CN101587574A - 汽车产品质量问题控制*** - Google Patents
汽车产品质量问题控制*** Download PDFInfo
- Publication number
- CN101587574A CN101587574A CNA2009100536624A CN200910053662A CN101587574A CN 101587574 A CN101587574 A CN 101587574A CN A2009100536624 A CNA2009100536624 A CN A2009100536624A CN 200910053662 A CN200910053662 A CN 200910053662A CN 101587574 A CN101587574 A CN 101587574A
- Authority
- CN
- China
- Prior art keywords
- attribute
- module
- stage
- control system
- product quality
- 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
Images
Landscapes
- General Factory Administration (AREA)
Abstract
本发明揭示一种汽车产品质量问题控制***,包括问题发布模块、数据库模块、责任部门确定模块、暗灯模块;问题发布模块用以在产品的全生命周期的各个阶段发布发现的问题;数据库模块用以记录所述问题发布模块发布的问题;责任部门确定模块用以根据问题的属性及其取值确定该问题需由何部门解决;暗灯模块用以在被发现的问题尚未解决、且已临近需解决问题的时间节点时发出报警信息;报警的时间点可设定。本发明把汽车生产的全生命周期的问题的发布及管理提供一个平台。同时,本发明利用知识管理工具,可从已有的数据中挖掘出发布的数据属性与问题的关注度、需要解决的时间等其他未被发布的属性的关系;从而为企业的决策提供参考依据。
Description
技术领域
本发明涉及一种控制***,尤其涉及一种汽车产品质量问题控制***。
背景技术
近年来,随着数据库技术的发展和数据应用的普及,大量的数据库***被用于企业决策、商业管理、科学研究和工程开发等领域,企业的数据环境发生了很大改变,主要表现在两个方面:从数量上,积累的数据量大幅度增加;从应用上,数据间的关系增多,对数据的操作越来越复杂。这导致在技术上侧重于数据存取的联机事务处理不能满足现有竞争条件下对数据分析的需求:企业希望尽快全面、深刻的理解数据,从海量的数据中分析和挖掘出有很强指导意义的知识。因此,数据挖掘技术应运而生并显示出强大的生命力。数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据中,提取隐含在其中的、人们事先不知道的但又是潜在有用的信息和知识的过程。其是数据库研究中的一个很有价值的新领域,融合了数据库、人工智能、机器学习、统计学等多个领域的理论和技术。
而汽车行业整车研发及制造厂拥有自己的专有技术、复杂的业务流程、庞大的分销渠道以及每天产生的海量信息,对产品质量问题控制***的数据环境面临挑战。主要表现在两方面:从数量上,积累的数据量大幅度增加;从应用上,数据间的关系增多,对数据的操作越来越复杂。这导致质量问题控制***在技术上侧重于数据存取的联机事务处理不能满足现有竞争条件下对数据分析的需求。如何全面、深刻地理解数据,从海量的数据中分析和挖掘出有很强指导意义的知识。数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据中,提取隐含在其中的、人们事先不知道的但又是潜在有用的信息和知识的过程。
此外,随着信息技术的飞速发展和信息化建设的不断深入,以知识管理为特征的现代管理模式正在深刻地影响着汽车制造业的快速发展。面临着客户需求的瞬息万变、产品生命周期的不断缩短、市场竞争的日趋激烈,汽车制造业所处的运营环境正在发生着根本性的变化,各种信息***的应用在制造业企业业务管理方面发挥着重要的作用,汽车制造业的信息化建设取得了初步成效,在研发、生产、技术、经营管理等领域通过实施国内外一些管理软件提供上的一些专业管理软件、或者通过自主开发、合作开发建立符合自己企业特色的各类信息***来不断提高信息资源开发效率,获取信息经济效益。但是信息技术与企业管理的发展与融合的范围还局限于企业内部不同部门之间,没有真正做到企业内部各种***之间的有效集成,当然,企业之间的信息***的协同也停留在理论研究阶段,要做到真正的协同还要做大量的基础工作。为使企业竞争战略管理不断创新,企业竞争力不断提高,就需要企业首先能够把企业的各类信息***进行横向和纵向集成。
