CN113837671B - 一种新产品质量管理方法和系统 - Google Patents

一种新产品质量管理方法和系统 Download PDF

Info

Publication number
CN113837671B
CN113837671B CN202111416681.6A CN202111416681A CN113837671B CN 113837671 B CN113837671 B CN 113837671B CN 202111416681 A CN202111416681 A CN 202111416681A CN 113837671 B CN113837671 B CN 113837671B
Authority
CN
China
Prior art keywords
index
layer
quality
value
product
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.)
Active
Application number
CN202111416681.6A
Other languages
English (en)
Other versions
CN113837671A (zh
Inventor
付金国
张金秋
陈威
顾向阳
黄浩炜
熊奎
雷青
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Fuchuang Intelligent Manufacturing Technology Co ltd
Original Assignee
Nanjing Fuchuang Intelligent Manufacturing Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Fuchuang Intelligent Manufacturing Technology Co ltd filed Critical Nanjing Fuchuang Intelligent Manufacturing Technology Co ltd
Priority to CN202111416681.6A priority Critical patent/CN113837671B/zh
Publication of CN113837671A publication Critical patent/CN113837671A/zh
Application granted granted Critical
Publication of CN113837671B publication Critical patent/CN113837671B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06—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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Biomedical Technology (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Operations Research (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Quality & Reliability (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Manufacturing & Machinery (AREA)
  • Primary Health Care (AREA)
  • General Factory Administration (AREA)

Abstract

本发明提出了一种新产品质量管理方法和系统，该方法包括如下步骤：S1，选取合格品作为标准品，获取标准品的质量数据，构建质量管理的指标体系，所述指标体系包括工序层、质量性状层和指标层；S2，获取待测品和标准品的指标层信息，对所述指标层中每个指标进行归一化处理，获得标准化指标值；S3，基于标准化指标值，计算待测品和标准品对应指标的相似度；S4，获取工序层和质量性状层的权重，并计算指标层中每个指标对应的综合权重；S5，根据所述相似度和综合权重，获得待测品的质量指数。本发明简化了质量评价的流程，克服了人工评价的主观性，提高了产品的良品率。

