CN115496408A - 产品质量控制方法、装置、存储介质及电子设备 - Google Patents
产品质量控制方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN115496408A CN115496408A CN202211289092.0A CN202211289092A CN115496408A CN 115496408 A CN115496408 A CN 115496408A CN 202211289092 A CN202211289092 A CN 202211289092A CN 115496408 A CN115496408 A CN 115496408A
- Authority
- CN
- China
- Prior art keywords
- target
- characteristic data
- quality
- quality characteristic
- 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.)
- Pending
Links
- 238000003908 quality control method Methods 0.000 title claims abstract description 27
- 238000003860 storage Methods 0.000 title claims abstract description 27
- 238000004519 manufacturing process Methods 0.000 claims abstract description 117
- 238000000034 method Methods 0.000 claims abstract description 93
- 230000002159 abnormal effect Effects 0.000 claims abstract description 38
- 230000008569 process Effects 0.000 claims description 61
- 239000000463 material Substances 0.000 claims description 11
- 239000006185 dispersion Substances 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 2
- 238000007726 management method Methods 0.000 abstract description 20
- 238000005516 engineering process Methods 0.000 abstract description 6
- 239000000047 product Substances 0.000 description 184
- 238000007689 inspection Methods 0.000 description 28
- 238000012545 processing Methods 0.000 description 16
- 238000003070 Statistical process control Methods 0.000 description 15
- 238000004458 analytical method Methods 0.000 description 15
- 238000005070 sampling Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 8
- 238000013500 data storage Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002688 persistence Effects 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 239000011265 semifinished product Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000013256 coordination polymer Substances 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 239000002699 waste material Substances 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
- G06F16/23—Updating
-
- 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
- G06F16/2462—Approximate or statistical queries
-
- 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
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- 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
- G06F16/248—Presentation of query results
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Computational Linguistics (AREA)
- Entrepreneurship & Innovation (AREA)
- Software Systems (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Marketing (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本申请公开了一种产品质量控制方法、装置、存储介质及电子设备。该方法包括:基于预设的采集周期采集产品生产过程中的质量特性数据,并基于质量特性数据更新实时数据库,其中,在每个采集周期内采集一组质量特性数据,实时数据库存储有目标采集周期及目标采集周期之前的第一数量个采集周期所采集的多组质量特性数据,目标采集周期为当前时刻所在的采集周期;基于实时数据库中的多组质量特性数据确定目标参数,目标参数用于反映多组质量特性数据的稳定性;基于目标参数确定目标产品质量状态,在目标产品质量状态异常时,执行预设的质量管理操作。本申请解决了由于相关技术无法实时分析生产过程中的关键质量特性,导致产品的良品率较低的技术问题。
Description
技术领域
