CN116304538B - 一种利用大数据评定检测结果不确定度的方法 - Google Patents
一种利用大数据评定检测结果不确定度的方法 Download PDFInfo
- Publication number
- CN116304538B CN116304538B CN202310564647.6A CN202310564647A CN116304538B CN 116304538 B CN116304538 B CN 116304538B CN 202310564647 A CN202310564647 A CN 202310564647A CN 116304538 B CN116304538 B CN 116304538B
- Authority
- CN
- China
- Prior art keywords
- amount
- uncertainty
- reference number
- risk
- value
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 81
- 238000001514 detection method Methods 0.000 title claims abstract description 18
- 238000005259 measurement Methods 0.000 claims abstract description 40
- 230000002596 correlated effect Effects 0.000 claims description 71
- 230000008569 process Effects 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 2
- 238000004590 computer program Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Factory Administration (AREA)
Abstract
本申请公开了一种利用大数据评定检测结果不确定度的方法，不仅采用了测量工具的工具不确定度，还考察了原始数据的情况，使得测量工具能够与原始数据的数据量适配。此外，本申请中的方法还基于由工具不确定度得到的第二量对原始数据的数据量，即基准次数，进行调整，即便是存在工具不确定度与原始数据的量不适配，也能够通过调整基准次数的方式进行调整，使得通过本说明书的方法得到的不确定度能够适配大多数产品和大多数测量情况。
Description
技术领域
本申请涉及数据处理技术领域，尤其涉及一种利用大数据评定检测结果不确定度的方法。
背景技术
不确定度的含义是指由于测量误差的存在，对被测量值的不能肯定的程度。反过来，也表明该结果的可信赖程度。它是测量结果质量的指标。不确定度越小，质量越高，水平越高，其使用价值越高；不确定度越大，测量结果的质量越低，水平越低，其使用价值也越低。在报告物理量测量的结果时，通常会给出相应的不确定度，一方面便于使用它的人评定其可靠性，另一方面也增强了测量结果之间的可比性。
对产品的测量的结果通常用于对产品的质量进行表征。例如，若一产品的测量值与设计值差异较大，则表明该产品质量不过关的可能性较大。通常情况下，测量工具并不是为了某一个产品专门设计的（比如，游标卡尺即可以用于测量钟表的轴承，也可以用于测量玉石饰品），而且测量工具的设计也不会考虑测量的实际环境（比如，游标卡尺可以用于测量一个产品，也可以用于测量十万个产品）。也就是说，基于测量工具的工具不确定度对产品的测量结果进行表征不够全面。
有鉴于此，如何较为全面地确定测量时的不确定度成为亟待解决的问题。
发明内容
本申请实施例提供了一种利用大数据评定检测结果不确定度的方法，以至少部分的解决上述技术问题。
本申请实施例采用下述技术方案：
第一方面，本申请实施例提供一种利用大数据评定检测结果不确定度的方法，所述方法包括：
获取通过针对目标产品进行基准次数次测量得到的原始数据；
获取进行所述测量时采用的测量工具的工具不确定度；
确定所述原始数据的平均值；
基于所述原始数据中的每一项相对于所述平均值的偏差值、以及所述基准次数，确定第一量；其中，所述第一量与所述偏差值正相关，且与所述基准次数负相关；
基于所述工具不确定度、以及第一参数，确定第二量；其中，所述第二量与所述工具不确定度正相关，且与所述第一参数负相关；所述第一参数与所述原始数据中的最大值相对于所述平均值的偏差值正相关，且与所述基准次数负相关；
若所述第一量大于所述第二量，则提高所述基准次数，重新确定所述第一量和所述第二量，直至所述第一量不大于所述第二量；
基于所述第一量和所述第二量，确定综合量；其中，所述综合量与所述第一量和所述第二量均正相关；