Description

一种新产品质量管理方法和系统
技术领域
本发明涉及数据处理技术领域，具体而言，涉及一种新产品质量管理方法和系统。
背景技术
随着全球制造业和信息技术的发展，国际制造行业的水平不断上升，制造企业面临的竞争日益激烈，产品质量在行业竞争中的重要性愈加关键。
目前，针对新产品的质量管理主要采用样本抽样法，即通过抽样得到批次产品，使用仪器设备检测该产品的各项指标参数，将指标参数记录在质检表上或上传至电脑系统中，最后由质检人员进行质量评价，得出该批次产品的质量状况。然而，该管理方法过分依赖个人经验，质检人员水平参差不齐，标准不一，导致产品质量管理流程不规范，产品良品率无法保证。
发明内容
鉴于上述问题，本发明提供了一种新产品质量管理方法和系统，
为解决上述技术问题，本发明采用的技术方案是：
一种新产品质量管理方法，包括如下步骤：S1，选取合格品作为标准品，获取标准品的质量数据，构建质量管理的指标体系，所述指标体系包括工序层、质量性状层和指标层；S2，获取待测品和标准品的指标层信息，对所述指标层中每个指标进行归一化处理，获得标准化指标值；S3，基于标准化指标值，计算待测品和标准品对应指标的相似度；S4，获取工序层和质量性状层的权重，并计算指标层中每个指标对应的综合权重；S5，根据所述相似度和综合权重，获得待测品的质量指数。
作为优选方案，所述对指标层中每个指标进行归一化处理的计算公式为：
Figure 102951DEST_PATH_IMAGE001
其中，
Figure 221692DEST_PATH_IMAGE002
为归一化后的标准化指标值，
Figure 233510DEST_PATH_IMAGE003
为指标层中的指标值，
Figure 57110DEST_PATH_IMAGE004
为指标层中 的最大值。
作为优选方案，所述待测品和标准品对应指标的相似度的计算公式为：
Figure 445366DEST_PATH_IMAGE005
其中，
Figure 421543DEST_PATH_IMAGE006
为待测品第i个工序层第j个质量性状层的标准化指标值，
Figure 338684DEST_PATH_IMAGE007
为标准品第i 个工序层第j个质量性状层的标准化指标值，
Figure 915159DEST_PATH_IMAGE006
和
Figure 107105DEST_PATH_IMAGE007
的取值范围为[m,n]。
作为优选方案，所述综合权重为
Figure 937789DEST_PATH_IMAGE008
，则
Figure 556990DEST_PATH_IMAGE009
，其中
Figure 355181DEST_PATH_IMAGE010
为第i个工序层的权 重，
Figure 819661DEST_PATH_IMAGE011
为第j个质量性状层的权重。
作为优选方案，所述待测品的质量指数的计算公式为：
Figure 770430DEST_PATH_IMAGE012
其中，
Figure 560532DEST_PATH_IMAGE013
为待测品的质量指数，
Figure 783703DEST_PATH_IMAGE014
为待测品和标准品对应指标的相似 度，
Figure 317452DEST_PATH_IMAGE015
为第i个工序层第j个质量性状层的综合权重，y为工序层的个数，Z为质量性状层的个 数。
作为优选方案，所述工序层的权重为经验值，具体为：组织专家评审小组，对每个工序层设置权重，然后对每个工序层的所有权重取平均值，作为所述工序层的权重。
作为优选方案，所述质量性状层的权重获取过程，包括如下步骤：S401，确定质量 性状层的权重优化函数；S402，获取质量性状层的权重经验值，并将其作为粒子，构建初始 粒子群
Figure 371996DEST_PATH_IMAGE016
；S403，初始化粒子群速度，粒子群初始速度为
Figure 815222DEST_PATH_IMAGE017
，定义初始粒子群的全局最优值Gi和粒子适应度个体极值Pi均为0； S404，将每个粒子的值代入权重优化函数中，计算获得每个粒子的适应度值Fi；S405，更新 粒子群的速度和位置；S406，将每个粒子的适应度值Fi和个体极值Pi相比较，若Fi＞Pi，则 用Fi替换Pi；S407，将每个粒子的适应度值Fi和全局最优值Gi相比较，若Fi＞Gi，则用Fi替 换Gi；S408，判断进化代数t≥e是否成立，e为最大进化代数，若成立则循环终止，获得全局 最优值Gi所对应的权重粒子wi，否则重复步骤S405至S407，直至结束。
作为优选方案，在步骤S405中，所述粒子群的速度计算公式为；
Figure 588006DEST_PATH_IMAGE018
其中，
Figure 659867DEST_PATH_IMAGE019
为粒子群中第K+1代第i个粒子的速度，
Figure 568917DEST_PATH_IMAGE020
为粒子群中第k代第i个粒子的 速度，当k=1时，
Figure 451554DEST_PATH_IMAGE020
=
Figure 446055DEST_PATH_IMAGE021
；
Figure 321607DEST_PATH_IMAGE022
为惯性因子，
Figure 616322DEST_PATH_IMAGE023
和
Figure 404281DEST_PATH_IMAGE024
为学习因子，
