TWI734456B - 製程能力評估方法 - Google Patents
製程能力評估方法 Download PDFInfo
- Publication number
- TWI734456B TWI734456B TW109114358A TW109114358A TWI734456B TW I734456 B TWI734456 B TW I734456B TW 109114358 A TW109114358 A TW 109114358A TW 109114358 A TW109114358 A TW 109114358A TW I734456 B TWI734456 B TW I734456B
- Authority
- TW
- Taiwan
- Prior art keywords
- goods
- process capability
- shipped
- capability value
- group
- Prior art date
Links
Images
Abstract
一種製程能力評估方法由一評估系統實施,該評估系統儲存有多筆分別對應多組貨物的貨物資訊,及一相關於貨物是否會被退貨的評估表,每一貨物資訊包括一製程能力值,及一相關於所對應之該組貨物是否曾遭退貨的一出貨紀錄,該評估系統自該等貨物資訊中選取多組曾遭退貨貨物的貨物資訊,並根據選出的該等貨物資訊建立一製程能力值的三角模糊數(Triangular Fuzzy Numbers),當接收到一組待出貨貨物的貨物資訊時,根據該製程能力值的三角模糊數取得對應隸屬函數、一指標值輸出隸屬函數、一模糊規則庫,及該評估表,產生一貨物是否會被退貨的風險指數。
Description
本發明是有關於一種評估方法,特別是指一種評估製品遭退貨風險的製程能力評估方法。
目前工廠生產線上多透過品質預測方法預測生產品質,如中華民國專利號第I663569號發明案所揭示,該品質預測方法主要藉由一處理器來實施,根據一多階段生產過程中多個工作站的製程參數,預測一製品在該多階段生產過程中的品質,例如良率、精準度等數值,以提高產品的生產品質及效率。
雖然透過上述的品質預測方法能夠預測製品的品質,然而,對於生產該等製品的工廠,往往會發生製品通過工廠內的品質檢測,但交貨至買方公司時仍因為沒有通過批次抽樣檢測而遭到退貨,如此將造成工廠需要進行重新檢測甚至重新生產製品的龐大支出費用,換言之,即使是通過品質檢測的合格製品,依然存在遭受買家退貨的風險,對於工廠而言,不僅需要注意製品的品質,更須了解製品遭受買家退貨的風險程度。
因此,本發明的目的,即在提供一種協助評估製品遭退貨風險的方法。
於是,本發明製程能力評估方法,由一評估系統產生待出貨的貨物被退貨的風險指數,該評估系統包含一儲存模組,及一電連接該儲存模組的處理模組,該儲存模組儲存有多筆分別對應多組貨物的貨物資訊,及一相關於貨物是否會被退貨的評估表,每一貨物資訊包括一製程能力值,及一相關於所對應之該組貨物是否曾遭退貨的一出貨紀錄,該製程能力評估方法包含一步驟(A)、一步驟(B)、一步驟(C),及一步驟(D)。
在該步驟(A)中,藉由該處理模組,自該等貨物資訊中選取多組曾遭退貨貨物的貨物資訊。
在該步驟(B)中,藉由該處理模組,根據選出的該等貨物資訊中所對應的製程能力值,建立一製程能力值的三角模糊數。
在該步驟(C)中,藉由該處理模組,當接收到一組待出貨貨物的貨物資訊時,將該組待出貨貨物的貨物資訊的製程能力值根據該製程能力值的三角模糊數取得對應的隸屬函數、一指標值輸出隸屬函數及一包含多條規則的模糊規則庫,利用一模糊推論演算法產生一對應該組待出貨貨物的指標值。
在該步驟(D)中,藉由該處理模組,根據該指標值及該評
估表藉由查表產生一相關於該組待出貨貨物是否會被退貨的風險指數。
本發明的功效在於:藉由該評估系統產生相關於該組待出貨貨物的風險指數,藉此,生產製品的工廠可預知該待出貨貨物被退貨的可能性而提早做出相對應的準備措施。
1:評估系統
100:通訊網路
11:儲存模組
12:處理模組
2:生產端
301~304:步驟
331~333:子步驟
本發明的其他的特徵及功效,將於參照圖式的實施方式中清楚地呈現,其中:圖1是一方塊圖,說明本發明製程能力評估方法的一實施例經由一通訊網路連接至一生產端;圖2是一流程圖,說明該實施例所執行的本發明製程能力評估方法;圖3是一流程圖,說明本發明製程能力評估方法中的一步驟303的子步驟;及圖4是一示意圖,說明該實施例所建立的一製程能力值的三角模糊數。