基于所述综合量、所述平均值、以及所述基准次数，确定所述目标产品的不确定度；其中，所述目标产品的不确定度与所述综合量正相关、与所述平均值负相关、且与所述基准次数正相关。
在本说明书一个可选的实施例中，确定所述目标产品的不确定度之后，所述方法还包括：
从历史事件库中查找到与所述目标产品匹配的风险事件，作为目标事件；
根据所述目标事件在历史上带来的风险程度，确定风险系数；
根据所述平均值、所述目标产品的不确定度、所述基准次数次、以及所述风险系数，预测所述目标产品的风险值；其中，所述风险值表征所述目标产品投放市场的情况下，将会面临的风险程度。
在本说明书一个可选的实施例中，预测所述目标产品的风险值之后，所述方法还包括：
若所述风险值大于预设的风险阈值，则提高所述基准次数次，重新确定所述风险程度；
若所述重新确定的风险程度仍然大于所述风险阈值，则判定所述目标产品为不合格产品。
在本说明书一个可选的实施例中，所述方法还包括：
若所述风险值不大于预设的风险阈值，则判定所述目标产品为合格产品。
在本说明书一个可选的实施例中，所述第一量是通过以下公式计算得到的：
式中，是所述第一量；n是所述基准次数；i是第i个；/>是第i个所述原始数据；/>是所述平均值；k是预设系数，在所述平均值与所述工具不确定度的比值大于1000时，k等于1，在所述平均值与所述工具不确定度的比值不大于1000时，k大于1。
在本说明书一个可选的实施例中，所述第二量是通过以下公式计算得到的：
式中，是所述第二量；/>是所述第一参数；/>是所述工具不确定度。
在本说明书一个可选的实施例中，所述方法还包括：
提高所述基准次数时采用的步长，与所述第一量和所述第二量的差值正相关，且与所述工具不确定度正相关。
第二方面，本申请实施例还提供一种利用大数据评定检测结果不确定度的系统，所述系统包括：
第一获取模块，配置为：获取通过针对目标产品进行基准次数次测量得到的原始数据；
第二获取模块，配置为：获取进行所述测量时采用的测量工具的工具不确定度；
平均值确定模块，配置为：确定所述原始数据的平均值；
第一量确定模块，配置为：基于所述原始数据中的每一项相对于所述平均值的偏差值、以及所述基准次数，确定第一量；其中，所述第一量与所述偏差值正相关，且与所述基准次数负相关；
第二量确定模块，配置为：基于所述工具不确定度、以及第一参数，确定第二量；其中，所述第二量与所述工具不确定度正相关，且与所述第一参数负相关；所述第一参数与所述原始数据中的最大值相对于所述平均值的偏差值正相关，且与所述基准次数负相关；
更新模块，配置为：若所述第一量大于所述第二量，则提高所述基准次数，重新确定所述第一量和所述第二量，直至所述第一量不大于所述第二量；
综合量确定模块，配置为：基于所述第一量和所述第二量，确定综合量；其中，所述综合量与所述第一量和所述第二量均正相关；
不确定度确定模块，配置为：基于所述综合量、所述平均值、以及所述基准次数，确定所述目标产品的不确定度；其中，所述目标产品的不确定度与所述综合量正相关、与所述平均值负相关、且与所述基准次数正相关。
第三方面，本申请实施例还提供一种电子设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行第一方面所述的方法步骤。
第四方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行第一方面所述的方法步骤。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：
采用本说明书中的方法利用大数据评定检测结果不确定度，不仅采用了测量工具的工具不确定度，还考察了原始数据的情况，使得测量工具能够与原始数据的数据量适配。此外，本申请中的方法还基于由工具不确定度得到的第二量对原始数据的数据量，即基准次数，进行调整，即便是存在工具不确定度与原始数据的量不适配，也能够通过调整基准次数的方式进行调整，使得通过本说明书的方法得到的不确定度能够适配大多数产品和大多数测量情况。
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为本说明书实施例提供的一种利用大数据评定检测结果不确定度的方法的过程示意图；
图2为本说明书实施例中一种电子设备的结构示意图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本申请能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其它元件、材料、方法所替代。在某些情况下，本申请相关的一些操作并没有在说明书中显示或者描述，这是为了避免本申请的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。