Figure 354919DEST_PATH_IMAGE025
和
Figure 768583DEST_PATH_IMAGE026
为[0,1]范围内的随机数，Pi 为当前个体极值，Gi为当前全局最优值，
Figure 652225DEST_PATH_IMAGE027
为第k代第i个粒子的值，当k=1时，
Figure 860353DEST_PATH_IMAGE027
=
Figure 580178DEST_PATH_IMAGE028
；
所述粒子群的位置计算公式为：
Figure 797533DEST_PATH_IMAGE029
其中，
Figure 535682DEST_PATH_IMAGE030
为第k+1代第i个粒子的值，
Figure 180290DEST_PATH_IMAGE027
为第k代第i个粒子的值，当k=1时，
Figure 384481DEST_PATH_IMAGE027
=
Figure 139948DEST_PATH_IMAGE028
；
Figure 998182DEST_PATH_IMAGE020
为粒子群中第k代第i个粒子的速度，当k=1时，
Figure 813692DEST_PATH_IMAGE020
=
Figure 242530DEST_PATH_IMAGE021
。
本发明还提出了一种新产品质量管理系统，包括：体系构建模块，用于选取合格品作为标准品，获取标准品的质量数据，构建质量管理的指标体系，所述指标体系包括工序层、质量性状层和指标层；标准化模块，用于获取待测品和标准品的指标层信息，对所述指标层中每个指标进行归一化处理，获得标准化指标值；相似度计算模块，用于基于标准化指标值，计算待测品和标准品对应指标的相似度；权重计算模块，用于获取工序层和质量性状层的权重，并计算指标层中每个指标对应的综合权重；质量指数计算模块，用于根据所述相似度和综合权重，获得待测品的质量指数。
与现有技术相比，本发明的有益效果包括：通过构建质量管理的指标体系，提取待测品和标准品的指标层信息，计算出相似度，再结合工序层和质量性状层的权重获得待测品的质量指数，实现对新产品的质量评价管理。本发明简化了质量评价的流程，克服了人工评价的主观性，提高了产品质量评价效率和准确度，从而提高了产品的良品率。
附图说明
参照附图来说明本发明的公开内容。应当了解，附图仅仅用于说明目的，而并非意在对本发明的保护范围构成限制。在附图中，相同的附图标记用于指代相同的部件。其中：
图1为本发明实施例的新产品质量管理方法的流程示意图；
图2为本发明实施例的质量管理的指标体系的架构图；
图3为本发明实施例的新产品质量管理系统的结构示意图。
具体实施方式
显而易见，根据本发明的技术方案，在不变更本发明实质精神下，本领域的一般技术人员可以提出可相互替换的多种结构方式以及实现方式。因此，以下具体实施方式以及附图仅是对本发明的技术方案的示例性说明，而不应当视为本发明的全部或者视为对本发明技术方案的限定或限制。
根据本发明的一实施方式结合图1示出。一种新产品质量管理方法，包括如下步骤：
S1，选取合格品作为标准品，获取标准品的质量数据，构建质量管理的指标体系，该指标体系包括工序层、质量性状层和指标层，如图2所示。例如：在电动机生产过程中，包括铸造、焊接、装配等工序，其中，焊接工序包括操作者、原材料、焊接工艺、原材料、焊接尺寸、性能实验等质量性状，每个质量性状具有对应指标值，例如操作者的技术等级、原材料的质量等级、焊接后尺寸的测量值、性能实验的实验值等，焊接后尺寸的测量值可利用游标卡尺、深度尺、千分尺等工具进行测量，性能实验的实验值包括绕阻的绝缘电阻和直流电阻、定子绕阻的的泄漏电流、直流耐压和交流耐压转子绕阻的交流耐压、空载电流及空载损耗等。
S2，获取待测品和标准品的指标层信息，对指标层中每个指标进行归一化处理，获得标准化指标值。
对指标层中每个指标进行归一化处理的计算公式为：
Figure 67267DEST_PATH_IMAGE001
其中，
Figure 780008DEST_PATH_IMAGE002
为归一化后的标准化指标值，
Figure 766418DEST_PATH_IMAGE031
为指标层中的指标值，
Figure 948132DEST_PATH_IMAGE004
为指标层中 的最大值。
S3，基于标准化指标值，计算待测品和标准品对应指标的相似度。
待测品和标准品对应指标的相似度的计算公式为：
Figure 45401DEST_PATH_IMAGE005
其中，
Figure 612649DEST_PATH_IMAGE006
为待测品第i个工序层第j个质量性状层的标准化指标值，
Figure 769961DEST_PATH_IMAGE032
为标准品第i 个工序层第j个质量性状层的标准化指标值，
Figure 173391DEST_PATH_IMAGE006
和
Figure 74351DEST_PATH_IMAGE032
的取值范围为[m,n]。
S4，获取工序层和质量性状层的权重，并计算指标层中每个指标对应的综合权重。
本发明实施例中，设综合权重为
Figure 761684DEST_PATH_IMAGE033
，则
Figure 89898DEST_PATH_IMAGE009
，其中
Figure 977695DEST_PATH_IMAGE010
为第i个工序层的权 重，
Figure 416766DEST_PATH_IMAGE011
为第j个质量性状层的权重。
