CN115689126A - 数据处理方法、装置、设备及介质 - Google Patents
数据处理方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115689126A CN115689126A CN202211693301.8A CN202211693301A CN115689126A CN 115689126 A CN115689126 A CN 115689126A CN 202211693301 A CN202211693301 A CN 202211693301A CN 115689126 A CN115689126 A CN 115689126A
- Authority
- CN
- China
- Prior art keywords
- data
- processed
- control chart
- screening
- control
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种数据处理方法、装置、设备及介质。通过获取基于不同数据采集参数采集得到的多个待处理数据集,基于多个待处理数据集,通过目标数据处理模型,生成包括每个待处理数据集对应的数据节点的目标控制图,并基于待处理数据集所包括的待处理数据,生成至少一个待处理数据集对应的数据分布图,进而显示目标控制图,以在目标控制图中显示多个待处理数据集对应的多个数据节点,以便在数据节点被触发后显示所对应的待处理数据集的数据分布图。在控制图的基础上增加了数据分布图,数据分布图可以指示待处理数据集所包括的多个待处理数据的数据分布情况,从而丰富了生产质量监控过程中的数据处理功能,以提高对生产过程的产品质量监控能力。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种数据处理方法、装置、设备及介质。
背景技术
统计过程控制(Statistical Process Control,SPC)工具作为一种借助数理统计方法的过程控制工具,可以对生产过程进行分析,以根据分析结果及时发现对产品质量造成影响的负面因素,并采取措施消除其影响,以达到控制产品质量的目的。
然而,SPC工具的数据处理能力有限,仅能基于生产过程中所产生的数据生成控制图,以供相关技术人员根据控制图来进行分析,从而极大地限制了对生产过程的产品质量监控能力。
发明内容
本发明提供一种数据处理方法、装置、设备及介质,以解决相关技术中的不足。
根据本发明实施例的第一方面,提供一种数据处理方法,该方法包括:
获取多个待处理数据集,每个待处理数据集中均包括多个待处理数据,不同待处理数据集对应的数据采集参数不同;
基于多个待处理数据集,通过目标数据处理模型,生成目标控制图,目标控制图包括多个数据节点,一个数据节点对应于一个待处理数据集,数据节点为基于待处理数据集所包括的多个待处理数据所确定出的统计数据,目标控制图用于指示多个数据节点的分布情况;
对于至少一个待处理数据集,基于待处理数据集所包括的待处理数据,生成待处理数据集对应的数据分布图,数据分布图用于指示待处理数据集所包括的多个待处理数据的数据分布情况;
显示目标控制图,目标控制图中所包括的数据节点用于在被触发后显示所对应的待处理数据集的数据分布图。
在本发明的一些实施例中,基于多个待处理数据集,通过目标数据处理模型,生成目标控制图,包括:
通过目标数据处理模型,识别多个待处理数据集所包括的待处理数据的数据类型;
通过目标数据处理模型,确定与数据类型匹配的控制图类型,并生成满足控制图类型的目标控制图。
在本发明的一些实施例中,数据类型包括连续型数据和离散型数据;
确定与数据类型匹配的控制图类型,包括下述任一项:
在多个待处理数据集所包括的待处理数据为连续型数据的情况下,将目标控制图的控制图类型确定为多图控制图;
在多个待处理数据集所包括的待处理数据为离散型数据的情况下,将目标控制图的控制图类型确定为单图控制图。
在本发明的一些实施例中,多图控制图包括双图控制图和三图控制图,其中,双图控制图包括均值-极差控制图、单值-移动极差控制图和均值-标准差控制图,三图控制图包括均值-移动极差-标准差控制图和均值-移动极差-极差控制图;
在多个待处理数据集所包括的待处理数据为连续型数据的情况下,将目标控制图的控制图类型确定为多图控制图,包括:
在多个待处理数据集所包括的待处理数据为连续型数据的情况下,从均值-极差控制图、单值-移动极差控制图、均值-标准差控制图、均值-移动极差-标准差控制图、均值-移动极差-极差控制图中,确定目标控制图的控制图类型。
在本发明的一些实施例中,单图控制图包括不合格品数控制图、不良率控制图、缺点数控制图、每个单位的缺点数控制图;
在多个待处理数据集所包括的待处理数据为离散型数据的情况下,将目标控制图的控制图类型确定为单图控制图,包括:
在多个待处理数据集所包括的待处理数据为离散型数据的情况下,从不合格品数控制图、不良率控制图、缺点数控制图、每个单位的缺点数控制图中,确定目标控制图的控制图类型。
在本发明的一些实施例中,该方法还包括:
在需要确定产品生产过程的安定状态的情况下,从最大和最小值-极差控制图、最大和最小值-标准差控制图中,确定目标控制图的控制图类型。
在本发明的一些实施例中,目标控制图包括多个数据节点以及目标控制限;
生成满足控制图类型的目标控制图,包括:
基于多个待处理数据集,确定满足控制图类型的多个数据节点,一个待处理数据集对应于一个数据节点;
基于多个数据节点,确定目标控制图的目标控制限。
在本发明的一些实施例中,在基于多个待处理数据集,生成目标控制图时,该方法还包括:
基于多个数据节点以及目标控制限,确定多个数据节点中是否存在异常数据节点;
在多个数据节点中存在异常数据节点的情况下,发送提示信息,提示信息用于提示产品生产过程中产生的数据存在异常。
在本发明的一些实施例中,数据分布图包括直方图;
基于待处理数据集所包括的待处理数据,生成待处理数据集对应的数据分布图,包括:
基于待处理数据集所包括的多个待处理数据,确定多个待处理数据在各个设定区间内的出现次数;
基于多个待处理数据在各个设定区间内的出现次数,生成待处理数据集对应的直方图。
在本发明的一些实施例中,数据分布图包括箱线图;
基于待处理数据集所包括的待处理数据,生成待处理数据集对应的数据分布图,包括:
确定待处理数据集所包括的多个待处理数据中的最小数据值、第一四分位数、中位数、第三四分位数据、最大数据值以及规格限;
基于最小数据值、第一四分位数、中位数、第三四分位数据、最大数据值以及规格限,生成待处理数据集对应的箱线图。
在本发明的一些实施例中,获取多个待处理数据集,包括:
显示策略选择界面,策略选择界面包括预先生成的至少一个筛选策略,筛选策略用于指示进行数据筛选时所使用的数据筛选维度;
响应于对任一筛选策略的选择操作,显示筛选策略所包括的多个数据筛选维度;
获取每个数据筛选维度对应的筛选参数,并获取满足筛选参数的多个待处理数据集。
在本发明的一些实施例中,获取每个数据筛选维度对应的筛选参数,并获取满足筛选参数的多个待处理数据集,包括:
对于任一数据筛选维度,显示数据筛选维度对应的至少一个备选筛选参数;
响应于对任一备选筛选参数的选择操作,将被选中备选筛选参数确定为数据筛选维度对应的筛选参数;
响应于在策略选择界面的确认操作,基于多个数据筛选维度对应的筛选参数在目标数据库所存储的数据中进行筛选,以得到多个待处理数据集。
在本发明的一些实施例中,筛选策略的生成过程包括:
显示策略创建界面,策略创建界面包括维度添加控件;
响应于对维度添加控件的选择操作,显示至少一个备选筛选维度;
响应于对任一备选筛选维度的选择操作,将被选中的备选筛选维度确定为筛选策略所包括的一个数据筛选维度;
响应于在策略创建界面中的确认操作,基于策略创建界面中已添加的数据筛选维度,生成筛选策略。
在本发明的一些实施例中,策略创建界面还包括名称设置控件,名称设置控件用于提供筛选策略的命名功能。
在本发明的一些实施例中,数据筛选维度包括工厂名称、产品名称、产品版本、主流程名称、主流程版本、子流程名称、子流程版本、站点名称、设备名称、设备工艺名称、产品批次、相关工艺设备、相关工艺设备名称中的至少一项。
在本发明的一些实施例中,该方法还包括:
基于多个待处理数据集所包括的待处理数据,确定过程能力指数,过程能力指数用于指示生产过程的稳定程度,过程能力指数包括能力指数或性能指数。
在本发明的一些实施例中,显示目标控制图之后,该方法还包括:
响应于对目标控制图中任一数据节点的触发操作,显示数据节点所对应的待处理数据集的数据分布图。
在本发明的一些实施例中,显示目标控制图之后,该方法还包括下述至少一项:
显示第一数据展示入口,第一数据展示入口用于在被触发后展示目标控制图中各个数据节点的目标统计数据,目标统计数据包括均值、极差、标准差、单值点、最小值、最大值、移动极差、和、平方和中的至少一项;
显示控制图展示入口,控制图展示入口用于在被触发后展示目标控制图的控制限;
显示规则展示入口,述规则展示入口用于在被触发后展示生成目标控制图时所使用的规则参数;
显示第二数据展示入口,第二数据展示入口用于在被触发后展示目标控制图的规格限;
显示原始数据展示入口,原始数据展示入口用于在被触发后展示待处理数据。
根据本发明实施例的第二方面,提供一种数据处理装置,该装置包括:
获取单元,用于获取多个待处理数据集,每个待处理数据集中均包括多个待处理数据,不同待处理数据集对应的数据采集参数不同;
生成单元,用于基于多个待处理数据集,通过目标数据处理模型,生成目标控制图,目标控制图包括多个数据节点,一个数据节点对应于一个待处理数据集,数据节点为基于待处理数据集所包括的多个待处理数据所确定出的统计数据,目标控制图用于指示多个数据节点的分布情况;
生成单元,还用于对于任一个待处理数据集,基于待处理数据集所包括的待处理数据,生成待处理数据集对应的数据分布图,数据分布图用于指示待处理数据集所包括的多个待处理数据的数据分布情况;
显示单元,用于显示目标控制图,目标控制图中所包括的数据节点用于在被触发后显示所对应的待处理数据集的数据分布图。
在本发明的一些实施例中,生成单元,在用于基于多个待处理数据集,通过目标数据处理模型,生成目标控制图时,用于:
通过目标数据处理模型,识别多个待处理数据集所包括的待处理数据的数据类型;
通过目标数据处理模型,确定与数据类型匹配的控制图类型,并生成满足控制图类型的目标控制图。
在本发明的一些实施例中,数据类型包括连续型数据和离散型数据;
生成单元,在用于确定与数据类型匹配的控制图类型时,用于下述任一项:
在多个待处理数据集所包括的待处理数据为连续型数据的情况下,将目标控制图的控制图类型确定为多图控制图;
在多个待处理数据集所包括的待处理数据为离散型数据的情况下,将目标控制图的控制图类型确定为单图控制图。
在本发明的一些实施例中,多图控制图包括双图控制图和三图控制图,其中,双图控制图包括均值-极差控制图、单值-移动极差控制图和均值-标准差控制图,三图控制图包括均值-移动极差-标准差控制图和均值-移动极差-极差控制图;
生成单元,在用于在多个待处理数据集所包括的待处理数据为连续型数据的情况下,将目标控制图的控制图类型确定为多图控制图时,用于:
在多个待处理数据集所包括的待处理数据为连续型数据的情况下,从均值-极差控制图、单值-移动极差控制图、均值-标准差控制图、均值-移动极差-标准差控制图、均值-移动极差-极差控制图中,确定目标控制图的控制图类型。
在本发明的一些实施例中,单图控制图包括不合格品数控制图、不良率控制图、缺点数控制图、每个单位的缺点数控制图;
生成单元,在用于在多个待处理数据集所包括的待处理数据为离散型数据的情况下,将目标控制图的控制图类型确定为单图控制图时,用于:
在多个待处理数据集所包括的待处理数据为离散型数据的情况下,从不合格品数控制图、不良率控制图、缺点数控制图、每个单位的缺点数控制图中,确定目标控制图的控制图类型。
在本发明的一些实施例中,生成单元,还用于在需要确定产品生产过程的安定状态的情况下,从最大和最小值-极差控制图、最大和最小值-标准差控制图中,确定目标控制图的控制图类型。
在本发明的一些实施例中,目标控制图包括多个数据节点以及目标控制限;
生成单元,在用于生成满足控制图类型的目标控制图时,用于:
基于多个待处理数据集,确定满足控制图类型的多个数据节点,一个待处理数据集对应于一个数据节点;
基于多个数据节点,确定目标控制图的目标控制限。
在本发明的一些实施例中,该装置还包括:
第一确定单元,用于基于多个数据节点以及目标控制限,确定多个数据节点中是否存在异常数据节点;
发送单元,用于在多个数据节点中存在异常数据节点的情况下,发送提示信息,提示信息用于提示产品生产过程中产生的数据存在异常。
在本发明的一些实施例中,数据分布图包括直方图;
生成单元,在用于基于待处理数据集所包括的待处理数据,生成待处理数据集对应的数据分布图时,用于:
基于待处理数据集所包括的多个待处理数据,确定多个待处理数据在各个设定区间内的出现次数;
基于多个待处理数据在各个设定区间内的出现次数,生成待处理数据集对应的直方图。
在本发明的一些实施例中,数据分布图包括箱线图;
生成单元,在用于基于待处理数据集所包括的待处理数据,生成待处理数据集对应的数据分布图时,用于:
确定待处理数据集所包括的多个待处理数据中的最小数据值、第一四分位数、中位数、第三四分位数据、最大数据值以及规格限;
基于最小数据值、第一四分位数、中位数、第三四分位数据、最大数据值以及规格限,生成待处理数据集对应的箱线图。
在本发明的一些实施例中,获取单元,在用于获取多个待处理数据集时,用于:
显示策略选择界面,策略选择界面包括预先生成的至少一个筛选策略,筛选策略用于指示进行数据筛选时所使用的数据筛选维度;
响应于对任一筛选策略的选择操作,显示筛选策略所包括的多个数据筛选维度;
获取每个数据筛选维度对应的筛选参数,并获取满足筛选参数的多个待处理数据集。
在本发明的一些实施例中,获取单元,在用于获取每个数据筛选维度对应的筛选参数,并获取满足筛选参数的多个待处理数据集时,用于:
对于任一数据筛选维度,显示数据筛选维度对应的至少一个备选筛选参数;
响应于对任一备选筛选参数的选择操作,将被选中备选筛选参数确定为数据筛选维度对应的筛选参数;
响应于在策略选择界面的确认操作,基于多个数据筛选维度对应的筛选参数在目标数据库所存储的数据中进行筛选,以得到多个待处理数据集。
在本发明的一些实施例中,筛选策略的生成过程包括:
显示策略创建界面,策略创建界面包括维度添加控件;
响应于对维度添加控件的选择操作,显示至少一个备选筛选维度;
响应于对任一备选筛选维度的选择操作,将被选中的备选筛选维度确定为筛选策略所包括的一个数据筛选维度。
在本发明的一些实施例中,策略创建界面还包括名称设置控件,名称设置控件用于提供筛选策略的命名功能。
在本发明的一些实施例中,数据筛选维度包括工厂名称、产品名称、产品版本、主流程名称、主流程版本、子流程名称、子流程版本、站点名称、设备名称、设备工艺名称、产品批次、相关工艺设备、相关工艺设备名称中的至少一项。
在本发明的一些实施例中,该装置还包括:
第二确定单元,用于基于多个待处理数据集所包括的待处理数据,确定过程能力指数,过程能力指数用于指示生产过程的稳定程度,过程能力指数包括能力指数或性能指数。
在本发明的一些实施例中,显示单元,还用于响应于对目标控制图中任一数据节点的触发操作,显示数据节点所对应的待处理数据集的数据分布图。
在本发明的一些实施例中,显示单元,还用于下述至少一项:
显示第一数据展示入口,第一数据展示入口用于在被触发后展示目标控制图中各个数据节点的目标统计数据,目标统计数据包括均值、极差、标准差、单值点、最小值、最大值、移动极差、和、平方和中的至少一项;
显示控制图展示入口,控制图展示入口用于在被触发后展示目标控制图的控制限;
显示规则展示入口,规则展示入口用于在被触发后展示生成目标控制图时所使用的规则参数;
显示第二数据展示入口,第二数据展示入口用于在被触发后展示目标控制图的规格限;
显示原始数据展示入口,原始数据展示入口用于在被触发后展示待处理数据。
根据本发明实施例的第三方面,提供一种计算设备,该计算设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,该处理器执行该计算机程序时实现上述第一方面以及第一方面的任一个实施例所提供的数据处理方法所执行的操作。
根据本发明实施例的第四方面,提供一种计算机可读存储介质,该计算机可读存储介质上存储有程序,该程序被处理器执行时,实现上述第一方面以及第一方面的任一个实施例所提供的数据处理方法所执行的操作。
根据本发明实施例的第五方面,提供一种计算机程序产品,该计算机程序产品包括计算机程序,计算机程序被处理器执行时,实现上述第一方面以及第一方面的任一个实施例所提供的数据处理方法所执行的操作。
本发明通过获取基于不同数据采集参数采集得到的多个待处理数据集,以基于多个待处理数据集,通过目标数据处理模型,生成包括每个待处理数据集对应的数据节点的目标控制图,并基于待处理数据集所包括的待处理数据,生成至少一个待处理数据集对应的数据分布图,进而显示目标控制图,以在目标控制图中显示多个待处理数据集对应的多个数据节点,以便可以在数据节点被触发后显示所对应的待处理数据集的数据分布图。在控制图的基础上增加了数据分布图,数据分布图可以指示待处理数据集所包括的多个待处理数据的数据分布情况,从而丰富了生产质量监控过程中的数据处理功能,以提高对生产过程的产品质量监控能力。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1是根据本发明实施例示出的一种数据处理方法的流程图;