另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须的顺序，除非另有说明其中某个顺序是必须遵循的。
本文中为部件所编序号本身，例如“第一”、“第二”等，仅用于区分所描述的对象，不具有任何顺序或技术含义。而本申请所说“连接”、“联接”，如无特别说明，均包括直接和间接连接(联接)。
以下结合附图，详细说明本申请各实施例提供的技术方案。
如图1所示，本说明书中的利用大数据评定检测结果不确定度的方法包含以下步骤：
S100：获取通过针对目标产品进行基准次数次测量得到的原始数据。
本说明书中的方法旨在使得经非特异性设计的测量工具，尽可能的适配大多数产品、大多数测量场景。由此，本说明书中的目标产品可以根据实际的业务需求确定。
基准次数的取值可以是预设值，其取值为正整数。
示例性地，可以对100个产品进行300次测量，每个产品测3次；此外，还可以对300个产品进行300次测量，每个产品测一次。
S102：获取进行测量时采用的测量工具的工具不确定度。
工具不确定度通常由测量工具的生产厂商经过试验获得，示例性地，可以在测量工具的外包装上获取到工具不确定度。在自动化生产的场景中，利用大数据评定检测结果不确定度的系统中预先存储有工具不确定度。
S104：确定所述原始数据的平均值。
示例性地，可以将原始数据求和，将求和的结果除以基准次数。
S106：基于所述原始数据中的每一项相对于所述平均值的偏差值、以及所述基准次数，确定第一量。
偏差值可以是将原始数据减去平均值，然后取其绝对值，即得到偏差值。其中，所述第一量与所述偏差值正相关，且与所述基准次数负相关。本说明书中的第一量用于对目标产品的参数情况（即，原始数据）和测量情况（即，基准次数）进行表征。
S108：基于所述工具不确定度、以及第一参数，确定第二量。
其中，所述第二量与所述工具不确定度正相关，且与所述第一参数负相关；所述第一参数与所述原始数据中的最大值相对于所述平均值的偏差值正相关，且与所述基准次数负相关。
本说明书中的第二量是基于工具不确定度得到的，用于从测量工具的角度对不确定度的情况进行定性。而且，确定第二量时采用的第一参数是基于偏差值得到的，则能够考察最大的测量误差是由测量工具引起的情况对不确定可能造成的最大影响。
S110：若所述第一量大于所述第二量，则提高所述基准次数，重新确定所述第一量和所述第二量，直至所述第一量不大于所述第二量。
发明人经大量研究发现，在第一量大于第二量的情况系下，表明当前的测量工具与目标产品、测量情况中的至少之一不适配，由测量工具引起的误差较大，应进行调整。而且本说明书中的目标产品在本次测量中是难以调整的，则从基准次数着手，提高基准次数，以降低测量工具的误差造成的影响，尽可能的反映目标产品的实际情况。
通常情况，对目标产品的测量并非对所有目标产品遍历式的测量，而是对目标产品进行抽样，对抽取的样本进行测量。试想，随着产品生产技术的发展，某一产品的量是非常大的，面对如此众多的产品、众多的数据，抽样和测量均需要消耗一定的资源，若基准次数设置的过大，一开始抽样时得到的样本就较多，会增加测量的开销，进而导致资源的浪费。则基准次数可以一开始设置的较低，若经第一量和第二量的比较，确定测量工具引起的误差不是导致误差的主要原因（此时，第一量不大于所述第二量），则可以继续执行后续的步骤。
S112：基于所述第一量和所述第二量，确定综合量。
本说明书中的综合量与所述第一量和所述第二量均正相关。在本说明书一个可选的实施例中，可以将第一量和第二量之和作为综合量。在本说明书另一个可选的实施例中，可以对第一量的平方和第二量的平方之和进行开根号，将得到的结果作为综合量。
S114：基于所述综合量、所述平均值、以及所述基准次数，确定所述目标产品的不确定度。
其中，所述目标产品的不确定度与所述综合量正相关、与所述平均值负相关、与所述基准次数正相关。
采用本说明书中的方法利用大数据评定检测结果不确定度，不仅采用了测量工具的工具不确定度，还考察了原始数据的情况，使得测量工具能够与原始数据的数据量适配。此外，本申请中的方法还基于由工具不确定度得到的第二量对原始数据的数据量，即基准次数，进行调整，即便是存在工具不确定度与原始数据的量不适配，也能够通过调整基准次数的方式进行调整，使得通过本说明书的方法得到的不确定度能够适配大多数产品和大多数测量情况。
通过本说明书中的方法得到的不确定度应用场景众多。在本说明书一个可选的实施例中，通过本说明书中的方法得到的不确定度可以用于风险预测。
在该实施例中，从历史事件库中查找到与所述目标产品匹配的风险事件，作为目标事件。然后，根据所述目标事件在历史上带来的风险程度，确定风险系数。之后，根据所述平均值、所述目标产品的不确定度、所述基准次数次、以及所述风险系数，预测所述目标产品的风险值；其中，所述风险值表征所述目标产品投放市场的情况下，将会面临的风险程度。
