CN111069098A - 一种基于大数据的零件加工合格率检测方法 - Google Patents
一种基于大数据的零件加工合格率检测方法 Download PDFInfo
- Publication number
- CN111069098A CN111069098A CN201911386413.7A CN201911386413A CN111069098A CN 111069098 A CN111069098 A CN 111069098A CN 201911386413 A CN201911386413 A CN 201911386413A CN 111069098 A CN111069098 A CN 111069098A
- Authority
- CN
- China
- Prior art keywords
- products
- unqualified
- groups
- detecting
- conveying
- 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.)
- Withdrawn
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/36—Sorting apparatus characterised by the means used for distribution
Abstract
本发明公开了一种基于大数据的零件加工合格率检测方法,所述检测方法包括如下步骤:所述合格率检测方法包括如下步骤:取样;输送;检测,对两组输送的产品进行逐个检测,并做好区分,将两组检测出的不合格产品做好标记,检测完成后的产品继续通过输送带传送至下一步工序处;分类;计算,对检测后的两组产品进行分别计算,算出不合格的产品数量与样品总量的比例,取两组数据的平均数,并做好记录;再加工;存放。该方法的有益效果是:本发明中的检测方法采用多组数据进行分析,以达到检测数据的准确性,并通过统计不合格产品的缺陷因素,方便通过计算的数据针对零件的加工做进一步优化,以尽可能的达到工件加工的准确度,提高零件加工的成品率。
Description
技术领域
本发明涉及一种合格率检测方法,具体为一种基于大数据的零件加工合格率检测方法,属于大数据应用技术领域。
背景技术
大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产,大数据包括结构化、半结构化和非结构化数据,非结构化数据越来越成为数据的主要部分大数据就是互联网发展到现今阶段的一种表象或特征而已,在以云计算为代表的技术创新大幕的衬托下,这些原本看起来很难收集和使用的数据开始容易被利用起来了,通过各行各业的不断创新,大数据会逐步为人类创造更多的价值。
目前市场上的大数据意义在于对这些含有意义的数据进行专业化处理,特色在于对海量数据进行分布式数据挖掘,但是,对基于大数据的零件加工检测来说,零件进行检测的合格率数据无法有效分析,不利于生产加工,容易导致生产质量的降低,无法对生产缺陷进行针对处理。因此,针对上述问题提出一种基于大数据的零件加工合格率检测方法。
发明内容
本发明的目的就在于为了解决上述问题而提供一种基于大数据的零件加工合格率检测方法。
本发明通过以下技术方案来实现上述目的,一种基于大数据的零件加工合格率检测方法,其特征在于:所述合格率检测方法包括如下步骤:
(1)取样,确定成品库中产品的总量,从成品库中随机选取100个产品,作为一组,再从成品库中选取同等数量的产品分为另一组;
(2)输送,将其中一组选取的产品依次放置在输送带上,通过输送带传送至检测装置处,并对产品进行检测,再将另一组产品同样进行输送至检测装置处;
(3)检测,对两组输送的产品进行逐个检测,并做好区分,将两组检测出的不合格产品做好标记,检测完成后的产品继续通过输送带传送至下一步工序处;
(4)分类,样品检测后进行输送时,将做好标记的不合格产品取出进行收集,并将样品中合格产品通过输送带传送至下一工序;
(5)计算,对检测后的两组产品进行分别计算,算出不合格的产品数量与样品总量的比例,取两组数据的平均数,并做好记录;
(6)再加工,将取出的不合格产品进行返修,加工后的产品通过输送带传送至检测装置处,检测完成后将不合格产品取出,合格产品继续通过输送带传送至下一步工序处;
(7)存放,对样品中所有合格产品进行收集存放,将合格产品放入成品库,并做好标记以区分样品与成品库中产品。
优选的,所述步骤(1)中采用随机取样法进行取样,取出的两组样品数量相等,并分别通过输送带进行传送。
优选的,所述步骤(3)中不合格产品的缺陷进行分类,进行标记后暂时存放在一起。
优选的,所述步骤(2)中零件依次通过输送带传送,每个零件之间的距离在50厘米至100厘米之间。
优选的,所述步骤(2)中输送带两端分别缠绕在两个转轮表面,输送带顶部与检测装置固定连接,其中一个转轮与电机的输出端固定连接。
优选的,所述步骤(4)中两组不合格产品分开收集,两组产品进行计数后,将不合格产品全部放置至传送带顶端。