在本發明被詳細描述之前,應當注意在以下的說明內容
中,類似的元件是以相同的編號來表示。
參閱圖1,本發明製程能力評估方法的一實施例藉由一評估系統1來實施,該評估系統1包含一儲存模組11及一處理模組12,並經由一通訊網路100連接至一生產端2。
該儲存模組11儲存有多筆分別對應多組貨物的貨物資訊,及一相關於貨物是否會被退貨的評估表,每一貨物資訊包括一製程能力值,及一相關於所對應之該組貨物是否曾遭退貨的一出貨紀錄。
該處理模組12電連接該儲存模組11,並根據一組待出貨貨物的貨物資訊產生相關於該組待出貨貨物是否會被退貨的一風險指數。
參閱圖2,本發明製程能力評估方法,包含一步驟301、一步驟302、一步驟303,及一步驟304,說明該處理模組12如何根據該組待出貨貨物的貨物資訊,產生相關於該組待出貨貨物是否會被退貨的該風險指數。
在該步驟301中,藉由該處理模組12,自該儲存模組11所儲存的該等貨物資訊中選取多組曾遭退貨貨物的貨物資訊。在本實施例中,該處理模組12則排除該等貨物資訊中,每一出貨記錄標註不曾遭退貨的貨物資訊,而自每一出貨記錄標註曾遭退貨的貨物資訊中,選取多組曾遭退貨的貨物資訊。
在該步驟302中,藉由該處理模組12,根據選出的該等貨物資訊中所對應的製程能力值,建立一製程能力值的三角模糊數(Triangular Fuzzy Numbers)。在本實施例中,n組貨物資訊所對應的製程能力值為f i ,其中i=1,...,n,一距離矩陣A為,a ij =|f i -f j |,對於每一製程能力值之距離平均值,一相對距離矩陣P為,,其中該相對距離矩陣P對於每一製程能力值的權重的1,...,n,,令f l 與f r 在隸屬函數中有相同的歸屬度,其中、,而變異數
,則建立的製程能力值的三角模糊數表示為:
其中,對應每一製程能力值的權重分別為、w 2=0.25、w 3=0.21、w 4=0.14、w 5=0.22,平均模糊數m=0.16*1.34+0.25*1.48+0.21*1.59+0.14*1.68+0.22*1.41=1.49,1.42,,變異數
,歸屬度,
,,則製程能力值的三角模糊數可被表示如下:
需要注意的是,在本實施例中,該處理模組12係根據五筆曾遭退貨的貨物資訊的製程能力值建立製程能力值的三角模糊
數,但在其他實施例中,亦可根據更多筆製程能力值建立製程能力值的三角模糊數,而該製程能力值的三角模糊數最少須根據五筆製程能力值而產生,亦即n5。
在該步驟303中,當該處理模組12經由該通訊網路100接收到來自該生產端2的一組待出貨貨物的貨物資訊時,該處理模組12將該組待出貨貨物的貨物資訊的製程能力值根據該製程能力值的三角模糊數取得對應的隸屬函數、一指標值輸出隸屬函數,及一包含多條規則的模糊規則庫,利用一模糊推論演算法產生一對應該組待出貨貨物的指標值。
更詳細而言,該步驟303包含一子步驟331、一子步驟332,及一子步驟333,其中,該子步驟331是該處理模組12經由該通訊網路100接收到來自該生產端2的一組待出貨貨物的貨物資訊時,該處理模組12根據該組待出貨貨物的貨物資訊的製程能力值及對應該製程能力值的三角模糊數,模糊化該組待出貨貨物的貨物資訊的製程能力值,以產生至少一個對應該組待出貨貨物的貨物資訊的製程能力值的模糊集合;該子步驟332是該處理模組12根據該至少一對應該組待出貨貨物的貨物資訊的製程能力值的模糊集合、該製程能力值的三角模糊數、該指標值輸出隸屬函數,及該模糊規則庫,獲得該模糊規則庫中之至少一條規則所對應的推論結果及啟動強度;該子步驟333是該處理模組12根據自該子步驟332獲
得之該至少一條規則所對應的推論結果及啟動強度,獲得一相關於該組待出貨貨物的指標值。
綜上所述,本發明製程能力評估方法,藉由該評估系統1根據該組待出貨貨物的貨物資訊,產生相關於該組待出貨貨物的該風險指數,藉此,工廠能夠事先得知該組待出貨貨物被退貨的可能性,並提早做出相對應措施以減少損失,故確實能達成本發明的目的。
惟以上所述者,僅為本發明的實施例而已,當不能以此限定本發明實施的範圍,凡是依本發明申請專利範圍及專利說明書內容所作的簡單的等效變化與修飾,皆仍屬本發明專利涵蓋的範圍內。
301~304:步驟
Claims (5)