本说明书中的风险事件仅针对消极的事件，例如，某产品由于某参数不过关引发了质量事故。风险程度可以根据实际的情况有用户制定。例如，将风险程度按照由高到低划分为10至0，某风险事件曾导致人员伤亡，则其风险程度是10。某风险事件曾导致产品使用寿命受损，则其风险程度是1。
本说明书中的风险事件可以通过包含若干个维度的信息进行表征，本说明书中的目标产品也可以通过包含若干个维度的信息进行表征。相关技术中，用于确定信息之间的匹配度的技术手段均适用于本说明书。
在本说明书一个可选的实施例中，可以对风险系数进行开根号处理，将得到的结果作为风险系数。也可以采用其他方式确定风险系数，风险系数与风险程度正相关。
本说明书中的风险值与平均值偏离目标值的程度、目标产品的不确定度、基准次数次、以及所述风险系数均正相关。在本说明书一个可选的实施例中，可以将前述几项的加和作为风险值。在本说明书另一个可选的实施例中，可以将目标产品的不确定度、风险系数、基准次数次的数量级与风险值与平均值偏离目标值的程度的乘积作为风险值。
在确定出风险值之后，若所述风险值大于预设的风险阈值（可以是经验值），则提高所述基准次数次，重新确定所述风险程度。若所述重新确定的风险程度仍然大于所述风险阈值，则判定所述目标产品为不合格产品。若所述风险值不大于预设的风险阈值，则判定所述目标产品为合格产品。
风险值和基准次数是正相关的，若目标产品确实存在质量问题，提高基准次数则能够放大针对这种风险的预测结果。若目标产品实际没有质量问题，风险值较大仅仅是由于误差引起的，提高基准次数则能够降低误差，进而降低针对这种风险的预测结果。
在本说明书进一步可选的实施例中，第一量是通过以下公式（一）计算得到的：
公式（一）
式中，是所述第一量；n是所述基准次数；i是第i个；/>是第i个所述原始数据；/>是所述平均值；k是预设系数，在所述平均值与所述工具不确定度的比值大于1000时，k等于1，在所述平均值与所述工具不确定度的比值不大于1000时，k大于1（示例性地，k可以等于2、3等）。
第二量是通过以下公式（二）计算得到的：
公式（二）
式中，是所述第二量；/>是所述第一参数；/>是所述工具不确定度。
在本说明书进一步可选的实施例中，提高所述基准次数时采用的步长，与所述第一量和所述第二量的差值正相关，且与所述工具不确定度正相关。在需要提高基准次数时，具体提高多少成为亟待解决的问题。通过本说明书中的方法，第一量和第二量之间的差值越大，表明其中一项引起的误差更为突出，则需要较大数量的样本才能够平抑这种误差，需要提高步长。是/>的负一次方。
进一步地，本说明书还提供一种利用大数据评定检测结果不确定度的系统，所述系统包括：
第一获取模块，配置为：获取通过针对目标产品进行基准次数次测量得到的原始数据；
第二获取模块，配置为：获取进行所述测量时采用的测量工具的工具不确定度；
平均值确定模块，配置为：确定所述原始数据的平均值；
第一量确定模块，配置为：基于所述原始数据中的每一项相对于所述平均值的偏差值、以及所述基准次数，确定第一量；其中，所述第一量与所述偏差值正相关，且与所述基准次数负相关；
第二量确定模块，配置为：基于所述工具不确定度、以及第一参数，确定第二量；其中，所述第二量与所述工具不确定度正相关，且与所述第一参数负相关；所述第一参数与所述原始数据中的最大值相对于所述平均值的偏差值正相关，且与所述基准次数负相关；
更新模块，配置为：若所述第一量大于所述第二量，则提高所述基准次数，重新确定所述第一量和所述第二量，直至所述第一量不大于所述第二量；
综合量确定模块，配置为：基于所述第一量和所述第二量，确定综合量；其中，所述综合量与所述第一量和所述第二量均正相关；
不确定度确定模块，配置为：基于所述综合量、所述平均值、以及所述基准次数，确定所述目标产品的不确定度；其中，所述目标产品的不确定度与所述综合量正相关、与所述平均值负相关、且与所述基准次数正相关。
在本说明书一个可选的实施例中，该系统还包括风险预测模块，配置为：从历史事件库中查找到与所述目标产品匹配的风险事件，作为目标事件；根据所述目标事件在历史上带来的风险程度，确定风险系数；根据所述平均值、所述目标产品的不确定度、所述基准次数次、以及所述风险系数，预测所述目标产品的风险值；其中，所述风险值表征所述目标产品投放市场的情况下，将会面临的风险程度。
在本说明书一个可选的实施例中，风险预测模块还配置为：若所述风险值大于预设的风险阈值，则提高所述基准次数次，重新确定所述风险程度；若所述重新确定的风险程度仍然大于所述风险阈值，则判定所述目标产品为不合格产品。
在本说明书一个可选的实施例中，风险预测模块还配置为：若所述风险值不大于预设的风险阈值，则判定所述目标产品为合格产品。
在本说明书一个可选的实施例中，所述第一量是通过以下公式计算得到的：