本申请涉及产品质量控制技术领域,具体而言,涉及一种产品质量控制方法、装置、存储介质及电子设备。
背景技术
随着用户需求的多样化和市场竞争的日益激烈,可靠的产品质量成为制造业立足行业并赖以发展的根本。在生产过程中的关键质量数据是形成产品最终质量的关键。
现阶段,国内绝大多数制造业对于产品在制造过程中的质量检测大多数还是依赖一些传统的检测设备,而且检测的数据通常都是纸质文档记录,在产品生产以后进行过程统计分析,因此,传统的检测设备无法在产品生产过程中进行实时监控,且产品的质量数据出现异常后不能及时发现和调整,导致批量出现不合格产品,产品的良品率较低,造成严重的资源浪费。
另外,相关质量检测方法不能自动对产品的整个生产周期产生的所有质量数据进行统计分析,不便于根据统计分析结果进行生产工艺的调整,并且企业只能依据过往经验判断产品是否合格,导致合格误差率较大。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种产品质量控制方法、装置、存储介质及电子设备,以至少解决由于相关技术无法实时分析生产过程中的关键质量特性,导致产品的良品率较低的技术问题。
根据本申请实施例的一个方面,提供了一种产品质量控制方法,包括:基于预设的采集周期采集产品生产过程中的质量特性数据,并基于质量特性数据更新实时数据库,其中,在每个采集周期内采集一组质量特性数据,实时数据库中存储有目标采集周期及目标采集周期之前的第一数量个采集周期所采集的多组质量特性数据,目标采集周期为当前时刻所在的采集周期;基于实时数据库中的多组质量特性数据确定目标参数,目标参数用于反映多组质量特性数据的稳定性;基于目标参数确定目标产品质量状态,并在目标产品质量状态异常时,执行预设的质量管理操作。
可选地,基于预设的采集周期采集产品生产过程中的质量特性数据,并基于质量特性数据更新实时数据库,包括:过滤产品生产过程中质量特性数据的波动数据,其中,波动数据包括以下至少之一:因调试设备导致质量特性数据产生波动的第一波动数据、因更换投入材料导致质量特性数据产生波动的第二波动数据或者因更换口型板导致质量特性数据产生波动的第三波动数据。
可选地,基于实时数据库中的多组质量特性数据确定目标参数,包括:基于实时数据库中的多组质量特性数据,计算多组质量特性数据的目标均值和目标极差,其中,目标均值用于反映多组质量特性数据的集中趋势,目标极值用于反映多组质量特性数据的离散程度;基于目标均值和目标极差计算目标能力参数和目标控制限,其中,目标能力参数中包括:目标过程性能参数和目标过程能力参数,目标控制限用于限定实时数据库中的多组质量特性数据的控制范围。
可选地,在基于实时数据库中的多组质量特性数据确定目标参数之后,方法包括:按照获取每组质量特性数据的先后顺序,将各组质量特性数据的均值和极值在相应的控制图中进行描点,并结合目标控制限得到目标控制图,其中,目标控制图用于反映目标采集周期内产品生产过程的受控状态。
可选地,基于目标参数确定目标产品质量状态包括:当目标能力参数大于预设阈值确定目标产品质量状态为稳定状态,其中,在稳定状态下,继续保持产品生产过程中的质量特性数据;当目标能力参数小于预设阈值时,确定目标产品质量状态为异常状态;在目标质量状态异常时,执行预设的质量管理操作,包括:执行与异常状态对应的质量管理操作。
可选地,将采集产品生产过程中的全部质量特性数据将上传至时序数据库,其中,时序数据库中存储有历史采集周期采集的质量特性数据及历史采集周期之前的第二数量个采集周期所采集的多组质量特性数据,其中,第二数量大于第一数量;响应于目标对象的查询指令,确定历史采集周期,其中,查询指令用于查询历史采集周期内的历史产品质量状态;基于时序数据库中的多组质量特性数据确定历史目标参数,历史目标参数用于反映查询时间段内的多组质量特性数据的稳定性;基于历史目标参数确定目标产品质量状态。
可选地,基于时序数据库中的多组质量特性数据确定历史目标参数,包括:基于时序数据库中的多组质量特性数据,计算历史采集周期内的多组质量特性数据的历史目标均值和历史目标极差,其中,历史目标均值用于反映历史采集周期内的多组质量特性数据的集中趋势,历史目标极值用于反映历史采集周期内的多组质量特性数据的离散程度;基于历史目标均值和历史目标极差计算历史目标能力参数,其中,历史目标能力参数用于判断目标产品质量状态。
根据本申请实施例的另一方面,还提供了一种产品质量控制装置,该装置包括:采集模块,用于基于预设的采集周期采集产品生产过程中的质量特性数据,并基于质量特性数据更新实时数据库,其中,在每个采集周期内采集一组质量特性数据,实时数据库中存储有目标采集周期采集的质量特性数据及目标采集周期之前的第一数量个采集周期所采集的多组质量特性数据,目标采集周期为当前时刻所在的采集周期;确定模块,用于基于实时数据库中的多组质量特性数据确定目标参数,目标参数用于反映多组质量特性数据的稳定性;控制模块,用于基于目标参数确定目标产品质量状态,并在目标产品质量状态异常时,执行预设的质量管理操作。
根据本申请实施例的另一方面,还提供了一种非易失性存储介质,非易失性存储介质包括存储的程序,其中,在程序运行时控制非易失性存储介质所在设备执行上述的产品质量控制方法。
根据本申请实施例的另一方面,还提供了一种电子设备,该电子设备种包括:存储器和处理器,其中,存储器中存储有计算机程序,处理器被配置为通过计算机程序执行上述的产品质量控制方法。
在本申请实施例中,基于预设的采集周期采集产品生产过程中的质量特性数据,并基于质量特性数据更新实时数据库,其中,在每个采集周期内采集一组质量特性数据,实时数据库中存储有目标采集周期采集的质量特性数据及目标采集周期之前的第一数量个采集周期所采集的多组质量特性数据,目标采集周期为当前时刻所在的采集周期;基于实时数据库中的多组质量特性数据确定目标参数,目标参数用于反映多组质量特性数据的稳定性;基于目标参数确定目标产品质量状态,在目标产品质量状态异常时,执行预设的质量管理操作。其中,通过将采集的质量特性数据上传至实时数据库种,便于后续对产品质量进行监控和管理;另外,通过质量特性数据确定控制图和目标参数,方便相关技术人员从中及时发现问题,从而提升在生产过程中的产品良品率,进而解决了由于相关技术无法实时分析生产过程中的关键质量特性,导致产品的良品率较低技术问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的一种可选的用于产品质量控制方法的计算机终端的硬件结构示意图;
图2是根据本申请实施例的一种产品质量控制方法的流程示意图;
图3是根据本申请实施例的一种可选的实时SPC分析显示屏的示意图;
图4是根据本申请实施例的一种可选的实时SPC分析显示屏的示意图;
图5是根据本申请实施例的一种可选的实时SPC分析显示屏的示意图;