汽车制造业要求将汽车制造企业信息化建设的范畴不再仅限于单个企业的内部***,将企业内部的价值链做到最优。对于由企业信息***所捕获的信息,“知识管理”主要任务是将海量的信息进行整理,从中提炼和挖掘出更高价值的“知识”,这就是通常所说的“商业智能”或“数据挖掘”。
企业信息***通常可以分为业务***和内部管理***。业务***积累的信息经过挖掘后可以提炼出业务知识,有助于企业更好地完成业务,内部管理***积累的信息,经过挖掘后,可以提炼出内部管理知识,有助于企业了解自身运作状况,更好的完成内部管理与调整。这种“知识”资源的管理与“信息管理”密切相关,将其看作是“信息管理”的延伸和深化无可非议。大部分企业,尤其是传统企业,都将此看作“知识管理”的基本任务。
另外,产品质量是制造企业在激烈的市场竞争中最有力的战略武器,是企业求得生存,提高效益的关键,对于企业的可持续发展,质量更具有至关重要意义。目前在汽车行业,尤其是整车研发及制造厂,其内部使用的产品质量问题跟踪解决***,尽管有些也有相应的信息***支持的,但很难满足知识管理的要求:有些则是处于半自动化的状态(依靠Excel实现),仅具有问题解决流的一些雏形:有些则根本没有体现质量问题解决过程中工作流的特性。这些业务流程都存在以下一些问题:
(1)无统一的实现方式和平台,不能满足公司级统计分析和决策支持的要求;
(2)每个质量问题从创建到关闭的过程中,工作流程的审批始终贯穿其中,组织结构对其有着很大的影响。而有些整车厂使用的基于Lotus Notes平台开发的质量问题跟踪***,因在设计时采用了Notes中的组织结构,使用了大量的硬编码方式,当人员结构发生调整时,工作流需要随之进行调整,处于处理过程中的问题会出现无人能够处理的情况,只能通过管理员人工干预才能正常运行;
(3)对于进入***的质量问题,一般都需要定期***状态,以保证问题能够得到及时处理。因此该***应具有状态自动跟踪和分析判断的功能。目前的***在这方面功能薄弱,问题丢失之后只能依靠人工进行判断检查和修复,很容易遗漏。且对延期未处理的问题,也没有能够提供查询功能,必须先导出到Excel中,然后用自定义宏进行搜索,效率很低;
(4)质量问题的解决对企业而言是非常宝贵的数据,因此知识管理在问题跟踪***中是一个重要的组成部分,一般要求有以下几方面的功能:Lessonlearned,Case study,Issue search等。基于Lotus Notes的跟踪***在知识积累上有很大的不足,无法通过知识管理平台进行共享,无法对对出现的问题进行总结和分析发掘深层次的原因,现有的问题库无法延续可持续发展的长远要求,无法沉淀为可共享的知识库。
(5)很多集成在邮件***中的质量问题跟踪***只能局限于内部能够登陆Notes的用户使用,并没有包含非内部用户,而基于WEB的PQCP***提供了一个更广泛的平台,可以为不同的组织提供统一的平台解决同一个问题。
发明内容
本发明所要解决的技术问题是:提供一种产品质量问题控制***,可解决现有技术的不足之处。
为解决上述技术问题,本发明采用如下技术方案:
一种汽车产品质量问题控制***,其特征在于,其包括:
问题发布模块,用以在产品的全生命周期的各个阶段发布发现的问题,发布问题时,发布问题的属性及其取值;问题的属性包括:试验类型、造车阶段、问题等级、故障编码、频次、关闭周期、问题性质、零件设计级别、涉及EWO与否及其多少、问题后果;
数据库模块,用以记录所述问题发布模块发布的问题;
责任部门确定模块,用以根据问题的属性及其取值确定该问题需由何部门解决;
暗灯模块,用以在被发现的问题尚未解决、且已临近需解决问题的时间节点时发出报警信息;报警的时间点可设定。
作为本发明的一种优选方案,所述***还包括知识学习模块,用以按照所述数据库中已经存储的已发布问题的属性分类,并根据该分类进行聚类;而后进行关联分析计算,获取所述问题的属性与问题的关注度的关系,所述问题的关注度表示问题的重要程度。
作为本发明的一种优选方案,所述知识学习模块根据数据库中已有的问题信息应用人工神经网络技术进行在线学习,已有的问题信息包括发布问题时需要输入的属性、及后期需要设定的属性;所述后期需要设定的属性包括问题的关注度。
作为本发明的一种优选方案,所述知识学习模块同时获取所述问题的属性与责任部门的关系;所述责任部门确定模块根据知识学习模块获取的上述关系确定新发布的问题需由何部门解决。所述知识学习模块根据数据库中已有的问题信息应用人工神经网络技术进行在线学习,已有的问题信息包括发布问题时需要输入的属性、及后期需要设定的属性;所述后期需要设定的属性包括问题的责任部门。