其中，工序层的权重为经验值，具体为：组织专家评审小组，对每个工序层设置权重，然后对每个工序层的所有权重取平均值，作为工序层的权重。
上述质量性状层的权重获取过程，包括如下步骤：
S401，确定质量性状层的权重优化函数。
本实施例中，权重优化函数选用Quartic函数，表达式如下：
Figure 161868DEST_PATH_IMAGE034
其中,
Figure 457720DEST_PATH_IMAGE028
为第i个粒子的值,rand（）为随机函数。
S402，获取质量性状层的权重经验值，并将其作为粒子，构建初始粒子群
Figure 835743DEST_PATH_IMAGE016
；
S403，初始化粒子群速度，粒子群初始速度为
Figure 78506DEST_PATH_IMAGE017
，定义初 始粒子群的全局最优值Gi和粒子适应度个体极值Pi均为0；
S404，将每个粒子的值代入权重优化函数中，计算获得每个粒子的适应度值Fi；
S405，更新粒子群的速度和位置；
S406，将每个粒子的适应度值Fi和个体极值Pi相比较，若Fi＞Pi，则用Fi替换Pi；
S407，将每个粒子的适应度值Fi和全局最优值Gi相比较，若Fi＞Gi，则用Fi替换Gi；
S408，判断进化代数t≥e是否成立，e为最大进化代数，若成立则循环终止，获得全局最优值Gi所对应的权重粒子wi，否则重复步骤S405至S407，直至结束。
其中，在步骤S405中，粒子群的速度计算公式为；
Figure 943694DEST_PATH_IMAGE018
其中，
Figure 613709DEST_PATH_IMAGE019
为粒子群中第K+1代第i个粒子的速度，
Figure 462717DEST_PATH_IMAGE020
为粒子群中第k代第i个粒子 的速度，当k=1时，
Figure 525482DEST_PATH_IMAGE020
=
Figure 41914DEST_PATH_IMAGE021
；
Figure 882831DEST_PATH_IMAGE022
为惯性因子，
Figure 219134DEST_PATH_IMAGE023
和
Figure 6962DEST_PATH_IMAGE024
为学习因子，
Figure 128632DEST_PATH_IMAGE025
和
Figure 140451DEST_PATH_IMAGE026
为[0,1]范围内的随机数， Pi为当前个体极值，Gi为当前全局最优值，
Figure 229630DEST_PATH_IMAGE027
为第k代第i个粒子的值，当k=1时，
Figure 352306DEST_PATH_IMAGE027
=
Figure 614571DEST_PATH_IMAGE028
。
粒子群的位置计算公式为：
Figure 62870DEST_PATH_IMAGE029
其中，
Figure 373765DEST_PATH_IMAGE030
为第k+1代第i个粒子的值，
Figure 300133DEST_PATH_IMAGE027
为第k代第i个粒子的值，当k=1时，
Figure 848926DEST_PATH_IMAGE027
=
Figure 953279DEST_PATH_IMAGE028
；
Figure 751471DEST_PATH_IMAGE020
为粒子群中第k代第i个粒子的速度，当k=1时，
Figure 747109DEST_PATH_IMAGE020
=
Figure 947146DEST_PATH_IMAGE021
。
S5，根据相似度和综合权重，获得待测品的质量指数。根据质量指数判断是否超过设定阈值，以确定待测品是否合格。
待测品的质量指数的计算公式为：
Figure 222401DEST_PATH_IMAGE012
其中，
Figure 711151DEST_PATH_IMAGE013
为待测品的质量指数，
Figure 244900DEST_PATH_IMAGE014
为待测品和标准品对应指标的相似 度，
Figure 299444DEST_PATH_IMAGE015
为第i个工序层第j个质量性状层的综合权重，y为工序层的个数，Z为质量性状层的个 数。
参见图3，本发明还提出了一种新产品质量管理系统，包括：
体系构建模块1，用于选取合格品作为标准品，获取标准品的质量数据，构建质量管理的指标体系，指标体系包括工序层、质量性状层和指标层。
标准化模块2，用于获取待测品和标准品的指标层信息，对指标层中每个指标进行归一化处理，获得标准化指标值。
相似度计算模块3，用于基于标准化指标值，计算待测品和标准品对应指标的相似度。
权重计算模块4，用于获取工序层和质量性状层的权重，并计算指标层中每个指标对应的综合权重。
质量指数计算模块5，用于根据相似度和综合权重，获得待测品的质量指数。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
综上所述，本发明的有益效果包括：通过构建质量管理的指标体系，提取待测品和标准品的指标层信息，计算出相似度，再结合工序层和质量性状层的权重获得待测品的质量指数，实现对新产品的质量评价管理。本发明简化了质量评价的流程，克服了人工评价的主观性，提高了产品质量评价效率和准确度，从而提高了产品的良品率。
本发明的技术范围不仅仅局限于上述说明中的内容，本领域技术人员可以在不脱离本发明技术思想的前提下，对上述实施例进行多种变形和修改，而这些变形和修改均应当属于本发明的保护范围内。

