CN112825161A - 产品良率预测方法、装置、计算机装置及存储介质 - Google Patents
产品良率预测方法、装置、计算机装置及存储介质 Download PDFInfo
- Publication number
- CN112825161A CN112825161A CN201911149655.4A CN201911149655A CN112825161A CN 112825161 A CN112825161 A CN 112825161A CN 201911149655 A CN201911149655 A CN 201911149655A CN 112825161 A CN112825161 A CN 112825161A
- Authority
- CN
- China
- Prior art keywords
- yield
- product
- bad
- factor
- data information
- 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 204
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000004519 manufacturing process Methods 0.000 claims abstract description 222
- 238000004458 analytical method Methods 0.000 claims abstract description 39
- 239000000463 material Substances 0.000 claims description 201
- 230000002950 deficient Effects 0.000 claims description 72
- 238000000556 factor analysis Methods 0.000 claims description 63
- 238000012360 testing method Methods 0.000 claims description 44
- 230000007613 environmental effect Effects 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 19
- 230000007547 defect Effects 0.000 claims description 12
- 239000008204 material by function Substances 0.000 claims description 12
- 239000013072 incoming material Substances 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 6
- 230000006872 improvement Effects 0.000 abstract description 40
- 230000000007 visual effect Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 238000012216 screening Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000010485 coping Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000001680 brushing effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Primary Health Care (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种产品良率预测方法、产品良率预测装置、计算机装置及存储介质,所述方法包括:获取历史生产记录中产品的质量数据信息,根据所述质量数据信息计算产品良率数据信息;将所述产品的良率数据信息输入至少一个分析模型,计算每个所述分析模型对应的不良因子对所述产品良率的影响比例;根据设定条件判断是否能够通过预设方法减小至少一个所述不良因子对产品良率的影响比例;若能够减小,则根据所述预设方法调整所述不良因子对产品良率的影响比例,再根据调整后的所述影响比例计算计划生产所述产品的第一预测良率。通过所述方法可以实现实时追踪产线良率、预测未来良率,并对未来良率的提升提出改善方法。
Description
技术领域
本发明涉及产品良率预测领域,具体涉及一种产品良率预测方法、产品良率预测装置、计算机装置及存储介质。
背景技术
在产品的生产过程中,会对产品生产过程中各环节的良率进行统计分析,例如统计各个站点、工序、班组、产线的良率。现有的不良项目统计方法是通过人工刷取数据表单得到,工程师对良率进行原因解析并研究出改善对策,当改善对策实施后还需要人工对改善效果进行追踪反馈。现有的良率追踪改善方法费时费力,完全依靠人力完成,并无法提前制定应对策略用来预防不良品的产生。
发明内容
鉴于以上内容,有必要提出一种产品良率预测方法及装置、计算机装置和存储介质,可以实现实时追踪产线良率、预测未来良率,对未来良率的提升提出改善方法,并对所述改善方法的改善效果进行追踪。
本申请的第一方面提供一种产品良率预测方法,所述方法包括:
获取历史生产记录中产品的质量数据信息,根据所述质量数据信息计算产品良率数据信息;
将所述产品的良率数据信息输入至少一个分析模型,计算每个所述分析模型对应的不良因子对所述产品良率的影响比例,其中,所述至少一个分析模型包括人员因子分析模型、机器因子分析模型、环境因子分析模型、生产物料因子分析模型、操作手法因子分析模型、软体因子分析模型中的一个或多个;
根据设定条件判断是否能够通过预设方法减小至少一个所述不良因子对产品良率的影响比例;
若能够减小,则根据所述预设方法调整所述不良因子对产品良率的影响比例,再根据调整后的所述影响比例计算计划生产所述产品的第一预测良率。
优选地,所述方法还包括:
将所述预设方法发送至预设人员;
接收预设人员是否实施所述预设方法的指令;
若所述指令为实施所述预设方法,则根据所述预设方法调整所述不良因子对产品良率的影响比例,再根据调整后的所述影响比例计算计划生产所述产品的第一预测良率;
若所述指令为不实施所述预设方法,则将根据所述质量数据信息计算的预设历史时间段内生产所述产品的不良率作为计划生产所述产品的第一预测良率。
优选地,所述获取历史生产记录中产品的质量数据信息,根据所述质量数据信息计算产品良率数据信息的方法包括:
通过设定的选择条件获取生产所述产品的历史质量数据信息,将获取的历史质量数据信息通过预设算法生成产品良率数据信息,其中,所述选择条件包括:待生产产品型号、楼栋、段别、线体、工单、容量、颜色、时间、工站、不良项目、料件、厂商、生产班组、料件厂商生产日期中的一项或多项;
所述质量数据信息包括:产品序列号、各站点的测试合格的数量、各站点的测试不合格的数量、组装线体、组装时间、测试线体、不良工站、不良项目、测试时间、功能物料库存及消耗信息、功能物料厂商及生产日期信息、耗材物料库存及消耗信息、耗材物料厂商及生产日期信息、耗材物料领取信息中的一项或多项;
所述良率数据信息包括:总良率目标、站点良率目标、项目良率目标、总良率、段别良率、工站良率、不良项目、不良项目不良率、料件搭配良率、料件厂商不良率中的一项或多项。
优选地,根据所述选择条件将所述良率数据信息以预设周期内良率报表的形式输出,其中所述良率报表的形式包括表格、图形、文字中的一种或几种。
优选地,所述根据设定条件判断是否能够通过预设方法减小所述至少一个不良因子对产品良率的影响比例的方法包括:
根据影响所述产品生产良率的不良因子,在预设的良率数据库中查找是否存在与所述不良因子相对应的预设方法以减小所述至少一个不良因子对产品良率的影响比例;
若存在,则确定能够通过预设方法减小所述至少一个不良因子对产品良率的影响比例。
优选地,所述方法还包括:获取生产所述产品的实时良率,将所述实时良率与所述第一预测良率进行比较;
若所述实时良率小于所述第一预测良率,则查询是否运行实施所述预设方式的指令用于调整所述不良因子对产品良率的影响比例;
若未运行实施所述预设方法的指令,则实施所述预设方法用于调整所述不良因子对产品良率的影响比例;
若已经运行实施所述预设方法的指令,则发出提示消息,所述提示消息用于提醒用户重新对生产所述产品的不良因子进行分析。
优选地,将所述产品良率数据信息输入人员因子分析模型,计算人员因子对所述产品良率的影响比例的方法为:
计算设定周期内第一预设时间段的相对良率和第二预设时间段的相对良率,通过预设的相对良率与人员因子影响比例的映射关系确定人员因子对产品良率的影响比例,其中,所述设定周期包括多个第一预设时间长度和多个第二预设时间长度,所述每个第一预设时间长度包括多个第一时间段,所述每个第一预设时间长度包括多个第二时间段;
所述第一时间段的相对良率等于所述时间段所处第一预设时间长度内最大良率减去所述设定周期内各第一预设时间长度中对应时间段的平均良率;
所述第二时间段的相对良率等于所述设定周期内多个第一预设时间段的平均良率减去所述第二时间段的良率。
优选地,将所述产品良率数据信息输入机器因子分析模型,计算机器因子对所述产品良率的影响比例的方法为:
在设定历史时间内查找生产所述产品的良率数据信息,其中,所述良率数据信息包括生产所述产品的不良项目不良率;
在不良项目数据库中查找机器因子影响产品良率的比例,其中,所述不良项目数据库中存储了生产所述产品的不良项目的不良率、产生所述不良率的不良因子的名称;
所述机器因子影响所述产品良率的比例为所述查找出的机器因子影响产品良率的比率与不良项目不良率的乘积。