作为本发明的一种优选方案,所述知识学习模块获取所述问题的属性与解决问题所需的时间的关系,并以此作为暗灯模块的报警依据。所述知识学习模块同时获取所述问题的属性与解决问题所需的时间的关系;所述***进一步包括解决问题所需时间确定模块,用以根据知识学习模块获取的上述关系确定解决问题所需的时间。所述知识学习模块根据数据库中已有的问题信息应用人工神经网络技术进行在线学习,已有的问题信息包括发布问题时需要输入的属性、及后期需要设定的属性;所述后期需要设定的属性包括解决问题所需的时间。
作为本发明的一种优选方案,所述试验类型属性的取值包括整车类试验、***级设计验证试验、***级产品验证试验、零部件级设计验证试验、零部件及产品验证试验;造车阶段属性的取值包括骡子车阶段、模拟样车阶段、若干个工程集成车造车阶段、全工装样件试制阶段、产品及工艺验证阶段、若干轮预试生产阶段、若干轮试生产阶段、批量生产阶段;问题等级属性的取值包括涉及安全或法规引起车辆抛锚、功能丧失/功能不合理、可能引起顾客不满、轻微瑕疵;故障编码属性的取值包括噪音类问题、连接类问题、功能类问题、不密封、测量、外观类问题、零部件类问题、异味类问题、发动机问题、其他问题;问题性质属性的取值包括设计问题、质量问题、工艺问题;零件设计级别属性的取值包括全新设计、改进型设计;问题后果属性的取值包括客户服务中心问题、市场重点质量问题、生产制造质量问题、生产制造过程问题。
本发明的有益效果在于:本发明提出的汽车产品质量问题控制***把汽车生产的全生命周期的问题的发布及管理提供一个平台。同时,本发明利用知识管理工具,可从已有的数据中挖掘出发布的数据属性与问题的关注度、需要解决的时间等其他未被发布的属性的关系;从而为企业的决策提供参考依据。
附图说明
图1为本发明汽车产品质量问题控制***的组成示意图。
具体实施方式
下面结合附图详细说明本发明的优选实施例。
实施例一
请参阅图1,本发明揭示了一种汽车产品质量问题控制***,其包括问题发布模块10、数据库模块20、知识学习模块30、关注度确定模块40、解决问题所需时间确定模块50、暗灯模块60、责任部门确定模块70。
问题发布模块10用以在产品的全生命周期的各个阶段发布发现的问题,发布问题时,发布问题的属性及其取值;问题的属性包括:试验类型、造车阶段、问题等级、故障编码、频次、关闭周期、问题性质、零件设计级别、涉及EWO与否及其多少、问题后果。
问题的输入信息主要包括以下内容:
X1.试验类型(有以下五种类型):
试验编号 | 试验名称 |
V-Test | 整车类试验 |
S-DV | ***级设计验证试验 |
S-PV | ***级产品验证试验 |
C-DV | 零部件级设计验证试验 |
C-PV | 零部件及产品验证试验 |
X2.造车阶段,依据整车研发过程将造车阶段分类如下:
阶段编号 | 阶段名称 |
MUL | 骡子车阶段(Mule Car) |
SMU | 模拟样车阶段(Simulate Car) |
EP1 | 工程集成车造车阶段第一阶段 |
EP2 | 工程集成车造车阶段第二阶段 |
EP3 | 工程集成车造车阶段第三阶段 |
EP4 | 工程集成车造车阶段第四阶段 |
OTS | 全工装样件试制阶段 |
PPV | 产品及工艺验证阶段 |
PP1 | 第一轮预试生产阶段 |
PP2 | 第二轮预试生产阶段 |
PP3 | 第三轮预试生产阶段 |
PP4 | 第四轮预试生产阶段 |
P01 | 第一轮试生产阶段 |
P02 | 第二轮试生产阶段 |
P03 | 第三轮试生产阶段 |
P04 | 第四轮试生产阶段(若有) |
SOP | 批量生产 |
X3.问题等级定义
问题等级编号 | 问题等级说明 |
A | 涉及安全或法规,引起车辆抛锚,等等 |
B | 功能丧失/功能不合理,等等 |
C | 可能引起顾客不满,等等 |
D | 轻微瑕疵,等等 |
X4.故障编码
A | 噪音类问题 |
C | 连接类问题 |
F | 功能类问题 |
L | 不密封 |
M | 测量 |
O | 外观类问题 |
P | 零部件类问题 |
S | 异味类问题 |
R | 其他 |
E | 发动机 |
X5.频次:高、中、低;
X6.关闭周期:长、中、短;
X7.问题性质:设计问题、质量问题、工艺问题;
X8.零件设计级别:全新设计、改进型;
X9.涉及EWO(工程更改)与否及其多少:是、否;如是,更改多少参数为:1、2、大于2;
X10.问题后果
Issue类型 | 范围 |
Call Center | 强烈抱怨(媒体披露,质监局投诉)超过3个客户投诉同类问题同一客户投诉同类问题超过3起得不到解决 |
市场重点质量问题 | 涉及车辆安全维修站无法修复同一车辆修理2次以上未修复 |
单个操作代码2MIS IPTV最近三个生产月>5单个操作代码2MIS IPTV最新两个生产月对比,上升>10单个操作代码12MIS IPTV最近三个生产月>30单个操作代码12MIS IPTV最新两个生产月对比,上升>20 |
