CN114862180A - 一种基于全生命周期的产品质量数据分析反馈方法及系统 - Google Patents
一种基于全生命周期的产品质量数据分析反馈方法及系统 Download PDFInfo
- Publication number
- CN114862180A CN114862180A CN202210467868.7A CN202210467868A CN114862180A CN 114862180 A CN114862180 A CN 114862180A CN 202210467868 A CN202210467868 A CN 202210467868A CN 114862180 A CN114862180 A CN 114862180A
- Authority
- CN
- China
- Prior art keywords
- product
- product quality
- stage
- manufacturing
- design
- 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 65
- 238000007405 data analysis Methods 0.000 title claims abstract description 39
- 238000004519 manufacturing process Methods 0.000 claims abstract description 101
- 238000013461 design Methods 0.000 claims abstract description 68
- 238000004458 analytical method Methods 0.000 claims abstract description 17
- 238000013507 mapping Methods 0.000 claims abstract description 17
- 238000007418 data mining Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 13
- 238000005065 mining Methods 0.000 claims description 5
- 208000034804 Product quality issues Diseases 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000006399 behavior Effects 0.000 claims 1
- 238000007726 management method Methods 0.000 abstract description 9
- 239000000463 material Substances 0.000 description 19
- 238000007619 statistical method Methods 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000013523 data management Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000011144 upstream manufacturing 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
- G06Q10/06—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Development Economics (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本公开属于产品生命周期管理技术领域,具体涉及一种基于全生命周期的产品质量数据分析反馈方法及系统,所述全生命周期包括设计阶段、制造阶段和服务阶段,包括:获取设计阶段与制造阶段,以及制造阶段与服务阶段的产品对象之间的关联映射关系;根据所获取的产品对象之间的关联映射关系,计算不同阶段产品质量问题发生概率;依据所得到的概率,判断产品质量问题的源头;根据所判断的产品质量问题的源头,完成产品质量的分析。
Description
技术领域
本公开属于产品生命周期管理技术领域,具体涉及一种基于全生命周期的产品质量数据分析反馈方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息,不必然构成在先技术。
产品设计制造完成后,在运维服务过程中,需要进行长期的使用和维护维修大修等服务,从而长期保持产品的使用价值,延长产品的寿命。因此产品的运维服务在产品的生命周期中具有重要的价值,对于复杂产品而言,运维服务水平直接决定产品市场。
