CN110147935B - 一种烟草卷包车间质量综合决策模型的建立方法 - Google Patents
一种烟草卷包车间质量综合决策模型的建立方法 Download PDFInfo
- Publication number
- CN110147935B CN110147935B CN201910315061.XA CN201910315061A CN110147935B CN 110147935 B CN110147935 B CN 110147935B CN 201910315061 A CN201910315061 A CN 201910315061A CN 110147935 B CN110147935 B CN 110147935B
- Authority
- CN
- China
- Prior art keywords
- quality
- unit
- set value
- workshop
- category
- 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 21
- 241000208125 Nicotiana Species 0.000 title claims abstract description 19
- 235000002637 Nicotiana tabacum Nutrition 0.000 title claims abstract description 19
- 238000012797 qualification Methods 0.000 claims abstract description 55
- 235000019504 cigarettes Nutrition 0.000 claims description 26
- 238000012423 maintenance Methods 0.000 claims description 5
- 241000196324 Embryophyta Species 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 abstract description 7
- 238000013523 data management Methods 0.000 abstract description 2
- 238000009826 distribution Methods 0.000 abstract description 2
- 230000003993 interaction Effects 0.000 abstract description 2
- 238000004519 manufacturing process Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 238000004806 packaging method and process Methods 0.000 description 4
- 238000003908 quality control method Methods 0.000 description 4
- 238000012856 packing Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012858 packaging process Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 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
- 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
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种烟草卷包车间质量综合决策模型的建立方法,通过获取每一工班各机组的各质量类别数据,并得到相应机组的机组合格率;通过各相应机组的机组合格率计算该工班的平均合格率;通过车间整体的各质量类别数据计算车间整体合格率;统计各工班的机组合格率低于第一设定值的机组总数,然后进行判断。本技术方案通过烟草卷包车间质量综合决策模型的立方法,建立了质量数据管理平台积累质量数据经验库,“数据集中、应用分布”的方式,可以有效地提高信息资源的利用率,提供良好的数据交互接口,方便相关岗位人员高效调用,能及时准确的确定影响质量问题的具体原因。
Description
技术领域
本发明属于烟草车间质量管理技术领域,特别是指一种烟草卷包车间质量综合决策模型的建立方法。
背景技术
烟草车间卷包设备类型众多、产品质量问题的种类和产生原因错综复杂,质量问题对应产生原因之间各种因素互相关联,这对卷接包车间质量管控带来了较大困难。传统质量管控方法不能及时发现并合理做质量管控觉得指导。
在传统的工作中,只能通过不断地巡视观察质量情况从而查找存在的质量隐患,由于卷接包装工艺较复杂,并不能及时及面面俱到。
以往操作人员及维修人员处理故障都是凭借自身的经验,存在疏漏。质量问题产生原因较多,在传统的处理方式中,相关人员对历史数据进行统计较为繁琐。
如下图1所示,目前卷包车间质量分析方法主要是通过单一的物理指标数据通过单一的数据源进行人工分析,由于生产过程中的物理指标是测试后的结果,属于一个结果的体现,并不能实时关联生产状态对生产过程进行实时评价和分析并判断和定位具体的质量问题。