图2是根据本发明实施例示出的一种策略创建界面的界面示意图;
图3是根据本发明实施例示出的一种维度选择界面的界面示意图;
图4是根据本发明实施例示出的一种策略选择界面的界面示意图;
图5是根据本发明实施例示出的一种策略选择界面的界面示意图;
图6是根据本发明实施例示出的一种策略选择界面的界面示意图;
图7是根据本发明实施例示出的一种待处理数据集的获取过程的流程图;
图8是根据本发明实施例示出的一种目标控制图的确定过程流程图;
图9是根据本发明实施例示出的另一种目标控制图的确定过程流程图;
图10是根据本发明实施例示出的一种ABC区域的划分方式示意图;
图11是根据本发明实施例示出的一种判异规则的示意图;
图12是根据本发明实施例示出的一种判异规则的示意图;
图13是根据本发明实施例示出的一种判异规则的示意图;
图14是根据本发明实施例示出的一种判异规则的示意图;
图15是根据本发明实施例示出的一种判异规则的示意图;
图16是根据本发明实施例示出的一种判异规则的示意图;
图17是根据本发明实施例示出的一种判异规则的示意图;
图18是根据本发明实施例示出的一种判异规则的示意图;
图19是根据本发明实施例示出的一种直方图的显示形式示意图;
图20是根据本发明实施例示出的一种直方图生成过程的流程图;
图21是根据本发明实施例示出的一种箱线图的显示形式示意图;
图22是根据本发明实施例示出的一种箱线图生成过程的流程图;
图23是根据本发明实施例示出的一种第一数据展示入口被触发后的显示界面示意图;
图24是根据本发明实施例示出的一种控制图展示入口被触发后的显示界面示意图;
图25是根据本发明实施例示出的一种规则展示入口被触发后的显示界面示意图;
图26是根据本发明实施例示出的一种第二数据展示入口被触发后的显示界面示意图;
图27是根据本发明实施例示出的一种原始数据展示入口被触发后的显示界面示意图;
图28是根据本发明实施例示出的一种目标控制图的显示界面示意图;
图29是根据本发明实施例示出的一种模块间的通信过程的流程图;
图30是根据本发明实施例示出的一种数据处理装置的框图;
图31是根据本发明实施例示出的一种计算设备的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
本发明提供了一种数据处理方法,用于获取产品生产过程中所产生的多个数据集作为待处理数据集,以便通过SPC工具,实现对这多个待处理数据集对应的目标控制图以及每个待处理数据集对应的数据分布图的确定,进而通过对目标控制图以及各个数据分布图的显示,以使相关技术人员可以基于目标控制图和各个数据分布图实现对产品生产过程的分析,以实现对产品生产过程的质量监控。
可选地,待处理数据集中所包括的数据可以为多种类型的数据,例如,待处理数据集中所包括的数据可以为半导体生产过程中所产生的数据,例如,液晶面板生产过程中所产生的数据,或者,待处理数据集中所包括的数据可以为其他产品的生产过程中所产生的数据,本发明对待处理数据集中所包括的数据类型不加以限定。
上述数据处理方法可以由计算设备执行,计算设备可以为终端设备,如台式计算机、便携式计算机、智能手机、平板电脑等,可选地,计算设备还可以为服务器,如一台服务器、多台服务器、服务器集群等,本发明对计算设备的设备类型和设备数量不加以限定。
上述仅为对本发明应用场景的示例性说明,并不构成对本发明应用场景的限定,在更多可能的实现方式中,本发明所提供的数据处理方法还可以应用在其他可能场景中,本发明对具体的应用场景不加以限定。
在介绍了本发明的应用场景之后,下面对本发明所提供的数据处理方法进行说明。
参见图1,图1是根据本发明实施例示出的一种数据处理方法的流程图,如图1所示,该方法包括:
步骤101、获取多个待处理数据集,每个待处理数据集中均包括多个待处理数据,不同待处理数据集对应的数据采集参数不同。
在一种可能的实现方式中,对于任一待处理数据集,可以按照该待处理数据集对应的数据采集参数,在目标数据库所存储的数据中进行筛选,以得到该待处理数据集,以此类推,实现多个待处理数据集的获取。
其中,目标数据库中可以存储有产品生产过程中所产生的数据,以便可以基于目标筛选策略所包括的多个数据筛选维度以及各个数据筛选维度所对应的筛选参数,在目标数据库的数据中进行数据筛选,以得到符合分析需求的多个待处理数据集。
需要说明的是,每个待处理数据集中均包括多个待处理数据,同一待处理数据集中所包括的多个待处理数据的数据采集参数是相同的,不同待处理数据集所对应的数据采集参数是不同的,从而使得不同待处理数据集所包括的待处理数据的数据采集参数是不同的。
可选地,数据采集参数可以为数据来源(用于指示数据是由哪个设备的哪个加工部件产生的)、数据采集频率,等等,本发明对数据采集参数的具体类型不加以限定。
步骤102、基于多个待处理数据集,通过目标数据处理模型,生成目标控制图,目标控制图包括多个数据节点,一个数据节点对应于一个待处理数据集,数据节点为基于待处理数据集所包括的多个待处理数据所确定出的统计数据。
需要说明的是,目标数据处理模型可以为预先对各种处理逻辑、计算公式封装得到的数据处理模型,可以将多个待处理数据集输入目标数据处理模型,以通过目标数据处理模型基于多个待处理数据自动进行处理,以输出目标控制图。
其中,目标控制图中可以包括多个数据节点,以指示多个统计数据的数据分布情况,一个数据节点即表示一个待处理数据集的统计数据,对于任一待处理数据集,可以基于该待处理数据集所包括的多个待处理数据,确定出该待处理数据集对应的统计数据,以得到该待处理数据集对应的数据节点,以此类推,得到多个待处理数据集对应的数据节点。
可选地,统计数据可以为均值、极差、标准差,等等,本发明对统计数据的数据类型不加以限定。
步骤103、对于任一个待处理数据集,基于待处理数据集,生成待处理数据集对应的数据分布图,数据分布图用于指示待处理数据集所包括的多个待处理数据的数据分布情况。
需要说明的是,可以为每个待处理数据集生成一个数据分布图,从而使得根据各个数据分布图,可以了解各个待处理数据集内部的数据分布情况,而目标控制图可以指示多个待处理数据集整体的数据分布情况,从而可以从整体和个体两方面实现对数据的分析,以提高数据处理过程的完整性,从而可以保证数据分析结果的准确性。
步骤104、显示目标控制图,目标控制图中包括多个待处理数据集对应的多个数据节点,数据节点用于在被触发后显示所对应的待处理数据集的数据分布图。
通过显示目标控制图,并在目标控制图中显示各个待处理数据集对应的数据节点,用户即可通过触发数据节点,来实现对该数据节点对应的待处理数据集的数据分布情况的展示,以便用户可以了解待处理数据集所包括的待处理数据的数据分布情况。
本发明通过获取基于不同数据采集参数采集得到的多个待处理数据集,以基于多个待处理数据集,通过目标数据处理模型,生成包括每个待处理数据集对应的数据节点的目标控制图,并基于待处理数据集所包括的待处理数据,生成至少一个待处理数据集对应的数据分布图,进而显示目标控制图,以在目标控制图中显示多个待处理数据集对应的多个数据节点,以便可以在数据节点被触发后显示所对应的待处理数据集的数据分布图。在控制图的基础上增加了数据分布图,数据分布图可以指示待处理数据集所包括的多个待处理数据的数据分布情况,从而丰富了生产质量监控过程中的数据处理功能,以提高对生产过程的产品质量监控能力。
在介绍了本发明所提供的数据处理方法的基本实现过程之后,下面介绍该数据处理方法的各个可选实施例。
在一些实施例中,对于步骤101,在获取多个待处理数据集时,可以通过如下步骤实现:
步骤1011、显示策略选择界面,策略选择界面包括预先生成的至少一个筛选策略,筛选策略用于指示进行数据筛选时所使用的数据筛选维度。
其中,筛选策略可以是预先已经生成的,筛选策略的生成过程可以包括如下步骤:
步骤一、显示策略创建界面,策略创建界面包括维度添加控件。
参见图2,图2是根据本发明实施例示出的一种策略创建界面的界面示意图,如图2所示,策略创建界面中标注为“+”的按钮即为维度添加控件。
可选地,策略创建界面还可以包括名称设置控件,名称设置控件可以用于提供筛选策略的命名功能。仍以如图2所示的策略创建界面为例,在如图2所示的策略创建界面中,文字标注为“模型名称”的输入框即为名称设置控件,以便用户可以通过文字标注为“模型名称”的输入框实现对筛选策略的命名。
步骤二、响应于对维度添加控件的选择操作,显示至少一个备选筛选维度。
在一种可能的实现方式中,响应于对维度添加控件的选择操作,显示维度选择界面,并在维度选择界面中显示至少一个备选筛选维度。