优选的,所述步骤(5)分两组计算,计算出两组样品的合格率,并统计出不合格产品中的各自缺陷的表现位置,如长、宽、高的缺陷和表面缺陷等,通过计算机进行处理,两组数据计算后保存至计算机上。
优选的,所述步骤(6)中不合格产品输送至加工装置处,无法满足加工质量的做报废处理。
优选的,述步骤(6)中加工完成的合格产品继续放置在输送带上,并经检测后对合格产品与不合格产品进行区分。
优选的,所述步骤(7)合格产品集中存放,同时需要保证样品成品与成品库成品分开。
本发明的有益效果是:本发明中的检测方法采用多组数据进行分析,对零件加工的成品合格率做进一步的精确,以达到检测数据的准确性,并通过统计不合格产品的缺陷因素,方便通过计算的数据针对零件的加工做进一步的优化,以尽可能的达到工件加工的准确度,提高了零件加工的成品率,大大提高了加工质量,为零件的加工节约经济资源。
附图说明
图1为本发明的方法流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
实施例一:
一种基于大数据的零件加工合格率检测方法,所述合格率检测方法包括如下步骤:
(1)取样,确定成品库中产品的总量,从成品库中随机选取100个产品,作为一组;
(2)输送,将选取的产品依次放置在输送带上,通过输送带传送至检测装置处,并对产品进行检测;
(3)检测,对输送的产品进行逐个检测,将检测出的不合格产品做好标记,检测完成后的产品继续通过输送带传送至下一步工序处;
(4)分类,样品检测后进行输送时,将做好标记的不合格产品取出进行收集,并将样品中合格产品通过输送带传送至下一工序;
(5)计算,对检测后的产品进行计算,算出不合格产品数量为五个,其中四个不合格产品的缺陷为尺寸误差,算出不合格的产品数量与样品总量的比例为百分之五,算出不合格产品中尺寸缺陷的占比为半分之八十,并做好记录;
(6)再加工,将取出的不合格产品进行返修,加工后的产品通过输送带传送至检测装置处,检测完成后将不合格产品取出,合格产品继续通过输送带传送至下一步工序处;
(7)存放,对样品中所有合格产品进行收集存放,将合格产品放入成品库,并做好标记以区分样品与成品库中产品。
所述步骤(1)中采用随机取样法进行取样,并通过输送带进行传送。
所述步骤(3)中不合格产品的缺陷进行分类,将四个尺寸缺陷的零件进行标记后暂时存放在一起。
所述步骤(2)中零件依次通过输送带传送,每个零件之间的距离在50厘米至100厘米之间。
所述步骤(2)中输送带两端分别缠绕在两个转轮表面,输送带顶部与检测装置固定连接,其中一个转轮与电机的输出端固定连接。
所述步骤(4)中不合格产品分开收集,产品进行计数后,将不合格产品全部放置至传送带顶端。
所述步骤(5)计算出样品的合格率,并统计出不合格产品中的尺寸缺陷数量为五个,通过计算机进行处理,数据计算后保存至计算机。
所述步骤(6)中不合格产品输送至加工装置处,无法满足加工质量的做报废处理。
所述步骤(6)中加工完成的合格产品继续放置在输送带上,并经检测后对合格产品与不合格产品进行区分。
所述步骤(7)合格产品集中存放,同时需要保证样品成品与成品库成品分开。
上述检测方法适用于小批量零件合格率和缺陷因素的检测。
实施例二:
一种基于大数据的零件加工合格率检测方法,所述合格率检测方法包括如下步骤:
(1)取样,确定成品库中产品的总量,从成品库中随机选取200个产品,作为一组;
(2)输送,将选取的产品依次放置在输送带上,通过输送带传送至检测装置处,并对产品进行检测;
(3)检测,对输送的产品进行逐个检测,将检测出的不合格产品做好标记,检测完成后的产品继续通过输送带传送至下一步工序处;
(4)分类,样品检测后进行输送时,将做好标记的不合格产品取出进行收集,并将样品中合格产品通过输送带传送至下一工序;
(5)计算,对检测后的产品进行计算,算出不合格产品数量为八个,其中六个不合格产品的缺陷为尺寸误差,算出不合格的产品数量与样品总量的比例为百分之四,算出不合格产品中尺寸缺陷的占比为百分之七十五,并做好记录;
(6)再加工,将取出的不合格产品进行返修,加工后的产品通过输送带传送至检测装置处,检测完成后将不合格产品取出,合格产品继续通过输送带传送至下一步工序处;
(7)存放,对样品中所有合格产品进行收集存放,将合格产品放入成品库,并做好标记以区分样品与成品库中产品。
所述步骤(1)中采用随机取样法进行取样,并通过输送带进行传送。
所述步骤(3)中不合格产品的缺陷进行分类,将六个尺寸缺陷的零件进行标记后暂时存放在一起。
所述步骤(2)中零件依次通过输送带传送,每个零件之间的距离在50厘米至100厘米之间。
所述步骤(2)中输送带两端分别缠绕在两个转轮表面,输送带顶部与检测装置固定连接,其中一个转轮与电机的输出端固定连接。
所述步骤(4)中不合格产品分开收集,产品进行计数后,将不合格产品全部放置至传送带顶端。
所述步骤(5)计算出样品的合格率,并统计出不合格产品中的尺寸缺陷数量为六个,通过计算机进行处理,数据计算后保存至计算机。