目前卷包车间影响产品质量问题的因素较多,与产品质量问题相关的数据的来源及数量均较多,如何能够精确对卷包车间质量做出决策,需要对卷包车间各类与生产质量相关数据进行分类,但是现技术尚没有针对相应数据分类的模型,影响了数据的调用效率。
发明内容
本发明的目的是提供一种烟草卷包车间质量综合决策模型的建立方法,以解决现有技术对烟草卷包车间影响质量问题的数据没有明确的分类,不能及时准确的确定影响质量问题的具体原因的问题。
本发明是通过以下技术方案实现的:
一种烟草卷包车间质量综合决策模型的建立方法,包括以下步骤:
获取每一工班各机组的各质量类别数据,并得到相应机组的机组合格率;通过各相应机组的机组合格率计算该工班的平均合格率;
通过车间整体的各质量类别数据计算车间整体合格率;
统计N个工班的机组合格率低于第一设定值的机组总数;
若所述车间整体合格率低于第二设定值,则判断,在N工班中,机组合格率是否有高于第一设定值的情况,若有,则判断属于人为控制因素是影响质量问题的主因;若否,则判断属于辅料因素是影响质量问题的主因;
若所述车间整体合格率高于第二设定值,则判断:
同一机组中,若其中N-1个工班的机组合格率均高于第一设定值,或一个工班的机组合格率低于N-1个工班的机组合格率的平均值的第三设定值,或有工班的机组合格率高于第四设定值,或该机组在设定时间段内没有发生过维修记录,则判断人为控制因素是影响质量问题的主因;
同一机组中,若其中N-1个工班的机组合格率均低于第一设定值,或N 个工班的机组合格率的平均值低于第一设定值,或没有工班的机组合格率高于第四设定值,则判断为设备因素是影响质量问题的主因;
若机组合格率低于第一设定值的机组总数大于第五设定值,或机组合格率低于第一设定值的机组使用同一厂家的辅料,或使用其它厂家辅料的机组合格率均高于第一设定值,则判断为辅料问题是影响质量问题的主因。
所述质量类别包括烟支质量类别、烟支圆周类别、烟支长度类别中的一种。
所述质量类别数据包括样本总数、不合格数、合格率、平均值、极大值或极小值中的一种或一种以上组合。
进一步的,所述质量类别还包括外观质量类别,所述外观质量类别至少包括烟支外观类别或盒装外观类别。
所述外观质量类别数据包括不合格数或平均扣分。
所述质量类别数据是通过对各机组的外观类别平均扣分获得。
所述外观类别平均扣分=(不合格样本数/样本总数)×权重;所述权重为外观质量类别中各外观类别占所述外观质量类别的比例。
本发明的有益效果是:
本技术方案通过烟草卷包车间质量综合决策模型的立方法,建立了质量数据管理平台积累质量数据经验库,“数据集中、应用分布”的方式,可以有效地提高信息资源的利用率,提供良好的数据交互接口,方便相关岗位人员高效调用。
通过对质量内在及外在原因通过质量相关数据进行深度解析和多维度问题挖掘,以此对生产过程质量控制做出辅助决策,取代人脑分析过程,此模式可以通过逐步完善,实时评估分析产品在线生产质量。
附图说明
图1为现有质量问题分析逻辑图;
图2为质量综合决策模型逻辑图。
具体实施方式
以下通过实施例来详细说明本发明的技术方案,以下的实施例仅是示例性的,仅能用来解释和说明本发明的技术方案,而不能解释为是对本发明技术方案的限制。
如图2所示,为了能够精确对卷包车间质量做出决策,需要对卷包车间各类生产质量相关数据进行采集及存储,由于卷包车间数据节点和数据类型较多,需要对不同设备采用不同原理进行数据采集并进行存储,通过云数据中心的存储方式可实现高效数据调用。
为了实现对卷包车间质量决策支持,需要全面了解卷烟车间影响产品质量问题的所有因素,通过长期的统计分析,现卷烟车间影响产品质量问题的因素主要包括物理指标类别、生产过程实时状态因素、设备维修因素、辅料信息因素及外观缺陷类别。
在本申请中,各质量类别实际由物理指标类别和外观质量类别组成,其中,物理指标类别包括烟支质量类别、烟支圆周类别、烟支长度类别或烟支吸阻类别中的一种或一种以上组合。
外观质量类别至少包括烟支外观类别、条装外观类别或盒装外观类别。此处的盒装外观类别是指小盒包装的外观类别,在通常情况下,小盒包装的数量为二十支装、十支装或其它数量,烟支外观类别是指单一烟支的外观类别。
质量类别数据的来源,通过采样获得的数据,包括样本总数、不合格数、合格率、平均值、极大值或极小值中的一种或一种以上组合。所述外观质量类别数据包括不合格数或平均扣分。
所述外观类别平均扣分=(不合格样本数/样本总数)×权重;所述权重为外观质量类别中各外观类别占所述外观质量类别的比例。具体为,可以对外观质量类别总计设计一个确定的分值,比如100分,也可以根据需要设定为其它的分值,比如50分,80分,150分1000分等均可以。将外观质量类别中所包括的各外观类别根据以前的数据总结的质量问题占总计外观质量问题的比例来确定权重,该权重的准确性根据计数的时间段的长短而有所不同,相对的,时间段的长度越短,确定权重的准确度会越低,时间段的长度越长,确定的权重的准确度越低,为了保证权重的相对准确,通常时间段的长度会多于6个月,比如12个月,18个月或24个月等。
在生产或采样过程中,由于人为操作失误或设备偶然性的异常数据对质量辅助决定结果会产生较大的偏差,需要对数据进行预处理,需要通过数据本身清洗规则对数据进行筛查以清洗出符合规则的质量数据,对于存储节点较为分散的数据通过关联因素对其进行数据集成;对冗余存储和不相关的数据进行数据归约处理及对非结构化存储的数据通过数据转换成为可以直接使用的数据。