生产制造质量问题 | 工料费率>5%单一缺陷在各报交点缺陷率>5%单一缺陷连续三天缺陷率>3%Audit/重点检验发现的A类问题批量检查/返工问题,涉及数量达到50以上 |
生产制造过程问题 | 危害员工人身安全,未通过厂级评估停线超过半个小时对于流水节拍的影响>8% |
数据库模块20用以记录所述问题发布模块发布的问题。
知识学习模块30用以按照所述数据库中已经存储的已发布问题的属性分类,并根据该分类进行聚类;而后进行关联分析计算,获取所述问题的属性与其他属性的关系。所述知识学习模块根据数据库中已有的问题信息应用人工神经网络技术进行在线学习,已有的问题信息包括发布问题时需要输入的属性、及后期需要设定的属性。所述后期需要设定的属性包括问题的关注度、解决问题所需的时间、问题的责任部门。知识学习模块30的数据聚类、关联分析过程是本领域的技术人员可以完成的过程,本发明不做赘述。基于本发明***的数据挖掘技术从大量的质量问题事务型数据库中抽取数据,将其整理、转换为新的存储格式。数据挖掘是从数据中抽取有价值的信息,帮助决策者寻找数据间潜在的知识,发现被忽略的要素。从决策支持的角度看,数据挖掘是一种决策支持的过程,能高度自动地分析企业原有的数据,进行归纳推理,从中挖掘出潜在的模式,预测项目质量问题的行为,帮助企业的决策者调整质量预防策略,从而减少风险,辅助做出正确的决策。
关注度确定模块40通过知识学习模块30获取所述问题的属性与问题的关注度的关系,所述问题的关注度表示问题的重要程度。
解决问题所需时间确定模块50用以根据知识学习模块30获取所述问题的属性与解决问题所需的时间的关系确定解决问题所需的时间,并以此作为暗灯模块60的报警依据。暗灯模块60用以在被发现的问题尚未解决、且已临近需解决问题的时间节点时发出报警信息;报警的时间点可自由设定,如可设定:至需解决问题的时间节点前10个工作日报警。
责任部门确定模块70用以根据知识学习模块获取问题的属性与责任部门的关系确定新发布的问题需由何部门解决。
综上所述,本发明提出的汽车产品质量问题控制***把汽车生产的全生命周期的问题的发布及管理提供一个平台。同时,本发明利用知识管理工具,可从已有的数据中挖掘出发布的数据属性与问题的关注度、需要解决的时间等其他未被发布的属性的关系;从而为企业的决策提供参考依据。
实施例二
本实施例与实施例一的区别在于,本实施例中,***不设知识学习模块30,***包括问题发布模块10、数据库模块20、暗灯模块60、责任部门确定模块70。
暗灯模块60所需的“解决问题所需时间”可放在问题属性中,或者人为定义。
责任部门确定模块70所需的责任部门,根据问题属性确定。如根据问题属性X4.故障编码:“发动机”,确定一个或多个可能的责任部门。
这里本发明的描述和应用是说明性的,并非想将本发明的范围限制在上述实施例中。这里所披露的实施例的变形和改变是可能的,对于那些本领域的普通技术人员来说实施例的替换和等效的各种部件是公知的。本领域技术人员应该清楚的是,在不脱离本发明的精神或本质特征的情况下,本发明可以以其它形式、结构、布置、比例,以及用其它组件、材料和部件来实现。在不脱离本发明范围和精神的情况下,可以对这里所披露的实施例进行其它变形和改变。
Claims (9)
1、一种汽车产品质量问题控制***,其特征在于,其包括:
问题发布模块,用以在产品的全生命周期的各个阶段发布发现的问题,发布问题时,发布问题的属性及其取值;问题的属性包括:试验类型、造车阶段、问题等级、故障编码、频次、关闭周期、问题性质、零件设计级别、涉及EWO与否及其多少、问题后果;
数据库模块,用以记录所述问题发布模块发布的问题;
责任部门确定模块,用以根据问题的属性及其取值确定该问题需由何部门解决;
暗灯模块,用以在被发现的问题尚未解决、且已临近需解决问题的时间节点时发出报警信息;报警的时间点可设定。
2、根据权利要求1所述的汽车产品质量问题控制***,其特征在于:
所述***还包括知识学习模块,用以按照所述数据库中已经存储的已发布问题的属性分类,并根据该分类进行聚类;而后进行关联分析计算,获取所述问题的属性与问题的关注度的关系,所述问题的关注度表示问题的重要程度。
3、根据权利要求2所述的汽车产品质量问题控制***,其特征在于:
所述知识学习模块根据数据库中已有的问题信息应用人工神经网络技术进行在线学习,已有的问题信息包括发布问题时需要输入的属性、及后期需要设定的属性;
所述后期需要设定的属性包括问题的关注度。
4、根据权利要求2所述的汽车产品质量问题控制***,其特征在于:
所述知识学习模块同时获取所述问题的属性与责任部门的关系;
所述责任部门确定模块根据知识学习模块获取的上述关系确定新发布的问题需由何部门解决。
5、根据权利要求4所述的汽车产品质量问题控制***,其特征在于:
所述知识学习模块根据数据库中已有的问题信息应用人工神经网络技术进行在线学习,已有的问题信息包括发布问题时需要输入的属性、及后期需要设定的属性;
所述后期需要设定的属性包括问题的责任部门。
6、根据权利要求2所述的汽车产品质量问题控制***,其特征在于:
所述知识学习模块获取所述问题的属性与解决问题所需的时间的关系,并以此作为暗灯模块的报警依据。
7、根据权利要求6所述的汽车产品质量问题控制***,其特征在于:
所述知识学习模块同时获取所述问题的属性与解决问题所需的时间的关系;
所述***进一步包括解决问题所需时间确定模块,用以根据知识学习模块获取的上述关系确定解决问题所需的时间。
8、根据权利要求7所述的汽车产品质量问题控制***,其特征在于:
所述知识学习模块根据数据库中已有的问题信息应用人工神经网络技术进行在线学习,已有的问题信息包括发布问题时需要输入的属性、及后期需要设定的属性;
所述后期需要设定的属性包括解决问题所需的时间。
9、根据权利要求1至8任一所述的汽车产品质量问题控制***,其特征在于:
所述试验类型属性的取值包括整车类试验、***级设计验证试验、***级产品验证试验、零部件级设计验证试验、零部件及产品验证试验;
造车阶段属性的取值包括骡子车阶段、模拟样车阶段、若干个工程集成车造车阶段、全工装样件试制阶段、产品及工艺验证阶段、若干轮预试生产阶段、若干轮试生产阶段、批量生产阶段;
问题等级属性的取值包括涉及安全或法规引起车辆抛锚、功能丧失/功能不合理、可能引起顾客不满、轻微瑕疵;
故障编码属性的取值包括噪音类问题、连接类问题、功能类问题、不密封、测量、外观类问题、零部件类问题、异味类问题、发动机问题、其他问题;
问题性质属性的取值包括设计问题、质量问题、工艺问题;
零件设计级别属性的取值包括全新设计、改进型设计;
问题后果属性的取值包括客户服务中心问题、市场重点质量问题、生产制造质量问题、生产制造过程问题。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2009100536624A CN101587574A (zh) | 2009-06-23 | 2009-06-23 | 汽车产品质量问题控制*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2009100536624A CN101587574A (zh) | 2009-06-23 | 2009-06-23 | 汽车产品质量问题控制*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101587574A true CN101587574A (zh) | 2009-11-25 |
Family
ID=41371811
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2009100536624A Pending CN101587574A (zh) | 2009-06-23 | 2009-06-23 | 汽车产品质量问题控制*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101587574A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103226748A (zh) * | 2012-01-26 | 2013-07-31 | 波音公司 | 基于关联存储器的项目管理*** |
CN103500379A (zh) * | 2013-10-15 | 2014-01-08 | 苏州荣越网络技术有限公司 | 质量异常分析*** |
CN105468667A (zh) * | 2014-09-25 | 2016-04-06 | 大众汽车有限公司 | 用于车辆的诊断方法和调查方法 |
CN103631788B (zh) * | 2012-08-22 | 2017-05-31 | 上海通用汽车有限公司 | 基于共享数据库的车辆制造质量问题诊断*** |
CN106997524A (zh) * | 2017-04-06 | 2017-08-01 | 首钢总公司 | 一种冷轧汽车板产品设计开发*** |
CN107479474A (zh) * | 2017-09-22 | 2017-12-15 | 重庆鲁班机器人技术研究院有限公司 | 工业机器人质量评价方法及装置 |
CN108229827A (zh) * | 2018-01-04 | 2018-06-29 | 南京航空航天大学 | 一种电力设备质量问题建模分析方法 |
CN110119906A (zh) * | 2019-05-23 | 2019-08-13 | 合肥联宝信息技术有限公司 | 一种管理产品质量的方法和装置 |