其中,备选筛选维度可以包括工厂名称、产品名称、产品版本、主流程名称、主流程版本、子流程名称、子流程版本、站点名称、设备名称、设备工艺名称、产品批次、相关工艺设备和相关工艺设备名称,可选地,备选筛选维度还可以包括更多或更少的维度,仅需保证产品生产线上有对应的真实字段即可,本发明对备选筛选维度所包括的具体维度不加以限定。
参见图3,图3是根据本发明实施例示出的一种维度选择界面的界面示意图,在如图3所示的维度选择界面中,显示有工厂名称(Factory Name)、产品名称(Product SpecName)、产品版本(Product Spec Version)、主流程名称(Main Flow Name)、主流程版本(Main Flow Version)、子流程名称(Sub Flow Name)、子流程版本(Sub Flow Version)、站点名称(Process Operation Name)、设备名称(Machine Name)、设备工艺菜单(MachineRecipe Name)、产品批次(Reference Po Name)、相关工艺设备(Reference MachineName)、相关工艺设备菜单(Reference Machine Recipe Name)这13个备选筛选维度,用户即可从这13个备选筛选维度中进行选择。
步骤三、响应于对任一备选筛选维度的选择操作,将被选中的备选筛选维度确定为筛选策略所包括的一个数据筛选维度。
可选地,若用户在所显示的至少一个备选筛选维度中选择了任一备选筛选维度,则被选中的备选筛选维度即会作为筛选策略所包括的一个数据筛选维度被显示在策略创建界面,所显示的这个数据筛选维度可以设置有其所对应的维度修改控件、维度添加控件和维度删除控件,用户可以通过维度修改控件来修改已被确定为数据筛选维度的备选筛选维度,还可以通过维度添加控件继续进行数据筛选维度的确定,还可以通过维度删除控件来删除这个已被确定为数据筛选维度的备选筛选维度。
若用户触发了数据筛选维度所对应的维度修改控件,则计算设备即可显示至少一个备选筛选维度,所显示的至少一个备选筛选维度中不包括已被确定为数据筛选维度的备选筛选维度,或者,已被确定为数据筛选维度的备选筛选维度被显示为无法选择状态,以便用户可以基于所显示的至少一个备选筛选维度,对被触发的维度修改控件所对应的数据筛选维度重新进行选择。
若用户触发了数据筛选维度所对应的维度添加控件,则计算设备即可显示维度选择界面,并在维度选择界面中显示至少一个备选筛选维度,以便用户继续进行数据筛选维度的选择。其中,此时所显示的至少一个备选筛选维度中不包括已被确定为数据筛选维度的备选筛选维度,或者,已被确定为数据筛选维度的备选筛选维度被显示为无法选择状态。
若用户触发了数据筛选维度所对应的维度删除控件,则计算设备即可不在策略创建界面中选择该数据筛选维度。
参见图4,图4是根据本发明实施例示出的一种策略选择界面的界面示意图,如图4所示,已被确定为数据筛选维度的有工厂名称、产品名称、主流程名称、设备名称这四个维度,除显示在首位的数据筛选维度之外,每个数据筛选维度都设置有对应的维度修改控件(也即是下拉按钮)、维度添加控件(也即是标注为“+”的按钮)和维度删除控件(也即是删除按钮),以便用户可以在当前所选择的数据筛选维度的基础上继续进行筛选策略的创建。
步骤四、响应于在测量创建界面中的确认操作,基于测量创建界面中已添加的数据筛选维度,生成筛选策略。
此外,用户还可以对所确定出每个数据筛选维度进行命名,仍以如图4所示的新增创建界面为例,在如图4所示的策略创建界面中,工厂名称这个数据筛选维度被命名为“T”,产品名称这个数据筛选维度被命名为“P”,主流程名称这个数据筛选维度被命名为“F”,设备名称这个数据筛选维度被命名为“M”。另外,参见图4,通过如图4所示的策略创建界面所创建的筛选策略被命名为“TPFM”。
上述仅为创建筛选策略的一种示例,在更多可能的实现方式中,还可以由不同厂商客户根据自己的流水线设备流程,来定制满足自己使用需求的筛选策略(依然可以通过策略创建界面来进行筛选策略的创建),本发明对创建筛选策略的具体过程不再加以赘述。
在通过上述过程预先创建了至少一个筛选策略的情况下,即可在有数据处理需求时,通过策略选择界面显示所创建的至少一个筛选策略,以便用户可以从中选择满足实际使用需求的筛选策略。
参见图5,图5是根据本发明实施例示出的一种策略选择界面的界面示意图,在如图5所示的策略选择界面中,显示有TPFO、TPFOM、TPV、TPVF四个筛选策略,用户可以通过点击这四个筛选策略中的任意一个,以从中进行筛选策略的选择。
其中,TPFO所包括的数据筛选维度有工厂名称(T)、产品名称(P)、主流程名称(F)和站点名称(O),TPFOM所包括的数据筛选维度有工厂名称(T)、产品名称(P)、主流程名称(F)、站点名称(O)和设备名称(M),TPV所包括的数据筛选维度有工厂名称(T)、产品名称(P)和产品版本(V),TPVF所包括的数据筛选维度有工厂名称(T)、产品名称(P)和产品版本(V)和主流程版本(F)。
步骤1012、响应于对任一筛选策略的选择操作,显示筛选策略所包括的多个数据筛选维度。
若用户在策略选择界面选择了任一筛选策略,计算设备即可响应于对任一筛选策略的选择操作,显示被选中的筛选策略所包括的多个数据筛选维度。
仍以如图5所示的测量选择界面为例,若用户在如图5所示的策略选择界面中选择了TPFOM这个筛选策略,计算设备即可响应于对TPFOM这个筛选策略的选择操作,显示包括工厂名称在内的多个数据筛选维度。
步骤1013、获取每个数据筛选维度对应的筛选参数,并获取满足筛选参数的多个待处理数据集。
用户可以在所显示的多个数据筛选维度中选择满足实际需求的备选筛选参数,以实现对筛选参数的选择,计算设备即可获取被用户选中的筛选参数,实现每个数据筛选维度对应的筛选参数的获取,从而根据所获取到的筛选参数,获取满足上述筛选参数的多个待处理数据集。
在一种可能的实现方式中,对于任一数据筛选维度,可以显示该数据筛选维度对应的至少一个备选筛选参数,以便用户可以从中选择满足实际需求的备选筛选参数;计算设备即可响应于对任一备选筛选参数的选择操作,将被选中备选筛选参数确定为数据筛选维度对应的筛选参数,以此类推,实现对每个数据筛选维度所对应的筛选参数的确定,在每个数据筛选维度所对应的筛选参数均已被确定的情况下,用户即可在策略选择界面触发确定操作;计算设备即可响应于在策略选择界面的确认操作,基于多个数据筛选维度对应的筛选参数在目标数据库所存储的数据中进行筛选,以得到多个待处理数据集。
其中,在显示任一个数据筛选维度对应的至少一个备选筛选参数时,用户可以根据自己的需求选择本次要添加筛选参数的数据筛选维度,计算设备即可响应于对任一数据筛选维度的触发操作,显示该数据筛选维度对应的至少一个备选筛选参数,以便用户可以从中进行选择。
例如,可以为每个数据筛选维度设置条件添加控件,用户可以通过触发条件添加控件,来触发该数据筛选维度对应的至少一个备选筛选维度的显示。可选地,条件添加控件可以为下拉控件。
需要说明的是,数据筛选参数可以用于指示数据筛选维度的取值,以数据筛选维度为产品名称为例,产品名称这个数据筛选维度所对应的数据筛选参数可以包括任意一个或多个产品的产品标识。
对于任一数据筛选维度,该数据筛选维度所对应的备选筛选参数可以按照树状结构的形式进行展示,也即是,根据不同备选筛选参数之间的嵌套关系来进行备选筛选参数的展示。例如,工厂A所生产的产品可以包括产品种类1、产品种类2和产品种类3,每个产品种类下还包括各自对应产品的产品标识,则在进行产品的选择时,可以先展示“工厂A”这个备选筛选参数,在“工厂A”这个备选筛选参数被选中的情况下,再展示工厂A所生产的产品种类1、产品种类2和产品种类3,以便用户从中进行选择。
参见图6,图6是根据本发明实施例示出的一种策略选择界面的界面示意图,如图6所示,若用户正在如图6所示的策略选择界面中触发了TPFOM这个筛选策略,并且触发了工厂名称(也即是图6中的FACTORYNAME)这个数据筛选维度,计算设备即可响应于对工厂名称这个数据筛选维度的触发操作,显示工厂名称所对应的树状结构。其中,SEMI_DC-TPFOM03和TEST_DC-TPFOM01为规格名称,mold_temperature_bott、ITEM-1、ITEM-2、ITEM-3、ITEM-4、ITEM-4-A1和ITEM-4-A2为具体的筛选项目(也即是筛选参数的取值)。
其中,目标数据库中所存储的数据可以为所有产品所对应的数据,计算设备可以关联有一个目标数据库,以便通过目标数据库来对产品生产过程中所产生的数据进行存储,以便在确定出多个数据筛选维度所对应的数据筛选参数之后,可以基于所确定出的数据筛选参数,来在目标数据库所存储的数据中进行筛选,以实现待处理数据集的获取。
