据的权重均小于0.3(例如,辅料信息模式因素的异常数据的权重为0.2,产量数据模式因素的异常数据的权重为0.17、停机次数模式因素的异常数据的权重为0.14、停机原因模式因素的异常数据权重为0.1或设备有效作业率模式因素的异常数据的权重为0.05,需要说明的是,上述的数值仅是用于举例说明,而不是确定值,本领域的技术人员根据需要可以设定上述的权重值),但是各质量模式因素异常数据的权重之和大于等于0.5,各质量模式因素中自异常数据的权重最大起设定数量的质量模式因素共同为影响质量异常问题的主因,为此设定四个质量模式因素,就确定辅料信息模式因素、产量数据模式因素、停机次数模式因素及停机原因模式因素为共同的主因;若设定为三个质量模式因素,就确定辅料信息模式因素、产量数据模式因素及停机次数模式因素为共同的主因。
若,烟支圆周类别实际合格率≤烟支圆周类别标准合格率,若上述各质量模式因素的比重均小于0.3,且各质量模式因素的异常数据的权重之和小于0.5,确定影响质量异常问题的主因为其它因素,重新确定质量模式因素。
若某一质量模式因素(在此以辅料信息模式因素为例,也可以是产量数据模式因素、停机次数模式因素、停机原因模式或设备有效作业率模式因素)的异常数据的权重大于等于0.3,确定辅料信息模式因素为影响质量异常问题的主因。
若各质量模式因素的异常数据的权重均小于0.3(例如,辅料信息模式因素的异常数据的权重为0.2,产量数据模式因素的异常数据的权重为0.17、停机次数模式因素的异常数据的权重为0.14、停机原因模式因素的异常数据权重为0.1或设备有效作业率模式因素的异常数据的权重为0.05),但是各质量模式因素异常数据的权重之和大于等于0.5,各质量模式因素中自异常数据的权重最大起设定数量的质量模式因素共同为影响质量异常问题的主因,为此设定四个质量模式因素,就确定辅料信息模式因素、产量数据模式因素、停机次数模式因素及停机原因模式因素为共同的主因;若设定为三个质量模式因素,就确定辅料信息模式因素、产量数据模式因素及停机次数模式因素为共同的主因。
所述评价标准包括合格率、平均值、不合格数、样本总数、单项扣分或平均扣分中的一种或一种以上组合。
所述评价方法为阈值法、标准化方法或比重法;
所述标准化方法包括所述单项扣分和所述平均扣分;
所述单项扣分=(某质量问题类别中的不合格数/某质量问题类别样本总数)×某质量问题类别所占的设定分值。
所述平均扣分=(某质量问题类别中的不合格数/样本总数)×某质量问题类别所占的设定分值。
设定分值是指将所有质量问题类别设定为总分值,比如100分,其中在评价时间段内,比如8小时,12小时,24小时,3天,7天,10天,15天,一个月,半年,一年等时间段,各质量问题类别的类别异常数据占类别数据的比例×总分值,比如100分,得到的设定分值。
比重法为,设定时间段内车间综合质量得分=100-烟支物理指标相关的类别×烟支物理指标相关的类别的权重-(盒装类别扣分+烟支外观类别扣分)。
如,设定时间段内车间综合质量得分=100-(烟支圆周类别扣分×烟支圆周类别的权重+烟支长度类别扣分×烟支长度类别的权重+(烟支质量类别扣分×烟支质量类别的权重+烟支吸阻类别扣分×烟支吸阻类别的权重))×烟支物理指标相关的类别的权重-(盒装类别扣分+烟支外观类别扣分)。
在此,举例说明,下述的权重仅用于说明,而不是用于限定本申请的权重值,各设定时间段内车间综合质量得分=100-(烟支圆周类别扣分×0.3+烟支长度类别扣分×0.2+(烟支质量类别扣分×0.3+烟支吸阻类别扣分×0.2))×0.7-(盒装类别扣分+烟支外观类别扣分)。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变形,本发明的范围由所附权利要求及其等同限定。
Claims (8)
1.一种烟草卷包车间质量异常问题主因模型的建立方法,其特征在于,包括以下步骤:
确定质量问题类别,并对所述质量问题类别设定相应的评价标准;
获取设定时间段内相应质量问题类别的类别数据及类别异常数据,按设定的评价方法计算相应质量问题类别的实际值;
确定影响质量异常问题的质量因素及每一质量因素所包括的质量模式因素;
获取所述设定时间段内所述质量因素的质量因素数据及各质量模式因素的异常数据;
计算各质量模式因素的异常数据占所述质量异常数据的权重;
判断实际值与所述评价标准的关系:
所述实际值≥评价标准,若各质量模式因素的异常数据的权重均小于第一设定值,且各质量模式因素的异常数据的权重之和小于第二设定值,确定所述类别异常数据在许可范围内;
若某一质量模式因素的异常数据的权重大于等于第一设定值,确定该质量模式因素为影响质量异常问题的主因;
若各质量模式因素的异常数据的权重均小于第一设定值,但是各质量模式因素异常数据的权重之和大于等于第二设定值,各质量模式因素中自异常数据的权重最大起设定数量的质量模式因素共同为影响质量异常问题的主因;
所述实际值≤评价标准,若各质量模式因素的异常数据的权重均小于第一设定值,且所有质量模式因素异常数据的权重之和小于第二设定值,确定影响质量异常问题的主因为其它因素,重新确定质量模式因素;
若某一质量模式因素的异常数据的权重大于等于第一设定值,确定该质量模式因素为影响质量异常问题的主因;
若各质量模式因素异常数据的权重均小于第一设定值,但是各质量模式因素异常数据的权重之和大于等于第二设定值,各质量模式因素中自异常数据的权重最大起设定数量的质量模式因素共同为影响质量异常问题的主因。
2.根据权利要求1所述的烟草卷包车间质量异常问题主因模型的建立方法,其特征在于,所述第一设定值小于等于第二设定值。
3.根据权利要求1所述的烟草卷包车间质量异常问题主因模型的建立方法,其特征在于,所述质量问题类别至少包括烟支物理指标相关的类别和外观缺陷相关的类别;
