CN108182503A - 一种工业用离心泵的质量评价方法及其设备 - Google Patents
一种工业用离心泵的质量评价方法及其设备 Download PDFInfo
- Publication number
- CN108182503A CN108182503A CN201710938830.2A CN201710938830A CN108182503A CN 108182503 A CN108182503 A CN 108182503A CN 201710938830 A CN201710938830 A CN 201710938830A CN 108182503 A CN108182503 A CN 108182503A
- Authority
- CN
- China
- Prior art keywords
- index
- centrifugal pump
- score value
- quality
- quality evaluation
- 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.)
- Granted
Links
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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Structures Of Non-Positive Displacement Pumps (AREA)
Abstract
本申请的目的是提供一种离心泵的质量评价方法及其设备,该离心泵的质量评价方法包括以下步骤:获取离心泵的各质量评价指标的分值;通过加权算法和各质量评价指标对应的权重值对各质量评价指标进行处理得到综合评估分值;对综合评估分值进行判定,判定离心泵的等级信息;根据判定的等级信息,评价工业用离心泵的生产质量。与现有技术相比,本申请在对离心泵的质量检测过程中,提升其综合评价的结果的客观性,提升检测人员的工作效率,避免出现为人为计算失误的现象。
Description
技术领域
本发明涉及离心泵工程技术领域,尤其涉及一种工业用离心泵的质量评价方法及其设备。
背景技术
离心泵,在流程工业中属于重要设备,对机械制造业的日常生产具有至关重要的作用,因此,通常采用对离心泵产品进行质量评价的方式来对机械制造业的生产效率和其生产的产品质量进行检验和预测。
众所周知,目前关于离心泵产品的质量评价的方法已经从检测离心泵的机械性能是否合格的方法,提升为检测离心泵产品内在质量及其生产工艺的方法,这不仅需要从离心泵产品的自身性能(如机械性能,水力性能)的角度进行评价,还要从对离心泵的生产企业的加工制造流程与工艺、制造管理的角度对离心泵的整体生产状况(如生产能力、创新能力、质量保证能力等) 进行评价,以检验企业的生产效率,及其生产的离心泵的可靠性。
然而,在现有技术中,在对离心泵企业的整体生产状况和离心泵的性能进行质量检测的过程中,在确定相关的指标,并对各指标进行综合评价的过程中,存在着无序性和随意性,从而造成人为的主观评价性较强,使得最终得到的综合评价的结果不够客观,并且,其综合评价的结果无法较好的对离心泵的生产企业制造的离心泵的质量进行准确的预测。同时,在现有技术中,对于各指标的分值的计算大多采用人工计算的方式,从而造成检测人员的工作效率较低,且容易出现人工计算失误的现象,进而极大的影响了离心泵质量的综合评价结果的客观性和准确性。严重的,可能给生产或应用离心泵的企业的生产运营带来不利的影响。
发明内容
针对上述现有技术的缺点或不足,本发明要解决的技术问题是提供一种工业用离心泵的质量评价方法及其设备,如何在对离心泵的质量进行检测过程中,提升其综合评价的结果的客观性,以及对生产企业制造的离心泵的质量进行预测的准确度,提升工作效率,防止出现人工统计错误的现象。
为解决上述技术问题,本发明提供了一种工业用离心泵的质量评价方法,包括:
步骤S1:获取离心泵各质量评价指标的分值;
步骤S2:通过加权算法和各质量评价指标对应的权重值对各质量评价指标进行处理得到综合评估分值;
步骤S3:对所述综合评估分值进行判定,判定所述离心泵的等级信息;
步骤S4:根据所述判定的等级信息,评价工业用离心泵的生产质量。
本发明还提供了一种用于离心泵的质量评价的设备,其中,所述设备包括:一个或多个处理器;以及存储有计算机可读指令的存储器,所述计算机可读指令在被执行时使所述处理器执行如前述方法的操作。
与现有技术相比,本发明采用通过获取离心泵各质量评价指标的分值进行加权计算来得到综合评估分值,并且利用对综合评估分值的判定来实现自动评级的方式,不仅可提升对离心泵各质量评价指标进行评价的客观性,以及对生产企业制造的离心泵的质量品级进行预测的准确度,还可提升工作效率,防止出现人工统计错误的现象。
进一步的,作为优选的,还包括以下步骤:在判定所述离心泵的等级信息的同时,存储所述离心泵的等级信息、综合评估分值、各质量评价指标的分值。