式中，是所述第一量；n是所述基准次数；i是第i个；/>是第i个所述原始数据；/>是所述平均值；k是预设系数，在所述平均值与所述工具不确定度的比值大于1000时，k等于1，在所述平均值与所述工具不确定度的比值不大于1000时，k大于1。
在本说明书一个可选的实施例中，所述第二量是通过以下公式计算得到的：
式中，是所述第二量；/>是所述第一参数；/>是所述工具不确定度。
在本说明书一个可选的实施例中，更新模块还配置为：提高所述基准次数时采用的步长，与所述第一量和所述第二量的差值正相关，且与所述工具不确定度正相关。
该系统能够执行前述任一实施例中的方法，并能够获得相同或相似的技术效果，此处不再赘述。
图2是本申请的一个实施例电子设备的结构示意图。请参考图2，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器（non-volatile memory），例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构）总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构）总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图2中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成一种利用大数据评定检测结果不确定度的装置。处理器，执行存储器所存放的程序，并具体用于执行前述任意一种利用大数据评定检测结果不确定度的方法。
上述如本申请图1所示实施例揭示的一种利用大数据评定检测结果不确定度的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器（CentralProcessing Unit，CPU）、网络处理器（Network Processor，NP）等；还可以是数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific IntegratedCircuit，ASIC）、现场可编程门阵列（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。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
该电子设备还可执行图1中一种利用大数据评定检测结果不确定度的方法，并实现图1所示实施例的功能，本申请实施例在此不再赘述。
本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，执行前述的任意一种利用大数据评定检测结果不确定度的方法。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器 (RAM) 和/或非易失性内存等形式，如只读存储器 (ROM) 或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体 (transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (8)
1.一种利用大数据评定检测结果不确定度的方法，其特征在于，所述方法包括：
获取通过针对目标产品进行基准次数次测量得到的原始数据；
获取进行所述测量时采用的测量工具的工具不确定度；
确定所述原始数据的平均值；
基于所述原始数据中的每一项相对于所述平均值的偏差值、以及所述基准次数，确定第一量；其中，所述第一量与所述偏差值正相关，且与所述基准次数负相关，所述第一量是通过以下公式计算得到的：
；
式中，是所述第一量；n是所述基准次数；i是第i个；/>是第i个所述原始数据；/>是所述平均值；k是预设系数，在所述平均值与所述工具不确定度的比值大于1000时，k等于1，在所述平均值与所述工具不确定度的比值不大于1000时，k大于1；
基于所述工具不确定度、以及第一参数，确定第二量；其中，所述第二量与所述工具不确定度正相关，且与所述第一参数负相关；所述第一参数与所述原始数据中的最大值相对于所述平均值的偏差值正相关，且与所述基准次数负相关，所述第二量是通过以下公式计算得到的：
；
式中，是所述第二量；/>是所述第一参数；/>是所述工具不确定度；
若所述第一量大于所述第二量，则提高所述基准次数，重新确定所述第一量和所述第二量，直至所述第一量不大于所述第二量；
基于所述第一量和所述第二量，确定综合量；其中，所述综合量与所述第一量和所述第二量均正相关；
基于所述综合量、所述平均值、以及所述基准次数，确定所述目标产品的不确定度；其中，所述目标产品的不确定度与所述综合量正相关、与所述平均值负相关、且与所述基准次数正相关。