- 一種製程能力評估方法,由一評估系統產生待出貨的貨物被退貨的風險指數,該評估系統包含一儲存模組,及一電連接該儲存模組的處理模組,該儲存模組儲存有多筆分別對應多組貨物的貨物資訊,及一相關於貨物是否會被退貨的評估表,每一貨物資訊包括一製程能力值,及一相關於所對應之該組貨物是否曾遭退貨的一出貨紀錄,該製程能力評估方法包含以下步驟:(A)藉由該處理模組,自該等貨物資訊中選取多組曾遭退貨貨物的貨物資訊;(B)藉由該處理模組,根據選出的該等貨物資訊中所對應的製程能力值,建立一製程能力值的三角模糊數;(C)藉由該處理模組,當接收到一組待出貨貨物的貨物資訊時,將該組待出貨貨物的貨物資訊的製程能力值根據該製程能力值的三角模糊數取得對應的隸屬函數、一指標值輸出隸屬函數及一包含多條規則的模糊規則庫,利用一模糊推論演算法產生一對應該組待出貨貨物的指標值;及(D)藉由該處理模組,根據該指標值及該評估表藉由查表產生一相關於該組待出貨貨物是否會被退貨的風險指數。
- 如請求項1所述的製程能力評估方法,其中,該步驟(C)包含以下子步驟:(C-1)根據該組待出貨貨物的貨物資訊的製程能力值及對應該製程能力值的三角模糊數,模糊化該組待出貨貨物的貨物資訊的製程能力值,以產生至少一個對應該組待出貨貨物的貨物資訊的製程能力值的模糊集合;(C-2)根據該至少一對應該組待出貨貨物的貨物資訊的製程能力值的模糊集合、該製程能力值的三角模糊數、 該指標值輸出隸屬函數,及該模糊規則庫,獲得該模糊規則庫中之至少一條規則所對應的推論結果及啟動強度;及(C-3)根據該至少一條規則所對應的推論結果及啟動強度,獲得一相關於該組待出貨貨物的指標值。
- 如請求項1所述的製程能力評估方法,其中,在該步驟(D)中,該風險指數指示出該組待出貨貨物的狀態為不需重新檢驗、需要重新檢驗、需要重新加工,及需要報廢之其中一者。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109114358A TWI734456B (zh) | 2020-04-29 | 2020-04-29 | 製程能力評估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109114358A TWI734456B (zh) | 2020-04-29 | 2020-04-29 | 製程能力評估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI734456B true TWI734456B (zh) | 2021-07-21 |
TW202141306A TW202141306A (zh) | 2021-11-01 |
Family
ID=77911577
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109114358A TWI734456B (zh) | 2020-04-29 | 2020-04-29 | 製程能力評估方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI734456B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103778205A (zh) * | 2014-01-13 | 2014-05-07 | 北京奇虎科技有限公司 | 一种基于互信息的商品分类方法和系统 |
CN104112076A (zh) * | 2014-07-17 | 2014-10-22 | 清华大学 | 基于模糊数学的运行风险评估方法及评估系统 |
US9749356B2 (en) * | 2015-09-05 | 2017-08-29 | Nudata Security Inc. | Systems and methods for detecting and scoring anomalies |
TWM592123U (zh) * | 2019-10-23 | 2020-03-11 | 治略資訊整合股份有限公司 | 推論系統或產品品質異常的智能系統 |
-
2020
- 2020-04-29 TW TW109114358A patent/TWI734456B/zh active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103778205A (zh) * | 2014-01-13 | 2014-05-07 | 北京奇虎科技有限公司 | 一种基于互信息的商品分类方法和系统 |
CN104112076A (zh) * | 2014-07-17 | 2014-10-22 | 清华大学 | 基于模糊数学的运行风险评估方法及评估系统 |