进一步的,作为优选的,在所述步骤S3中包括以下步骤:若所述综合评估分值大于第一预设值,则判定所述离心泵的等级为第一等级,否则继续判定;
若判定的所述综合评估分值大于第二预设值,并小于或等于所述第一预设值,则判定所述离心泵的等级为第二等级,否则继续判定;
若判定的所述综合评估分值大于第三预设值,并小于或等于所述第二预设值,则判定所述离心泵的等级为第三等级,否则继续判定所述离心泵的等级为第四等级。
进一步的,作为优选的,所述步骤S2包括以下步骤:
步骤S21:将所述获取的各质量评价指标的分值自动归类为各小类指标;
步骤S22:对各小类指标中的质量评价指标的分值进行第一次加权计算处理,得到各小类指标的分值;
步骤S23:将所述各小类指标的分值自动归类为各大类指标;
步骤S24:对各大类指标中的小类指标的分值进行第二次加权计算处理,得到各大类指标的分值;
步骤S25:对各大类指标的分值进行第三次加权算法处理,得到综合评估分值;
其中,各小类指标之间、各大类指标之间、各小类指标中各质量评价指标之间的权重之和均为1。
进一步的,作为优选的,所述第一次加权计算中的各质量评价指标、所述第二次加权计算中的各小类指标、所述第三次加权计算中的各大类指标的权重值为预设的权重值。
进一步的,作为优选的,在步骤S1前,还包括以下步骤:获取N个参照样本,其中,所述N为预设的正整数;通过自适应算法对获取的各参照样本进行训练处理;获取所述第一次加权计算中的各质量评价指标、所述第二次加权计算中的各小类指标和所述第三次加权计算中的各大类指标的权重值。
进一步的,作为优选的,所述自适应算法为LMS算法。
进一步的,作为优选的,还包括以下步骤:在步骤S21前,还包括以下步骤:在获取任意一质量评价指标的分值后,对获取的该质量评价指标的分值进行判定;
若判定该质量评价指标的分值在预设的警戒值区间内时,则进入步骤S21,否则发送警示信息和重新继续处理指令信息,以提示是否继续获取该质量评价指标的分值;
若获取继续处理的指令,则进入步骤S21,否则清空获取的该质量评价指标的分值,并重新获取该质量评价指标的分值并进行判定。
进一步的,在步骤S3前,还包括以下步骤:在对所述离心泵的等级信息进行判定前,获取的所述离心泵的各项基本指标,并对获取的所述离心泵的各项基本指标进行判定;
若判定获取的所述各项基本指标均合格,则进入步骤S3,否则判定所述离心泵的等级信息为第四等级。
进一步的,作为优选的,大类指标包括:现场审查指标和产品测试指标;
所述现场审查指标中的小类指标包括:生产能力指标、检测能力指标、设计研发创新能力指标、质量保证能力指标、市场竞争力和服务能力指标;
所述产品测试指标中的小类指标包括:外观检查指标、审查材料符合性审核验证指标和性能测试指标;
其中,所述各小类指标中的各质量评价指标的分值均为0~100。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1:本发明第一实施例中离心泵的质量评价方法的流程图;
图2:本发明第一实施例中步骤S1的具体流程图;
图3:本发明第二实施例中离心泵的质量评价方法的流程图;
图4:本发明第二实施例中优选的离心泵的质量评价方法中的流程图;
图5:本发明第三实施例中离心泵的质量评价方法的流程图;
图6:本发明第四实施例中离心泵的质量评价方法的流程图。
具体实施方式
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明,以充分地了解本发明的目的、特征和效果。
如图1所示,本发明的第一实施例提供了一种工业用离心泵的质量评价方法,包括以下步骤:
步骤S1:获取离心泵各质量评价指标的分值;
步骤S2:通过加权算法和各质量评价指标对应的权重值对各质量评价指标进行处理得到综合评估分值(本实施例综合评估分值优选为0~100,当然也可根据实际情况,将综合评估分值的预设的范围也可以设定为其他范围数值的,如0~10、0~200等);
步骤S3:对综合评估分值进行判定,判定该离心泵的等级信息;
步骤S4:根据判定的等级信息,评价工业用离心泵的生产质量。
综上可知,由于本发明采用通过获取离心泵各质量评价指标的分值进行加权计算来得到综合评估分值,并且利用对综合评估分值的判定来实现自动评级的方式,不仅可提升对离心泵各质量评价指标进行评价的客观性,以及对生产企业制造的离心泵的质量品级进行预测的准确度,还可提升工作效率,防止出现人工统计错误的现象。
具体地,如图1所示,为了满足实际应用中的需求,在本实施例中,作为优选的,在上述步骤S3中还包括以下步骤:在判定离心泵的等级信息的同时,存储离心泵的等级信息、综合评估分值、各质量评价指标的分值。以方便对各离心泵的各项评价分值进行数据记录、查询和后续的报告打印。
并且,在对综合评估分值进行判定的过程中,即步骤S3中包括以下步骤:若综合评估分值大于第一预设值(本实施例优选为90),则判定离心泵的等级为第一等级,否则继续判定;