2.如权利要求1所述方法，其特征在于，确定所述目标产品的不确定度之后，所述方法还包括：
从历史事件库中查找到与所述目标产品匹配的风险事件，作为目标事件；
根据所述目标事件在历史上带来的风险程度，确定风险系数；
根据所述平均值、所述目标产品的不确定度、所述基准次数次、以及所述风险系数，预测所述目标产品的风险值；其中，所述风险值表征所述目标产品投放市场的情况下，将会面临的风险程度。
3.如权利要求2所述方法，其特征在于，预测所述目标产品的风险值之后，所述方法还包括：
若所述风险值大于预设的风险阈值，则提高所述基准次数次，重新确定所述风险程度；
若所述重新确定的风险程度仍然大于所述风险阈值，则判定所述目标产品为不合格产品。
4.如权利要求3所述方法，其特征在于，所述方法还包括：
若所述风险值不大于预设的风险阈值，则判定所述目标产品为合格产品。
5.如权利要求1所述方法，其特征在于，所述方法还包括：
提高所述基准次数时采用的步长，与所述第一量和所述第二量的差值正相关，且与所述工具不确定度正相关。
6.一种利用大数据评定检测结果不确定度的系统，其特征在于，所述系统包括：
第一获取模块，配置为：获取通过针对目标产品进行基准次数次测量得到的原始数据；
第二获取模块，配置为：获取进行所述测量时采用的测量工具的工具不确定度；
平均值确定模块，配置为：确定所述原始数据的平均值；
第一量确定模块，配置为：基于所述原始数据中的每一项相对于所述平均值的偏差值、以及所述基准次数，确定第一量；其中，所述第一量与所述偏差值正相关，且与所述基准次数负相关；
第二量确定模块，配置为：基于所述工具不确定度、以及第一参数，确定第二量；其中，所述第二量与所述工具不确定度正相关，且与所述第一参数负相关；所述第一参数与所述原始数据中的最大值相对于所述平均值的偏差值正相关，且与所述基准次数负相关；
更新模块，配置为：若所述第一量大于所述第二量，则提高所述基准次数，重新确定所述第一量和所述第二量，直至所述第一量不大于所述第二量；
综合量确定模块，配置为：基于所述第一量和所述第二量，确定综合量；其中，所述综合量与所述第一量和所述第二量均正相关；
不确定度确定模块，配置为：基于所述综合量、所述平均值、以及所述基准次数，确定所述目标产品的不确定度；其中，所述目标产品的不确定度与所述综合量正相关、与所述平均值负相关、且与所述基准次数正相关。
7.一种电子设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行所述权利要求1~5之任一所述方法。
8.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行所述权利要求1~5之任一所述方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310564647.6A CN116304538B (zh) | 2023-05-19 | 2023-05-19 | 一种利用大数据评定检测结果不确定度的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310564647.6A CN116304538B (zh) | 2023-05-19 | 2023-05-19 | 一种利用大数据评定检测结果不确定度的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116304538A CN116304538A (zh) | 2023-06-23 |
| CN116304538B true CN116304538B (zh) | 2023-07-21 |
Family
ID=86817144
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310564647.6A Active CN116304538B (zh) | 2023-05-19 | 2023-05-19 | 一种利用大数据评定检测结果不确定度的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116304538B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111539636A (zh) * | 2020-04-27 | 2020-08-14 | 中国标准化研究院 | 一种基于d-s证据理论的标准立项评估方法 |
| CN111612340A (zh) * | 2020-05-21 | 2020-09-01 | 中国标准化研究院 | 基于大数据的网销商品检验抽样方法 |
| CN112528418A (zh) * | 2020-12-18 | 2021-03-19 | 北京机电工程研究所 | 一种无基准条件下半实物仿真试验的评估系统 |