Claims (7)

1.一种新产品质量管理方法，其特征在于，包括如下步骤：
S1，选取合格品作为标准品，获取标准品的质量数据，构建质量管理的指标体系，所述指标体系包括工序层、质量性状层和指标层；
S2，获取待测品和标准品的指标层信息，对所述指标层中每个指标进行归一化处理，获得标准化指标值；
S3，基于标准化指标值，计算待测品和标准品对应指标的相似度；所述待测品和标准品对应指标的相似度的计算公式为：
Figure DEST_PATH_IMAGE001
其中，
Figure DEST_PATH_IMAGE002
为待测品第i个工序层第j个质量性状层的标准化指标值，
Figure DEST_PATH_IMAGE003
为标准品第i个工序层第j个质量性状层的标准化指标值，
Figure 99667DEST_PATH_IMAGE002
和
Figure 436714DEST_PATH_IMAGE003
的取值范围为[m,n]；
S4，获取工序层和质量性状层的权重，并计算指标层中每个指标对应的综合权重；
S5，根据所述相似度和综合权重，获得待测品的质量指数；所述待测品的质量指数的计算公式为：
Figure DEST_PATH_IMAGE004
其中，
Figure DEST_PATH_IMAGE005
为待测品的质量指数，
Figure DEST_PATH_IMAGE006
为待测品和标准品对应指标的相似度，
Figure DEST_PATH_IMAGE007
为第i个工序层第j个质量性状层的综合权重，y为工序层的个数，Z为质量性状层的个数。
2.根据权利要求1所述的新产品质量管理方法，其特征在于，对所述指标层中每个指标进行归一化处理的计算公式为：
Figure DEST_PATH_IMAGE008
其中，
Figure DEST_PATH_IMAGE009
为归一化后的标准化指标值，
Figure DEST_PATH_IMAGE010
为指标层中的指标值，
Figure DEST_PATH_IMAGE011
为指标层中的最大值。
3.根据权利要求1所述的新产品质量管理方法，其特征在于，所述综合权重为
Figure DEST_PATH_IMAGE012
，则
Figure DEST_PATH_IMAGE013
，其中
Figure DEST_PATH_IMAGE014
为第i个工序层的权重，
Figure DEST_PATH_IMAGE015
为第j个质量性状层的权重。
4.根据权利要求1所述的新产品质量管理方法，其特征在于，所述工序层的权重为经验值，具体为：组织专家评审小组，对每个工序层设置权重，然后对每个工序层的所有权重取平均值，作为所述工序层的权重。
5.根据权利要求1所述的新产品质量管理方法，其特征在于，所述质量性状层的权重获取过程，包括如下步骤：
S401，确定质量性状层的权重优化函数；
S402，获取质量性状层的权重经验值，并将其作为粒子，构建初始粒子群
Figure DEST_PATH_IMAGE016
；
S403，初始化粒子群速度，粒子群初始速度为
Figure DEST_PATH_IMAGE017
，定义初始粒子群的全局最优值Gi和粒子适应度个体极值Pi均为0；
S404，将每个粒子的值代入权重优化函数中，计算获得每个粒子的适应度值Fi；
S405，更新粒子群的速度和位置；
S406，将每个粒子的适应度值Fi和个体极值Pi相比较，若Fi＞Pi，则用Fi替换Pi；
S407，将每个粒子的适应度值Fi和全局最优值Gi相比较，若Fi＞Gi，则用Fi替换Gi；
S408，判断进化代数t≥e是否成立，e为最大进化代数，若成立则循环终止，获得全局最优值Gi所对应的权重粒子wi，否则重复步骤S405至S407，直至结束。
6.根据权利要求5所述的新产品质量管理方法，其特征在于，在步骤S405中，所述粒子群的速度计算公式为；
Figure DEST_PATH_IMAGE018
其中，
Figure DEST_PATH_IMAGE019
为粒子群中第K+1代第i个粒子的速度，
Figure DEST_PATH_IMAGE020