若判定的综合评估分值大于第二预设值(本实施例优选为75),并小于或等于第一预设值,则判定离心泵的等级为第二等级,否则继续判定;
若判定的综合评估分值大于第三预设值(本实施例优选为60),并小于或等于第二预设值,则判定离心泵的等级为第三等级,否则判定离心泵的等级为第四等级。
需要说明的是,本实施例中,为了方便用户的记忆和识别,将第一等级、第二等级、第三等级、第四等级优选为A、B、C、D四个等级。其中,D级为不合格等级。第一预设值、第二预设值、第三预设值也可根据实际情况预设为其他数值的,本实施例对此不作具体的限定和过多的阐述。
详细地,在本实施例中,如图2所示,上述步骤S2包括以下步骤:
步骤S21:将获取的各质量评价指标的分值自动归类为各小类指标;
步骤S22:对各小类指标中的质量评价指标的分值进行第一次加权计算处理,得到各小类指标的分值;
步骤S23:将各小类指标的分值自动归类为各大类指标;
步骤S24:对各大类指标中的各小类指标的分值进行第二次加权计算处理,得到各大类指标的分值;
步骤S25:对各大类指标的分值进行第三次加权算法处理,得到综合评估分值;
其中,各小类指标之间、各大类指标之间、各小类指标中各质量评价指标之间的权重之和均为1。
由此可知,通过多次加权算法处理对各质量评价指标进行自动归类加权处理,可有效提升综合评估分值的客观性和可靠性,能够较好的反映离心泵的质量。
详细地,在本实施例中,为了便于对离心泵的各项参数以及对离心泵企业的运行情况做出合理且全面的评价,上述离心泵优选为API 610标准结构中OH1、OH2型离心泵进行抽样检测,并且上述各大类指标可以分别为现场审查指标和产品测试指标。
其中,现场审查指标中的各小类指标可以分别为生产能力指标、检测能力指标、设计研发创新能力指标、质量保证能力指标、市场竞争力和服务能力指标;
产品测试指标中的各小类指标可以分别为外观检查指标、审查材料验证指标和机械性能实验指标;
进一步,在实际应用中,为了能够较好的反映离心泵的质量及对生产企业制造的离心泵质量的预测,上述生产能力指标中的各质量评价指标可以分别为普通车床指标、数控车床指标、磨床及型式指标、镗/铣床指标、加工中心指标、装配平台指标、动平衡指标、喷漆区域指标、焊接设备指标、消应力热处理设备指标和性能热处理设备指标。
检测能力指标中的各质量评价指标可以分别为检测人员指标、MT/PT (Magneticparticle Testing/Penetrant Testing,磁粉检测/渗透检测)无损检测项目人员指标、UT(Ultrasonic Testing,超声检测)无损检测项目人员指标、质量培训记录指标评分、光谱仪检测设备指标、无损检测设备指标、硬度测试设备指标、测振仪器指标、检测实验室能力等级指标、整机性能试验装备型式指标、整机性能试验装备能力指标和整机水力性能试验台精度指标。需要说明的是,上述指标可对通过相应的人员数量、设备数量以及工艺的实施情况等进行统计打分。
研发创新能力指标中的各质量评价指标可以分别为企业信息化***指标、参编标准能力指标、研发经费指标、研发机构指标、研发人员比重指标、专利及软件著作权数量指标、发明专利数量指标、产品升级或新产品指标。
质量保证能力指标中的各质量评价指标可以分别为质量保证体系指标、标准执行指标、强度设计计算软件指标、水力设计计算软件指标、刚度设计软件指标、采购质量控制指标、铸件采购控制指标、锻件采购控制指标、主要生产工艺控制指标、不合格品管理指标、检验管理指标和质保人员管理指标。并且,需要说明的是,上述指标可通过对相应的费用、研发人员数量、专利数量、是否拥有ISO9000体系的供应管理以及相关工艺的实施情况等进行统计打分。
市场竞争力指标中的各质量评价指标可以分别为获得的国际资质认证指标和国际市场销售业绩指标。
服务能力指标中的各质量评价指标可以分别为服务团队能力指标和技术服务管理能力指标。
并且,上述产品测试指标中的各小类指标可以分别为外观检查指标、符合性审核与验证指标、性能测试指标;
外观检查指标中的各质量评价指标可以分别为过流部件铸造方式指标、过流部件流道粗糙度指标、泵用管路安装外观指标、泵用管路焊接方式及外观、泵转向标识及泵铭牌指标、联轴器护罩结构及外观指标。
审查符合性审核与验证指标中的各质量评价指标可以分别为材料符合性指标、主要配套件或外购件指标、特殊试验或报告审查指标、泵组用管道仪表流程图检查指标和转子跳动检测指标。
性能测试指标中的各质量评价指标可以分别为机械运转试验指标、机械振动试验指标、机械运转试验指标、水力性能试验指标、泵效率指标和零件磨损指标。需要说明的是,上述指标可通过离心泵在进行机械性能测试时的轴承温度、流量、扬程、汽蚀余量、轴功率及性能曲线、能效指标、磨损状况等进行统计打分。