优选地,将所述产品良率数据信息输入环境因子分析模型,计算环境因子对所述产品良率的影响比例的方法包括:
在设定历史时间内查找生产所述产品的良率数据信息,其中,所述良率数据信息为生产所述产品的不良项目不良率;
在不良项目数据库中查找环境因子影响产品良率的比例,其中,所述不良项目数据库中存储了生产所述产品的不良项目的不良率、产生所述不良率的不良因子的名称;
所述环境因子影响所述产品良率的比例为所述查找出的环境因子影响产品良率的比率与不良项目不良率的乘积。
优选地,将所述产品良率数据信息输入生产物料因子分析模型,计算生产物料因子对所述产品良率的影响比例的方法包括:
在设定历史时间内查找生产所述产品的良率数据信息,其中,所述良率数据信息包括不良项目不良率、所述产品的来料不良率、耗材的使用状态信息;
在不良项目数据库中查找生产物料因子影响产品良率的比例,其中,所述不良项目数据库中存储了生产所述产品的不良项目的不良率、产生所述不良率的不良因子的名称,所述生产物料包括功能物料、耗材中的至少一种;
当所述生产物料为功能料件时,所述生产物料因子影响所述产品良率的比例为功能料件影响产品良率的比率与所述产品的来料不良率的乘积;
当所述生产物料为耗材时,根据所述耗材的使用状态信息判断所述耗材是否在当前产品中使用,若所述耗材在当前产品中使用,则在质量数据信息中按照所述耗材的名称查找所述耗材的历史不良项目不良率,将所述耗材的历史不良项目不良率作为生产物料因子影响所述产品良率的比例;
当所述生产物料包括功能物料及耗材时,则对功能物料影响产品良率的比例和耗材影响产品良率的比例相加得到的不良率作为生产物料因子影响所述产品良率的比例。
优选地,将所述产品良率数据信息输入操作手法因子分析模型,计算操作手法因子对所述产品良率的影响比例的方法包括:
在设定历史时间内查找生产所述产品的良率数据信息,所述良率数据信息包括生产所述产品的不良项目不良率;
获取被操作手法因子影响的不良项目数据库,查找所述操作手法因子影响产品良率的比例,其中,所述不良项目数据库中存储了生产所述产品的不良项目的不良率、产生所述不良率的不良因子的名称;
所述操作手法因子影响所述产品良率的比例为生产作业操作影响产品良率的比率与所述产品的不良项目不良率乘积。
优选地,将所述产品良率数据信息输入软体因子分析模型,计算软体因子对所述产品良率的影响比例的方法包括:
在设定历史时间内查找生产所述产品的良率数据信息,所述良率数据信息包括生产所述产品的不良项目不良率;
获取被软体因子影响的不良项目数据库,查找软体因子影响产品良率的比例,其中,所述不良项目数据库中存储了生产所述产品的不良项目的不良率、产生所述不良率的不良因子的名称;
所述软体因子影响所述产品良率的比例为软体因子影响产品良率的比率与所述产品的不良项目不良率乘积。
本申请的第二方面提供一种产品良率预测装置,所述装置包括:
获取模块,用于获取历史生产记录中产品的质量数据信息,根据所述质量数据信息计算产品良率数据信息;
分析模块,用于将所述产品的良率数据信息输入至少一个分析模型,计算每个所述分析模型对应的不良因子对所述产品良率的影响比例,其中,所述至少一个分析模型包括人员因子分析模型、机器因子分析模型、环境因子分析模型、生产物料因子分析模型、操作手法因子分析模型、软体因子分析模型中的一个或多个;
判断模块,用于根据设定条件判断是否能够通过预设方法减小至少一个所述不良因子对产品良率的影响比例;
输出模块,用于若能够减小,则根据所述预设方法调整所述不良因子对产品良率的影响比例,再根据调整后的所述影响比例计算计划生产所述产品的第一预测良率。
本申请的第三方面提供一种计算机装置,所述计算机装置包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如前所述产品良率预测方法。
本申请的第四方面提供一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如前所述产品良率预测方法。
本发明产品良率预测方法、产品良率预测装置、计算机装置及存储介质,解决现阶段良率追踪改善方法费时费力,完全依靠人力完成,并无法提前制定应对策略用来预防不良品的产生本发明可以实时获取产线良率,并对影响产品良率的不良因素进行预估并给出解决方案,所并所述解决方案的准确性进行追踪。
附图说明
图1是本发明一实施例提供的产品良率预测方法的应用环境架构示意图。
图2是本发明一实施例提供的产品良率预测方法流程图。
图3是本发明一实施例提供的产品良率预测装置的结构示意图。
图4是本发明一实施例提供的计算机装置示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施例对本发明进行详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,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。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。
实施例一
参阅图1所示,为本发明一实施例提供的产品良率预测方法的应用环境架构示意图。
本发明中的产品良率预测方法应用在计算机装置1中,所述计算机装置1和至少一台生产设备2通过网络建立通信连接。所述生产设备2将实时获取的产品质量数据发送给计算机装置1,所述产品质量数据包括产品的序列号、各站点测试符合质量要求的产品数量、各站点测试不符合质量要求的产品数量、组装线体、组装时间、测试线体、不良工站、不良项目、测试时间、料件厂商、料件厂商的生产日期、料件厂商的库存状态等。计算机装置1将接收的质量数据进行分析整理后,对所述产品的良率进行预测,对不良率的原因进行分析后提供解决方案,并对所述解决方案的改善效果进行跟踪反馈,所述计算机装置1还用于存储良率数据库、不良项目数据库。其中所述良率数据库用于存储于不良因子相对应的预设方法以减小所述至少一个不良因子对产品良率的影响比例。所述不良项目数据库用于存储生产产品的不良项目的不良率、产生所述不良率的不良因子的名称。所述网络可以是有线网络,也可以是无线网络,例如无线电、无线保真(Wireless Fidelity,WIFI)、蜂窝、卫星、广播等。
所述计算机装置1可以为安装有产品良率预测软件的计算机装置,例如个人电脑、服务器等,其中,所述服务器可以是单一的服务器、服务器集群或云服务器等。
所述生产设备2可以是生产产品的机台、还可以是用于测试产品质量的测试设备。
实施例二
请参阅图2所示,是本发明一实施例提供的产品良率预测方法的流程图。根据不同的需求,所述流程图中步骤的顺序可以改变,某些步骤可以省略。
步骤S1、获取历史生产记录中产品的质量数据信息,根据所述质量数据信息计算产品良率数据信息。
在本发明一实施方式中,计算机装置1通过设定条件获取历史生产记录中产品质量数据信息,将获取的质量数据信息通过预设算法生成产品良率数据信息。
所述设定条件可以包括:待生产产品型号、楼栋、段别、生产线体、生产工单、容量、颜色、时间、工站、生产班组、不良项目、料件、料件厂商、料件生产日期。
所述质量数据信息可以包括:产品序列号、各站点的测试合格的产品数量、各站点的测试不合格的产品数量、组装线体、组装时间、测试线体、不良工站、不良项目、测试时间、功能物料库存及消耗信息、功能物料厂商及生产日期信息、耗材物料库存及消耗信息、耗材物料厂商及生产日期信息、耗材物料领取信息。
根据预设算法计算出各项目不良率、站点良率、段别良率、总良率及主要不良项目的方法可以包括:
项目不良率=项目不合格数量/对应项目站点投入数量;
项目良率=1-项目不良率;
站点良率=站点合格数量/对应站点投入数量;
段别良率=站点1良率﹡…﹡站点N良率;
总良率=段别1良率﹡…﹡段别N良率。
所述良率数据信息可以包括:总良率目标、站点良率目标、项目良率目标、总良率、段别良率、工站良率、不良项目、不良项目不良率、料件搭配良率、料件厂商不良率。
举例而言,根据用户选择的不同预设条件获取待生产产品的质量数据信息计算出产品良率数据。
根据选择基础信息计算良率,所述基础信息包括楼层、段别、线体、工单、容量、颜色、产品类型中的一项或多项,所述计算方法包括筛选符合条件产品序列号,所选条件良率=机台测试合格数量/机台总数
根据选择不良项目信息计算良率,所述不良项目信息包括不良项目、不良工站中的一项或多项,所述计算方法包括筛选符合条件产品序列号,所选条件良率=机台测试合格数量/机台总数
根据选择料件搭配信息计算良率,所述料件搭配信息包括料件、厂商、生产日期中的一项或多项,所述计算方法包括筛选符合条件产品序列号,所选条件良率=机台测试合格数量/机台总数。
在本发明又一实施方式中,所述良率数据信息还可以包括对历史不良项目的分类存储,其中存储的内容可以包括历史不良项目中不良因子的类别,历史不良项目中已知不良因子的不良比例,历史不良项目中不良因子的具体不良原因。
在本发明其他实施方式中,所述步骤还可以包括,根据所述选择条件将所述良率数据信息以预设周期内良率报表的形式输出,其中所述良率报表的形式可以包括表格、图形、文字中的一种或几种。例如,计算机装置1将根据预设条件,获取到的待生产产品的质量数据信息进行整理,生成可视化质量数据报表。所述可视化质量数据报表可以显示如下信息内容:日常良率单元数据、定制化良率查询单元。所述日常良率单元数据的内容包括:机种良率趋势图表、段别投入及良率明细表、不良项目和不良率明细表。所述定制化良率查询单元的内容包括:多项选择栏位、所选条件一周良率趋势图表、不良项目和不良率明细表、段别投入及良率明细表。在一些实施方式中,所述步骤还包括将所述良率报表按照预设方式发送至指定联系人。其中,所述预设方式包括根据良率报表的内容选择性发送至指定联系人,以及所述良率报表的发送频率、发送时间等信息。所述联系人可以是指定的责任人,也可以是根据需要输入指定联系人信息。
步骤S2、将所述产品的良率数据信息输入至少一个分析模型,计算每个所述分析模型对应的不良因子对所述产品良率的影响比例。