可选地,在对数据进行筛选时,可以采用不同的数据采集参数,来在目标数据库所存储的数据中进行筛选,以得到对应于不同数据采集参数的多个待处理数据集。其中,数据采集参数可以基于数据筛选参数确定,或者,数据采集参数可以由用户指定,本发明对此不加以限定。
可选地,可以通过数据筛选***,来基于多个数据筛选维度对应的数据筛选参数在目标数据库所存储的数据中进行筛选。其中,数据筛选***可以为制造执行***(ManufacturingExecutionSystem,MES),或者,数据筛选***可以为其他的自动化***,本发明对此不加以限定。
需要说明的是,在基于多个数据筛选维度对应的数据筛选参数在目标数据库所存储的数据中进行筛选时,可以先确定筛选策略,以便根据筛选策略中的数据筛选维度来生成动态字段(dynamicparms),以通过动态字段去匹配对应数据筛选维度的数据筛选参数,然后将匹配到的数据筛选参数通过for循环的方式拼接到结构化查询语言(StructuredQueryLanguage,SQL)语句中,以便可以通过SQL语句查询数据库,这样就可以根据筛选策略所包括的数据筛选维度以及各个数据筛选维度所对应的数据筛选参数,来进行精准查表,无需自己手动逐层进行查询。
例如,可以通过如下代码实现数据筛选:
@Override
publie List<Map<String,object>>pageListBySq1(Map<String,0bject>params) {
String modelName = MapUtils.getString(params,"modelName");
String dcSpecName=MapUtils.getString(params,"dcSpecName");
String dcItemName=MapUtils.getString(params,"dcItemName");
StringBuffer sq1=new StringBuffer();
sql.append("select i. spcControlSpecName, i.itemName, i.edcFlag,s.*");
sq1.append("from speControlspecItem i left join spcControlSpec s oni.spcControlSpecName=s. spcControlSpecName");
boolean whereFlag=new Boolean(false);
whereFlag=this.whereCondition(sql,whereFlag,"s.modelName",modelName);
whereFlag=this.whereCondition(sql,whereFlag,"s.dcSpecName",dcSpecName);
whereFlag=this.whereCondition(sql,whereFlag,"i.itemNane",dcItemNane);
Map<String,object> dynamicParams=(Map<String,Object>) params.get("dynamicParams");
if(dynamicParams!= null) {
for (Entry<string, object> kv:dymamicParams.entrySet()) {
String key=kv.getKey();
String value=String.valueOf(kv.getValue());
whereF1ag=this.whereCondition(sql,whereFlag,"s."+key, value);
}
}
List<Map<String,Object>> pageList=spcControlSpecMapper.pageListBySql(sq1.toString());
return pageList;
}
上述创建筛选策略及获取待处理数据集的过程可以参见图7,图7是根据本发明实施例示出的一种待处理数据集的获取过程的流程图,如图7所示,用户可以根据实际需求定制筛选策略,以生成相应的筛选策略,以便根据筛选策略进行数据筛选,得到多个待处理数据集,以实现多个待处理数据集的获取。
需要说明的是,图7所示仅为创建筛选策略及获取待处理数据集的流程示意图,关于各个步骤的具体实现过程可以参见上述各个实施例,此处不再赘述。
在通过上述过程获取到多个待处理数据集之后,即可通过步骤102,基于多个待处理数据集,生成目标控制图。
在一些实施例中,对于步骤102,在基于多个待处理数据集,通过目标数据处理模型,生成目标控制图时,可以通过目标数据处理模型,识别多个待处理数据集所包括的待处理数据的数据类型;从而通过目标数据处理模型,确定与数据类型匹配的控制图类型,并生成满足控制图类型的目标控制图。
其中,待处理数据的数据类型可以包括连续性数据和离散型数据。因而,在确定与数据类型匹配的控制图类型时,可以包括如下任一种实现方式:
在一种可能的实现方式中,在多个待处理数据集所包括的待处理数据为连续型数据的情况下,将目标控制图的控制图类型确定为多图控制图。
其中,多图控制图可以包括双图控制图和三图控制图,而双图控制图可以包括均
值-极差控制图(-R图)、单值-移动极差控制图(X-MR图)和均值-标准差控制图( -S
图),三图控制图可以包括均值-移动极差-标准差控制图( -MR-S图)和均值-移动极差-
极差控制图( -MR-R图)。因而,在多个待处理数据集所包括的待处理数据为连续型数据
的情况下,将目标控制图的控制图类型确定为多图控制图时,可以通过如下方式实现:
在多个待处理数据集所包括的待处理数据为连续型数据的情况下,从均值-极差
控制图( -R图)、单值-移动极差控制图(X-MR图)、均值-标准差控制图( -S图)、均值-
移动极差-标准差控制图( -MR-S图)和均值-移动极差-极差控制图( -MR-R图)中,确
定目标控制图的控制图类型。
可选地,可以基于每个产品上所采集的待处理数据的数量和组间差异检验结果,来从均值-极差控制图、单值-移动极差控制图、均值-标准差控制图、均值-移动极差-标准差控制图、均值-移动极差-极差控制图中,确定目标控制图的控制图类型。
例如,在每个产品上所采集的待处理数据的数量大于第一设定阈值,且组间差异检验结果指示不同待处理数据集之间不存在组间差异的情况下,以均值-极差控制图作为目标控制图;在每个产品上所采集的待处理数据的数量大于第一设定阈值,且组间差异检验结果指示不同待处理数据集之间存在组间差异的情况下,以均值-移动极差-极差控制图作为目标控制图;在每个产品上所采集的待处理数据的数量小于或等于第一设定阈值的情况下,若每个产品上所采集的待处理数据的数量为目标取值,则以单值-移动极差控制图作为目标控制图;在每个产品上所采集的待处理数据的数量小于或等于第一设定阈值的情况下,若每个产品上所采集的待处理数据的数量不是目标取值,且组间差异检验结果指示不同待处理数据集之间不存在组间差异的情况下,以均值-标准差控制图作为目标控制图;在每个产品上所采集的待处理数据的数量小于或等于第一设定阈值的情况下,若每个产品上所采集的待处理数据的数量不是目标取值,且组间差异检验结果指示不同待处理数据集之间存在组间差异的情况下,以均值-移动极差-标准差控制图作为目标控制图。
以待处理数据为液晶面板生产过程中所产生的数据为例,待处理数据可以为对所生产的液晶面板施加电压后所获取到的背光值,或者,待处理数据可以为对位精度(Alignment Inspection,AI),可选地,待处理数据还可以为其他类型的数据,本发明对待处理数据的具体类型不加以限定。
上述确定目标控制图的过程可以参见图8,图8是根据本发明实施例示出的一种目
标控制图的确定过程流程图,如图8所示的流程图以待处理数据为液晶面板生产过程中所
产生的数据为例,在每个产品上所采集的待处理数据的数量也即是每个液晶面板上的测量
点位数,那么在待处理数据为连续型数据的情况下,如果显示面板的测量点位数大于或等
于10且各个测量点位的测量数据存在组间差异,则可以以 -MR-R图作为目标控制图;如
果显示面板的测量点位数大于或等于10且各个测量点位的测量数据不存在组间差异,则可
以以 -R图作为目标控制图;在测量点位数小于10的情况下,如果测量点位数为1,则可以
以 -MR图作为目标控制图;如果测量点位数为1且各个测量点位的测量数据存在组间差
异,则可以以 -MR-S图作为目标控制图;如果测量点位数为1且各个测量点位的测量数据
不存在组间差异,则可以以 -S图作为目标控制图。