其中,作为优选的,上述各质量评价指标的分值均为0~100(本实施例中各质量评价指标的分值也可根据实际情况设为其他数值范围的,如0~10、 0~200等,在此不作具体的限定),在确保统一各质量评价指标的评估标准的同时,可使得最终得到的综合评估分值在0~100之间,以便于判断等级和比较。另外,值得一提的是,该离心泵的质量评价方法中的各小类指标、各大类指标和各质量评价指标也可根据实际的情况进行调整,本实施例对此不再作过多的阐述和具体的限定。
综上可知,由于上述质量评价指标部分指标为离心泵的机械性能指标,即产品质量性能指标,而另一部分为离心泵的生产企业的生产能力、研发创新能力、质量保证能力指标,即生产企业的生产能力指标,通过多次加权算法实现了硬性指标和软性指标的优化结合,从而可根据得到的等级信息来评价,不仅可能够较好的全面反映已生产的离心泵的质量,还能够对该离心泵生产企业未来生产的离心泵质量起到较准确的预测和评价作用。
并且,需要说明的是,在本实施例中,作为一种优选的方式,上述第一次加权计算中的各质量评价指标、第二次加权计算中的各小类指标、第三次加权计算中的各大类指标的权重值为预设的权重值,而该权重值可根据用户的实际的优化方案来设定,本实施例中仅以1除以每次加权计算中需加权的指标总数来作为每次加权计算中各指标的权重值为例作说明,而不对此作具体的限定,如各大类指标的权重值均为0.5,各小类指标的权重值均为0.125 等。
另外,值得一提的是,在本实施例中,为了满足实际评价过程中一些特殊的评价要求,防止出现因必备的单向指标不合格而导致整体评价通过的情况,在上述步骤S3前,还包括以下步骤:在对离心泵的等级信息进行判定前,获取离心泵的各项基本指标并对其进行判定,如本实施例中列举的四项基本要求指标(是否具备申请资质材料和法人执照等)、纳税指标(是否具有纳税证明等)、资质证书指标(是否通过ISO9001质量管理体系认证,且在有效期内)、违约违规指标(是否处于省部级机关质量违约处理的停用期内)。
若判定获取的所述各项基本指标均合格,则进入步骤S3,否则判定所述离心泵的等级信息为第四等级。
此外,需要说明的是,上述各小类指标及各大类指标中的各质量评价指标以及各项基本要求指标还可以根据实际情况进行划分和设定,本实施例对此不作具体的限定和说明。
本发明的第二实施例还提供了一种离心泵的质量评价方法,本发明的第二实施例与本发明的第一实施例大致相同,其不同之处在于,在本第一实施例中,上述各指标的权重值为预设的,而在本第二实施例中,如图3 和图4所示。
在进入步骤S1前,获取多个参照样本(可由不同的专家评审得到的优化方案,本实施例仅以100个参照样本为预设的数值作说明,并且在实际计算过程中,其参照样本数量可以根据实际的情况调整为其它的数值,如10、20、 50、200、1000等其他数值的)进行训练处理;
通过自适应算法对获取的各参照样本进行训练处理,即通过采集各参照样本中的各质量评价指标、各小类指标、各大类指标中的权重值来建立具备第一次加权计算中的各质量评价指标、第二次加权计算中的各小类指标、第三次加权计算中的各大类指标对应的权重值的模型,以获取第一次加权计算中的各质量评价指标、第二次加权计算中的各小类指标和第三次加权计算中的各大类指标的权重值,并将获得的权重值应用于上述步骤S2中。
由此可知,通过样本训练结合自适应算法的方式对各质量评价指标、各小类指标和各大类指标的权重值进行优化,可使得各指标的权重值的分布更为合理,从而使得本实施例得出的评估分值更加的客观和准确,降低了人为的主观因素带来的不利影响。
具体的说,在本实施例中,该自适应算法可以为LMS算法,以使得能够迅速的获得的各小类指标、各大类指标、各质量评价指标的权重值的分布较为合理。
本发明的实施例中LMS算法的具体计算过程如下所示:
第一步:通过LMS算法随机首次选取n个样本(n为大于1正整数),并对选取的各样本中设定的同一质量指标(如选取的n个样本的各样本中的过流部件流道粗糙度)的权重α(1)、α(2)、α(3)…α(n)作为向量,并在初始化时随机分别赋予权重分配系数w1(n);
第二步:根据权重值向量值和权重分配系数w1(n)的向量乘积得到预估值y’(n),即y’(n)=w1 T(n)α(n)。
其中,w1 T(n)=[w1(1)、w1(2)、w1(3)…w1(n)]T为同一质量评价指标对应的权重系数向量;
第三步:根据权重值α(1)、α(2)、α(3)…α(n)的期望d(n)与y’ (n)之间的差值得到估计误差e(n),即e(n)=d(n)-y’(n);
第四步:根据均方误差公式J=E[e2(n)],即权重分配系数w(n)的向量的二次函数;
第五步:对权重分配系数值w(n)的二次函数J进行求导,得到均方误差函数的梯度
第六步:根据LMS算法中的公式并在确定最优的步长u和梯度的估值后,得到第n+1次选取n个训练样本时,同一质量评价指标的预估的最优化的权重分配系数的向量W’;
第七步:根据最优化的权重分配系数的向量W’和第n+1次选取的样本中的上述同一质量指标的权重的向量与最优化的权重分配系数的向量W’的乘积之和获得最优化的权重值;