在本发明一实施方式中,所述不良因子可以包括人员因子、机器因子、环境因子、生产物料因子、操作手法因子、软体因子。
所述分析模型可以包括人员因子分析模型、机器因子分析模型、环境因子分析模型、生产物料因子分析模型、操作手法因子分析模型、软体因子分析模型。
将所述产品良率数据信息输入人员因子分析模型,计算人员因子对所述产品良率的影响比例的方法为:
计算设定周期内第一预设时间段的相对良率和第二预设时间段的相对良率,通过预设的相对良率与人员因子影响比例的映射关系确定人员因子对产品良率的影响比例,其中,所述设定周期包括多个第一预设时间长度和多个第二预设时间长度,所述每个第一预设时间长度包括多个第一时间段,所述每个第一预设时间长度包括多个第二时间段;
所述第一时间段的相对良率等于所述时间段所处第一预设时间长度内最大良率减去所述设定周期内各第一预设时间长度中对应时间段的平均良率;
所述第二时间段的相对良率等于所述设定周期内多个第一预设时间段的平均良率减去所述第二时间段的良率。
在一实施方式中,所述设定周期为一个月,所述第一预设时间长度为一周工作日时间,所述第二预设时间长度为节假日时间,所述节假日包括元旦、春节、五一、清明、端午、中秋、国庆、周日等法定节假日;
计算所述设定周期内的总良率及每天的良率,并标注每周的最大良率;
计算设定周期内除节假日以外所有日期的平均良率;
计算设定周期内节假日的良率;
计算所述时间周期内除节假日所有周一至周六的平均良率;
计算周一平均良率=(第一周周一良率+…第N周周一良率)/N;
……
计算周六平均良率=(第一周周六良率+…第N周周六良率)/N;
从而计算周一至周六相对良率:
周一相对良率=一周最大良率-周一平均良率;
……
周六相对良率=一周最大良率-周六平均良率;
计算节假日相对良率:节假日相对良率=设定周期内除节假日的平均良率-节假日良率;
通过预设的相对良率与人员因子影响比例的映射关系确定人员因子对产品良率的影响比例。例如周一的相对良率为1.5%,所述预设相对良率与人员因子影响比例的映射关系为1:1,则计算得到:周一人员因子对产品良率的影响比例为1.5%,依次类推,计算得到在不同工作日时,人员因子对产品的良率的影响比例。所述比例根据所述时间周期的不同进行实时变化。
将所述产品良率数据信息输入机器因子分析模型,计算机器因子对所述产品良率的影响比例的方法为:
在设定历史时间内查找生产所述产品的良率数据信息,其中,所述良率数据信息包括生产所述产品的不良项目不良率;
在不良项目数据库中查找机器因子影响产品良率的比例,其中,所述不良项目数据库中存储了生产所述产品的不良项目的不良率、产生所述不良率的不良因子的名称;
所述机器因子影响所述产品良率的比例为所述查找出的机器因子影响产品良率的比率与不良项目不良率的乘积。
将所述产品良率数据信息输入环境因子分析模型,计算环境因子对所述产品良率的影响比例的方法包括:
在设定历史时间内查找生产所述产品的良率数据信息,其中,所述良率数据信息为生产所述产品的不良项目不良率;
在不良项目数据库中查找环境因子影响产品良率的比例,其中,所述不良项目数据库中存储了生产所述产品的不良项目的不良率、产生所述不良率的不良因子的名称;
所述环境因子影响所述产品良率的比例为所述查找出的环境因子影响产品良率的比率与不良项目不良率的乘积。
将所述产品良率数据信息输入生产物料因子分析模型,计算生产物料因子对所述产品良率的影响比例的方法包括:
在设定历史时间内查找生产所述产品的良率数据信息,其中,所述良率数据信息包括不良项目不良率、所述产品的来料不良率、耗材的使用状态信息、耗材的库存状态信息;
在不良项目数据库中查找生产物料因子影响产品良率的比例,其中,所述不良项目数据库中存储了生产所述产品的不良项目的不良率、产生所述不良率的不良因子的名称,所述生产物料包括功能物料、耗材中的至少一种;
当所述生产物料为功能料件时,所述生产物料因子影响所述产品良率的比例为功能料件影响产品良率的比率与所述产品的来料不良率的乘积;
当所述生产物料为耗材时,根据所述耗材的使用状态信息判断所述耗材是否在当前产品中使用,若所述耗材在当前产品中使用,则在质量数据信息中按照所述耗材的名称查找所述耗材的历史不良项目不良率,将所述耗材的历史不良项目不良率作为生产物料因子影响所述产品良率的比例;
当所述生产物料包括功能物料及耗材时,则对功能物料影响产品良率的比例和耗材影响产品良率的比例相加得到的不良率作为生产物料因子影响所述产品良率的比例。
将所述产品良率数据信息输入操作手法因子分析模型,计算操作手法因子对所述产品良率的影响比例的方法包括:
在设定历史时间内查找生产所述产品的良率数据信息,所述良率数据信息包括生产所述产品的不良项目不良率;
获取被操作手法因子影响的不良项目数据库,查找所述操作手法因子影响产品良率的比例,其中,所述不良项目数据库中存储了生产所述产品的不良项目的不良率、产生所述不良率的不良因子的名称;
所述操作手法因子影响所述产品良率的比例为生产作业操作影响产品良率的比率与所述产品的不良项目不良率乘积。
将所述产品良率数据信息输入软体因子分析模型,计算软体因子对所述产品良率的影响比例的方法包括:
在设定历史时间内查找生产所述产品的良率数据信息,所述良率数据信息包括生产所述产品的不良项目不良率;
获取被软体因子影响的不良项目数据库,查找软体因子影响产品良率的比例,其中,所述不良项目数据库中存储了生产所述产品的不良项目的不良率、产生所述不良率的不良因子的名称;
所述软体因子影响所述产品良率的比例为软体因子影响产品良率的比率与所述产品的不良项目不良率乘积。
将人员因子分析模型、机器因子分析模型、环境因子分析模型、生产物料因子分析模型、操作手法因子分析模型、软体因子分析模型分析的影响产品生产良率的不良因子的影响比例,在所述不良项目数据库中查找产生所述不良因子的原因,以及在良率数据库中查找与所述不良因子相对应的预设方法以减小所述至少一个不良因子对产品良率的影响比例;若存在,则确定能够通过预设方法减小所述至少一个不良因子对产品良率的影响比例。在本发明又一实施方式中,所述方法还包括将所述预设方法发送至预设人员;接收预设人员是否实施所述预设方法的指令;若所述指令为实施所述预设方法,则根据所述预设方法调整所述不良因子对产品良率的影响比例。
例如待生成的产品的型号为A-001,所述产品由A、B、C三条产线生成出来,在预设历史时间内抓取所述三条产线在线产品的生产质量数据,所述预设历史时间可以是一天、一周、一个月、一年,所述预设历史时间的长短根据产品的生命周期而定,如果是试生产时期的产品,所述预设历史时间设定就比较短,可以为一天或一周,如果是量产时期的产品,所述预设历史时间可以设定为四周、八周、十周等。在一实施方式中,在2019年10月06日到2019年10月12日之间,A产线投入产品1000片、测试合格990片、测试不合格10片;B产线投入产品1000片、测试合格980片、测试不合格20片;C产线投入产品1000片、测试合格990片、测试不合格10片;D产线投入产品1000片、测试合格990片、测试不合格10片,由以上数据得到产线A的良率为99%,产线B的良率为98%,产线C的良率为99%,产线D的良率为99%,产线A的不良率为1%,产线B的不良率为2%,产线C的不良率为1%,产线D的不良率为1%,由此可以得到产品型号为A-001的产品的良率为1-1%-2%-1%-1%=95%。
将产品的型号为A-001在2019年10月06日到2019年10月12日之间的产品良率95%带入多个不良因子分析模型中进行分析,分析得到人员因子对产线A的良率影响的比例为0.1%,机器因子对产线A的良率影响的比例为0.02%,生产物料因子对产线A的良率影响的比例为0.02%,操作手法因子和机器因子对产线A的良率影响的比例为0,软体因子对产线A的良率影响的比例为0。通过人员因子、机器因子、环境因子、生产物料因子、操作手法因子、软体因子的影响比例在不良项目数据库中查找与所述人员因子、机器因子、环境因子、生产物料因子、操作手法因子、软体因子相关的不良项目,及产生所述不良项目产生原因,在良率数据库中是否存在与所述不良因子相对应的预设方法以减小所述至少一个不良因子对产品良率的影响比例;若存在,则确定能够通过所述预设方法减小所述至少一个不良因子对产品良率的影响比例。
在本发明又一实施方式中,还包括对所述第一预设良率的不良项目的集中性状况进行分析,所述集中性状况包括是否具有测试线体集中性、测试治具集中性、组装线体集中性、组装班别集中性、料件厂商集中性、料件生产日期集中性。
所述判断集中性状况的方法可以包括按照所述不良项目的名称在不良项目数据库中查找出现过所述不良项目的不良原因,并在良率数据库中查找出现所述不良项目的解决方案,并对所述解决方案中的集中性状况进行分析,判断所述解决方案中是否存在测试线体集中性、测试治具集中性、组装线体集中性、组装班别集中性、料件厂商集中性、料件生产日期集中性。
例如所述不良项目的名称为显示屏亮线,则在按照所述不良名称在不良项目数据库中查找产生显示屏亮线的原因分别为人员因子、机器因子、生产物料因子,并在良率数据库中查找出现所述不良的解决方案,人员因子的解决方案是对操作者加强培训,机器因子的解决方案是对机器进行定期保养维护,生产物料因子的解决方案是要求供应商对来料品质进行管控。并将所述三种解决方案与历史上出现过的集中性状况进行比对,判断所述三种解决方案是否具有集中性问题,经过比对发现生产物料因子对应解决方案中,都是针对同一生产日期的料件,因此所述生产物料因子具有集中性的问题。并将所述不良项目、不良项目产生的原因以及生产物料因子的集中性状况发送至指定的工作人员,所述工作人员判断所述历史上所述集中性状况的解决方法是否适用于当前不良项目。若所述解决方法适用于当前不良项目,则所述工作人员将同意执行所述解决方法的指令发送至计算机装置1。若所述解决方法不适用于当前不良项目,所述第二工作人员制定新的解决方法并将所述解决方法发送至计算机装置1,计算机装置1并将所述解决方法存储良率数据库中。