产品质量源自设计阶段和制造阶段,但是质量问题往往在服务阶段才暴露出来。质量问题修复的代价很高,比设计阶段和制造阶段解决的成本高千倍,甚至无法修复。因此产品服务阶段的质量数据反馈到产品的设计阶段和制造阶段,能帮助消除质量问题,降低产品全生命周期成本。
产品的设计阶段和制造阶段决定了产品价值和70%-90%的生命周期成本,是产品生命周期中最重要的两个阶段。在产品更新换代或者迭代升级时,需要产品服务阶段的质量数据支持,改进产品设计和制造,提高产品质量,降低产品全生命周期成本。
据发明人了解,有的研究利用统计分析进行质量数据管理。制造过程中可以利用统计分析,保证过程质量,找到制造缺陷。在使用服务阶段,因为产品工况具有随机性,无法建立稳定的统计分析模型,进而找到问题源头。
有的研究利用数据挖掘质量问题源头,但是对于设计阶段而言,各个零部件的相关因素都是相同的,选项较少,没有合适的区分度。
发明内容
为了解决上述问题,本公开提出了一种基于全生命周期的产品质量数据分析反馈方法及系统,产品质量数据从服务阶段反馈到产品设计和制造阶段,有效消除产品质量问题。首先,将设计阶段和制造阶段、服务阶段数据集成在一起;其次,对服务阶段质量数据进行分析,找到质量问题源头;最后,将质量数据反馈到其问题源头,支持质量问题改进。
根据一些实施例,本公开的第一方案提供了一种基于全生命周期的产品质量数据分析反馈方法,采用如下技术方案:
一种基于全生命周期的产品质量数据分析反馈方法,所述全生命周期包括设计阶段、制造阶段和服务阶段,包括:
获取设计阶段与制造阶段,以及制造阶段与服务阶段的产品对象之间的关联映射关系;
根据所获取的产品对象之间的关联映射关系,计算不同阶段产品质量问题发生概率;
依据所得到的概率,判断产品质量问题的源头;
根据所判断的产品质量问题的源头,完成产品质量的分析。
作为进一步的技术限定,一个所述设计阶段的产品对象映射多个所述制造阶段的产品对象,所述制造阶段的产品对象与产品的制造批次相关,所述制造批次与制造过程中的人机料法环因素相关。
作为进一步的技术限定,一个所述制造阶段的产品对象映射多个所述服务阶段的产品对象,所述服务阶段的产品对象与产品的时空和工况相关。
作为进一步的技术限定,在计算不同制造批次产品质量问题发生概率的过程中,采用唯一确定的序列号表示产品对象,计算不同阶段产品质量问题发生概率的方差,将所得到的方差与预设阈值相比较,若方差在预设阈值范围内,则产品质量问题发生在设计阶段,将产品质量数据反馈至设计阶段,在设计阶段分析产品质量问题,支持改善产品的设计。
进一步的,若方差不在预设阈值范围内,则进行制造阶段产品质量数据的数据挖掘分析,根据数据挖掘分析得到的置信度级差判断产品质量问题是否发生在制造阶段。
进一步的,在数据挖掘分析的过程中,将制造阶段产品质量数据以及制造阶段的人机料法环因素组合成一个项集,基于关联规则挖掘对所得到的项集进行数据挖掘,将数据挖掘所得到的规则序列按照置信度降序排列,得到置信度序列;对所得到的置信度序列求取级差,根据得到的级差计算级差最大值、级差均值和级差方差,通过级差方差计算级差偏差阈值,判断级差均值与级差偏差阈值之和是否小于所述级差最大值,若是则产品质量问题发生在制造阶段,否则产品质量问题不发生在设计阶段和制造阶段。
进一步的,若产品质量问题发生在制造阶段,则根据质量问题关联规则匹配制造阶段中不同生产线的人机料法环因素,若匹配成功,则产品质量问题发生在制造阶段,在制造阶段分析产品质量,根据产品质量改善产品制造阶段的不同生产线上的人机料法环因素。
根据一些实施例,本公开的第二方案提供了一种基于全生命周期的产品质量数据分析反馈系统,采用如下技术方案:
一种基于全生命周期的产品质量数据分析反馈系统,所述全生命周期包括设计阶段、制造阶段和服务阶段,其特征在于,包括:
获取模块,被配置为获取设计阶段与制造阶段,以及制造阶段与服务阶段的产品对象之间的关联映射关系;
计算模块,被配置为根据所获取的产品对象之间的关联映射关系,计算不同阶段产品质量问题发生概率;
判断模块,被配置为依据所得到的概率,判断产品质量问题的源头;
分析模块,被配置为根据所判断的产品质量问题的源头,完成产品质量的分析。
根据一些实施例,本公开的第三方案提供了一种计算机可读存储介质,采用如下技术方案:
一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时实现如本公开第一方面所述的基于全生命周期的产品质量数据分析反馈方法中的步骤。
根据一些实施例,本公开的第四方案提供了一种电子设备,采用如下技术方案:
一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的程序,所述处理器执行所述程序时实现如本公开第一方面所述的基于全生命周期的产品质量数据分析反馈方法中的步骤。
与现有技术相比,本公开的有益效果为:
本公开建立了以设计-制造-服务三个阶段为全生命周期的产品质量数据分析路径,通过统计分析与数据挖掘的结合,分析质量问题源头,并将质量数据反馈到源头;若因设计阶段导致的质量问题需要返回到设计阶段,改进设计;若因制造阶段导致的质量问题,需要反馈到制造阶段,改进人机料法环等因素;解决了无法有效区分产品质量问题的源头是设计环节还是制造因素的难题,利用服务质量数据改进产品设计和制造,提高产品质量,减低产品生命周期成本。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的不当限定。