通过上述过程即可基于待处理数据的数据特性实现目标控制图的确定,以使得所确定出的目标控制图更加符合待处理数据的数据特性,从而可以提高所确定出的目标控制图的准确性,使得目标控制图可以更好地展示出待处理数据的数据特性。
在另一种可能的实现方式中,在多个待处理数据集所包括的待处理数据为离散型数据的情况下,将目标控制图的控制图类型确定为单图控制图。
其中,单图控制图可以包括从不合格品数控制图(NP-图)、不良率控制图(P-图)、缺点数控制图(C-图)、每个单位的缺点数控制图(U-图)。因而,在多个待处理数据集所包括的待处理数据为离散型数据的情况下,将目标控制图的控制图类型确定为单图控制图时,可以通过如下方式实现:
在多个待处理数据集所包括的待处理数据为离散型数据的情况下,从不合格品数控制图(NP-图)、不良率控制图(P-图)、缺点数控制图(C-图)、每个单位的缺点数控制图(U-图)中,确定目标控制图的控制图类型。
可选地,可以基于多个待处理数据所对应的产品合格情况,来从不合格品数控制图、不良率控制图、缺点数控制图、每个单位的缺点数控制图中,确定目标控制图的控制图类型。
例如,在产品中存在不合格品的情况下,若不合格品数量为常数,则以不合格品数控制图作为目标控制图;在产品中存在不合格品的情况下,若不合格品数量不是常数,则以不良率控制图作为目标控制图;在产品中不存在不合格品,但存在有缺陷的产品的情况下,若产品缺陷存在于产品的设定区域内,则以缺点数控制图作为目标控制图;在产品中不存在不合格品,但存在有缺陷的产品的情况下,若产品缺陷不存在于产品的设定区域内,则以每个单位的缺点数控制图作为目标控制图。
上述确定目标控制图的方式可以参见图9,图9是根据本发明实施例示出的另一种目标控制图的确定过程流程图,如图9所示,在待处理数据为离散型数据的情况下,如果产品为不合格品,且作为不合格品的产品的数量N为常数,则可以以NP-图作为目标控制图;如果产品为不合格品,且作为不合格品的产品的数量N不是常数,则可以以P-图作为目标控制图;在产品为合格品但产品中存在缺陷的情况下,如果产品缺陷存在于产品的设定区域内,则可以以C-图作为目标控制图;如果产品缺陷存在于产品的设定区域以外的区域内,则可以以U-图作为目标控制图。
通过上述过程即可基于产品特性实现目标控制图的确定,以使得所确定出的目标控制图更加符合产品的产品特性,从而可以提高所确定出的目标控制图的准确性,使得目标控制图可以更好地展示出待处理数据的数据特性。
上述实施例介绍了根据数据类型(连续型数据或离散型数据)确定目标控制图的方式,在更多可能的实现方式中,还可能存在一些特殊的使用需求,例如,需要确定产品生产过程的安定状态。因而,在一种可能的实现方式中,可以先确定分析过程是否存在明确的使用需求,如是否需要确定产品生产过程的安定状态,在确定需要确定产品生产过程的安定状态的情况下,可以从最大和最小值-极差控制图(LS-R图)、最大和最小值-标准差控制图(LS-S图)中,确定目标控制图的控制图类型;而在无需确定产品生产过程的安定状态的情况下,再基于待处理数据的数据类型,来确定目标控制图的控制图类型。
需要说明的是,产品生产过程处于安定状态,也即是工程稳定状态下,在产品生产过程处于安定状态的情况下,所生产的产品质量处于正常波动状态,而在产品生产过程处于非安定状态的情况下,所生产的产品质量处于异常波动状态。
在通过上述过程确定出目标控制图的控制图类型后,即可基于多个待处理数据集所包括的待处理数据,生成满足控制图类型的目标控制图。
需要说明的是,目标控制图可以包括多个数据节点和目标控制限,因此,在基于多个待处理数据集所包括的待处理数据,生成满足控制图类型的目标控制图时,可以通过如下方式实现:
基于多个待处理数据集,确定满足控制图类型的多个数据节点;从而基于多个数据节点,确定目标控制图的目标控制限。
需要说明的是,在基于多个待处理数据集,确定满足控制图类型的多个数据节点时,可以采用异步调用后台接口的方式,以通过所调用的后台接口来进行数据节点的具体值的计算。
其中,一个待处理数据集对应于一个数据节点,有几个待处理数据集,即可确定出几个数据节点,从而再根据这几个数据节点,来进行目标控制限的确定。
需要说明的是,在基于多个数据节点,确定目标控制图的目标控制限时,可以异步调用第二个后台接口,以通过所调用的第二个后台接口来进行目标控制限的确定。
可选地,目标控制限可以包括上控制限、下控制限和中心线,其中,上控制限和下控制限还可以称为规格限,并且,对于不同类型的控制图,其计算控制限的常规方式有所不同,下面分别对如何计算不同类型的控制图的控制限的过程进行介绍。
其中, 表示数据均值, 表示数据均值的中心线,R表示极差, 表示极差
的中心线, 表示极差的均值, 表示数据均值的上控制限, 表示极差的上控
制限, 表示数据均值的下控制限, 表示极差的下控制限, 、 、 均为
设定参数值。
其中, 表示数据均值, 表示数据均值的中心线,S表示标准差, 表示标
准差的中心线, 表示标准差的均值, 表示数据均值的上控制限, 表示标准
差的上控制限, 表示数据均值的下控制限, 表示标准差的下控制限, 、
、 均为设定参数值。
其中, 表示数据均值, 表示数据均值的中心线,MR表示移动极差, 表
示移动极差的中心线,R表示极差, 表示极差的中心线, 表示极差的均值, 表
示数据均值的上控制限, 表示移动极差的上控制限, 表示极差的上控制限, 表示数据均值的下控制限, 表示移动极差的下控制限, 表示极差的下
控制限, 、 、 均为设定参数值。
其中, 表示数据均值, 表示数据均值的中心线,MR表示移动极差, 表
示移动极差的中心线,S表示标准差, 表示标准差的中心线, 表示标准差的均值, 表示数据均值的上控制限, 表示移动极差的上控制限, 表示标准差的
上控制限, 表示数据均值的下控制限, 表示移动极差的下控制限, 表
示标准差的下控制限, 、 、 、 、 均为设定参数值。
对于X-MR控制图,可以按照如下公式(31)至公式(36)来计算控制限:
其中,X表示数据单值, 表示数据单值的中心线,MR表示移动极差, 表示
移动极差的中心线, 表示移动极差的均值, 表示数据单值的上控制限,
表示移动极差的上控制限, 表示数据单值的下控制限, 表示移动极差的下控
制限, 、 、 均为设定参数值。
对于NP-图,可以按照如下公式(37)至公式(39)来计算控制限:
对于P-图,可以按照如下公式(40)至公式(42)来计算控制限:
对于C-图,可以按照如下公式(43)至公式(45)来计算控制限:
对于U-图,可以按照如下公式(46)至公式(48)来计算控制限:
对于LS-R图,可以按照如下公式(49)至公式(54)来计算控制限:
其中, 表示数据节点中的最大值, 表示数据节点中的最小值, 表
示LS图表的中心线,R表示极差, 表示极差的中心线, 表示极差的均值, 表示
LS图表的上控制限, 表示极差的上控制限, 表示LS图表的下控制限,
表示极差的下控制限, 、 、 均为设定参数值。
对于LS-S图,可以按照如下公式(55)至公式(60)来计算控制限:
其中, 表示数据节点中的最大值, 表示数据节点中的最小值, 表
示LS图表的中心线,S表示标准差, 表示标准差的中心线, 表示标准差的均值, 表示LS图表的上控制限, 表示标准差的上控制限, 表示LS图表的下控
制限, 表示标准差的下控制限, 、 、 均为设定参数值。
可选地,可以对上述实施例中所介绍的确定控制图类型、生成数据节点以及生成目标控制限的多种可选方式封装为一个模型(即为目标数据处理模型),从而使得在生成目标控制图时,可以将多个待处理数据集输入至该目标数据处理模型,通过该目标数据处理模型,输出该目标控制图,有关该目标数据处理模型的内部处理过程可以参见上述实施例中的介绍,此处不再赘述。
通过将确定控制图类型、生成数据节点以及生成目标控制限的多种可选方式封装为模型,用户仅需将多个待处理数据集输入至该模型,计算设备即可通过该模型自动基于多个待处理数据集进行处理,以输出目标控制图,整个过程无需用户参与,大大提高了数据处理效率,用户仅需根据处理得到的结果对生产过程进行分析即可,从而可以达到节省人力成本的效果。
可选地,在基于多个待处理数据集,生成目标控制图时,还可以基于多个数据节点以及目标控制限,确定多个数据节点中是否存在异常数据节点;从而在多个数据节点中存在异常数据节点的情况下,发送提示信息,提示信息用于提示产品生产过程中产生的数据存在异常。
需要说明的是,为了确定多个数据节点中是否存在异常数据节点,需要了解A区、B区、C区的概念,C区即为到中心线的距离为一倍标准差的取值,B区即为与中心线距离为一倍标准差和二倍标准差之间的区域,A区即为与中心线距离为二倍标准差和三倍标准差之间的区域。参见图10,图10是根据本发明实施例示出的一种ABC区域的划分方式示意图,如图10所示,以标准正态分布为例,C区即为取值在[-1.0,0]以及[0,1.0]的区间内、分布概率均为34.1345%的区域,B区即为取值在[-2.0,-1.0]以及[1.0,2.0]的区间内、分布概率均为13.5905%的区域,A区即为取值在[-3.0,-2.0]以及[2.0,3.0]的区间内、分布概率均为2.1400%的区域。