在本发明其他实施方式中,所述步骤还包括,计算机装置1将所述第一预测良率用可视化图表的方式进行显示。其中,所述可视化图表的内容可以包括:设定周期良率预测图表、人机料法环软解析图表(人员因子、机器因子、环境因子、生产物料因子、操作手法因子、软体因子解析图表)、集中性解析图表(测试线体集中性、测试治具集中性、组装线体集中性、组装班别集中性、料件厂商集中性、料件生产日期集中性、箱线图、生产过程能力控制图)、系统建议调整良率数据图表、料件投入比例管控明细弹窗。
步骤S3、根据设定条件判断是否能够通过预设方法减小至少一个所述不良因子对产品良率的影响比例。
所述根据设定条件判断是否能够通过预设方法减小所述至少一个不良因子对产品良率的影响比例的方法包括:
根据影响所述产品生产良率的不良因子,在预设的良率数据库中查找是否存在与所述不良因子相对应的预设方法以减小所述至少一个不良因子对产品良率的影响比例;
若存在,则确定能够通过预设方法减小所述至少一个不良因子对产品良率的影响比例。
在本发明又一实施方式中,若在预设的良率数据库中存在与生产物料因子相对应的预设方法以减小所述生产物料因子对产品良率的影响比例,还需要查找所述预设方法中相对应物料的库存数据信息,判断所述预设方法中相对应物料的库存数量是否满足待生产产品的生产要求,若所述预设方法中相对应的物料的库存数量能够满足待生产产品的生产要求,则确定所述预设方法为减少所述生产物料因子对产品良率的影响比例的可用方法。若所述预设方法中相对应的物料的库存数量不足以满足待生产产品的生产要求,则查找所述物料的备选物料名称,以及所述备选物料的库存信息。若所述备选物料的库存信息可以满足待生产产品的生产要求,则将所述备选物料作为解决生产物料因子对产品良率的影响比例的可用方法。
步骤S4、若能够减小,则根据所述预设方法调整所述不良因子对产品良率的影响比例,再根据调整后的所述影响比例计算计划生产所述产品的第一预测良率。
所述第一预测良率的计算方法可以为:
调整后产品不良率=产品不良率-(调整后的人员因子影响产品良率的比例+调整后的机器因子影响产品良率的比例+调整后的环境因子影响产品良率的比例+调整后的生产物料因子影响产品良率的比例+调整后的操作手法因子影响产品良率的比例+调整后的软体因子影响产品良率的比例)
第一预测良率=1-调整后的产品不良率。
在本发明又一实施方式中,所述步骤还包括,计算机装置1将不良项目改善方案通过预设方式发送给用户终端,用户终端可以根据需要选择性接收所述改善方案,并将选择结果发送给计算机装置1,计算机装置1接收用户终端发送的所要执行的改善方案的操作指令,并根据接收的改善方案计算第一预测良率。例如计算机装置1向用户终端发送了减小人员因子、机器因子、环境因子、生产物料、操作手法因子、软体因子影响生产良率的改善方案,但是用户终端只接受了人员因子、机器因子、环境因子影响生产良率的改善方案,并没有接受生产物料、操作手法因子、软体因子影响生产良率的改善方案。
因此,所述第一预测良率的计算方法为:
调整后产品不良率=产品不良率-(调整后的人员因子影响产品良率的比例+调整后的机器因子影响产品良率的比例+调整后的环境因子影响产品良率的比例)
第一预测良率=1-调整后的产品不良率。
举例而言,产品的型号为A-001在2019年10月06日到2019年10月12日之间的产品良率95%带入多维度模型进行分析,分析得到人员因子对产线A的良率影响比例为0.1%,机器因子对产线A的良率影响比例为0.02%,生产物料因子对产线A的良率影响比例为0.02%,操作手法因子、软体因子和环境因子对产线A的良率影响比例为0。所述不良项目中人员因子、机器因子对产线A的影响比例通过应用从良率数据库中查找的改善方法,可以将人员因子对产线A的影响比例降为由0.1%降为0,机器因子对产线A的影响比例由0.02%降为0。因此产线A的预估良率由99%变为99%+0.1%+0.02%=99.12%。产线B、产线C、产线D在本实施方式中没有对所述的良率进行改善,所以产线的良率B、产线C、产线D依旧为98%、99%、99%,由此得到产线A的不良率为1-99.12%=0.88%,产线B的不良率为2%,产线C的不良率为1%,产线D的不良率为1%,产品信号A-001的产品的良率为1-0.88%-2%-1%-1%=95.12%,所述产品的良率95.12%作为第一预测良率。
在本发明又一实施方式中,所述步骤还包括获取生产所述产品的实时良率,将所述实时良率与所述第一预测良率进行比较;
若所述实时良率小于所述第一预测良率,则查询是否运行实施所述预设方式的指令用于调整所述不良因子对产品良率的影响比例;
若未运行实施所述预设方法的指令,则实施所述预设方法用于调整所述不良因子对产品良率的影响比例;
若已经运行实施所述预设方法的指令,则发出提示消息,所述提示消息用于提醒用户重新对生产所述产品的不良因子进行分析。
获取应用所述改善方案后生产所述产品的实时良率,所述实时良率与所述第二预测良率95.12%进行比较,若实时良率大于所述第二预测良率,则验证所述改善方案符合提升所述产品生产良率的要求。若实时良率小于所述第二预测良率,则查询是否实施所述预设方式用于调整所述不良因子对产品良率的影响比例。若未实施则实施所述预设方式用于调整所述不良因子对产品良率的影响比例,若已经实施,则需要向预设的工作人员发出提示消息。所述提示消息的方式可以通过信号显示灯、邮件、短信、即时消息的方式进行提示。所述工作人员根据所述提示消息对影响产品良率的人员因子、机器因子、生产物料因子、操作手法因子、环境因子、软体因子进行重新分析后,得出新的改善方案,并将所述改善方案发送至计算机装置1,计算机装置1将所述改善方案与不良项目、不良项目不良率进行对应存储之后,将所述改善方案发送至对应的生产设备。
在本发明其他实施方式中,所述步骤还包括,计算机装置1将所述改善方案用可视化图表的方式进行显示。其中所述可视化图表显示的内容可以包括:处方及对策明细选择表、改善效果追踪明细表、不良预警明细表。
在本发明又一实施方式中,将所述人员因子、机器因子、环境因子分析模型、生产物料因子、操作手法因子、软体因子对所述第一预测良率的影响比例在良率桥信息表中显示,所述良率桥信息表中显示了所述各种不良因子对第一预测良率的影响比例,并根据不同不良因子的影响比例进行动态调整。通过良率桥信息表可以使操作人员更加清晰的了解不同良率信息对产品良率的影响。
上述图2详细介绍了本发明的产品良率预测方法,下面结合第3-4图,对实现所述产品良率预测方法的软件装置的功能模块以及实现所述产品良率预测方法的硬件装置架构进行介绍。
应所述了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
实施例三
图3为本发明产品良率预测装置较佳实施例的结构图。
在一些实施例中,产品良率预测装置10运行于计算机装置中。所述计算机装置通过网络连接了多个用户终端。所述产品良率预测装置10可以包括多个由程序代码段所组成的功能模块。所述产品良率预测装置10中的各个程序段的程序代码可以存储于计算机装置的存储器中,并由所述至少一个处理器所执行,以实现产品良率预测功能。
本实施例中,所述产品良率预测装置10根据其所执行的功能,可以被划分为多个功能模块。参阅图3所示,所述功能模块可以包括:获取模块101、分析模块102、判断模块103、输出模块104。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段,其存储在存储器中。在本实施例中,关于各模块的功能将在后续的实施例中详述。
所述获取模块101,用于获取历史生产记录中产品的质量数据信息,根据所述质量数据信息计算产品良率数据信息。
在本发明一实施方式中,所述获取模块101通过设定条件获取历史生产记录中产品质量数据信息,将获取的质量数据信息通过预设算法生成产品良率数据信息。
所述设定条件可以包括:待生产产品型号、楼栋、段别、生产线体、生产工单、容量、颜色、时间、工站、生产班组、不良项目、料件、料件厂商、料件生产日期。
所述质量数据信息可以包括:产品序列号、各站点的测试合格的产品数量、各站点的测试不合格的产品数量、组装线体、组装时间、测试线体、不良工站、不良项目、测试时间、功能物料库存及消耗信息、功能物料厂商及生产日期信息、耗材物料库存及消耗信息、耗材物料厂商及生产日期信息、耗材物料领取信息。
根据预设算法计算出各项目不良率、站点良率、段别良率、总良率及主要不良项目的方法可以包括:
项目不良率=项目不合格数量/对应项目站点投入数量;
项目良率=1-项目不良率;
站点良率=站点合格数量/对应站点投入数量;
段别良率=站点1良率﹡…﹡站点N良率;
总良率=段别1良率﹡…﹡段别N良率。
所述良率数据信息可以包括:总良率目标、站点良率目标、项目良率目标、总良率、段别良率、工站良率、不良项目、不良项目不良率、料件搭配良率、料件厂商不良率。
举例而言,根据用户选择的不同预设条件获取待生产产品的质量数据信息计算出产品良率数据。
根据选择基础信息计算良率,所述基础信息包括楼层、段别、线体、工单、容量、颜色、产品类型中的一项或多项,所述计算方法包括筛选符合条件产品序列号,所选条件良率=机台测试合格数量/机台总数。
根据选择不良项目信息计算良率,所述不良项目信息包括不良项目、不良工站中的一项或多项,所述计算方法包括筛选符合条件产品序列号,所选条件良率=机台测试合格数量/机台总数。
根据选择料件搭配信息计算良率,所述料件搭配信息包括料件、厂商、生产日期中的一项或多项,所述计算方法包括筛选符合条件产品序列号,所选条件良率=机台测试合格数量/机台总数。
在本发明又一实施方式中,所述良率数据信息还包括对历史不良项目的分类存储,其中存储的内容可以包括历史不良项目中不良因子的类别,历史不良项目中已知不良因子的不良比例,历史不良项目中不良因子的具体不良原因。