第八步:按上述七个步骤依次或同步选取的样本中对同一质量评价指标、各小类指标或各大类指标进行处理,分别得到各指标对应的最优化的权重值;
第九步:对上述同一级别的指标(如质量评价指标、各小类指标或各大类指标)中获取的最优化的权重值之和进行判定,若判定获取同一级别的指标中的中各指标对应的最优化的权重值之和等于1,则将同一级别的指标中的中各指标对应的最优化的权重值作为上述第一次加权计算中的各质量评价指标、第二次加权计算中的各小类指标及第三次加权计算中的各大类指标的对应预设的权重值;否则,根据同一级别的指标中各指标对应的最优化的权重值之和的倒数作为修正系数,并将同一级别的指标中各指标对应的最优化的权重值与修正系数的乘积得到修正后的权重值作为预设的权重值。
由此可知,通过LMS算法对选取的样本进行多次迭代的训练,借助大数据的作用,可使得最终得到的预设的权重值更加的合理和准确,以提升得到综合评估分值的准确度。
显然,本实施例中,还可以通过其他的LMS算法对选取的样本进行训练,以获取最优化的权重值,并将其作为上述各指标预设的权重值,因此本实施例对此不作具体的限定和说明。
本发明的第三实施例还提供了一种离心泵的质量评价方法,本发明的第三实施例是对上述任意一实施例的进一步改进,其改进之处在于,在本实施例中,还包括以下步骤:如图5所示,在步骤S21前,还包括以下步骤:在获取任意一质量评价指标的分值后,对获取的该质量评价指标的分值进行判定;
若判定该质量评价指标的分值在预设的警戒值区间内时,则进入步骤 S21,否则发送警示信息和重新处理指令信息,即根据本实施例图5中的流程图所示的输出警示信息和重新处理指令信息,以提示是否继续获取该质量评价指标的分值;
若获取继续处理的指令,则进入步骤S21,否则清空获取的该质量评价指标的分值,并重新获取该质量评价指标的分值并进行判定。
由此可知,通过对多个标准参照样本中各质量评价指标的分值进行统计,并获得各质量评价指标的警戒值区间的方式,有利于提示工作人员是否出现评分过低或过高的情况,以避免出现人为的评分出错或随意评分的情况。
并且,需要说明的是,作为优选的,本实施例中的警戒值区的最大数值和最小数值可以是预先设置的参考估计值(如60~80)外,还可以是通过选取多个样本进行概率统计得到的参考估计值,以使得该警戒值区间具有较好的参考价值,并且更加的客观。
本发明的第四实施例还提供了一种离心泵的质量评价方法,本发明的第四实施例是对上述任意一实施例的进一步改进,其改进之处在于:如图 6所示,在步骤S3前,还包括以下步骤,若判定所获取的各项基本指标均合格,则弹出上传文件对话框,以提示用户上传对应的证书和材料。
判定文件是否上传成功,若上传成功,则进入步骤S3,否则继续弹出上传文件对话框。
并且,获取对应的证书和材料后,对应的证书和材料通过云端上传至互联网终端,以便于审核人员对相关的证书和材料进行鉴别,以防止出现提供虚假信息的情况发生。
本发明的第五实施例还提供了一种离心泵的质量评价的设备,在本实施例中,设备包括:一个或多个处理器;以及存储有计算机可读指令的存储器,计算机可读指令在被执行时使处理器执行上述任一实施例中涉及的方法的操作。例如:计算机可读指令在被执行时使处理器执行如下步骤:
获取离心泵的各质量评价指标的分值;
通过加权算法和各质量评价指标对应的权重值对各质量评价指标进行处理得到综合评估分值;
对所述综合评估分值进行判定,判定所述离心泵的等级信息;
根据所述判定的等级信息,评价工业用离心泵的生产质量。
综上可知,由于本发明的设备采用了通过获取离心泵各质量评价指标的分值进行加权计算来得到综合评估分值,并且利用对综合评估分值的判定来实现自动评级的方式,不仅可提升对离心泵各质量评价指标进行评价的客观性,以及对生产企业制造的离心泵的质量品级进行预测的准确度,还可提升工作效率,防止出现人工统计错误的现象。
以上实施例仅用以说明本发明的技术方案而非限定,仅仅参照较佳实施例对本发明进行了详细说明。本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围,均应涵盖在本发明的权利要求范围。
Claims (11)
1.一种工业用离心泵的质量评价方法,其特征在于:包括以下步骤:
步骤S1:获取离心泵的各质量评价指标的分值;
步骤S2:通过加权算法和各质量评价指标对应的权重值对各质量评价指标进行处理得到综合评估分值;
步骤S3:对所述综合评估分值进行判定,判定所述离心泵的等级信息;
步骤S4:根据所述判定的等级信息,评价工业用离心泵的生产质量。
2.根据权利要求1所述的工业用离心泵的质量评价方法,其特征在于,还包括以下步骤:在判定所述离心泵的等级信息后,存储所述离心泵的等级信息、综合评估分值、各质量评价指标的分值。
3.根据权利要求1所述的工业用离心泵的质量评价方法,其特征在于,在所述步骤S3中包括以下步骤:若所述综合评估分值大于第一预设值,则判定所述离心泵的等级为第一等级;