图1是本公开实施例一中的基于全生命周期的产品质量数据分析反馈方法的流程图;
图2是本公开实施例一中的基于全生命周期的产品质量数据分析反馈方法的具体过程示意图;
图3是本公开实施例一中的关联映射关系示意图;
图4是本公开实施例二中的基于全生命周期的产品质量数据分析反馈系统的结构框图。
具体实施方式
下面结合附图与实施例对本公开作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本公开提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本公开的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
名词解释:
产品数据管理:一门管理与产品相关的所有数据(包括工程规范、电子文档、扫描图像、CAD/CAPP/CAM文件、产品结构、产品定单、供应状况等)和过程(包括工作流程、审批/发放过程、工程更改单等) 的技术。
产品生命周期管理:是一项企业信息化战略,描述和规定产品生命周期过程中产品信息的创建、管理、分发和使用的过程与方法,给出一个信息基础框架,集成和管理相关的技术与应用系统,使用户在产品生命周期过程中协同开发、制造和管理产品,是为满足制造业对产品生命周期信息管理的需求而产生的一种新的管理模式。
产品服务:是指对产品售前、售中及售后的安装、调试、维护、维修、回收、再制造的服务,体现产品与服务相融合。
人机料法环测:是全面质量管理中六类影响质量的主要因素的简称。源自产品制造质量管理领域。其中,“人”是指制造产品的人员,包括人员对质量的认识、技术熟练程度、身体状态等;“机”是指制造产品所用的机器,包括机器设备和工具的精度、维护保养状态等;“料”指制造产品所使用的原材料,包括材料的成分、物理和化学性能等;“法”是指制造产品所使用的方法,包括加工工艺、工装选择和操作规程等;“环”是指产品制造过程中所处的环境,包括工作场地的温度、湿度、照明和卫生条件等。
BOM:物料清单(Bill of Material,Bom),采用计算机辅助企业生产管理,首先要使计算机能够读出企业所制造的产品构成和所有要涉及的物料,为了便于计算机识别,必须把用图示表达的产品结构转化成某种数据格式,这种以数据格式来描述产品结构的文件就是物料清单,即是Bom。它是定义产品结构的技术文件,因此,它又称为产品结构表或产品结构树。
实施例一
本公开实施例一介绍了一种基于全生命周期的产品质量数据分析反馈方法。
在设计阶段、制造阶段和服务阶段,产品处于不同的形态和不同的时空中,从数字形态到物理形态,从制造企业到用户。产品设计数据在设计院或者企业,制造数据在企业,使用服务数据在用户和服务商处。产品生命周期演化关系不清楚,导致产品服务阶段的质量数据无法反馈到产品生命周期上游;产品质量数据在产品生命周期下游,也无法通过数据分析,确定质量问题源头。
本实施例面向产品和零部件,建立清晰的产品或零部件演化路径。从产品设计到多批次制造的产品,到无数的物理产品,分析演过过程,建立映射关系,形成产品生命周期的演化路径,为数据反馈构建路径。
本实施例将统计分析和关联规则结合,可以分析出质量问题的源头是设计阶段还是制造阶段,再通过数据反馈构建路径,将质量问题反馈到相关阶段。
如图1所示的一种基于全生命周期的产品质量数据分析反馈方法,所述全生命周期包括设计阶段、制造阶段和服务阶段,包括:
获取设计阶段与制造阶段,以及制造阶段与服务阶段的产品对象之间的关联映射关系;
根据所获取的产品对象之间的关联映射关系,计算不同批次产品质量问题发生概率;
依据所得到的概率,判断产品质量问题的源头;
根据所判断的产品质量问题的源头,完成产品质量的分析。
作为一种或多种实施方式,在设计阶段中,统计一个设计对象的各个批次的质量问题发生概率。计算各个批次质量问题发生概率的方差,如果方差小于一定阈值,则质量问题源头在设计阶段;方差阈值选取,根据行业和产品不同而不同。否则,面向制造阶段,对所有批次产品数据进行数据挖掘分析;每个物理产品的质量问题及其生产过程中的人机料法环因素共同组成一个项集,对项集进行关联规则挖掘;将挖掘出来的以质量问题为后项的规则按照置信度进行降序排序,如果存在前面规则明显比后面规则的置信度高一定阈值,则质量问题源头在制造阶段,前面规则的前项就是问题源头;将服务阶段质量数据通过搭建的数据反馈路径,反馈到设计阶段或者制造阶段的人机料法环等因素,支持设计和制造改进。
作为一种或多种实施方式,产品有特定的层次结构,描述产品、部件和零件之间的组成关系,利用产品BOM或者产品结构树进行管理。产品有多个部件和多个零件组成,部件有多个子部件和多个零件组成,子部件有多个零件组成。
在质量管理中,可以面向整个产品进行质量数据分析,也可以面向部件/子部件和零件进行质量数据管理,因此用对象来描述产品、部件和零件。