所述烟支物理指标相关的类别至少包括烟支圆周类别、烟支长度类别、烟支质量类别或烟支吸阻类别中的一种或一种以上组合;
所述外观缺陷相关的类别至少包括条装类别、盒装类别或烟支类别中的一种或一种以上组合。
4.根据权利要求1所述的烟草卷包车间质量异常问题主因模型的建立方法,其特征在于,所述评价标准包括合格率、平均值、不合格数、样本总数、单项扣分或平均扣分中的一种或一种以上组合。
5.根据权利要求1所述的烟草卷包车间质量异常问题主因模型的建立方法,其特征在于,所述评价方法为阈值法、标准化方法或比重法;
所述标准化方法包括所述单项扣分和所述平均扣分;
所述单项扣分=(某质量问题类别中的不合格数/某质量问题类别样本总数)×某质量问题类别所占的设定分值;
所述平均扣分=(某质量问题类别中的不合格数/样本总数)×某质量问题类别所占的设定分值。
6.根据权利要求1所述的烟草卷包车间质量异常问题主因模型的建立方法,其特征在于,所述质量因素包括生产过程实时状态因素、设备维修因素或辅料信息因素的一种或一种以上组合。
7.根据权利要求6所述的烟草卷包车间质量异常问题主因模型的建立方法,其特征在于,所述生产过程实时状态因素至少包括设备停机信息模式因素、产量信息模式因素、停机原因模式因素或设备有效作业率模式因素中的一种或一种以上组合。
8.根据权利要求1所述的烟草卷包车间质量异常问题主因模型的建立方法,其特征在于,所述类别异常数据的获取方法,包括以下步骤:
获取历史烟草卷包车间影响质量问题类别;
依据各质量问题类别的特性,设定各质量问题类别所对应质量合格数据的阀值;
获取用户原始数据并依据所述质量问题类别确定相应的类别数据集;
提取类别数据集中的数据与相应的质量合格数据的阀值进行判断,若判断为否,则确定为该数据为类别异常数据,存入相应的异常数据集,并将设定时间段内的异常数据集依据时间顺序排为异常数据参考数列;
若判断为是,则放弃该数据,重新进行提取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910314423.3A CN110163479A (zh) | 2019-04-18 | 2019-04-18 | 一种烟草卷包车间质量异常问题主因模型的建立方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910314423.3A CN110163479A (zh) | 2019-04-18 | 2019-04-18 | 一种烟草卷包车间质量异常问题主因模型的建立方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110163479A true CN110163479A (zh) | 2019-08-23 |
Family
ID=67639490
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910314423.3A Pending CN110163479A (zh) | 2019-04-18 | 2019-04-18 | 一种烟草卷包车间质量异常问题主因模型的建立方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110163479A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111007810A (zh) * | 2019-11-06 | 2020-04-14 | 珠海格力电器股份有限公司 | 物料分析预警方法、装置、电子设备及存储介质 |
WO2022011767A1 (zh) * | 2020-07-15 | 2022-01-20 | 南京翱翔信息物理融合创新研究院有限公司 | 一种卷烟包装处理方法、系统及装置 |
CN116258344A (zh) * | 2023-03-20 | 2023-06-13 | 中机生产力促进中心有限公司 | 一种用于机械加工的监测方法及系统 |
CN117455317A (zh) * | 2023-12-22 | 2024-01-26 | 深圳市鸿云智科技有限公司 | 烟支外观缺陷影响因素确定方法、系统、存储介质及终端 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102087729A (zh) * | 2011-03-18 | 2011-06-08 | 贵州省烟草公司遵义市公司 | 一种烟叶生产全程质量监控方法与系统 |
CN103488135A (zh) * | 2013-08-14 | 2014-01-01 | 沈阳中科博微自动化技术有限公司 | 一种用于半导体生产加工过程监控的统计过程控制方法 |
CN104700200A (zh) * | 2014-12-18 | 2015-06-10 | 西安交通大学 | 一种面向数字化车间的产品多元质量监控方法 |
CN105759764A (zh) * | 2016-04-08 | 2016-07-13 | 浙江中烟工业有限责任公司 | 一种卷烟生产工艺参数控制系统及其控制方法 |
CN106031328A (zh) * | 2014-01-29 | 2016-10-12 | 欧姆龙株式会社 | 质量管理装置及质量管理装置的控制方法 |
CN107229820A (zh) * | 2017-05-08 | 2017-10-03 | 中国石油天然气股份有限公司 | 一种调剖影响因素的评价方法及装置 |
CN107957988A (zh) * | 2016-10-18 | 2018-04-24 | 阿里巴巴集团控股有限公司 | 用于确定数据异常原因的方法、装置及电子设备 |