US9749356B2 (en) * | 2015-09-05 | 2017-08-29 | Nudata Security Inc. | Systems and methods for detecting and scoring anomalies |
TWM592123U (zh) * | 2019-10-23 | 2020-03-11 | 治略資訊整合股份有限公司 | 推論系統或產品品質異常的智能系統 |
Also Published As
Publication number | Publication date |
---|---|
TW202141306A (zh) | 2021-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rathor et al. | Management of Shipment Content using Novel Practices of Supply Chain Management and Big Data Analytics | |
US20130030950A1 (en) | Providing social product recommendations | |
US20090070130A1 (en) | Reputation scoring | |
CN107562795A (zh) | 基于异构信息网络的推荐方法及装置 | |
JP6340428B2 (ja) | ビジネス関係ネットワークの発見、及び関係の関連性の評価 | |
CN111126442B (zh) | 一种物品关键属性生成方法、物品分类方法和装置 | |
Malik et al. | EPR-ML: E-Commerce Product Recommendation Using NLP and Machine Learning Algorithm | |
CN112861895B (zh) | 一种异常物品的检测方法和装置 | |
Leoni et al. | The Shewhart attribute chart with alternated charting statistics to monitor bivariate and trivariate mean vectors | |
TWI734456B (zh) | 製程能力評估方法 | |
US10970604B2 (en) | Fusion-based classifier, classification method, and classification system | |
US10572931B2 (en) | Approving group purchase requests | |
Lin et al. | Association rules mining in R for product performance management in industry 4.0 | |
CN107016583A (zh) | 数据处理方法及装置 | |
CN112837102A (zh) | 一种用于确定商品定价模型的方法、系统及设备 | |
Filz et al. | Data-driven analysis of product property propagation to support process-integrated quality management in manufacturing systems | |
CN110910021A (zh) | 一种基于支持向量机监控在线缺陷的方法 | |
CN116595390A (zh) | 商品信息处理方法及电子设备 | |
CN112418969B (zh) | 商品匹配方法、装置、计算机设备 | |
CN114491086A (zh) | 服饰个性化搭配推荐方法、系统、电子设备及存储介质 | |
CN114677174A (zh) | 一种计算未上架物品销量的方法和装置 | |
CN114723354A (zh) | 一种针对供应商的线上商机挖掘方法、设备及介质 | |
US20220156805A1 (en) | Method of product quality tracing and prediction based on social media | |
JP2018092284A (ja) | 情報処理装置、情報処理方法及び情報処理用プログラム | |
CN111260374A (zh) | 一种检测盗版书籍售卖的方法及其装置 |