图6是根据本申请实施例的一种产品质量控制装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请二部分的实施例,而不是全部的实施例。基于本申请中的实施例,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,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了更好地理解本申请实施例,对本申请实施例进行描述的过程中出现的部分名词或术语翻译解释如下:
SPC(Statistical Process Control,统计过程控制):一种借助数理统计方法的过程控制工具。它对生产过程进行分析评价,根据反馈信息及时发现系统性因素出现的征兆,并采取措施消除其影响,使过程维持在仅受随机性影响的受控状态,以达到控制质量的目的。其中,当过程仅受随机因素影响时,过程处于统计控制状态(简称受控状态);当过程中存在系统因素的影响时,过程处于统计失控状态(简称失控状态)。由于过程波动具有统计规律性,当过程受控时,过程特性一般服从稳定的随机分布;而失控时,过程分布将发生改变,SPC正是利用过程波动的统计规律性对过程进行分析控制。
MES(Manufacturing Execution System,制造执行系统):MES是位于上层计划管理系统与底层工业控制之间、面向车间层的管理信息系统。它作为操作人员、管理人员提供计划的执行、跟踪以及所有资源的当前状态信息。在生产过程中,借助实时准确的信息,MES引导、发起、响应、报告生产活动,做出快速的响以应对变化,减少无附加价值的生产活动,提高操作及流程的效率。
关键质量特性(Critical to Quality,CTQ):公司生产、工艺、质量等相关部分根据产品的特性及相关的工艺要求,制定的通用生产制造过程的关键质量特征。通过产品的关键质量特性可以预测产品未来可能要发生的隐患,并长期把握产品特性和过程参数,保证产品质量可控。
CPK(Capability of Process index,过程能力指数):指过程本身的能力,主要用于周期性的过程评价。通常,CPK作为大批量生产后的生产能力评价,其样本容量一般是大于或等于100,且要求计算的CPK>1.33。另外,在进行计算时采用的σ是经验公式。
PPK(Performance of Process index,过程性能指数):指过程在一段时间内的表现,主要用于实时过程性能研究和初始过程能力评估。通常,PPK作为小批量生产的过程性能评价,其样本容量一般为30~50,且要求计算的PPK>1.67。另外,在进行计算时采用的σ是标准S。
实施例1
在相关技术中,通常是采用人工测量的方法进行统计并控制产品的关键质量数据,但是对于复杂产品而言,其在生产过程中具有高要求、多变量等特点,因而要求生产制造车间需要更加灵活、柔性、敏捷地响应多变的质量需求,人工测量的方法存在计算工作量繁重且效率极低的问题,不利于及时分析出影响生产的因素,且不够重视车间生产的数据采集、实时优化。
为了解决该问题,本申请实施例中通过SPC分析产品生产过程中的质量特性数据,实现实时获取产品的质量特性数据,及时分析出影响生产的因素,并对生产过程进行实时优化,从而可以解决上述问题,以下详细说明。
根据本申请实施例,提供了一种产品质量控制方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。图1示出了一种用于产品质量控制方法的计算机终端的硬件结构框图。如图1所示,计算机终端10可以包括一个或多个(图中采用102a、102b,……,102n来示出)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输模块106。除此以外,还可以包括:显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为BUS总线的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述电子装置的结构造成限定。例如,计算机终端10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
应当注意到的是上述一个或多个处理器102和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外,数据处理电路可为单个独立的处理模块,或全部或部分的结合到计算机终端10中的其他元件中的任意一个内。如本申请实施例中所涉及到的,该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。
存储器104可用于存储应用软件的软件程序以及模块,如本申请实施例中的产品质量控制方法对应的程序指令/数据存储装置,处理器102通过运行存储在存储器104内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的应用程序的漏洞检测方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中,传输装置106包括一个网络适配器(Network Interface Controller,NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置106可以为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
显示器可以例如触摸屏式的液晶显示器(LCD),该液晶显示器可使得用户能够与计算机终端10的用户界面进行交互。
在上述运行环境下,本申请实施例提供了一种产品质量控制方法,如图2所示,该方法包括步骤S202-S206,其中:
步骤S202,基于预设的采集周期采集产品生产过程中的质量特性数据,并基于质量特性数据更新实时数据库,其中,在每个采集周期内采集一组质量特性数据,实时数据库中存储有目标采集周期采集的质量特性数据及目标采集周期之前的第一数量个采集周期所采集的多组质量特性数据,目标采集周期为当前时刻所在的采集周期。
具体地,为了达到节省人力和减少工作量的目的,本申请实施例中可以采用传感器以及上位机对生产过程中的质量特性数据按照产品、车间、工序等不同维度进行采集,其中,采集的质量特性数据的信息中至少包括:工厂号、实测值、时间戳、物料编码、业务日期等信息。
在产品质量控制过程中,为了实现对产品质量特性数据进行监控和管理,帮助相关技术部门做出高效、精准的决策,需要对产品生产过程中的质量特性数据进行准确采集,并将其传输到数据存储管理平台内。通常,选择合理的数据库进行存储,可以有效减少数据检索的时间,提高数据查询的准确度,是后续数据处理分析的基础。目前常用的数据库技术包括:以MySQL、Oracle、SQL Server等SQL数据库,以Redis、HBase等NoSQL数据库,以及NewSQL数据库。
由于在制造业中质量数据对实时性要求较高,因此,在本申请实施例中实时数据库可以是redis数据库,以保障数据存储的低时延性。其中,redis数据库作为一种高性能的key-value数据结构存储数据库,其主要具备以下特点:其一,redis数据库支持数据的持久化,可以将内存中的数据保存在磁盘中,重启时候可以再次加载进行使用;其二,redis数据库支持数据的备份;其三,redis数据库可以支持多种数据结构的存储。