若判定的所述综合评估分值大于第二预设值,并小于或等于所述第一预设值,则判定所述离心泵的等级为第二等级;
若判定的所述综合评估分值大于第三预设值,并小于或等于所述第二预设值,则判定所述离心泵的等级为第三等级,否则判定所述离心泵的等级为第四等级。
4.根据权利要求1所述的工业用离心泵的质量评价方法,其特征在于,所述步骤S2包括以下步骤:
步骤S21:将所述获取的各质量评价指标的分值自动归类为各小类指标;
步骤S22:对各小类指标中的质量评价指标的分值进行第一次加权计算处理,得到各小类指标的分值;
步骤S23:将所述各小类指标的分值自动归类为各大类指标;
步骤S24:对各大类指标中的小类指标的分值进行第二次加权计算处理,得到各大类指标的分值;
步骤S25:对各大类指标的分值进行第三次加权算法处理,得到综合评估分值;
其中,各小类指标之间、各大类指标之间、各小类指标中的各质量评价指标之间的权重之和均为1。
5.根据权利要求3所述的工业用离心泵的质量评价方法,其特征在于,所述第一次加权计算中的各质量评价指标、所述第二次加权计算中的各小类指标、所述第三次加权计算中的各大类指标的权重值为预设的权重值。
6.根据权利要求3所述的工业用离心泵的质量评价方法,其特征在于,在步骤S1前,还包括以下步骤:获取N个参照样本,其中,所述N为大于或等于预设的正整数;
通过自适应算法对获取的各参照样本进行训练处理;
获取所述第一次加权计算中的各质量评价指标、所述第二次加权计算中的各小类指标和所述第三次加权计算中的各大类指标的权重值。
7.根据权利要求6所述的工业用离心泵的质量评价方法,其特征在于,所述自适应算法为LMS算法。
8.根据权利要求4所述的工业用离心泵的质量评价方法,其特征在于,在步骤S21前,还包括以下步骤:在获取任意一质量评价指标的分值后,对获取的该质量评价指标的分值进行判定;
若判定该质量评价指标的分值在预设的警戒值区间内时,则进入步骤S21,否则发送警示信息和重新处理指令信息,以提示是否继续获取该质量评价指标的分值;
若获取继续处理的指令,则进入步骤S21,否则清空获取的该质量评价指标的分值,并重新获取该质量评价指标的分值并进行判定。
9.根据权利要求3所述的工业用离心泵的质量评价方法,其特征在于,还包括以下步骤:在对所述离心泵的等级信息进行判定前,获取的所述离心泵的各项基本指标,并对获取的所述离心泵的各项基本指标进行判定;
若判定获取的所述各项基本指标均合格,则进入步骤S3,否则判定所述离心泵的等级信息为第四等级。
10.根据权利要求4所述的工业用离心泵的质量评价方法,其特征在于,大类指标包括:现场审查指标和产品测试指标;
其中,所述现场审查指标中的小类指标包括:生产能力指标、检测能力指标、研发创新能力指标、质量保证能力指标、市场竞争力和服务能力指标;
所述产品测试指标中的小类指标包括:外观检查指标、审查符合性审核与验证指标和性能测试指标;
其中,所述各小类指标中的各质量评价指标的分值均为0~100。
11.一种用于工业用离心泵的质量评价的设备,其中,所述设备包括:一个或多个处理器;以及
存储有计算机可读指令的存储器,所述计算机可读指令在被执行时使所述处理器执行如权利要求1至10中任一项所述方法的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710938830.2A CN108182503B (zh) | 2017-09-30 | 2017-09-30 | 一种工业用离心泵的质量评价方法及其设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710938830.2A CN108182503B (zh) | 2017-09-30 | 2017-09-30 | 一种工业用离心泵的质量评价方法及其设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108182503A true CN108182503A (zh) | 2018-06-19 |
CN108182503B CN108182503B (zh) | 2021-12-28 |
Family
ID=62545081
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710938830.2A Active CN108182503B (zh) | 2017-09-30 | 2017-09-30 | 一种工业用离心泵的质量评价方法及其设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108182503B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111353713A (zh) * | 2020-03-03 | 2020-06-30 | 重庆西艾恩科技发展有限公司 | 一种工厂生产用产品质量认证管理*** |