产品生命周期主要研究产品设计、制造和服务阶段,涵盖了虚拟数字产品和物理实体产品两种形态。在设计阶段,一个设计对象D是一个产品或者部件、零件的抽象。同一个设计对象D,会生产多个批次产品B,带来了人机料法环等因素的不同。同一个批次对象B,会生产多个物理产品P,不同物理产品所处的时空不同,工况不同,导致不同的质量问题。其中的设计对象、批次对象和物理对象描述内容包括相应的产品、部件和零件数据。在产品质量数据分析时,面向每一类质量问题,分别进行数据分析和质量数据反馈。
在本实施例中,如图2所示,以特定质量问题Q为例,展开对本实施例中所提供的产品质量数据分析反馈方法的详细:
首先,建立如图3所示的设计阶段的设计对象D、生产阶段的批次对象Bi(i=1,2,…M)和服务阶段的物理对象 Pi.j(i=1,2,…M;j=1,2,…,N)的关联映射关系;其中,物理对象 Pi.j=(SNi,j,isFlti,j)。SNi,j是物理对象Pi.j的序列号,标识唯一的一个物理对象;isFlti,j=1表示物理对象Pi.j发生了质量问题Q,isFlti,j=0 表示物理对象Pi.j未发生质量问题Q。
其次,面向设计阶段,统计各个批次产品的质量问题发生概率。计算各个批次质量问题发生概率的方差,如果方差小于一定阈值,则质量问题源头在设计阶段。方差阈值选取,根据行业和产品不同而不同。
对于批次对象Bi(i=1,2,…M),统计其对应物理对象的质量问题Q的发生概率Pbi为:
计算批次对象Bi的质量问题发生概率Pbi的方差σB为:
如果σB≤σT,则设计对象D就是质量数据反馈源头,其中,σT为概率方差阈值。
再次,在制造阶段,对批次对象Bi(i=1,2,…M)数据进行数据挖掘分析。每个物理产品的质量问题及其制造过程中的人机料法环因素共同组成一个项集,进行关联规则挖掘。将挖掘出来的以该质量问题为后项的规则按照置信度进行降序排序,如果存在前n条规则明显比第n+1条的置信度高一定阈值,则质量问题源头在制造阶段,该n 条规则的前项就是问题源头。针对阈值的选取,根据行业和产品不同而不同。
具体的,每个物理对象Pi.j通过物理对象与批次对象的映射关系,追踪到制造时的人机料法环数据;每个物理对象Pi.j的人机料法环数据及质量问题形成一个项集:
ISi.j=(Mni.j,Mci.j,Mti.j,Mdi.j,Ei.j,isFlti.j),(i=1,2,…,M;j =1,2,…,N)
其中,Mni.j,Mci.j,Mti.j,Mdi.j,Ei.j分别表示Pi.j的人机料法环因素或者因素集合。isFlti.j=1表示Pi.j发生质量问题Q;isFlti.j=0表示 Pi.j没发生质量问题Q。
对于所有ISi.j进行关联规则挖掘,将挖掘出来的以质量问题Q为后项(isFlti.j=1)的规则按照置信度Cl(l=1,2,…,S)进行降序排序得到规则序列SR={Rl,(l=1,2,…,S;S=∑∑i,j)},对应的置信度序列 SC={Cl,(l=1,2,…,S)}。
对于置信度SC序列,求级差:
Dfl=Cl-Cl+1,(l=1,2,…,S-1)
求级差Dfl的级差最大值DfMax和级差均值DfAvg、级差方差σDf,既有:
DfMax≥Dfl,(l=1,2,…,S-1)
如果DfMax≥DfAvg+cst·σDf,则规则Rl(l=1,2,…,Max)为质量问题关联规则,其规则前项对应的Pi.j因素则为质量问题源头 Srcl(l=1,2,…,Max),其中cst为常量,根据行业和产品取不同值。
将产品问题数据反馈到问题源头。
如果质量问题源头在设计对象D,则:
所有物理对象Pi.j的质量数据反馈到相应批次对象Bi;
所有批次对象Bi质量数据反馈到设计对象D。
如果质量问题源头在批次对象Bi,则:
遍历质量问题关联规则Rl(l=1,2,…,Max)中每一个规则;
利用规则Rl前项去匹配Pi.j的人机料法环因素 (Mni.j,Mci.j,Mti.j,Mdi.j,Ei.j);
如果匹配成功,则Pi.j的质量数据反馈到Rl前项对应的制造阶段的人机料法环因素。
本实施例建立了以设计-制造-服务三个阶段为全生命周期的产品质量数据分析路径,通过统计分析与数据挖掘的结合,分析质量问题源头,并将质量数据反馈到源头;若因设计阶段导致的质量问题需要返回到设计阶段,改进设计;若因制造阶段导致的质量问题,需要反馈到制造阶段,改进人机料法环等因素;解决了无法有效区分产品质量问题的源头是设计环节还是制造因素的难题,利用服务质量数据改进产品设计和制造,提高产品质量,减低产品生命周期成本。
实施例二
本公开实施例二介绍了一种基于全生命周期的产品质量数据分析反馈系统。
如图4所示的一种基于全生命周期的产品质量数据分析反馈系统,所述全生命周期包括设计阶段、制造阶段和服务阶段,包括:
获取模块,被配置为获取设计阶段与制造阶段,以及制造阶段与服务阶段的产品对象之间的关联映射关系;
计算模块,被配置为根据所获取的产品对象之间的关联映射关系,计算不同阶段产品质量问题发生概率;
判断模块,被配置为依据所得到的概率,判断产品质量问题的源头;