-
2019
- 2019-04-18 CN CN201910314423.3A patent/CN110163479A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102087729A (zh) * | 2011-03-18 | 2011-06-08 | 贵州省烟草公司遵义市公司 | 一种烟叶生产全程质量监控方法与系统 |
CN103488135A (zh) * | 2013-08-14 | 2014-01-01 | 沈阳中科博微自动化技术有限公司 | 一种用于半导体生产加工过程监控的统计过程控制方法 |
CN106031328A (zh) * | 2014-01-29 | 2016-10-12 | 欧姆龙株式会社 | 质量管理装置及质量管理装置的控制方法 |
CN104700200A (zh) * | 2014-12-18 | 2015-06-10 | 西安交通大学 | 一种面向数字化车间的产品多元质量监控方法 |
CN105759764A (zh) * | 2016-04-08 | 2016-07-13 | 浙江中烟工业有限责任公司 | 一种卷烟生产工艺参数控制系统及其控制方法 |
CN107957988A (zh) * | 2016-10-18 | 2018-04-24 | 阿里巴巴集团控股有限公司 | 用于确定数据异常原因的方法、装置及电子设备 |
CN107229820A (zh) * | 2017-05-08 | 2017-10-03 | 中国石油天然气股份有限公司 | 一种调剖影响因素的评价方法及装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111007810A (zh) * | 2019-11-06 | 2020-04-14 | 珠海格力电器股份有限公司 | 物料分析预警方法、装置、电子设备及存储介质 |
WO2022011767A1 (zh) * | 2020-07-15 | 2022-01-20 | 南京翱翔信息物理融合创新研究院有限公司 | 一种卷烟包装处理方法、系统及装置 |
CN116258344A (zh) * | 2023-03-20 | 2023-06-13 | 中机生产力促进中心有限公司 | 一种用于机械加工的监测方法及系统 |
CN117455317A (zh) * | 2023-12-22 | 2024-01-26 | 深圳市鸿云智科技有限公司 | 烟支外观缺陷影响因素确定方法、系统、存储介质及终端 |
CN117455317B (zh) * | 2023-12-22 | 2024-04-02 | 深圳市鸿云智科技有限公司 | 烟支外观缺陷影响因素确定方法、系统、存储介质及终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110163479A (zh) | 一种烟草卷包车间质量异常问题主因模型的建立方法 | |
CN105486831B (zh) | 一种钢卷质量检测系统 | |
CN110458474B (zh) | 一种卷烟卷制物理质量综合评价方法 | |
CN109343344A (zh) | 卷烟设备操控参数寻优方法 | |
CN104751288A (zh) | 一种钢卷分段多维在线质量判定系统及其方法 | |
CN109249284B (zh) | 刀具加工参数补偿装置及方法 | |
CN102090705B (zh) | 一种提高烘丝工序过程能力的方法 | |
CN103494316B (zh) | 一种按重量划分复烤烟叶批次的方法 | |
CN110690701A (zh) | 一种异常线损影响因素的分析方法 | |
CN110188984A (zh) | 一种烟草卷包车间异常质量数据模型的建立方法 | |
CN101949865A (zh) | 一种百事泰在线表面缺陷检测系统的优化方法 | |
CN105628646B (zh) | 一种卷烟在线焦油预测及预警方法 | |
CN102125303B (zh) | 利用kdf4成型机组生产滤棒的工艺 | |
CN113516192A (zh) | 一种用户用电异动识别方法、系统、装置及存储介质 | |
CN110196797B (zh) | 适于信用评分卡系统的自动优化方法和系统 | |
CN110175166A (zh) | 一种烟草卷包车间质量异常的确认方法 | |
CN110147935A (zh) | 一种烟草卷包车间质量综合决策模型的建立方法 | |
CN109709921B (zh) | 一种烟支卷制过程在线单支质量实时数据逐支同步的方法 | |
CN111553550A (zh) | 一种针对用户行为分析的电力大数据数据质量的评估方法 | |
CN116596395A (zh) | 用于工程项目测评单位指导及检测的运行质控平台 | |
CN115879680A (zh) | 钢铁表面缺陷判定规则管理系统 | |
CN111680260A (zh) | 一种功效函数法评价卷烟物理质量的方法 | |
CN113115978A (zh) | 降低卷烟单支克重偏差的工艺方法 | |
CN110059353A (zh) | 一种模态参数自动识别简化实用方法 | |
CN104794290B (zh) | 一种用于机械装备结构的模态参数自动识别方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190823 |
|
RJ01 | Rejection of invention patent application after publication |