在上述的数据预处理方法中,其中,数据归约是在影响质量问题的多个特征中,按照设定的特征进行选择将相应的数据进行分类,将不属于设定的特征的数据进行删除或做其它的处理。
本申请提供一种烟草卷包车间质量综合决策模型的建立方法,包括以下步骤:
获取每一工班各机组的各质量类别数据,并得到相应机组的机组合格率;通过各相应机组的机组合格率计算该工班的平均合格率。
具体为,比如某个烟草卷包车间包括四台机组,在本申请人其它实施例中,也可以包括两台机组、三台机组、五台机组、六台机组或更多数量的机组。对这四台机组中的各质量类别数据(如,烟支重量类别数据、烟支长度类别数据、烟支圆周类别数据或烟支烟阻类别数据)分别进行统计,按照设定的采样模式进行采样,但是各机组的采样模式应当相同,获得某一个机组的烟支重量样本总数,不合格数,平均值,极大值,极小值,甚至可以按照外观质量类别数据的平均扣分法计算平均扣分,计算相应的质量类别在某一机组的机组合格率,再将所有机组的机组合格率进行平均获得该工班的平均合格率。
通过车间整体的各质量类别数据计算车间整体合格率;此处是,通过设定时间段内某一质量类别,所有工班所有机组的总体平均合格率。
统计四个工班的机组合格率低于第一设定值的机组总数;在本实施例中,采用现企业常用的四个工班轮班工作进行说明,若是某企业为三个工班轮班工作,则N为三,若采用五个工班轮班工作,则N为五。
第一设定值,可以根据需要确定。在本申请的以下各实施例中,第一设定值、第二设定值、第三设定值、第四设定值、第五设定值等均可以根据需要设定,但是,要符合企业对产品的质量要求为准。
若所述车间整体合格率低于第二设定值,则判断,在四工班中,机组合格率是否有高于第一设定值的情况,若有,则判断属于人为控制因素是影响质量问题的主因;若否,则判断属于辅料因素是影响质量问题的主因;
若所述车间整体合格率高于第二设定值,则判断:
同一机组中,若其中三个工班的机组合格率均高于第一设定值,或一个工班的机组合格率低于三个工班的机组合格率的平均值的第三设定值,比如2%,5%,10%等,或有工班的机组合格率高于第四设定值,比如99%,99.5%,100%,或该机组在设定时间段内没有发生过维修记录,则判断人为控制因素是影响质量问题的主因。
同一机组中,若其中三个工班的机组合格率均低于第一设定值,或四个工班的机组合格率的平均值低于第一设定值,或没有工班的机组合格率高于第四设定值,则判断为设备因素是影响质量问题的主因。
若机组合格率低于第一设定值的机组总数大于第五设定值,或机组合格率低于第一设定值的机组使用同一厂家的辅料,或使用其它厂家辅料的机组合格率均高于第一设定值,则判断为辅料问题是影响质量问题的主因。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变形,本发明的范围由所附权利要求及其等同限定。
Claims (7)
1.一种烟草卷包车间质量综合决策模型的建立方法,其特征在于,包括以下步骤:
获取每一工班各机组的各质量类别数据,并得到相应机组的机组合格率;通过各相应机组的机组合格率计算该工班的平均合格率;
通过车间整体的各质量类别数据计算车间整体合格率;
统计N个工班的机组合格率低于第一设定值的机组总数;
若所述车间整体合格率低于第二设定值,则判断,在N工班中,机组合格率是否有高于第一设定值的情况,若有,则判断属于人为控制因素是影响质量问题的主因;若否,则判断属于辅料因素是影响质量问题的主因;
若所述车间整体合格率高于第二设定值,则判断:
同一机组中,若其中N-1个工班的机组合格率均高于第一设定值,或一个工班的机组合格率低于N-1个工班的机组合格率的平均值的第三设定值,或有工班的机组合格率高于第四设定值,或该机组在设定时间段内没有发生过维修记录,则判断人为控制因素是影响质量问题的主因;
同一机组中,若其中N-1个工班的机组合格率均低于第一设定值,或N个工班的机组合格率的平均值低于第一设定值,或没有工班的机组合格率高于第四设定值,则判断为设备因素是影响质量问题的主因;
若机组合格率低于第一设定值的机组总数大于第五设定值,或机组合格率低于第一设定值的机组使用同一厂家的辅料,或使用其它厂家辅料的机组合格率均高于第一设定值,则判断为辅料问题是影响质量问题的主因。
2.根据权利要求1所述的烟草卷包车间质量综合决策模型的建立方法,其特征在于,所述质量类别包括烟支质量类别、烟支圆周类别、烟支长度类别中的一种。
3.根据权利要求2所述的烟草卷包车间质量综合决策模型的建立方法,其特征在于,所述质量类别数据包括样本总数、不合格数、合格率、平均值、极大值或极小值中的一种或一种以上组合。
4.根据权利要求1所述的烟草卷包车间质量综合决策模型的建立方法,其特征在于,所述质量类别还包括外观质量类别,所述外观质量类别至少包括烟支外观类别或盒装外观类别。
5.根据权利要求4所述的烟草卷包车间质量综合决策模型的建立方法,其特征在于,所述外观质量类别数据包括不合格数或平均扣分。
6.根据权利要求5所述的烟草卷包车间质量综合决策模型的建立方法,其特征在于,所述质量类别数据是通过对各机组的外观类别平均扣分获得。