为粒子群中第k代第i个粒子的速度，当k=1时，
Figure 262456DEST_PATH_IMAGE020
=
Figure DEST_PATH_IMAGE021
；
Figure DEST_PATH_IMAGE022
为惯性因子，
Figure DEST_PATH_IMAGE023
和
Figure DEST_PATH_IMAGE024
为学习因子，
Figure DEST_PATH_IMAGE025
和
Figure DEST_PATH_IMAGE026
为[0,1]范围内的随机数，Pi为当前个体极值，Gi为当前全局最优值，
Figure DEST_PATH_IMAGE027
为第k代第i个粒子的值，当k=1时，
Figure 546414DEST_PATH_IMAGE027
=
Figure DEST_PATH_IMAGE028
；
所述粒子群的位置计算公式为：
Figure DEST_PATH_IMAGE029
其中，
Figure DEST_PATH_IMAGE030
为第k+1代第i个粒子的值，
Figure 704994DEST_PATH_IMAGE027
为第k代第i个粒子的值，当k=1时，
Figure 996298DEST_PATH_IMAGE027
=
Figure 732173DEST_PATH_IMAGE028
；
Figure 665493DEST_PATH_IMAGE020
为粒子群中第k代第i个粒子的速度，当k=1时，
Figure 52481DEST_PATH_IMAGE020
=
Figure 514687DEST_PATH_IMAGE021
。
7.一种新产品质量管理系统，其特征在于，包括：
体系构建模块，用于选取合格品作为标准品，获取标准品的质量数据，构建质量管理的指标体系，所述指标体系包括工序层、质量性状层和指标层；
标准化模块，用于获取待测品和标准品的指标层信息，对所述指标层中每个指标进行归一化处理，获得标准化指标值；
相似度计算模块，用于基于标准化指标值，计算待测品和标准品对应指标的相似度；所述待测品和标准品对应指标的相似度的计算公式为：
Figure 737858DEST_PATH_IMAGE001
其中，
Figure 943711DEST_PATH_IMAGE002
为待测品第i个工序层第j个质量性状层的标准化指标值，
Figure 683741DEST_PATH_IMAGE003
为标准品第i个工序层第j个质量性状层的标准化指标值，
Figure 582426DEST_PATH_IMAGE002
和
Figure 292893DEST_PATH_IMAGE003
的取值范围为[m,n]；
权重计算模块，用于获取工序层和质量性状层的权重，并计算指标层中每个指标对应的综合权重；
质量指数计算模块，用于根据所述相似度和综合权重，获得待测品的质量指数；所述待测品的质量指数的计算公式为：
Figure 36859DEST_PATH_IMAGE004
其中，
Figure 398439DEST_PATH_IMAGE005
为待测品的质量指数，
Figure 405709DEST_PATH_IMAGE006
为待测品和标准品对应指标的相似度，
Figure 400210DEST_PATH_IMAGE007
为第i个工序层第j个质量性状层的综合权重，y为工序层的个数，Z为质量性状层的个数。
CN202111416681.6A 2021-11-26 2021-11-26 一种新产品质量管理方法和系统 Active CN113837671B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111416681.6A CN113837671B (zh) 2021-11-26 2021-11-26 一种新产品质量管理方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111416681.6A CN113837671B (zh) 2021-11-26 2021-11-26 一种新产品质量管理方法和系统