分析模块,被配置为根据所判断的产品质量问题的源头,完成产品质量的分析。
详细步骤与实施例一提供的基于全生命周期的产品质量数据分析反馈方法相同,在此不再赘述。
实施例三
本公开实施例三提供了一种计算机可读存储介质。
一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时实现如本公开实施例一所述的基于全生命周期的产品质量数据分析反馈方法中的步骤。
详细步骤与实施例一提供的基于全生命周期的产品质量数据分析反馈方法相同,在此不再赘述。
实施例四
本公开实施例四提供了一种电子设备。
一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的程序,所述处理器执行所述程序时实现如本公开实施例一所述的基于全生命周期的产品质量数据分析反馈方法中的步骤。
详细步骤与实施例一提供的基于全生命周期的产品质量数据分析反馈方法相同,在此不再赘述。
以上所述仅为本公开的优选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (10)
1.一种基于全生命周期的产品质量数据分析反馈方法,所述全生命周期包括设计阶段、制造阶段和服务阶段,其特征在于,包括:
获取设计阶段与制造阶段,以及制造阶段与服务阶段的产品对象之间的关联映射关系;
根据所获取的产品对象之间的关联映射关系,计算不同阶段产品质量问题发生概率;
依据所得到的概率,判断产品质量问题的源头;
根据所判断的产品质量问题的源头,完成产品质量的分析。
2.如权利要求1中所述的一种基于全生命周期的产品质量数据分析反馈方法,其特征在于,一个所述设计阶段的产品对象映射多个所述制造阶段的产品对象,所述制造阶段的产品对象与产品的生产批次相关,所述生产批次与生产过程中的人机料法环因素相关。
3.如权利要求1中所述的一种基于全生命周期的产品质量数据分析反馈方法,其特征在于,一个所述制造阶段的产品对象映射多个所述服务阶段的产品对象,所述服务阶段的产品对象与产品的时空和工况相关。
4.如权利要求1中所述的一种基于全生命周期的产品质量数据分析反馈方法,其特征在于,在计算不同阶段产品质量问题发生概率的过程中,采用唯一确定的序列号表示产品对象,计算不同阶段产品质量问题发生概率的方差,将所得到的方差与预设阈值相比较,若方差在预设阈值范围内,则产品质量问题发生在设计阶段,根据所得到的方差反馈至设计阶段,在设计阶段分析产品质量,根据产品质量改善产品的设计方案。
5.如权利要求4中所述的一种基于全生命周期的产品质量数据分析反馈方法,其特征在于,若方差不在预设阈值范围内,则进行生产阶段产品质量数据的数据挖掘分析,根据数据挖掘分析得到的置信度级差判断产品质量问题是否是发生在生产阶段。
6.如权利要求5中所述的一种基于全生命周期的产品质量数据分析反馈方法,其特征在于,在数据挖掘分析的过程中,将生产阶段产品质量数据以及制造阶段的人机料法环因素组合成一个项集,基于关联规则挖掘对所得到的项集进行数据挖掘,将数据挖掘所得到的规则序列按照置信度降序排列,得到置信度序列;对所得到的置信度序列求取级差,根据得到的级差计算级差最大值、级差均值和级差方差,通过级差方差计算级差偏差阈值,判断级差均值与级差偏差阈值之和是否小于所述级差最大值,若是则产品质量问题发生在制造阶段,否则产品质量问题不发生在设计阶段和制造阶段。
7.如权利要求6中所述的一种基于全生命周期的产品质量数据分析反馈方法,其特征在于,若产品质量问题发生在制造阶段,则根据质量问题关联规则匹配制造阶段中不同生产线的人机料法环因素,若匹配成功,则产品质量问题发生在制造阶段,在制造阶段分析产品质量,根据产品质量数据改善产品制造阶段的不同生产线上的人机料法环因素。
8.一种基于全生命周期的产品质量数据分析反馈系统,所述全生命周期包括设计阶段、制造阶段和服务阶段,其特征在于,包括:
获取模块,被配置为获取设计阶段与制造阶段,以及制造阶段与服务阶段的产品对象之间的关联映射关系;
计算模块,被配置为根据所获取的产品对象之间的关联映射关系,计算不同阶段产品质量问题发生概率;
判断模块,被配置为依据所得到的概率,判断产品质量问题的源头;
分析模块,被配置为根据所判断的产品质量问题的源头,完成产品质量的分析。
9.一种计算机可读存储介质,其上存储有程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一项所述的基于全生命周期的产品质量数据分析反馈方法中的步骤。
10.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7中任一项所述的基于全生命周期的产品质量数据分析反馈方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210467868.7A CN114862180A (zh) | 2022-04-29 | 2022-04-29 | 一种基于全生命周期的产品质量数据分析反馈方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210467868.7A CN114862180A (zh) | 2022-04-29 | 2022-04-29 | 一种基于全生命周期的产品质量数据分析反馈方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114862180A true CN114862180A (zh) | 2022-08-05 |