在本发明其他实施方式中,所述步骤还可以包括,根据所述选择条件将所述良率数据信息以预设周期内良率报表的形式输出,其中所述良率报表的形式可以包括表格、图形、文字中的一种或几种。例如,计算机装置1将根据预设条件,获取到的待生产产品的质量数据信息进行整理,生成可视化质量数据报表。所述可视化质量数据报表可以显示如下信息内容:日常良率单元数据、定制化良率查询单元。所述日常良率单元数据的内容包括:机种良率趋势图表、段别投入及良率明细表、不良项目和不良率明细表。所述定制化良率查询单元的内容包括:多项选择栏位、所选条件一周良率趋势图表、不良项目和不良率明细表、段别投入及良率明细表。在一些实施方式中,所述步骤还包括将所述良率报表按照预设方式发送至指定联系人。其中,所述预设方式包括根据良率报表的内容选择性发送至指定联系人,以及所述良率报表的发送频率、发送时间等信息。所述联系人可以是指定的责任人,也可以是根据需要输入指定联系人信息。
所述分析模块102,用于将所述产品的良率数据信息输入至少一个分析模型,计算每个所述分析模型对应的不良因子对所述产品良率的影响比例。
在本发明一实施方式中,所述不良因子可以包括人员因子、机器因子、环境因子、生产物料因子、操作手法因子、软体因子。
所述分析模型可以包括人员因子分析模型、机器因子分析模型、环境因子分析模型、生产物料因子分析模型、操作手法因子分析模型、软体因子分析模型。
将所述产品良率数据信息输入人员因子分析模型,计算人员因子对所述产品良率的影响比例的方法为:
计算设定周期内第一预设时间段的相对良率和第二预设时间段的相对良率,通过预设的相对良率与人员因子影响比例的映射关系确定人员因子对产品良率的影响比例,其中,所述设定周期包括多个第一预设时间长度和多个第二预设时间长度,所述每个第一预设时间长度包括多个第一时间段,所述每个第一预设时间长度包括多个第二时间段;
所述第一时间段的相对良率等于所述时间段所处第一预设时间长度内最大良率减去所述设定周期内各第一预设时间长度中对应时间段的平均良率;
所述第二时间段的相对良率等于所述设定周期内多个第一预设时间段的平均良率减去所述第二时间段的良率。
在一实施方式中,所述设定周期为一个月,所述第一预设时间长度为一周工作日时间,所述第二预设时间长度为节假日时间,所述节假日包括元旦、春节、五一、清明、端午、中秋、国庆、周日等法定节假日;
计算所述设定周期内的总良率及每天的良率,并标注每周的最大良率;
计算设定周期内除节假日以外所有日期的平均良率;
计算设定周期内节假日的良率;
计算所述时间周期内除节假日所有周一至周六的平均良率;
计算周一平均良率=(第一周周一良率+…第N周周一良率)/N;
……
计算周六平均良率=(第一周周六良率+…第N周周六良率)/N;
从而计算周一至周六相对良率:
周一相对良率=一周最大良率-周一平均良率;
……
周六相对良率=一周最大良率-周六平均良率;
计算节假日相对良率:节假日相对良率=设定周期内除节假日的平均良率-节假日良率;
通过预设的相对良率与人员因子影响比例的映射关系确定人员因子对产品良率的影响比例。例如周一的相对良率为1.5%,所述预设相对良率与人员因子影响比例的映射关系为1:1,则计算得到:周一人员因子对产品良率的影响比例为1.5%,依次类推,计算得到在不同工作日时,人员因子对产品的良率的影响比例。所述比例根据所述时间周期的不同进行实时变化。
将所述产品良率数据信息输入机器因子分析模型,计算机器因子对所述产品良率的影响比例的方法为:
在设定历史时间内查找生产所述产品的良率数据信息,其中,所述良率数据信息包括生产所述产品的不良项目不良率;
在不良项目数据库中查找机器因子影响产品良率的比例,其中,所述不良项目数据库中存储了生产所述产品的不良项目的不良率、产生所述不良率的不良因子的名称;
所述机器因子影响所述产品良率的比例为所述查找出的机器因子影响产品良率的比率与不良项目不良率的乘积。
将所述产品良率数据信息输入环境因子分析模型,计算环境因子对所述产品良率的影响比例的方法包括:
在设定历史时间内查找生产所述产品的良率数据信息,其中,所述良率数据信息为生产所述产品的不良项目不良率;
在不良项目数据库中查找环境因子影响产品良率的比例,其中,所述不良项目数据库中存储了生产所述产品的不良项目的不良率、产生所述不良率的不良因子的名称;
所述环境因子影响所述产品良率的比例为所述查找出的环境因子影响产品良率的比率与不良项目不良率的乘积。
将所述产品良率数据信息输入生产物料因子分析模型,计算生产物料因子对所述产品良率的影响比例的方法包括:
在设定历史时间内查找生产所述产品的良率数据信息,其中,所述良率数据信息包括不良项目不良率、所述产品的来料不良率、耗材的使用状态信息、耗材的库存状态信息;
在不良项目数据库中查找生产物料因子影响产品良率的比例,其中,所述不良项目数据库中存储了生产所述产品的不良项目的不良率、产生所述不良率的不良因子的名称,所述生产物料包括了功能物料、耗材中的一种或多种。
当所述生产物料为功能料件时,所述生产物料因子影响所述产品良率的比例为功能料件影响产品良率的比率与所述产品的来料不良率的乘积;
当所述生产物料为耗材时,根据所述耗材的使用状态信息判断所述耗材是否在当前产品中使用,若所述耗材在当前产品中使用,则在质量数据信息中按照所述耗材的名称查找所述耗材的历史不良项目不良率,将所述耗材的历史不良项目不良率作为生产物料因子影响所述产品良率的比例;
当所述生产物料包括功能物料及耗材时,则对功能物料影响产品良率的比例和耗材影响产品良率的比例相加得到的不良率作为生产物料因子影响所述产品良率的比例。
将所述产品良率数据信息输入操作手法因子分析模型,计算操作手法因子对所述产品良率的影响比例的方法包括:
在设定历史时间内查找生产所述产品的良率数据信息,所述良率数据信息包括生产所述产品的不良项目不良率;
获取被操作手法因子影响的不良项目数据库,查找所述操作手法因子影响产品良率的比例,其中,所述不良项目数据库中存储了生产所述产品的不良项目的不良率、产生所述不良率的不良因子的名称;
所述操作手法因子影响所述产品良率的比例为生产作业操作影响产品良率的比率与所述产品的不良项目不良率乘积。
将所述产品良率数据信息输入软体因子分析模型,计算软体因子对所述产品良率的影响比例的方法包括:
在设定历史时间内查找生产所述产品的良率数据信息,所述良率数据信息包括生产所述产品的不良项目不良率;
获取被软体因子影响的不良项目数据库,查找软体因子影响产品良率的比例,其中,所述不良项目数据库中存储了生产所述产品的不良项目的不良率、产生所述不良率的不良因子的名称;
所述软体因子影响所述产品良率的比例为软体因子影响产品良率的比率与所述产品的不良项目不良率乘积。
将人员因子分析模型、机器因子分析模型、环境因子分析模型、生产物料因子分析模型、操作手法因子分析模型、软体因子分析模型分析的影响产品生产良率的不良因子的影响比例,在所述不良项目数据库中查找产生所述不良因子的原因,以及在良率数据库中查找与所述不良因子相对应的预设方法以减小所述至少一个不良因子对产品良率的影响比例;若存在,则确定能够通过预设方法减小所述至少一个不良因子对产品良率的影响比例。在本发明又一实施方式中,所述方法还包括将所述预设方法发送至预设人员;接收预设人员是否实施所述预设方法的指令;若所述指令为实施所述预设方法,则根据所述预设方法调整所述不良因子对产品良率的影响比例。
例如待生成的产品的型号为A-001,所述产品由A、B、C三条产线生成出来,在预设历史时间内抓取所述三条产线在线产品的生产质量数据,所述预设历史时间可以是一天、一周、一个月、一年,所述预设历史时间的长短根据产品的生命周期而定,如果是试生产时期的产品,所述预设历史时间设定就比较短,可以为一天或一周,如果是量产时期的产品,所述预设历史时间可以设定为四周、八周等。在一实施方式中,在2019年10月06日到2019年10月12日之间,A产线投入产品1000片、测试合格990片、测试不合格10片;B产线投入产品1000片、测试合格980片、测试不合格20片;C产线投入产品1000片、测试合格990片、测试不合格10片;D产线投入产品1000片、测试合格990片、测试不合格10片,由以上数据得到产线A的良率为99%,产线B的良率为98%,产线C的良率为99%,产线D的良率为99%,产线A的不良率为1%,产线B的不良率为2%,产线C的不良率为1%,产线D的不良率为1%,由此可以得到产品型号为A-001的产品的良率为1-1%-2%-1%-1%=95%。
将产品的型号为A-001在2019年10月06日到2019年10月12日之间的产品良率95%带入多个分析模型中进行分析,分析得到人员因子对产线A的良率影响比例为0.1%,机器因子对产线A的良率影响比例为0.02%,生产物料因子对产线A的良率影响比例为0.02%,操作手法因子和机器因子对产线A的良率影响比例为0,软体因子对产线A的良率影响比例为0。通过人员因子、机器因子、环境因子、生产物料因子、操作手法因子、软体因子的影响比例在不良项目数据库中查找与所述人员因子、机器因子、环境因子、生产物料因子、操作手法因子、软体因子相关的不良项目,及所述不良项目产生原因,在良率数据库中是否存在与所述不良因子相对应的预设方法以减小所述至少一个不良因子对产品良率的影响比例;若存在,则确定能够通过预设方法减小所述至少一个不良因子对产品良率的影响比例。
在本发明又一实施方式中,还包括对所述第一预设良率的不良项目的集中性状况进行分析,所述集中性状况包括是否具有测试线体集中性、测试治具集中性、组装线体集中性、组装班别集中性、料件厂商集中性、料件生产日期集中性。
所述判断集中性状况的方法可以包括按照所述不良项目的名称在不良项目数据库中查找出现过所述不良项目的不良原因,并在良率数据库中查找出现所述不良项目的解决方案,并对所述解决方案中的集中性状况进行分析,判断所述解决方案中是否存在测试线体集中性、测试治具集中性、组装线体集中性、组装班别集中性、料件厂商集中性、料件生产日期集中性。