7.根据权利要求6所述的烟草卷包车间质量综合决策模型的建立方法,其特征在于,所述外观类别平均扣分=(不合格样本数/样本总数)×权重;所述权重为外观质量类别中各外观类别占所述外观质量类别的比例。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910315061.XA CN110147935B (zh) | 2019-04-18 | 2019-04-18 | 一种烟草卷包车间质量综合决策模型的建立方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910315061.XA CN110147935B (zh) | 2019-04-18 | 2019-04-18 | 一种烟草卷包车间质量综合决策模型的建立方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110147935A CN110147935A (zh) | 2019-08-20 |
CN110147935B true CN110147935B (zh) | 2022-07-05 |
Family
ID=67588540
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910315061.XA Active CN110147935B (zh) | 2019-04-18 | 2019-04-18 | 一种烟草卷包车间质量综合决策模型的建立方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110147935B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111007810B (zh) * | 2019-11-06 | 2021-04-23 | 珠海格力电器股份有限公司 | 物料分析预警方法、装置、存储介质及电子设备 |
CN113306802B (zh) * | 2021-05-26 | 2022-10-21 | 红云红河烟草(集团)有限责任公司 | 一种卷烟小盒成型状态的评价方法及评价装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101992862A (zh) * | 2010-10-22 | 2011-03-30 | 安徽中烟工业公司 | 卷烟包装卷制质量缺陷分类判定方法 |
CN102214351A (zh) * | 2011-06-02 | 2011-10-12 | 云南烟草科学研究院 | 多点生产卷烟产品质量均质化评价方法及差异指标的筛选 |
CN102509243A (zh) * | 2011-09-20 | 2012-06-20 | 河北中烟工业有限责任公司 | 卷烟制造过程质量评价方法及其*** |
CN104360677A (zh) * | 2014-12-18 | 2015-02-18 | 厦门烟草工业有限责任公司 | 一种卷烟加工过程质量评价与诊断方法 |
CN106022650A (zh) * | 2016-06-13 | 2016-10-12 | 上海烟草集团有限责任公司 | 一种卷烟综合质量的分析方法 |
CN106067100A (zh) * | 2016-07-26 | 2016-11-02 | 广西汽车集团有限公司 | 一种产品质量的改善方法和*** |
CN108880841A (zh) * | 2017-05-11 | 2018-11-23 | 上海宏时数据***有限公司 | 一种业务监控***的阀值设置、异常检测***及方法 |
CN108898311A (zh) * | 2018-06-28 | 2018-11-27 | 国网湖南省电力有限公司 | 一种面向智能配电网抢修调度平台的数据质量检测方法 |
CN109222220A (zh) * | 2018-08-30 | 2019-01-18 | 龙岩烟草工业有限责任公司 | 用于评测烟支卷制质量指数的方法和*** |
CN109523086A (zh) * | 2018-11-26 | 2019-03-26 | 浙江蓝卓工业互联网信息技术有限公司 | 基于随机森林的化工产品的质量预测方法及*** |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW583406B (en) * | 2002-12-31 | 2004-04-11 | Powerchip Semiconductor Corp | Method for analyzing final test parameters |
ITMI20121419A1 (it) * | 2012-08-08 | 2014-02-09 | Fattoria Autonoma Tabacchi S C A R L | Metodo per la produzione di tabacco volto a ridurre il tenore di nitrosammine. |
US20160063502A1 (en) * | 2014-10-15 | 2016-03-03 | Brighterion, Inc. | Method for improving operating profits with better automated decision making with artificial intelligence |
-
2019