所述步骤(6)中不合格产品输送至加工装置处,无法满足加工质量的做报废处理。
所述步骤(6)中加工完成的合格产品继续放置在输送带上,并经检测后对合格产品与不合格产品进行区分。
所述步骤(7)合格产品集中存放,同时需要保证样品成品与成品库成品分开。
上述检测方法适用于大批量零件合格率和缺陷因素的检测。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (10)
1.一种基于大数据的零件加工合格率检测方法,其特征在于:所述合格率检测方法包括如下步骤:
(1)取样,确定成品库中产品的总量,从成品库中随机选取一定数量的产品,作为一组,再从成品库中选取同等数量的产品分为另一组;
(2)输送,将其中一组选取的产品依次放置在输送带上,通过输送带传送至检测装置处,并对产品进行检测,再将另一组产品同样进行输送至检测装置处;
(3)检测,对两组输送的产品进行逐个检测,并做好区分,将两组检测出的不合格产品做好标记,检测完成后的产品继续通过输送带传送至下一步工序处;
(4)分类,样品检测后进行输送时,将做好标记的不合格产品取出进行收集,并将样品中合格产品通过输送带传送至下一工序;
(5)计算,对检测后的两组产品进行分别计算,算出不合格的产品数量与样品总量的比例,取两组数据的平均数,并做好记录;
(6)再加工,将取出的不合格产品进行返修,加工后的产品通过输送带传送至检测装置处,检测完成后将不合格产品取出,合格产品继续通过输送带传送至下一步工序处;
(7)存放,对样品中所有合格产品进行收集存放,将合格产品放入成品库,并做好标记以区分样品与成品库中产品。
2.根据权利要求1所述的一种基于大数据的零件加工合格率检测方法,其特征在于:所述步骤(1)中采用随机取样法进行取样,取出的两组样品数量相等,并分别通过输送带进行传送。
3.根据权利要求1所述的一种基于大数据的零件加工合格率检测方法,其特征在于:所述步骤(3)中不合格产品的缺陷进行分类,进行标记后暂时存放在一起。
4.根据权利要求1所述的一种基于大数据的零件加工合格率检测方法,其特征在于:所述步骤(2)中零件依次通过输送带传送,每个零件之间的距离在50厘米至100厘米之间。
5.根据权利要求1所述的一种基于大数据的零件加工合格率检测方法,其特征在于:所述步骤(2)中输送带两端分别缠绕在两个转轮表面,输送带顶部与检测装置固定连接,其中一个转轮与电机的输出端固定连接。
6.根据权利要求1所述的一种基于大数据的零件加工合格率检测方法,其特征在于:所述步骤(4)中两组不合格产品分开收集,两组产品进行计数后,将不合格产品全部放置至传送带顶端。
7.根据权利要求1所述的一种基于大数据的零件加工合格率检测方法,其特征在于:所述步骤(5)分两组计算,计算出两组样品的合格率,并统计出不合格产品中的各自缺陷的表现位置,如长、宽、高的缺陷和表面缺陷等,通过计算机进行处理,两组数据计算后保存至计算机上。
8.根据权利要求1所述的一种基于大数据的零件加工合格率检测方法,其特征在于:所述步骤(6)中不合格产品输送至加工装置处,无法满足加工质量的做报废处理。
9.根据权利要求1所述的一种基于大数据的零件加工合格率检测方法,其特征在于:所述步骤(6)中加工完成的合格产品继续放置在输送带上,并经检测后对合格产品与不合格产品进行区分。
10.根据权利要求1所述的一种基于大数据的零件加工合格率检测方法,其特征在于:所述步骤(7)合格产品集中存放,同时需要保证样品成品与成品库成品分开。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911386413.7A CN111069098A (zh) | 2019-12-29 | 2019-12-29 | 一种基于大数据的零件加工合格率检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911386413.7A CN111069098A (zh) | 2019-12-29 | 2019-12-29 | 一种基于大数据的零件加工合格率检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111069098A true CN111069098A (zh) | 2020-04-28 |
Family
ID=70319204
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911386413.7A Withdrawn CN111069098A (zh) | 2019-12-29 | 2019-12-29 | 一种基于大数据的零件加工合格率检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111069098A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112691920A (zh) * | 2020-12-08 | 2021-04-23 | 湖北博微瑞天信息技术有限公司 | 一种多信息融合的机器视觉识别系统 |