例如所述不良项目的名称为显示屏亮线,则在按照所述不良名称在不良项目数据库中查找产生显示屏亮线的原因分别为人员因子、机器因子、生产物料因子,并在良率数据库中查找出现所述不良的解决方案,人员因子的解决方案是对操作者加强培训,机器因子的解决方案是对机器进行定期保养维护,生产物料因子的解决方案是要求供应商对来料品质进行管控。并将所述三种解决方案与历史上出现过的集中性状况进行比对,判断所述三种解决方案是否具有集中性问题,经过比对发现生产物料因子对应解决方案中,都是针对同一生产日期的料件,因此所述生产物料因子具有集中性的问题。并将所述不良项目、不良项目产生的原因以及生产物料因子的集中性状况发送至指定的工作人员,所述工作人员判断所述历史上所述集中性状况的解决方法是否适用于当前不良项目。若所述解决方法适用于当前不良项目,则所述工作人员将同意执行所述解决方法的指令发送至计算机装置1。若所述解决方法不适用于当前不良项目,所述第二工作人员制定新的解决方法并将所述解决方法发送至分析模块102,分析模块102并将所述解决方法存储良率数据库中。
在本发明其他实施方式中,所述步骤还可以包括,所述分析模块102将所述第一预测良率用可视化图表的方式进行输出显示。其中,所述可视化图表的内容可以包括:设定周期良率预测图表、人机料法环软解析图表(人员因子、机器因子、环境因子、生产物料因子、操作手法因子、软体因子解析图表)、集中性解析图表(测试线体集中性、测试治具集中性、组装线体集中性、组装班别集中性、料件厂商集中性、料件生产日期集中性、箱线图、生产过程能力控制图)、系统建议调整良率数据图表、料件投入比例管控明细弹窗。
所述判断模块103,用于根据设定条件判断是否能够通过预设方法减小至少一个所述不良因子对产品良率的影响比例。
所述根据设定条件判断是否能够通过预设方法减小所述至少一个不良因子对产品良率的影响比例的方法包括:
根据影响所述产品生产良率的不良因子,在预设的良率数据库中查找是否存在与所述不良因子相对应的预设方法以减小所述至少一个不良因子对产品良率的影响比例;
若存在,则确定能够通过预设方法减小所述至少一个不良因子对产品良率的影响比例。
在本发明又一实施方式中,若在预设的良率数据库中存在与生产物料因子相对应的预设方法以减小所述生产物料因子对产品良率的影响比例,还需要查找所述预设方法中相对应物料的库存数据信息,判断所述预设方法中相对应物料的库存数量是否满足待生产产品的生产要求,若所述预设方法中相对应的物料的库存数量能够满足待生产产品的生产要求,则确定所述预设方法为减少所述生产物料因子对产品良率的影响比例的可用方法。若所述预设方法中相对应的物料的库存数量不足以满足待生产产品的生产要求,则查找所述物料的备选物料名称,以及所述备选物料的库存信息。若所述备选物料的库存信息可以满足待生产产品的生产要求,则将所述备选物料作为解决生产物料因子对产品良率的影响比例的可用方法。
所述输出模块104,用于若能够减小,则根据所述预设方法调整所述不良因子对产品良率的影响比例,再根据调整后的所述影响比例计算计划生产所述产品的第一预测良率。
所述第一预测良率的计算方法可以为:
调整后产品不良率=产品不良率-(调整后的人员因子影响产品良率的比例+调整后的机器因子影响产品良率的比例+调整后的环境因子影响产品良率的比例+调整后的生产物料因子影响产品良率的比例+调整后的操作手法因子影响产品良率的比例+调整后的软体因子影响产品良率的比例)
第一预测良率=1-调整后的产品不良率。
在本发明又一实施方式中,所述步骤还包括,所述输出模块104将不良项目改善方案通过预设方式发送给用户终端,用户终端可以根据需要选择性接收所述改善方案,并将选择结果发送给所述输出模块104,所述输出模块104接收用户终端发送的所要执行的改善方案的操作指令,并根据接收的改善方案计算第一预测良率。例如所述输出模块104向用户终端发送了减小人员因子、机器因子、环境因子、生产物料、操作手法因子、软体因子影响生产良率的改善方案,但是用户终端只接受了人员因子、机器因子、环境因子影响生产良率的改善方案,并没有接受生产物料、操作手法因子、软体因子影响生产良率的改善方案。
因此所述第一预测良率的计算方法为:
调整后产品不良率=产品不良率-(调整后的人员因子影响产品良率的比例+调整后的机器因子影响产品良率的比例+调整后的环境因子影响产品良率的比例)
第一预测良率=1-调整后的产品不良率。
举例而言,产品的型号为A-001在2019年10月06日到2019年10月12日之间的产品良率95%带入多维度模型进行分析,分析得到人员因子对产线A的良率影响比例为0.1%,机器因子对产线A的良率影响比例为0.02%,生产物料因子对产线A的良率影响比例为0.02%,操作手法因子、软体因子和环境因子对产线A的良率影响比例为0。所述不良项目中人员因子、机器因子对产线A的影响比例通过应用从良率数据库中查找的改善方法,可以将人员因子对产线A的影响比例降为由0.1%降为0,机器因子对产线A的影响比例由0.02%降为0。因此产线A的预估良率由99%变为99%+0.1%+0.02%=99.12%。产线B、产线C、产线D在本实施方式中没有对所述的良率进行改善,所以产线的良率B、产线C、产线D依旧为98%、99%、99%,由此得到产线A的不良率为1-99.12%=0.88%,产线B的不良率为2%,产线C的不良率为1%,产线D的不良率为1%,产品信号A-001的产品的良率为1-0.88%-2%-1%-1%=95.12%,所述产品的良率95.12%作为第一预测良率。
在本发明又一实施方式中,所述步骤还包括获取生产所述产品的实时良率,将所述实时良率与所述第一预测良率进行比较;
若所述实时良率小于所述第一预测良率,则查询是否实施所述预设方式用于调整所述不良因子对产品良率的影响比例;
若未实施,则实施所述预设方法用于调整所述不良因子对产品良率的影响比例;
若已经实施,则发出提示消息,所述提示消息用于提醒用户重新对生产所述产品的不良因子进行分析。
获取应用所述改善方案后生产所述产品的实时良率,所述实时良率与所述第二预测良率95.12%进行比较,若实时良率大于所述第二预测良率,则验证所述改善方案符合提升所述产品生产良率的要求。若实时良率小于所述第二预测良率,则查询是否实施所述预设方式用于调整所述不良因子对产品良率的影响比例。若未实施则实施所述预设方式用于调整所述不良因子对产品良率的影响比例,若已经实施,则需要向预设的工作人员发出提示消息。所述提示消息的方式可以通过信号显示灯、邮件、短信、即时消息的方式进行提示。所述工作人员根据所述提示消息对影响产品良率的人员因子、机器因子、生产物料因子、操作手法因子、环境因子、软体因子进行重新分析后,得出新的良率改善方案,并将所述改善方案发送至所述输出模块104,所述输出模块104将所述改善方案与不良项目、不良项目不良率进行对应存储之后,将所述改善方案发送至对应的生产设备。
在本发明其他实施方式中,所述步骤还可以包括,所述输出模块104将所述改善方案用可视化图表的方式进行显示。其中,所述可视化图表显示的内容可以包括:处方及对策明细选择表、改善效果追踪明细表、不良预警明细表。
在本发明又一实施方式中,将所述人员因子、机器因子、环境因子分析模型、生产物料因子、操作手法因子、软体因子对所述第一预测良率的影响比例在良率桥信息表中显示,所述良率桥信息表中显示了所述各种不良因子对第一预测良率的影响比例,并根据不同不良因子的影响比例进行动态调整。通过良率桥信息表可以使操作人员更加清晰的了解不同良率信息对产品良率的影响。
实施例四
图4为本发明计算机装置较佳实施例的示意图。
所述计算机装置1包括存储器20、处理器30以及存储在所述存储器20中并可在所述处理器30上运行的计算机程序40,例如产品良率预测程序。所述处理器30执行所述计算机程序40时实现上述产品良率预测方法实施例中的步骤,例如图2所示的步骤S1~S4。或者,所述处理器30执行所述计算机程序40时实现上述产品良率预测装置实施例中各模块/单元的功能,例如图3中的单元101-104。
示例性的,所述计算机程序40可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器20中,并由所述处理器30执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,所述指令段用于描述所述计算机程序40在所述计算机装置1中的执行过程。例如,所述计算机程序40可以被分割成图3中的获取模块101、分析模块102、判断模块103、输出模块104。
所述计算机装置1可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。本领域技术人员可以理解,所述示意图仅仅是计算机装置1的示例,并不构成对计算机装置1的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述计算机装置1还可以包括输入输出设备、网络接入设备、总线等。
所称处理器30可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者所述处理器30也可以是任何常规的处理器等,所述处理器30是所述计算机装置1的控制中心,利用各种接口和线路连接整个计算机装置1的各个部分。
所述存储器20可用于存储所述计算机程序40和/或模块/单元,所述处理器30通过运行或执行存储在所述存储器20内的计算机程序和/或模块/单元,以及调用存储在存储器20内的数据,实现所述计算机装置1的各种功能。所述存储器20可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据计算机装置1的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器20可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述计算机装置1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,所述计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