CN112084598A (zh) * | 2020-09-09 | 2020-12-15 | 重庆工商大学 | 一种离心泵叶轮可再制造性评估方法 |
CN113408840A (zh) * | 2020-03-17 | 2021-09-17 | 横河电机株式会社 | 评价***、评价方法和计算机可读取的非临时性存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103593560A (zh) * | 2013-11-04 | 2014-02-19 | 北京市建筑工程研究院有限责任公司 | 一种既有玻璃幕墙安全性综合评估检测方法 |
CN104850926A (zh) * | 2014-12-17 | 2015-08-19 | 北汽福田汽车股份有限公司 | 产品质量的综合评价方法 |
CN105864060A (zh) * | 2016-05-04 | 2016-08-17 | 湖南睿胜能效管理技术有限公司 | 离心泵运行效果判定方法和*** |
-
2017
- 2017-09-30 CN CN201710938830.2A patent/CN108182503B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103593560A (zh) * | 2013-11-04 | 2014-02-19 | 北京市建筑工程研究院有限责任公司 | 一种既有玻璃幕墙安全性综合评估检测方法 |
CN104850926A (zh) * | 2014-12-17 | 2015-08-19 | 北汽福田汽车股份有限公司 | 产品质量的综合评价方法 |
CN105864060A (zh) * | 2016-05-04 | 2016-08-17 | 湖南睿胜能效管理技术有限公司 | 离心泵运行效果判定方法和*** |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111353713A (zh) * | 2020-03-03 | 2020-06-30 | 重庆西艾恩科技发展有限公司 | 一种工厂生产用产品质量认证管理*** |
CN111353713B (zh) * | 2020-03-03 | 2023-11-14 | 重庆西艾恩科技发展有限公司 | 一种工厂生产用产品质量认证管理*** |
CN113408840A (zh) * | 2020-03-17 | 2021-09-17 | 横河电机株式会社 | 评价***、评价方法和计算机可读取的非临时性存储介质 |
CN112084598A (zh) * | 2020-09-09 | 2020-12-15 | 重庆工商大学 | 一种离心泵叶轮可再制造性评估方法 |
CN112084598B (zh) * | 2020-09-09 | 2022-08-19 | 重庆工商大学 | 一种离心泵叶轮可再制造性评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108182503B (zh) | 2021-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108182503A (zh) | 一种工业用离心泵的质量评价方法及其设备 | |
Benitez et al. | A dynamic multi-criteria decision-making model for the maintenance planning of reinforced concrete structures | |
Chiu et al. | An integrated DEA based model to measuring financial performance of construction companies | |
CN115660803A (zh) | 互联网背景下供应链金融风险管理方法 | |
Tumanggor | The influence of current ratio, quick ratio and net profit margin on return on assets at pt. hero supermarket tbk | |
Pasaribu et al. | The role of corporate intellectual capital | |
Suresh et al. | Comparative financial performance and financial soundness of banks in Bhutan: application of Dupont and bankometer models | |
TWI471818B (zh) | 微型企業融資風險評估方法 | |