| CN112613186A (zh) * | 2020-12-30 | 2021-04-06 | 中国航空发动机研究院 | 一种基于统计分布特征的航空发动机气路故障融合诊断方法 |
| CN113987784A (zh) * | 2021-10-26 | 2022-01-28 | 中国核动力研究设计院 | 一种量化压水堆核设计软件包获取不确定度的方法及装置 |
-
2023
- 2023-05-19 CN CN202310564647.6A patent/CN116304538B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111539636A (zh) * | 2020-04-27 | 2020-08-14 | 中国标准化研究院 | 一种基于d-s证据理论的标准立项评估方法 |
| CN111612340A (zh) * | 2020-05-21 | 2020-09-01 | 中国标准化研究院 | 基于大数据的网销商品检验抽样方法 |
| CN112528418A (zh) * | 2020-12-18 | 2021-03-19 | 北京机电工程研究所 | 一种无基准条件下半实物仿真试验的评估系统 |
| CN112613186A (zh) * | 2020-12-30 | 2021-04-06 | 中国航空发动机研究院 | 一种基于统计分布特征的航空发动机气路故障融合诊断方法 |
| CN113987784A (zh) * | 2021-10-26 | 2022-01-28 | 中国核动力研究设计院 | 一种量化压水堆核设计软件包获取不确定度的方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116304538A (zh) | 2023-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110008080B (zh) | 基于时间序列的业务指标异常检测方法、装置和电子设备 | |
| CN109582741B (zh) | 特征数据处理方法和装置 | |
| CN116933979B (zh) | 一种基于贝叶斯算法的标准样品定值方法 | |
| CN117035452A (zh) | 一种业务场景的根因定位方法、系统及电子设备 | |
| CN116166513A (zh) | 一种针对数据库性能测试的评价方法、设备及存储介质 | |
| CN116307933A (zh) | 一种基于抽检策略制定模型的产品质量抽检系统 | |
| CN116304538B (zh) | 一种利用大数据评定检测结果不确定度的方法 | |
| CN107677290B (zh) | 惯性导航系统精度评定的测试方法及装置 | |
| CN110189178B (zh) | 异常交易监测方法、装置及电子设备 | |
| CN116862269B (zh) | 一种利用大数据评估快速检测方法精密度的方法 | |
| CN116028201A (zh) | 业务系统容量的预测方法和装置 | |
| CN111008150B (zh) | 一种测试报告生成方法、装置及设备 | |
| CN109145996B (zh) | 异常环境下的指标数据生成方法、装置及电子设备 | |
| CN112148590A (zh) | 一种代码覆盖率的确定方法、装置及设备 | |
| CN113552557A (zh) | 飞行时间相机的测距校准方法、装置及设备 | |
| TWI472939B (zh) | 良率損失估算方法及相關電腦可讀媒體 | |
| CN117236694B (zh) | 一种基于大数据的国内外标准指标的比对方法及系统 | |
| CN112366148B (zh) | 衬底浓度确定方法、装置、计算机设备及可读存储介质 | |
| CN116384168B (zh) | 一种运砂船的运砂量计算方法、系统、计算机及存储介质 | |
| CN117668736B (zh) | 一种工程塑料的平面度检测方法及装置 | |
| CN116720790B (zh) | 一种典型零件抽样检验方法及系统 | |
| CN117557157B (zh) | 一种基于卷积神经网络的质量考核评价方法 | |
| CN117610943B (zh) | 一种信用主体信用评价风险模型的建模方法 | |
| CN116757560B (zh) | 一种大数据集数据智能质检方法 | |
| CN118277184A (zh) | 应用程序的健康监测方法和装置 |
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 |