在本发明所提供的几个实施例中,应所述理解到,所揭露的计算机装置和方法,可以通过其它的方式实现。例如,以上所描述的计算机装置实施例仅仅是示意性的,例如,所述单元的划分,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。
另外,在本发明各个实施例中的各功能单元可以集成在相同处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在相同单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
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涵括在本发明内。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,显然“包括”一词不排除其他单元或步骤,单数不排除复数。计算机装置权利要求中陈述的多个单元或计算机装置也可以由同一个单元或计算机装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (15)
1.一种产品良率预测方法,其特征在于,所述方法包括:
获取历史生产记录中产品的质量数据信息,根据所述质量数据信息计算产品良率数据信息;
将所述产品的良率数据信息输入至少一个分析模型,计算每个所述分析模型对应的不良因子对所述产品良率的影响比例,其中,所述至少一个分析模型包括人员因子分析模型、机器因子分析模型、环境因子分析模型、生产物料因子分析模型、操作手法因子分析模型、软体因子分析模型中的一个或多个;
根据设定条件判断是否能够通过预设方法减小至少一个所述不良因子对产品良率的影响比例;
若能够减小,则根据所述预设方法调整所述不良因子对产品良率的影响比例,再根据调整后的所述影响比例计算计划生产所述产品的第一预测良率。
2.如权利要求1所述的产品良率预测方法,其特征在于,所述方法还包括:
将所述预设方法发送至预设人员;
接收预设人员是否实施所述预设方法的指令;
若所述指令为实施所述预设方法,则根据所述预设方法调整所述不良因子对产品良率的影响比例,再根据调整后的所述影响比例计算计划生产所述产品的第一预测良率;
若所述指令为不实施所述预设方法,则将根据所述质量数据信息计算的预设历史时间段内生产所述产品的不良率作为计划生产所述产品的第一预测良率。
3.如权利要求1所述的产品良率预测方法,其特征在于,所述获取历史生产记录中产品的质量数据信息,根据所述质量数据信息计算产品良率数据信息的方法包括:
通过设定的选择条件获取生产所述产品的历史质量数据信息,将获取的历史质量数据信息通过预设算法生成产品良率数据信息,其中,所述选择条件包括:待生产产品型号、楼栋、段别、线体、工单、容量、颜色、时间、工站、不良项目、料件、厂商、生产班组、料件厂商生产日期中的一项或多项;
所述质量数据信息包括:产品序列号、各站点的测试合格的数量、各站点的测试不合格的数量、组装线体、组装时间、测试线体、不良工站、不良项目、测试时间、功能物料库存及消耗信息、功能物料厂商及生产日期信息、耗材物料库存及消耗信息、耗材物料厂商及生产日期信息、耗材物料领取信息中的一项或多项;
所述良率数据信息包括:总良率目标、站点良率目标、项目良率目标、总良率、段别良率、工站良率、不良项目、不良项目不良率、料件搭配良率、料件厂商不良率中的一项或多项。
4.如权利要求3所述的产品良率预测方法,其特征在于,所述方法还包括:
根据所述选择条件将所述良率数据信息以预设周期内良率报表的形式输出,其中所述良率报表的形式包括表格、图形、文字中的一种或几种。
5.如权利要求1所述的产品良率预测方法,其特征在于,所述根据设定条件判断是否能够通过预设方法减小所述至少一个不良因子对产品良率的影响比例的方法包括:
根据影响所述产品生产良率的不良因子,在预设的良率数据库中查找是否存在与所述不良因子相对应的预设方法以减小所述至少一个不良因子对产品良率的影响比例;
若存在,则确定能够通过预设方法减小所述至少一个不良因子对产品良率的影响比例。
6.如权利要求5所述的产品良率预测方法,其特征在于,所述方法还包括:
获取生产所述产品的实时良率,将所述实时良率与所述第一预测良率进行比较;
若所述实时良率小于所述第一预测良率,则查询是否运行实施所述预设方式的指令用于调整所述不良因子对产品良率的影响比例;
若未运行实施所述预设方法的指令,则实施所述预设方法用于调整所述不良因子对产品良率的影响比例;
若已经运行实施所述预设方法的指令,则发出提示消息,所述提示消息用于提醒用户重新对生产所述产品的不良因子进行分析。
7.如权利要求1所述的产品良率预测方法,其特征在于,将所述产品良率数据信息输入人员因子分析模型,计算人员因子对所述产品良率的影响比例的方法为:
计算设定周期内第一预设时间段的相对良率和第二预设时间段的相对良率,通过预设的相对良率与人员因子影响比例的映射关系确定人员因子对产品良率的影响比例,其中,所述设定周期包括多个第一预设时间长度和多个第二预设时间长度,所述每个第一预设时间长度包括多个第一时间段,所述每个第一预设时间长度包括多个第二时间段;
所述第一时间段的相对良率等于所述时间段所处第一预设时间长度内最大良率减去所述设定周期内各第一预设时间长度中对应时间段的平均良率;
所述第二时间段的相对良率等于所述设定周期内多个第一预设时间段的平均良率减去所述第二时间段的良率。
8.如权利要求1所述的产品良率预测方法,其特征在于,将所述产品良率数据信息输入机器因子分析模型,计算机器因子对所述产品良率的影响比例的方法为:
在设定历史时间内查找生产所述产品的良率数据信息,其中,所述良率数据信息包括生产所述产品的不良项目不良率;
在不良项目数据库中查找机器因子影响产品良率的比例,其中,所述不良项目数据库中存储了生产所述产品的不良项目的不良率、产生所述不良率的不良因子的名称;
所述机器因子影响所述产品良率的比例为所述查找出的机器因子影响产品良率的比率与不良项目不良率的乘积。
9.如权利要求1所述的产品良率预测方法,其特征在于,将所述产品良率数据信息输入环境因子分析模型,计算环境因子对所述产品良率的影响比例的方法包括:
在设定历史时间内查找生产所述产品的良率数据信息,其中,所述良率数据信息为生产所述产品的不良项目不良率;
在不良项目数据库中查找环境因子影响产品良率的比例,其中,所述不良项目数据库中存储了生产所述产品的不良项目的不良率、产生所述不良率的不良因子的名称;
所述环境因子影响所述产品良率的比例为所述查找出的环境因子影响产品良率的比率与不良项目不良率的乘积。
10.如权利要求1所述的产品良率预测方法,其特征在于,将所述产品良率数据信息输入生产物料因子分析模型,计算生产物料因子对所述产品良率的影响比例的方法包括:
在设定历史时间内查找生产所述产品的良率数据信息,其中,所述良率数据信息包括不良项目不良率、所述产品的来料不良率、耗材的使用状态信息;
在不良项目数据库中查找生产物料因子影响产品良率的比例,其中,所述不良项目数据库中存储了生产所述产品的不良项目的不良率、产生所述不良率的不良因子的名称,所述生产物料包括功能物料、耗材中的至少一种;
当所述生产物料为功能料件时,所述生产物料因子影响所述产品良率的比例为功能料件影响产品良率的比率与所述产品的来料不良率的乘积;
当所述生产物料为耗材时,根据所述耗材的使用状态信息判断所述耗材是否在当前产品中使用,若所述耗材在当前产品中使用,则在质量数据信息中按照所述耗材的名称查找所述耗材的历史不良项目不良率,将所述耗材的历史不良项目不良率作为生产物料因子影响所述产品良率的比例;
当所述生产物料包括功能物料及耗材时,则对功能物料影响产品良率的比例和耗材影响产品良率的比例相加得到的不良率作为生产物料因子影响所述产品良率的比例。
11.如权利要求1所述的产品良率预测方法,其特征在于,将所述产品良率数据信息输入操作手法因子分析模型,计算操作手法因子对所述产品良率的影响比例的方法包括:
在设定历史时间内查找生产所述产品的良率数据信息,所述良率数据信息包括生产所述产品的不良项目不良率;
获取被操作手法因子影响的不良项目数据库,查找所述操作手法因子影响产品良率的比例,其中,所述不良项目数据库中存储了生产所述产品的不良项目的不良率、产生所述不良率的不良因子的名称;
所述操作手法因子影响所述产品良率的比例为生产作业操作影响产品良率的比率与所述产品的不良项目不良率乘积。
12.如权利要求1所述的产品良率预测方法,其特征在于,将所述产品良率数据信息输入软体因子分析模型,计算软体因子对所述产品良率的影响比例的方法包括:
在设定历史时间内查找生产所述产品的良率数据信息,所述良率数据信息包括生产所述产品的不良项目不良率;
获取被软体因子影响的不良项目数据库,查找软体因子影响产品良率的比例,其中,所述不良项目数据库中存储了生产所述产品的不良项目的不良率、产生所述不良率的不良因子的名称;
所述软体因子影响所述产品良率的比例为软体因子影响产品良率的比率与所述产品的不良项目不良率乘积。
13.一种产品良率预测装置,其特征在于,所述装置包括:
获取模块,用于获取历史生产记录中产品的质量数据信息,根据所述质量数据信息计算产品良率数据信息;
分析模块,用于将所述产品的良率数据信息输入至少一个分析模型,计算每个所述分析模型对应的不良因子对所述产品良率的影响比例,其中,所述至少一个分析模型包括人员因子分析模型、机器因子分析模型、环境因子分析模型、生产物料因子分析模型、操作手法因子分析模型、软体因子分析模型中的一个或多个;
判断模块,用于根据设定条件判断是否能够通过预设方法减小至少一个所述不良因子对产品良率的影响比例;
输出模块,用于若能够减小,则根据所述预设方法调整所述不良因子对产品良率的影响比例,再根据调整后的所述影响比例计算计划生产所述产品的第一预测良率。