CN111062767A (zh) * | 2018-10-16 | 2020-04-24 | 上海汽车集团股份有限公司 | 一种全流程c2b智能选配方法及*** |
-
2009
- 2009-06-23 CN CNA2009100536624A patent/CN101587574A/zh active Pending
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103226748A (zh) * | 2012-01-26 | 2013-07-31 | 波音公司 | 基于关联存储器的项目管理*** |
CN103631788B (zh) * | 2012-08-22 | 2017-05-31 | 上海通用汽车有限公司 | 基于共享数据库的车辆制造质量问题诊断*** |
CN103500379A (zh) * | 2013-10-15 | 2014-01-08 | 苏州荣越网络技术有限公司 | 质量异常分析*** |
CN105468667A (zh) * | 2014-09-25 | 2016-04-06 | 大众汽车有限公司 | 用于车辆的诊断方法和调查方法 |
CN106997524A (zh) * | 2017-04-06 | 2017-08-01 | 首钢总公司 | 一种冷轧汽车板产品设计开发*** |
CN107479474A (zh) * | 2017-09-22 | 2017-12-15 | 重庆鲁班机器人技术研究院有限公司 | 工业机器人质量评价方法及装置 |
CN108229827A (zh) * | 2018-01-04 | 2018-06-29 | 南京航空航天大学 | 一种电力设备质量问题建模分析方法 |
CN111062767A (zh) * | 2018-10-16 | 2020-04-24 | 上海汽车集团股份有限公司 | 一种全流程c2b智能选配方法及*** |
CN110119906A (zh) * | 2019-05-23 | 2019-08-13 | 合肥联宝信息技术有限公司 | 一种管理产品质量的方法和装置 |
CN110119906B (zh) * | 2019-05-23 | 2022-03-25 | 合肥联宝信息技术有限公司 | 一种管理产品质量的方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101587574A (zh) | 汽车产品质量问题控制*** | |
Guo et al. | Effects of smart city construction on energy saving and CO2 emission reduction: Evidence from China | |
CN114418303A (zh) | 用于炼化一体化企业的智慧能源管理***和方法 | |
Wang et al. | Ecological–social–economic system health diagnosis and sustainable design of high-density cities: An urban agglomeration perspective | |
Guo et al. | Effect of coal consumption on the upgrading of industrial structure | |
Zhang et al. | An integrated energy efficiency evaluation method for forging workshop based on IoT and data-driven | |
Feng et al. | Evolution and influencing factors of the green development spatial association network in the Guangdong-Hong Kong-Macao Greater Bay Area | |
CN110851961A (zh) | 一种基于***可用度的船闸维修计划制定方法 | |
CN102004855A (zh) | 碳足迹的工程控制方法与评价层次模型 | |
Lo et al. | Evaluating the performance of wind farms in China: an empirical review | |
Putra et al. | Dynamics simulation model of demand and supply electricity energy public facilities and social sector case study east java | |