另外,在产品生产过程中,为了保证产品质量以及方便检验产品质量特性,可以针对不同生产环节或生产工序,需要设置不同的检验点,这些检验点是检验人员进行检验产品质量特性数据,合理设置检验点可以更好地保障检验工作质量,提升检验效率。其中,同类产品在同一检验点检验,不同类别产品分别设置不同的检验点。
可选地,对产品生产过程中的不同的检验点设置不同的采样周期。例如,针对质量特性数据变化较慢的生产工序,设置的检验点的采样周期较长;而针对质量特性数据变化较快的生产工序,设置的检验点的采样周期较短。
具体地,产品生产过程中设置的检验点称为过程检验点。过程检验是为了判断半成品能否由上一道工序转入下一道工序所进行的检验,其目的是为了提早发现不良品。根据生产车间的规模大小,一般在一个工厂可设立一个或多个工序检验点,其任务是负责制定范围内的工序首件检验,巡回检验和跨车间加工零件的中间检验。
在产品生产过程中影响产品质量的因素错综复杂,为了后续对产品质量特性数据进行准确分析。可选地,过滤产品生产过程中质量特性数据的波动数据,其中,波动数据包括以下至少之一:因调试设备导致质量特性数据产生波动的第一波动数据、因更换投入材料导致质量特性数据产生波动的第二波动数据或者因更换口型板导致质量特性数据产生波动的第三波动数据。
需要说明的是,波动数据需要根据实际生产过程确定,在实际生产过程中波动数据还可以包括:技术人员受企业管理体系以及本身的技术水平导致质量特性数据产生波动,不同仪器设备安装导致质量特性数据产生波动,不同材料受仓储条件导致质量特性数据产生波动等。
作为一种可选的实施方法,由于影响产品质量的因素各不相同,不同因素对产品质量的影响程度也各不相同,为了提升产品的良品率,还可以对产品生产过程中的质量特性数据进行分级其中,对优先级较高的质量特性数据优先进行分析与控制,从而保证对产品质量影响较大的因素可以提早发现问题,并及时进行控制。
步骤S204,基于实时数据库中的多组质量特性数据确定目标参数,目标参数用于反映多组质量特性数据的稳定性。
可选地,基于实时数据库中的多组质量特性数据,计算多组质量特性数据的目标均值和目标极差,其中,目标均值用于反映多组质量特性数据的集中趋势,目标极值用于反映多组质量特性数据的离散程度;基于目标均值和目标极差计算目标能力参数和目标控制限,其中,目标能力参数中包括:目标过程性能参数和目标过程能力参数,目标控制限用于限定实时数据库中的多组质量特性数据的控制范围。
具体地,可以通过如下公式计算多组质量特性数据的目标均值:
通过公式如下公式计算多组质量特性数据的目标极值:
确定目标均值和目标极值之后,继续通过目标均值和目标极值确定目标能力参数和目标控制限,其中,目标均值的控制中值限为目标均值的控制上限为目标均值的控制下限为目标极值的控制中值限为目标极值的控制上限为目标极值的控制下限为
其中,有用系数A2、D3、D4的取值可以按照每组质量特性数据的容量决定,具体取值参考表1。
表1
子组容量 | A<sub>2</sub> | D<sub>3</sub> | D<sub>4</sub> |
2 | 1.88 | / | 3.27 |
3 | 1.02 | / | 2.57 |
4 | 0.73 | / | 2.28 |
5 | 0.58 | / | 2.11 |
6 | 0.48 | / | 2.00 |
7 | 0.42 | 0.08 | 1.92 |
8 | 0.37 | 0.14 | 1.86 |
9 | 0.34 | 0.18 | 1.82 |
10 | 0.31 | 0.22 | 1.78 |
依据多组质量特性数据的目标均值和目标极值,计算目标过程性能参数和目标过程能力参数,具体地,目标过程性能参数的计算公式如下:
目标过程能力参数的计算公式如下:
其中,USL和LSL分别表示产品规格的上限和下限,不同产品的规格限各不相同。
为了判断产品生产过程是否稳定,及时发现产品生产过程中的异常情况并及时预防不合格产品。
在本申请的一些实施例中,基于实时数据库中的多组质量特性数据确定目标参数之后,还可以按照获取每组质量特性数据的先后顺序,将各组质量特性数据的均值和极值在相应的控制图中进行描点,并结合目标控制限得到目标控制图,其中,目标控制图用于反映目标采集周期内产品生产过程的受控状态。
需要说明的是,若控制图内的描点落在控制限之外,或者各描点在控制限之间的随机波动浮动较大,说明生产过程处于失控状态。
步骤S206,基于目标参数确定目标产品质量状态,并在目标产品质量状态异常时,执行预设的质量管理操作。
可选地,基于目标参数确定目标产品质量状态包括:当目标能力参数大于预设阈值确定目标产品质量状态为稳定状态,其中,在稳定状态下,继续保持产品生产过程中的质量特性数据;当目标能力参数小于预设阈值时,确定目标产品质量状态为异常状态;在目标质量状态异常时,执行预设的质量管理操作,包括:执行与异常状态对应的质量管理操作。
具体地,当目标参数大于预设阈值时,说明产品质量特性数据的变化趋势较好,目标产品质量状态处于稳定状态,不需要对产品生产过程中的质量特性数据进行调整;当目标参数小于预设阈值时,说明产品质量特性数据的变化趋势较差,目标产品质量状态处于异常状态,需要具体针对出现异常的位置进行维护和处理,包括:对异常信息的查询、处理、分类统计和形成改进状态报告。
为了有效提醒并及时处理产品生产过程中出现的异常信息,可以利用不同颜色清晰标注出目标产品质量异常信息的处理状态,如:红色表示该异常信息未处理,黄色表示该异常信息逾期处理,绿色表示该异常信息按照正常进度处理,白色表示异常信息已处理。
在分析完实时采集的目标质量特性数据之后,作为一种可选的实施方法,还可以将采集产品生产过程中的全部质量特性数据将上传至时序数据库,其中,时序数据库中存储有历史采集周期采集的质量特性数据及历史采集周期之前的第二数量个采集周期所采集的多组质量特性数据,其中,第二数量大于第一数量;响应于查询指令,确定历史采集周期,其中,查询指令用于查询历史采集周期内的历史产品质量状态;基于时序数据库中的多组质量特性数据确定历史目标参数,历史目标参数用于反映查询时间段内的多组质量特性数据的稳定性;基于历史目标参数确定目标产品质量状态。
可选地,在上传查询时间段内的多组质量特性数据之前,还可以利用采样标识区分各组之间的质量特性数据,并将上传openTSDB时序数据库。其中,采样标识可以为SamplFlag。
可选地,时序数据库可以是openTSDB时序数据库,其中,openTSDB时序数据库是一种基于HBase的分布式、可伸缩的开源时序数据库,它的特点是能够提供最高毫秒级精度的时间序列存储数据,能够长久保存原始数据并且不失精度。
可选地,基于时序数据库中的多组质量特性数据,计算历史采集周期内的多组质量特性数据的历史目标均值和历史目标极差,其中,历史目标均值用于反映历史采集周期内的多组质量特性数据的集中趋势,历史目标极值用于反映历史采集周期内的多组质量特性数据的离散程度;基于历史目标均值和历史目标极差计算历史目标能力参数,其中,历史目标能力参数用于判断目标产品质量状态。