- 2019-04-18 CN CN201910315061.XA patent/CN110147935B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101992862A (zh) * | 2010-10-22 | 2011-03-30 | 安徽中烟工业公司 | 卷烟包装卷制质量缺陷分类判定方法 |
CN102214351A (zh) * | 2011-06-02 | 2011-10-12 | 云南烟草科学研究院 | 多点生产卷烟产品质量均质化评价方法及差异指标的筛选 |
CN102509243A (zh) * | 2011-09-20 | 2012-06-20 | 河北中烟工业有限责任公司 | 卷烟制造过程质量评价方法及其*** |
CN104360677A (zh) * | 2014-12-18 | 2015-02-18 | 厦门烟草工业有限责任公司 | 一种卷烟加工过程质量评价与诊断方法 |
CN106022650A (zh) * | 2016-06-13 | 2016-10-12 | 上海烟草集团有限责任公司 | 一种卷烟综合质量的分析方法 |
CN106067100A (zh) * | 2016-07-26 | 2016-11-02 | 广西汽车集团有限公司 | 一种产品质量的改善方法和*** |
CN108880841A (zh) * | 2017-05-11 | 2018-11-23 | 上海宏时数据***有限公司 | 一种业务监控***的阀值设置、异常检测***及方法 |
CN108898311A (zh) * | 2018-06-28 | 2018-11-27 | 国网湖南省电力有限公司 | 一种面向智能配电网抢修调度平台的数据质量检测方法 |
CN109222220A (zh) * | 2018-08-30 | 2019-01-18 | 龙岩烟草工业有限责任公司 | 用于评测烟支卷制质量指数的方法和*** |
CN109523086A (zh) * | 2018-11-26 | 2019-03-26 | 浙江蓝卓工业互联网信息技术有限公司 | 基于随机森林的化工产品的质量预测方法及*** |
Non-Patent Citations (1)
Title |
---|
基于改进决策树算法识别LCD产品质量影响因素;郑晓笑 等;《现代制造工程》;20150418(第04期);第21-26页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110147935A (zh) | 2019-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105486831B (zh) | 一种钢卷质量检测*** | |
CN110147935B (zh) | 一种烟草卷包车间质量综合决策模型的建立方法 | |
CN110989521A (zh) | 一种生产线智能管理*** | |
CN113420162B (zh) | 一种基于知识图谱的设备运行链状态监测方法 | |
AU2021100234A4 (en) | Tobacco insect forewarning and feedback system | |
CN105096057A (zh) | 权力运行与预防腐败的监察模型*** | |
CN110690701A (zh) | 一种异常线损影响因素的分析方法 | |
CN107239592A (zh) | 一种空气污染监测数据的时间序列增长分析方法及*** | |
CN116205637B (zh) | 基于物联网与工业大数据的智能工厂管理*** | |
CN108154289A (zh) | 一种产品质量因素信息自动分析***与自动分析方法 | |
CN116245420A (zh) | 一种生产管理***及管理方法 | |
CN112884212A (zh) | 烟支单支克重偏差分析预测方法 | |
CN110909895A (zh) | 一种基于特种设备历史定期检验报告的预警方法及*** | |
CN113724008A (zh) | 一种新营销大数据的数据分析方法 | |
CN116028887A (zh) | 一种连续性工业生产数据的分析方法 | |
CN113126584A (zh) | 一种卷烟生产过程质量稳定性评价*** | |
CN115660288A (zh) | 一种基于互联网大数据的分析管理*** | |
CN112365186A (zh) | 一种电力信息***健康度评估方法及其评估*** | |
CN111476380A (zh) | 一种电缆检修辅助测试平台 | |
CN108122059B (zh) | 一种药品生产企业的生产风险识别的方法及自动预警*** | |
CN113283652A (zh) | 一种军工行业宏观质量水平的评价方法 | |
Şengöz | Control charts to enhance quality | |
CN116433218A (zh) | 基于自组织映射聚类的矿井机械设备在线健康评估方法 | |
CN109241127B (zh) | 一种客户意向自动评估分类方法 | |
CN114167342A (zh) | 一种继电保护装置运行健康状态的评价方法 |
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 |