Publications (2)

Publication Number Publication Date
CN113837671A CN113837671A (zh) 2021-12-24
CN113837671B true CN113837671B (zh) 2022-03-04

Family

ID=78971468

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111416681.6A Active CN113837671B (zh) 2021-11-26 2021-11-26 一种新产品质量管理方法和系统

Country Status (1)

Country Link
CN (1) CN113837671B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003525464A (ja) * 2000-03-02 2003-08-26 ライフラインズ テクノロジー インコーポレーテッド 活性化可能な時間−温度インジケータ・システム
CN110046812A (zh) * 2019-03-29 2019-07-23 湖北省标准化与质量研究院(湖北Wto/Tbt通报咨询中心) 城市安全发展水平的综合评价方法
CN111080176A (zh) * 2020-01-08 2020-04-28 浙江省农业科学院 一种农产品质量安全综合评价方法及系统
CN113408895A (zh) * 2021-06-18 2021-09-17 中国科学院地理科学与资源研究所 基于像元尺度的生态质量指数构建方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003525464A (ja) * 2000-03-02 2003-08-26 ライフラインズ テクノロジー インコーポレーテッド 活性化可能な時間−温度インジケータ・システム
CN110046812A (zh) * 2019-03-29 2019-07-23 湖北省标准化与质量研究院(湖北Wto/Tbt通报咨询中心) 城市安全发展水平的综合评价方法
CN111080176A (zh) * 2020-01-08 2020-04-28 浙江省农业科学院 一种农产品质量安全综合评价方法及系统
CN113408895A (zh) * 2021-06-18 2021-09-17 中国科学院地理科学与资源研究所 基于像元尺度的生态质量指数构建方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
汽车质量管理及技术绩效指标体系构建及研究分析;刘金松等;《中国汽车》;20211031;全文 *

Also Published As

Publication number Publication date
CN113837671A (zh) 2021-12-24

Similar Documents

Publication Publication Date Title
CN110110768B (zh) 基于并行特征学习和多分类器的滚动轴承故障诊断方法
CN108803486A (zh) 基于并联深度学习网络的数控机床热误差预测与补偿方法
CN113188794B (zh) 一种基于改进pso-bp神经网络齿轮箱故障诊断方法及装置
CN113015122B (zh) 基于物联网和无线传感器技术的装配式建筑质量监测分析方法
CN114280479A (zh) 一种基于电化学阻抗谱的退役电池快速分选方法
CN115614292B (zh) 一种立式水泵机组振动监测装置及其方法
CN107450428A (zh) 一种基于平移等效的主变压器油位实时监控方法
CN110930057A (zh) 基于lof算法的配电变压器检验结果可信度的量化评判方法
CN103902798B (zh) 数据预处理方法
CN113918642A (zh) 一种基于电力物联网设备的数据过滤监测预警方法
CN114997628A (zh) 一种基于多维特征数据的bim可视化设计分析管理平台
CN116956215A (zh) 一种传动系统故障诊断方法及系统
CN113837671B (zh) 一种新产品质量管理方法和系统
CN107463532A (zh) 一种电力统计数据的质量分析方法
CN114202141A (zh) 一种基于边云协同的计量设备检定线运行状态评估方法
CN112749893B (zh) 一种基于云计算的数据挖掘服务平台
Kuo et al. Screw defect detection system based on AI image recognition technology
CN116881530B (zh) 一种基于深度学习的器件表面缺陷检测系统
CN110222814B (zh) 基于嵌入式dcnn的乙烯裂解炉炉管重管识别方法
CN114819768B (zh) 一种电容器引出线焊接控制系统
CN112561231B (zh) 一种开关柜质量判定方法及系统
CN115496107A (zh) 基于数字孪生的航空发动机主轴轴承全生命周期分析方法
CN111259494B (zh) 重机设备健康监测分析方法
CN114970610A (zh) 一种基于格拉姆角场增强的电力变压器状态辨识方法及装置
CN115213735B (zh) 一种铣削加工过程刀具状态监测系统及方法

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
GR01 Patent grant
GR01 Patent grant