CN109711749A (zh) | 数据处理方法及装置 | |
Feng et al. | An empirical analysis on the influence of technological innovation on performance of iron and steel industry | |
Yahya Asadollahi et al. | The relationship between intellectual capital and earnings predictability in the companies listed in Tehran stock exchange | |
Porawouw et al. | The Application of Camel Model on Banks Listed in Indonesia Stock Exchange Period 2008-2010 | |
Nuladani et al. | The Effect of Management Change, Financial Distress, and Earnings Management on Audit Report Lag with the Number of Commissioners as a Moderating Variable | |
Salahuddin | THE INFLUENCE OF ISLAMIC CORPORATE GOVERNANCE (ICG) AND INTELLECTUAL CAPITAL (IC) ON THE ISLAMICITY PERFORMANCE INDEX AT PT BANK NTB SYARIAH PERIOD 2019-2021 | |
Nugrahani et al. | Intellectual Capital and Financial Performance in the Indonesian Stock Exchange | |
Andary | Benchmarking Water and Wastewater Construction Projects Delivered by Design–Bid–Build. | |
Husen et al. | Linear Trend Regression Analysis On Gold Forecasting For Investment In Indonesia During The Covid-19 Pandemic | |
Soedaryono et al. | Effect Intellectual Capital (Value Added Intellectual Capital) to Market Value and Financial Performance of Banking Sector Companies Listed in Indonesia Stock Exchange | |
Ding et al. | Research on NDT technology in inference of steel member strength based on macro/micro model | |
Yetiani et al. | The Effect of Leadership, Compensation and Motivation on Employee Performance in PT. Dua Mutiara | |
Chhatoi | Impact of Short-Term Solvency on Operational Efficiency: A Study on Cement Industry. | |
Alieinikova | Improvement of the procedure for integral assessment of the financial and corporate state of share-based societies | |
Koibichuk | Evaluating the effectiveness of an enterprise’export-import activity | |
Putri | The effect of growth, intellectual capital, financial performance on firm value | |
Munthe et al. | Applying of Social Return on Investment (SROI): A Practical Review to Financial Social Value and Benefits |
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 |