具体地,历史目标能力参数、历史目标均值和历史目标极差的计算方式与上述目标能力参数、目标均值和目标极差的计算方式相同。
可选地,可以基于历史目标参数更新预设阈值。
具体地,为了确保产品的良品率,需要保证产品生产过程的性能参数和能力参数越大越好。在本申请中通过历史目标参数更新预设阈值,其中,不同历史查询时间段的历史目标参数均不相同,使得相关业务人员可以选取不同历史查询时间段的历史目标参数更新预设阈值,从而可以结合实际生产情况判断实时产品质量状态,相比于通用的预设阈值而言,将历史目标参数与实时目标参数进行比较判断产品质量状态,更能协助相关技术人员快速发现并分析生产过程中存在的潜在问题。
作为一种可选的实施方式,以轮胎生产过程为例,对上述产品质量控制方法进行详细说明。
首先,在产品生产过程中的多个检验点放置传感器,MES上位机根据各个检验点预设的采样周期直接在生产线上采集当前采集周期的质量特性数据,并将当前采集周期及当前采集周期之前的第一数量个采集周期所采集的多组质量特性数据上传至redis数据库;相关业务人员可以通过终端确定历史采集周期,MES上位机将按照预设的采样周期采集某历史时间段内的全部质量特性数据,并将历史采集周期及历史采集周期之前的第二数量个采集周期所采集的多组质量特性数据按照采样标识SamplFlag置0或1区分组间质量特性数据,将区分后的携带采样标识的多组质量特性数据上传openTSDB时序数据库。
在采集质量特性数据过程中,还需要将生产过程中因更换投入料、更换口型板、调试设备参数等操作会产生波动数据进行过滤,保证在自动稳定生产模式下分析的质量特性数据。需要说明的是,在实际操作中可以通过每个设备上增加设备状态点切换设备状态。具体地,在进行更换投入料、更换口型板、调试设备参数等操作时,将设备状态点置为0,此时设备处于人工调试状态;当设备处于稳定自动生产状态时,将设备状态点置为1,此时通过MES上位机进行质量特性数据采集。
其中,上传至数据库中的质量特性数据中可以包括以下信息:Metric(工厂号);Semi_Route(机台号、分析点名);Timestamp(时间戳);Value(实测值);Tags-orderItemkey(计划key);Tags-PartNumber(物料编码);Tags-bizDateShift(业务日期班次);Tags-ClassValue(班组);Tags-SamplFlag(采样标识)。
接着,每隔15秒从redis实时数据库中获取一组质量特性数据至容量为25组的第一队列数据,其中,每组容量为5。当获取25组质量特性数据后,通过步骤204中的公式计算第一队列数据的目标极值、目标均值、极值控制限、均值控制限、CPK以及PPK。将计算结果返回至SPC分析实时大屏中进行显示。
然后,将历史查询时间划分为25段,并在每个子历史查询时间段内每隔15秒从openTSDB时序数据库中获取一组质量特性数据至容量为25组的第二队列数据,其中,每组容量为5。当在每个子历史查询时间段内获取25组质量特性数据后,通过步骤204中的公式计算第二队列数据的历史目标极值、历史目标均值、历史极值控制限、历史均值控制限、历史CPK以及历史PPK。将计算结果返回至SPC分析实时大屏中进行显示。
图3示出了一种可选的实时SPC分析显示屏的示意图。如图3所示,左边的三个图(均值控制图、极值控制图和历史曲线图)中,均值控制图内的部分描点超出控制限,说明组间数据的均值差异较大,生产过程处于失控状态;极值控制图中各描点的离散程度较大,且绝大多数的描点超过了控制上限,说明各组质量特性数据的离散程度较大,且组内质量特性数据的离散程度也较大;历史曲线图中部分组的数据与标准值的差异较大,说明数据的波动较大。
由于左图中各组数据波动较大,说明目标产品质量状态异常,需要对产品生产过程出现异常的数据进行分析,并对生产过程进行调整。进一步地,重新获取数据进行SPC分析,并绘制出右边的三个图(均值控制图、极值控制图和历史曲线图)中,均值控制图内的全部描点均在控制限内,说明各组质量特性数据的均值相差较小;极值控制图中各描点均在控制上限之下,说明各组质量特性数据的离散程度较小,且各组的极值波动也较小,说明各组的组内数据的离散程度较小;历史曲线图中各组组间的数据在标准值左右轻微波动,说明数据的波动较小,数据较为准确。
为了更加清楚地对各组数据进行展示,图4示出了另一种可选的实时SPC分析显示屏的示意图。如图4所示,获取的25组数据的均值控制图,极差控制图和标准差控制图均分布在控制限内,且在控制中线左右波动,说明目标产品质量状态稳定。
同时,图5示出了另一种可选的实时SPC分析显示屏的示意图,图5直观展示了历史查询时间段内的25组第二队列的组均值,极差和方差,并展示了查询时间段的产品合格率、平均值、CP(Process Capability,过程能力)值和CPK值。
最后,通过结合实时SPC分析显示的计算结果及控制图,以及历史SPC分析显示的计算结果及控制图,依据控制图的变化趋势判断质量特性数据变差的普通原因及特殊原因,相关业务人员可以结合现场情况自行分析,及时对产品生产过程做出调整,从而保证生产过程质量可控,进而使得关键质量合格率提升1%。
在本申请实施例中,基于预设的采集周期采集产品生产过程中的质量特性数据,并基于质量特性数据更新实时数据库,其中,在每个采集周期内采集一组质量特性数据,实时数据库中存储有目标采集周期采集的质量特性数据及目标采集周期之前的第一数量个采集周期所采集的多组质量特性数据,目标采集周期为当前时刻所在的采集周期;基于实时数据库中的多组质量特性数据确定目标参数,目标参数用于反映多组质量特性数据的稳定性;基于目标参数确定目标产品质量状态,在目标产品质量状态异常时,执行预设的质量管理操作。其中,通过将采集的质量特性数据上传至实时数据库种,便于后续对产品质量进行监控和管理;另外,通过质量特性数据确定控制图和目标参数,方便相关技术人员从中及时发现问题,从而提升在生产过程中的产品良品率,进而解决了由于相关技术无法实时分析生产过程中的关键质量特性,导致产品的良品率较低技术问题
实施例2
根据本申请实施例,还提供了一种用于实现上述产品质量控制方法的产品质量控制装置,如图6所示,该装置至少包括采集模块60,确定模块62和控制模块64,其中:
采集模块60,用于基于预设的采集周期采集产品生产过程中的质量特性数据,并基于质量特性数据更新实时数据库,其中,在每个采集周期内采集一组质量特性数据,实时数据库中存储有目标采集周期采集的质量特性数据及目标采集周期之前的第一数量个采集周期所采集的多组质量特性数据,目标采集周期为当前时刻所在的采集周期。
为了达到节省人力和减少工作量的目的,本申请实施例中的采集模块60采样传感器以及上位机,通过传感器以及上位机对生产过程中的质量特性数据按照产品、车间、工序等不同维度进行采集,其中,采集的质量特性数据的信息中至少包括:工厂号、实测值、时间戳、物料编码、业务日期等信息。