Li et al. | [Retracted] Empirical Study on the Relationship between Agricultural Economic Structure Growth and Environmental Pollution Based on Time‐Varying Parameter Vector Autoregressive Model | |
Domnikov et al. | Competitive development of energy cogeneration systems in conditions of economic imbalances | |
Zhu et al. | Will Mismatched New Infrastructure Investment Cause Air Pollution Crisis? Environmental Impact Analysis Based on the Coupling Degree of Digital Economy and new Infrastructure Investment | |
Cui et al. | Study of the modified logistic model of chinese electricity consumption based on the change of the GDP growth rate under the economic new normal | |
Feng et al. | Impact of Global Value Chain Embedding on Total‐Factor Energy Productivity of Chinese Industrial Sectors | |
Hammid et al. | Solving short term hydrothermal scheduling problem in the light of cultural algorithm | |
Hinova et al. | Risk Analysis and Assessment when Investing in Energy from Natural Gas and Photovoltaics | |
Huo | Study on Coupling and Coordinated Development of Ecological Environment‐Energy Consumption‐Regional Economic Growth in Greater Bay Area around Hangzhou Bay | |
Chen et al. | Relevance evaluation and spatial differentiation analysis between green development and environmental footprint in China's three typical mega-urban agglomerations | |
Liu et al. | Spatio-temporal pattern and driving Forces of comprehensive agricultural productivity in Jilin Province, China | |
Wang et al. | Medium-Long Term Load Forcasting Based on Improved Grey Model | |
Wang et al. | Energy efficiency and CO 2 emission abatement technology | |
Feng | Research On The Influence Of Industrial Policy On The Development Of Prefabricated Buildings In Nanjing: Empirical Analysis Based On System Dynamics | |
Yuan | [Retracted] Ant Colony Algorithm‐Based Audit Supervision to Promote the Optimization of New Infrastructure Investment Environment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20091125 |