CN113884037A (zh) * | 2021-09-24 | 2022-01-04 | 无锡六方精工科技有限公司 | 一种零件产品合格率检测方法及其检测系统 |
CN114280266A (zh) * | 2021-12-27 | 2022-04-05 | 河南省产品质量监督检验院 | 一种产品的质量检测方法和检测装置 |
-
2019
- 2019-12-29 CN CN201911386413.7A patent/CN111069098A/zh not_active Withdrawn
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112691920A (zh) * | 2020-12-08 | 2021-04-23 | 湖北博微瑞天信息技术有限公司 | 一种多信息融合的机器视觉识别系统 |
CN113884037A (zh) * | 2021-09-24 | 2022-01-04 | 无锡六方精工科技有限公司 | 一种零件产品合格率检测方法及其检测系统 |
CN113884037B (zh) * | 2021-09-24 | 2023-12-26 | 无锡六方精工科技有限公司 | 一种零件产品合格率检测方法及其检测系统 |
CN114280266A (zh) * | 2021-12-27 | 2022-04-05 | 河南省产品质量监督检验院 | 一种产品的质量检测方法和检测装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111069098A (zh) | 一种基于大数据的零件加工合格率检测方法 | |
CN101837351B (zh) | 基于图像检测法的油封弹簧全自动分选系统及方法 | |
CN111159645B (zh) | 一种基于产品生产履历和参数的不良根因定位方法 | |
CN107679089B (zh) | 一种用于电力传感数据的清洗方法、装置和系统 | |
CN104868136A (zh) | 一种电池配组流水线生产方法 | |
CN108074025B (zh) | 基于表面缺陷分布特征的钢卷表面缺陷判定方法 | |
CN105990170A (zh) | 晶圆良率分析方法和装置 | |
CN111667156B (zh) | 一种多点生产的卷烟物理质量一致性评价的方法 | |
CN117271534B (zh) | 一种汽车零部件的光谱检测方法及系统 | |
CN114547390A (zh) | 多工位检测数据统计方法、装置、设备及存储介质 | |
CN114625097A (zh) | 一种基于工业互联网的生产工艺控制方法 | |
CN116261779A (zh) | 数据处理方法、系统和计算机可读存储介质 | |
CN117369399A (zh) | 一种基于mom系统的产品生产任务调度方法及系统 | |
Durham et al. | A statistical method for correlating in-line defectivity to probe yield | |
CN110147935B (zh) | 一种烟草卷包车间质量综合决策模型的建立方法 | |
US20230213911A1 (en) | Method and device for testing product, computer device and readable storage medium | |
CN105618387B (zh) | 一种微棒材的检测方法及其系统 | |
CN114227378B (zh) | 一种夹具状态的检测方法、装置、终端和存储介质 | |
CN113987240B (zh) | 一种基于知识图谱的海关检样溯源方法及系统 | |
CN110744359A (zh) | 一种数控车床刀具磨损监测系统及方法 | |
Buehlmann et al. | Impact of human error on lumber yield in rough mills | |
CN112241472B (zh) | 一种用于大数据状态监控系统 | |
CN108229586A (zh) | 一种数据中的异常数据点的检测方法及系统 | |
Ablidas et al. | An Application of Image Processing Technology in Counting Rebars as an Alternative to Manual Counting Process | |
CN110852617B (zh) | 基于实时数据采集的smt产线分析方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200428 |