在产品质量控制过程中,为了实现对产品质量特性数据进行监控和管理,帮助相关技术部门做出高效、精准的决策,需要对产品生产过程中的质量特性数据进行准确采集,并将其传输到数据存储管理平台内。通常,选择合理的数据库进行存储,可以有效减少数据检索的时间,提高数据查询的准确度,是后续数据处理分析的基础
由于在制造业中质量数据对实时性要求较高,因此,在本申请实施例中实时数据库可以是redis数据库,以保障数据存储的低时延性。其中,redis数据库作为一种高性能的key-value数据结构存储数据库,其主要具备以下特点:其一,redis数据库支持数据的持久化,可以将内存中的数据保存在磁盘中,重启时候可以再次加载进行使用;其二,redis数据库支持数据的备份;其三,redis数据库可以支持多种数据结构的存储。
另外,在产品生产过程中,为了保证产品质量以及方便检验产品质量特性,可以针对不同生产环节或生产工序,需要设置不同的检验点,这些检验点是检验人员进行检验产品质量特性数据,合理设置检验点可以更好地保障检验工作质量,提升检验效率。其中,同类产品在同一检验点检验,不同类别产品分别设置不同的检验点。
对产品生产过程中的不同的检验点设置不同的采样周期。例如,针对质量特性数据变化较慢的生产工序,设置的检验点的采样周期较长;而针对质量特性数据变化较快的生产工序,设置的检验点的采样周期较短。
具体地,产品生产过程中设置的检验点称为过程检验点。过程检验是为了判断半成品能否由上一道工序转入下一道工序所进行的检验,其目的是为了提早发现不良品。根据生产车间的规模大小,一般在一个工厂可设立一个或多个工序检验点,其任务是负责制定范围内的工序首件检验,巡回检验和跨车间加工零件的中间检验。
在产品生产过程中影响产品质量的因素错综复杂,为了后续对产品质量特性数据进行准确分析。可选地,过滤产品生产过程中质量特性数据的波动数据,其中,波动数据包括以下至少之一:因调试设备导致质量特性数据产生波动的第一波动数据、因更换投入材料导致质量特性数据产生波动的第二波动数据或者因更换口型板导致质量特性数据产生波动的第三波动数据。
需要说明的是,波动数据需要根据实际生产过程确定,在实际生产过程中波动数据还可以包括:技术人员受企业管理体系以及本身的技术水平导致质量特性数据产生波动,不同仪器设备安装导致质量特性数据产生波动,不同材料受仓储条件导致质量特性数据产生波动等。
作为一种可选的实施方法,由于影响产品质量的因素各不相同,不同因素对产品质量的影响程度也各不相同,为了提升产品的良品率,还可以对产品生产过程中的质量特性数据进行分级其中,对优先级较高的质量特性数据优先进行分析与控制,从而保证对产品质量影响较大的因素可以提早发现问题,并及时进行控制。
确定模块62,用于基于实时数据库中的多组质量特性数据确定目标参数,目标参数用于反映多组质量特性数据的稳定性。
可选地,基于实时数据库中的多组质量特性数据,计算多组质量特性数据的目标均值和目标极差,其中,目标均值用于反映多组质量特性数据的集中趋势,目标极值用于反映多组质量特性数据的离散程度;基于目标均值和目标极差计算目标能力参数和目标控制限,其中,目标能力参数中包括:目标过程性能参数和目标过程能力参数,目标控制限用于限定实时数据库中的多组质量特性数据的控制范围。
为了判断产品生产过程是否稳定,及时发现产品生产过程中的异常情况并及时预防不合格产品。
在本申请的一些实施例中,基于实时数据库中的多组质量特性数据确定目标参数之后,还可以按照获取每组质量特性数据的先后顺序,将各组质量特性数据的均值和极值在相应的控制图中进行描点,并结合目标控制限得到目标控制图,其中,目标控制图用于反映目标采集周期内产品生产过程的受控状态。
需要说明的是,若控制图内的描点落在控制限之外,或者各描点在控制限之间的随机波动浮动较大,说明生产过程处于失控状态。
需要说明的是,若控制图内的描点落在控制限之外,或者各描点在控制限之间的随机波动浮动较大,说明生产过程处于失控状态。
控制模块64,用于基于目标参数确定目标产品质量状态,并在目标产品质量状态异常时,执行预设的质量管理操作。
可选地,基于目标参数确定目标产品质量状态包括:当目标能力参数大于预设阈值确定目标产品质量状态为稳定状态,其中,在稳定状态下,继续保持产品生产过程中的质量特性数据;当目标能力参数小于预设阈值时,确定目标产品质量状态为异常状态;在目标质量状态异常时,执行预设的质量管理操作,包括:执行与异常状态对应的质量管理操作。
具体地,当目标参数大于预设阈值时,说明产品质量特性数据的变化趋势较好,目标产品质量状态处于稳定状态,不需要对产品生产过程中的质量特性数据进行调整;当目标参数小于预设阈值时,说明产品质量特性数据的变化趋势较差,目标产品质量状态处于异常状态,需要具体针对出现异常的位置进行维护和处理,包括:对异常信息的查询、处理、分类统计和形成改进状态报告。
在分析完实时采集的目标质量特性数据之后,作为一种可选的实施方法,还可以将采集产品生产过程中的全部质量特性数据将上传至时序数据库,其中,时序数据库中存储有历史采集周期采集的质量特性数据及历史采集周期之前的第二数量个采集周期所采集的多组质量特性数据,其中,第二数量大于第一数量;响应于查询指令,确定历史采集周期,其中,查询指令用于查询历史采集周期内的历史产品质量状态;基于时序数据库中的多组质量特性数据确定历史目标参数,历史目标参数用于反映查询时间段内的多组质量特性数据的稳定性;基于历史目标参数确定目标产品质量状态。
可选地,在上传查询时间段内的多组质量特性数据之前,还可以利用采样标识区分各组之间的质量特性数据,并将上传openTSDB时序数据库。其中,采样标识可以为SamplFlag。
可选地,时序数据库可以是openTSDB时序数据库,其中,openTSDB时序数据库是一种基于HBase的分布式、可伸缩的开源时序数据库,它的特点是能够提供最高毫秒级精度的时间序列存储数据,能够长久保存原始数据并且不失精度。
可选地,基于时序数据库中的多组质量特性数据,计算历史采集周期内的多组质量特性数据的历史目标均值和历史目标极差,其中,历史目标均值用于反映历史采集周期内的多组质量特性数据的集中趋势,历史目标极值用于反映历史采集周期内的多组质量特性数据的离散程度;基于历史目标均值和历史目标极差计算历史目标能力参数,其中,历史目标能力参数用于判断目标产品质量状态。
可选地,可以基于历史目标参数更新预设阈值。
具体地,为了确保产品的良品率,需要保证产品生产过程的性能参数和能力参数越大越好。在本申请中通过历史目标参数更新预设阈值,其中,不同历史查询时间段的历史目标参数均不相同,使得相关业务人员可以选取不同历史查询时间段的历史目标参数更新预设阈值,从而可以结合实际生产情况判断实时产品质量状态,相比于通用的预设阈值而言,将历史目标参数与实时目标参数进行比较判断产品质量状态,更能协助相关技术人员快速发现并分析生产过程中存在的潜在问题。
需要说明的是,本申请实施例中的产品质量控制装置中的各模块与实施例1中的产品质量控制方法的各实施步骤一一对应,由于实施例1中已经进行了详尽的描述,本实施例中部分未体现的细节可以参考实施例1,在此不再过多赘述。