14.一种计算机装置,其特征在于:所述计算机装置包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1-12中任一项所述的产品良率预测方法。
15.一种存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现如权利要求1-12中任一项所述的产品良率预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911149655.4A CN112825161A (zh) | 2019-11-21 | 2019-11-21 | 产品良率预测方法、装置、计算机装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911149655.4A CN112825161A (zh) | 2019-11-21 | 2019-11-21 | 产品良率预测方法、装置、计算机装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112825161A true CN112825161A (zh) | 2021-05-21 |
Family
ID=75907342
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911149655.4A Pending CN112825161A (zh) | 2019-11-21 | 2019-11-21 | 产品良率预测方法、装置、计算机装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112825161A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113657820A (zh) * | 2021-10-21 | 2021-11-16 | 深圳市信润富联数字科技有限公司 | 产线配料方法、装置、设备及可读存储介质 |
CN114063582A (zh) * | 2021-11-16 | 2022-02-18 | 英特尔产品(成都)有限公司 | 用于监控产品测试过程的方法和装置 |
US20220113710A1 (en) * | 2019-11-29 | 2022-04-14 | Boe Technology Group Co., Ltd. | System and method for recommending maximum quantity of work in process, and computer readable medium |
CN114625097A (zh) * | 2022-05-16 | 2022-06-14 | 时代云英(深圳)科技有限公司 | 一种基于工业互联网的生产工艺控制方法 |
-
2019
- 2019-11-21 CN CN201911149655.4A patent/CN112825161A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220113710A1 (en) * | 2019-11-29 | 2022-04-14 | Boe Technology Group Co., Ltd. | System and method for recommending maximum quantity of work in process, and computer readable medium |
US11703837B2 (en) * | 2019-11-29 | 2023-07-18 | Boe Technology Group Co., Ltd. | System and method for recommending maximum quantity of work in process, and computer readable medium |
CN113657820A (zh) * | 2021-10-21 | 2021-11-16 | 深圳市信润富联数字科技有限公司 | 产线配料方法、装置、设备及可读存储介质 |
CN114063582A (zh) * | 2021-11-16 | 2022-02-18 | 英特尔产品(成都)有限公司 | 用于监控产品测试过程的方法和装置 |
CN114063582B (zh) * | 2021-11-16 | 2024-04-12 | 英特尔产品(成都)有限公司 | 用于监控产品测试过程的方法和装置 |
CN114625097A (zh) * | 2022-05-16 | 2022-06-14 | 时代云英(深圳)科技有限公司 | 一种基于工业互联网的生产工艺控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112825161A (zh) | 产品良率预测方法、装置、计算机装置及存储介质 | |
van der Vorst et al. | Modelling and simulating multi-echelon food systems | |
Unver | An ISA-95-based manufacturing intelligence system in support of lean initiatives | |
Morgan et al. | A systematic literature review of remanufacturing scheduling | |
CN105868373B (zh) | 电力业务信息系统关键数据处理方法及装置 | |
Prashar | Redesigning an assembly line through Lean-Kaizen: an Indian case | |
US20070203912A1 (en) | Engineering manufacturing analysis system | |
Kilpi | Implementing a software metrics program at Nokia | |
CN115423289B (zh) | 智能板材加工车间数据处理方法及终端 | |
CN116976599A (zh) | 一种智能排产的方法及相关设备 | |
Bharara et al. | Implementation of an activity-based costing system in a small manufacturing company | |
JP2010282524A (ja) | 間接費配賦計算システム | |
Donauer et al. | Nonconformity tracking and prioritisation matrix: an approach for selecting nonconformities as a contribution to the field of TQM | |
US20040162745A1 (en) | System and method to improve manufacturing | |
CN111199326A (zh) | 产品良率监控方法、装置及计算机可读存储介质 | |
CN116720720A (zh) | 一种岩土工程设备互联调度管理方法和系统 | |
Gazules et al. | Longitudinal study of lean tools in Spanish manufacturing firms | |
Li et al. | Planning production and equipment qualification under high process flexibility | |
Zebro et al. | Process Mining in Project Management for Smart Cities | |
Alalawin et al. | Aligning key performance indicators with lean management in the service sector: A case study for a Jordanian telecommunication company | |
Otero et al. | Productivity improvement of a production line through quick changeover concept–a case study | |
Heimicke et al. | potentials and challenges in the harmonization of approaches for agile product development and automotive SPICE | |
Azizah et al. | Design of Business Process Improvement Survey of Business Activities With Business Process Improvement Approach | |
US20020178188A1 (en) | Productivity recovery and improvement software | |
Dharaningtyas et al. | An analysis on the improvement of system for proof of delivery: PT. Gunadhya Rajawali Logistik |
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 |