Family
ID=82635253
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210467868.7A Pending CN114862180A (zh) | 2022-04-29 | 2022-04-29 | 一种基于全生命周期的产品质量数据分析反馈方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114862180A (zh) |
-
2022
- 2022-04-29 CN CN202210467868.7A patent/CN114862180A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20080208661A1 (en) | Method and system of using anrtifacts to identify elements of a component business model | |
CN106991196B (zh) | 一种通用的数据追溯方法及系统 | |
CN111736875A (zh) | 版本更新监控方法、装置、设备及计算机存储介质 | |
CN110796416B (zh) | 一种基于工业联网订单处理方法及计算机存储介质 | |
CN101794106A (zh) | 质量控制系统、质量控制装置以及质量控制方法 | |
CN105868956A (zh) | 一种数据处理方法及装置 | |
KR100982527B1 (ko) | 통합 블록정도 관리 시스템 및 방법 | |
CN116303385A (zh) | 一种数据稽核方法、装置、电子设备及存储介质 | |
CN111650912A (zh) | 一种面向智慧工厂/车间的智能制造生产管理平台 | |
CN113592378A (zh) | 一种大型复杂设备的bom构建方法及其管理系统 | |
US20050096768A1 (en) | System and method for formulating and redacting bending procedures used in manufacturing | |
CN109242259B (zh) | 一种基于基础数据资源库的数据集成方法及系统 | |
CN114862180A (zh) | 一种基于全生命周期的产品质量数据分析反馈方法及系统 | |
US11935001B2 (en) | Computer aided design assembly part scraping | |
US20230054470A1 (en) | Industrial internet of things, control methods, and storage mediums for automatic executing product manufacturing based on tasks | |
CN115660261A (zh) | 生产订单信息处理方法、计算机装置和存储介质 | |
CN104732361A (zh) | 建立小麦加工企业的idef模型的方法 | |
CN101499147A (zh) | 产品生命周期管理系统及其方法 | |
US20140149186A1 (en) | Method and system of using artifacts to identify elements of a component business model | |
CN110262973B (zh) | 数据养成维护方法、装置、设备及计算机存储介质 | |
Ye | Information infrastructure of engineering collaboration in a distributed virtual enterprise | |
Tanaga et al. | Material Requirement Planning Information System: Prototype And Lead Time Analysis | |
CN116258557B (zh) | 基于化学安全产品渠道的网络分销系统 | |
CN117350520B (zh) | 一种汽车生产优化方法和系统 | |
WO2024027224A1 (zh) | 基于缝纫计件的智能生产系统、方法、介质及计算机设备 |
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 |