实施例3
根据本申请实施例,还提供了一种非易失性存储介质,该非易失性存储介质包括存储的程序,其中,在程序运行时控制非易失性存储介质所在设备执行实施例1中的产品质量控制方法。
可选地,在程序运行时控制非易失性存储介质所在设备执行实现以下步骤:基于预设的采集周期采集产品生产过程中的质量特性数据,并基于质量特性数据更新实时数据库,其中,在每个采集周期内采集一组质量特性数据,实时数据库中存储有目标采集周期采集的质量特性数据及目标采集周期之前的第一数量个采集周期所采集的多组质量特性数据,目标采集周期为当前时刻所在的采集周期;基于实时数据库中的多组质量特性数据确定目标参数,目标参数用于反映多组质量特性数据的稳定性;基于目标参数确定目标产品质量状态,在目标产品质量状态异常时,执行预设的质量管理操作。
实施例4
根据本申请实施例,还提供了一种处理器,该处理器用于运行程序,其中,程序运行时执行实施例1中的产品质量控制方法。
可选地,在程序运行时控制运行程序执行实现以下步骤:基于预设的采集周期采集产品生产过程中的质量特性数据,并基于质量特性数据更新实时数据库,其中,在每个采集周期内采集一组质量特性数据,实时数据库中存储有目标采集周期采集的质量特性数据及目标采集周期之前的第一数量个采集周期所采集的多组质量特性数据,目标采集周期为当前时刻所在的采集周期;基于实时数据库中的多组质量特性数据确定目标参数,目标参数用于反映多组质量特性数据的稳定性;基于目标参数确定目标产品质量状态,在目标产品质量状态异常时,执行预设的质量管理操作。
实施例5
根据本申请实施例,还提供了一种电子设备,该电子设备种包括:存储器和处理器,其中,存储器中存储有计算机程序,处理器被配置为通过计算机程序执行实施例1中的产品质量控制方法。
可选地,在程序运行时控制计算机程序执行实现以下步骤:基于预设的采集周期采集产品生产过程中的质量特性数据,并基于质量特性数据更新实时数据库,其中,在每个采集周期内采集一组质量特性数据,实时数据库中存储有目标采集周期采集的质量特性数据及目标采集周期之前的第一数量个采集周期所采集的多组质量特性数据,目标采集周期为当前时刻所在的采集周期;基于实时数据库中的多组质量特性数据确定目标参数,目标参数用于反映多组质量特性数据的稳定性;基于目标参数确定目标产品质量状态,在目标产品质量状态异常时,执行预设的质量管理操作。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,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一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的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,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种产品质量控制方法,其特征在于,包括:
基于预设的采集周期采集产品生产过程中的质量特性数据,并基于所述质量特性数据更新实时数据库,其中,在每个所述采集周期内采集一组所述质量特性数据,所述实时数据库中存储有目标采集周期采集的质量特性数据及所述目标采集周期之前的第一数量个采集周期所采集的多组质量特性数据,所述目标采集周期为当前时刻所在的采集周期;
基于所述实时数据库中的所述多组质量特性数据确定目标参数,所述目标参数用于反映所述多组质量特性数据的稳定性;
基于所述目标参数确定目标产品质量状态,并在所述目标产品质量状态异常时,执行预设的质量管理操作。
2.根据权利要求1所述的方法,其特征在于,基于预设的采集周期采集产品生产过程中的质量特性数据,并基于所述质量特性数据更新实时数据库,包括:
过滤所述产品生产过程中质量特性数据的波动数据,其中,所述波动数据包括以下至少之一:因调试设备导致所述质量特性数据产生波动的第一波动数据、因更换投入材料导致所述质量特性数据产生波动的第二波动数据或者因更换口型板导致所述质量特性数据产生波动的第三波动数据。
3.根据权利要求1所述的方法,其特征在于,基于所述实时数据库中的所述多组质量特性数据确定目标参数,包括:
基于所述实时数据库中的所述多组质量特性数据,计算所述多组质量特性数据的目标均值和目标极差,其中,所述目标均值用于反映所述多组质量特性数据的集中趋势,所述目标极值用于反映所述多组质量特性数据的离散程度;
基于所述目标均值和所述目标极差计算目标能力参数和目标控制限,其中,所述目标能力参数中包括:目标过程性能参数和目标过程能力参数,所述目标控制限用于限定所述实时数据库中的多组质量特性数据的控制范围。
4.根据权利要求3所述的方法,其特征在于,在基于所述实时数据库中的所述多组质量特性数据确定目标参数之后,所述方法包括:
按照获取每组质量特性数据的先后顺序,将各组质量特性数据的均值和极值在相应的控制图中进行描点,并结合所述目标控制限得到目标控制图,其中,所述目标控制图用于反映所述目标采集周期内产品生产过程的受控状态。
5.根据权利要求3所述的方法,其特征在于,包括:
基于所述目标参数确定目标产品质量状态包括:当所述目标能力参数大于预设阈值确定所述目标产品质量状态为稳定状态,其中,在所述稳定状态下,继续保持所述产品生产过程中的质量特性数据;当所述目标能力参数小于预设阈值时,确定所述目标产品质量状态为异常状态;
在所述目标质量状态异常时,执行所述预设的质量管理操作,包括:执行与所述异常状态对应的所述质量管理操作。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将采集产品生产过程中的全部质量特性数据将上传至时序数据库,其中,所述时序数据库中存储有历史采集周期采集的质量特性数据及所述历史采集周期之前的第二数量个采集周期所采集的多组质量特性数据,其中,所述第二数量大于所述第一数量;
响应于查询指令,确定所述历史采集周期,其中,所述查询指令用于查询所述历史采集周期内的历史产品质量状态;
基于所述时序数据库中的所述多组质量特性数据确定历史目标参数,所述历史目标参数用于反映所述查询时间段内的多组质量特性数据的稳定性;
基于所述历史目标参数确定所述目标产品质量状态。
7.根据权利要求6所述的方法,其特征在于,基于所述时序数据库中的所述多组质量特性数据确定历史目标参数,包括:
基于所述时序数据库中的所述多组质量特性数据,计算所述历史采集周期内的多组质量特性数据的历史目标均值和历史目标极差,其中,所述历史目标均值用于反映所述历史采集周期内的多组质量特性数据的集中趋势,所述历史目标极值用于反映所述历史采集周期内的多组质量特性数据的离散程度;
基于所述历史目标均值和所述历史目标极差计算历史目标能力参数,其中,所述历史目标能力参数用于判断所述目标产品质量状态。
8.一种产品质量控制装置,其特征在于,包括:
采集模块,用于基于预设的采集周期采集产品生产过程中的质量特性数据,并基于所述质量特性数据更新实时数据库,其中,在每个所述采集周期内采集一组所述质量特性数据,所述实时数据库中存储有目标采集周期采集的质量特性数据及所述目标采集周期之前的第一数量个采集周期所采集的多组质量特性数据,所述目标采集周期为当前时刻所在的采集周期;
确定模块,用于基于所述实时数据库中的所述多组质量特性数据确定目标参数,所述目标参数用于反映所述多组质量特性数据的稳定性;
控制模块,用于基于所述目标参数确定目标产品质量状态,并在所述目标产品质量状态异常时,执行预设的质量管理操作。
9.一种非易失性存储介质,其特征在于,所述非易失性存储介质包括存储的程序,其中,在所述程序运行时控制所述非易失性存储介质所在设备执行权利要求1至7中任意一项所述的产品质量控制方法。
10.一种电子设备,其特征在于,包括:存储器和处理器,其中,所述存储器中存储有计算机程序,所述处理器被配置为通过所述计算机程序执行权利要求1至7中任意一项所述的产品质量控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211289092.0A CN115496408A (zh) | 2022-10-20 | 2022-10-20 | 产品质量控制方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211289092.0A CN115496408A (zh) | 2022-10-20 | 2022-10-20 | 产品质量控制方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115496408A true CN115496408A (zh) | 2022-12-20 |
Family
ID=84473684
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211289092.0A Pending CN115496408A (zh) | 2022-10-20 | 2022-10-20 | 产品质量控制方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115496408A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116955737A (zh) * | 2023-09-19 | 2023-10-27 | 源康(东阿)健康科技有限公司 | 一种用于明胶生产过程中异常特征检索方法 |
-
2022
- 2022-10-20 CN CN202211289092.0A patent/CN115496408A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116955737A (zh) * | 2023-09-19 | 2023-10-27 | 源康(东阿)健康科技有限公司 | 一种用于明胶生产过程中异常特征检索方法 |
CN116955737B (zh) * | 2023-09-19 | 2023-11-28 | 源康(东阿)健康科技有限公司 | 一种用于明胶生产过程中异常特征检索方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11921014B2 (en) | System and method for monitoring manufacturing | |
EP4307192A2 (en) | System and method for monitoring manufacturing | |
WO2021146996A1 (zh) | 设备指标优良性等级预测模型训练方法、监控系统和方法 | |
US9069352B2 (en) | Automated fault analysis and response system | |
CN110864795B (zh) | 一种称重异常报警系统 | |
CN105159239B (zh) | 一种spc策略自动更新方法及spc自动策略系统 | |
CN116308211B (zh) | 一种基于大数据的企业智能化管理系统及方法 | |
DE112010001881T5 (de) | Verfahren zum Überwachen von Anlagen über eine installierte Basis zum Verbessern von Design und Leistung der Anlagen | |
CN109934424B (zh) | 一种刀具寿命预测方法及智能刀具管理系统 | |
CN117176560B (zh) | 一种基于物联网的监测设备监管系统及其方法 | |
CN115496408A (zh) | 产品质量控制方法、装置、存储介质及电子设备 | |
CN111160598A (zh) | 一种基于动态能耗基准的能源预测与能耗管控方法及系统 | |
CN114529204A (zh) | 一种组件化的生产过程控制管理方法及系统 | |
CN113673842A (zh) | 基于大数据的生产效率诊断方法、装置、设备及存储介质 | |
CN112416896A (zh) | 数据异常的报警方法和装置、存储介质、电子装置 | |
CN116611953A (zh) | 基于物联网的电能表生产制造实时数据管理方法和系统 | |
US20190333165A1 (en) | Enterprise-wide process stream analysis and grading engine with interactive user interface method, system, and computer program product | |
CN114384872A (zh) | 产品研制过程质量综合管控系统 | |
CN117642707A (zh) | 数据处理方法及装置、数据显示方法及装置、设备和介质 | |
US20220383227A1 (en) | A Method for Generating a Performance Value of a Process Module and a System Thereof | |
US11675347B2 (en) | Industrial machine monitoring device | |
CN112215503A (zh) | 基于spc的可靠性监控方法 | |
CN117575163A (zh) | 数据管理平台、数据采集方法、装置和计算机设备 | |
TWM563108U (zh) | 智慧型電力管理及自我品質管控系統 | |
CN113721207B (zh) | 一种基于大数据的雷达时寿件更换的预警方法和系统 |
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 |