可选地,基于如上所示的ABC区域,可以采用国际上通用的规则作为确定多个数据节点中是否存在异常数据节点的判异规则,不同判异规则下异常数据节点的产生原因也是国际通用的。例如,可以采用如下八大判异规则:
(1)一个点与中心线的距离超过三倍标准差
参见图11,图11是根据本发明实施例示出的一种判异规则的示意图,该判异规则下异常数据节点的产生原因一般认为是新员工、工艺方法错误、机器故障、原材料不合格、测量错误、计算错误、检验方法或标准变化。
(2)连续9个点在同一侧
参见图12,图12是根据本发明实施例示出的一种判异规则的示意图,该判异规则下异常数据节点的产生原因可能是均值发生了偏移,一般认为是新员工、工艺方法错误、机器故障、原材料不合格、测量错误、计算错误、检验方法或标准变化。
(3)连续6个点持续上升或下降
参见图13,图13是根据本发明实施例示出的一种判异规则的示意图,该判异规则可以判定过程平均值较小的趋势变化,该判异规则下异常数据节点的产生原因可能是刀具模具等工具的磨损、维护保养水平降低、操作工的技能越来越熟练。
(4)14个点交互升降
参见图14,图14是根据本发明实施例示出的一种判异规则的示意图,该判异规则下异常数据节点的产生原因可能是轮流使用两台设备或两个操作工操作、分别针对两个模穴定期抽样但一起统计等导致数据分层不够。
(5)连续3点中有2点落在中心线同一侧的B区以外(2标准差和3标准差之间)
参见图15,图15是根据本发明实施例示出的一种判异规则的示意图,该判异规则下异常数据节点的产生原因可能是标准差已经变大,一般认为是新员工、工艺方法错误、机器故障、原材料不合格、测量错误、计算错误、检验方法或标准变化。
(6)连续5点中有4点落在中心线同一侧C区以外(远离一倍标准差)
参见图16,图16是根据本发明实施例示出的一种判异规则的示意图,该判异规则下异常数据节点的产生原因可能是均值发生了变化,一般认为是新员工、工艺方法错误、机器故障,原材料不合格、测量错误、计算错误、检验方法或标准变化。
(7)连续15点落在中心线两侧的C区内
参见图17,图17是根据本发明实施例示出的一种判异规则的示意图,该判异规则下异常数据节点的产生原因一般有2种,也即是数据虚假或数据分层不够。
(8)连续8点落在中心线两侧且无一在C区内(1倍标准差之外)
参见图18,图18是根据本发明实施例示出的一种判异规则的示意图,该判异规则下异常数据节点的产生原因可能是数据分层不够(SPC没有分模穴去分开做,没有分班次去做等等)。
上述任一种判异规则被触发以后,均可以根据产线实际情况选择对应的处理方式,一般而言,处理方式通常有以下几种:
1.当出现异常数据节点时,需要对样本进行重新检测,以排除测量人员和测量设备的因素。
2.产线工人或班组长发现异常数据节点时首先要自我检查,检查自己是否严格按作业标准(SOP或WI)作业,相邻作业员交叉检验,在异常情况严重或无法查找到原因必须立即通知品质工程师和制程工程师。
3.品质工程师与制程工程师现场分析后,采用5M1E分析制程能否在较短的时间内(如0.5~1小时)找到产生异常的原因,如仍然无法找到根源且情况严重(如:P不良率大大超标),则报告上级主管决定是否停线;品质工程师召集相关部门开会讨论,寻找根本原因(制程、设计、材料或其它)。
一般而言,原因主要分为如下集中:
人:操作员工技术熟练程度、身体状况等;
机器:设备、工夹具的精度和维护保养状况;
材料:材料的成分、批次间的差异、物理性能和化学性能;
方法:包括加工工艺、工装选择、操作规程等;
测量:测量设备、试验手段、测量方法等;
环境:工作环境温度、湿度、噪音、照明和清洁程度等;
至此,判异规则分析完成,以便在进行控制图显示时,可以将确定出的异常数据节点标注在控制图上,便于用户进行查看。
在一些实施例中,在显示目标控制图时,除在目标控制图中绘制出基本的数据节点之外,还可以在目标控制图中绘制出目标控制限、异常数据节点以及一些特殊区域,下面分别对各部分的绘制方法进行介绍。
对于目标控制限的绘制,可以使用echarts的series属性,针对属性中的markline字段进行设置,以将markline字段中data字段的取值设置成需要绘制的目标控制限的位置。例如,可以通过如下代码实现目标控制限的绘制:
series: [{
data: [820, 932, 901, 934, 1290, 1330, 1320],
type: "line",
markLine: {
data: [{
type: "average"
}],
silent: true
}
}]
}
对于异常数据节点,可以将其绘制为与其他节点不同的样式,便于用户区分。可选地,可以使用echarts的series属性,针对属性中的data字段进行设置,基于异常数据节点的位置为data字段添加相应的属性配置,即可实现对异常数据节点的特殊标记。例如,可以通过如下代码实现异常数据节点的绘制:
let coordData = {
value: this.chartData[i],
symbolSize: 7,
symbol: 'triangle' ,
itemStyle: {
color: '#201256',//black
lotInfoForPoint: lotInfo
}
需要说明的是,需要绘制的特殊区域可以包括一倍标准差区域、二倍标准差区域和三倍标准差区域,可以将不同区域绘制为不同的颜色,便于用户区分。对于需要绘制的特殊区域,可以使用echarts的series属性,针对属性中的markarea字段进行设置,通过指定markarea中的data字段的取值即可选定绘制颜色的区域范围,进而通过itemStyle中的color属性绘制指定区域颜色,以实现对特殊区域的绘制。例如,可以通过如下代码实现特殊区域的绘制:
series: [{
data: [820, 932, 901, 934, 1290, 1330, 1320],
type: "line",
markArea: {
data: [
[{
type: "min"
}, {
type: "max"
}]
],
silent: true,
itemStyle: {
color: "rgba(218, 50, 50, 1)"
}
}
}]
至此,作为主图的目标控制图绘制完成,也即实现了目标控制图的生成。在更多可能的实现方式中,在生成目标控制图之后,还可以基于多个待处理数据集,确定过程能力指数,过程能力指数用于指示生产过程的稳定程度,过程能力指数包括能力指数或性能指数。
需要说明的是,在基于多个待处理数据集,确定过程能力指数时,可以异步调用第三个后台接口,以通过所调用的第三个后台接口来进行过程能力指数的确定。
其中,能力指数可以为待处理数据为连续型数据时所使用的过程能力指数,在待处理数据为连续型数据的情况下,能力指数可以包括CP(用于在分布中心未偏离规格中心时衡量过程能力的指数)和/或CPK(用于在分布中心偏离规格中心时衡量过程能力的指数);性能指数可以为待处理数据为离散型数据时所使用的过程能力指数,在待处理数据为离散型数据的情况下,性能指数可以包括PP(用于在分布中心未偏离规格中心时衡量过程能力的指数)和/或PPK(用于在分布中心偏离规格中心时衡量过程能力的指数),下面分别对不同过程能力指数的确定过程进行介绍。
需要说明的是,在已确定出的目标控制限类型不同的情况下,计算各个过程能力指数的方式也有所不同,下面分情况来对确定过程能力指数的方式进行介绍:
在已确定出的目标控制限包括上控制限和下控制限的情况下,可以通过如下公式(61)至公式(62)来确定待处理数据为连续型数据的情况下的能力指数:
在已确定出的目标控制限包括上控制限和下控制限的情况下,可以通过如下公式(66)至公式(67)来确定待处理数据为离散型数据的情况下的性能指数:
其中, SubGroupSize表示子组大小,x i表示第i个待处理数据。
在已确定出的目标控制限仅包括上控制限的情况下,可以通过如下公式(69)至公式(70)来确定待处理数据为连续型数据的情况下的能力指数:
在已确定出的目标控制限仅包括上控制限的情况下,可以通过如下公式(71)至公式(72)来确定待处理数据为离散型数据的情况下的能力指数:
在已确定出的目标控制限仅包括下控制限的情况下,可以通过如下公式(73)至公式(74)来确定待处理数据为连续型数据的情况下的能力指数:
在已确定出的目标控制限仅包括上控制限的情况下,可以通过如下公式(71)至公式(72)来确定待处理数据为离散型数据的情况下的能力指数:
通过确定过程能力指数,以便后续可以在显示目标控制图时对所确定出的过程能力指数进行显示,使得用户可以更加全面地了解产品的生产情况。
在一种可能的实现方式中,上述判断异常数据节点以及确定过程能力指数的实现方式也可以被封装到目标数据处理模型中,从而可以在通过目标数据处理模型输出目标控制图的同时,还可以判断出目标控制图的多个数据节点中所存在的异常数据节点,并且可以在输出目标控制图的同时输出过程能力指数,以完善目标数据处理模型的数据处理能力,而且可以为用户提供更加全面的数据,以供用户对生产过程进行分析。
需要说明的是,通过三个后台接口的异步调用,可以同时实现大量数据的计算,前端可以通过getchartinfo()函数获取到计算出的数据。
例如,可以通过如下代码实现通过异步接口的数据计算:
else if (this.ChartInfo.ChartNameTwo == "S") {
ChartTwoMin = spcdata[0].std;
ChartTwoMax = spcdata[0].std;
ChartTwoStd = 0;//Xbar 方差
for (let i = 0; i < length; i++) {
let spcavg = spcdata[i].movingRange;
if (ChartTwoMin > spcavg) {
ChartTwoMin = spcavg;
}
if (ChartTwoMax < spcavg) {
ChartTwoMax = spcavg;
}
ChartTwoStd += Math.pow(Math.abs(spcavg - TwoAvg), 2);
}
}
在数据计算完成的情况下,可以利用promise all技术,确认所有接口计算完成,再由前端收集计算得到的数据进行spcdata的数据拼装,以便基于拼装得到的数据来进行图表的渲染。
其中,promise all技术可以通过Promise.all(iterable)命令实现,Promise.all(iterable)命令可以返回一个新的Promise实例,此实例在iterable参数内所有的Promise实例都处理完成,或者参数中不包含Promise实例时,将数据处理过程状态设置为处理完成(也即是fulfilled状态)。如果iterable参数中存在Promise实例处理失败(也即是被rejected),则确认数据处理过程未完成。例如,promise all技术的实现过程可以参见如下代码:
let p = Promise.all([p1,p2,p3])
Promise.all = function (promise) {
return new Promise((resolve, reject) => {
let index = 0
let result = []
if (promise.length === 0) {
resolve(result)
} else {
function processValue(i, data) {
result[i] = data
if (++index === promise.length) {
resolve(result)
}
}
for (let i = 0; i < promise.length; i++) {
Promise.resolve(promise[i]).then((data) => {
processValue(i, data)
}, (err) => {
reject(err)
return
})
}
}
})
}
在如上所示的代码中,参数p的状态由p1、p2和p3决定,具体可以分为如下两种情况:
(1)p1、p2、p3的状态都变成fulfilled,参数p的状态变成fulfilled,此时p1、p2、p3的返回值组成一个数组,传递给参数p的回调函数。
(2)p1、p2、p3之中有一个被rejected,参数p的状态就会变成rejected,此时第一个处理失败实例的返回值,会被传递给参数p的回调函数。
通过如上所示的promise all技术,可以将数据节点、目标控制图和过程能力指数这三部分的计算分配到三个后台接口中,等待三部分的计算结果全部返回,再通过promise.all().then({})回调命令获取这三部分的计算结果。例如,可以通过如下代码实现这三部分的计算结果的获取:
dataPromise.push(promiseRule1, promiseRule2, promiseRule3);
Promise.all(dataPromise).then
此外,在通过上述过程确定出多个数据节点和目标控制限之后,还可以通过步骤103,对于任一个待处理数据集,基于待处理数据集,生成待处理数据集对应的数据分布图。
其中,数据分布图可以包括直方图和箱线图,可选地,数据分布图还可以包括其他类型的统计图,本发明对数据分布图的具体类型不加以限定。
以数据分布图包括直方图和箱线图为例,下面分别对直方图和箱线图的生成过程进行介绍:
在一些实施例中,在数据分布图为直方图的情况下,对于步骤103,在基于待处理数据集,生成待处理数据集对应的数据分布图时,可以通过如下步骤实现:
步骤103-1-1、基于待处理数据集所包括的多个待处理数据,确定多个待处理数据在各个设定区间内的出现次数。
在一种可能的实现方式中,可以通过ecStat.histogram()方法对数据进行处理,以将待处理数据处理为柱状图(Bar)所需形式的数据,也即是,根据待处理数据的取值确定多个待处理数据在各个设定区间内的出现次数。
步骤103-1-2、基于多个待处理数据在各个设定区间内的出现次数,生成待处理数据集对应的直方图。
可选地,数据处理完成后,可以调用setSeries方法,以通过setSeries方法来对echarts图中的series.data数据进行填充,以完成柱状图的渲染,实现直方图的生成。
可选地,直方图中除可以包括柱状图外,还可以包括线型图,以便通过线型图可以更加方便直观的反映点位正态分布的信息。
在一种可能的实现方式中,可以通过esingFuncs函数对待处理数据进行处理,以得到绘制线型图所需的数据。例如,可以通过如下代码将待处理数据处理为绘制线型图所需的数据:
this.easingFuncs = {
实际: function (x, k, center) {
// return y * Math.exp(-(k - center) * (k - center) / 2) / 2;
//y:xAxis k:stddev; center:mean;
return 1 / (Math.sqrt(2 * Math.PI) * k) * Math.exp(-(x -center) * (x - center) / (2 * k * k))
},
期望: function (x, k, center) {
//y:横坐标的最大值 k:xAxis center:
// return y * Math.exp(-(k - center) * (k - center) / 2);
return 1 / (Math.sqrt(2 * Math.PI) * k) * Math.exp(-(x -center) * (x - center) / (2 * k * k))
},
};
通过上述过程,即可实现直方图生成所需数据的获取,以便后续可以通过调用setEchart方法,来进行直方图的绘制。参见图19,图19是根据本发明实施例示出的一种直方图的显示形式示意图,如图19所示的直方图中即包括可以表示点位分布概率的柱状图,以及可以表示正态分布预期下期望曲线和实际曲线的线型图,以便用户可以快速直观的看到任一待处理数据集内部数据的正态分布规律、以及预期曲线与实际曲线的差异。
上述生成直方图的过程可以参见图20,图20是根据本发明实施例示出的一种直方图生成过程的流程图,如图20所示,在生成直方图时,可以先通过histogram方法来对待处理数据进行处理,从而通过seiSeries方法实现柱状图处理,通过easingFuncs方法实现线型图处理,进而通过setEchart方法来进行直方图绘制。
通过确定每个待处理数据集所对应的直方图,可以实现对每个待处理数据集内部数据的分布频率的分析,以便用户可以了解到各个待处理数据集内部的数据分布情况,保证数据分析过程的全面性。
在另一些实施例中,在数据分布图为箱线图的情况下,对于步骤103,在基于待处理数据集,生成待处理数据集对应的数据分布图时,可以通过如下步骤实现:
步骤103-2-1、确定待处理数据集所包括的多个待处理数据中的最小数据值、第一四分位数、中位数、第三四分位数据、最大数据值以及规格限。
在一种可能的实现方式中,可以调用prepareBoxlotData()函数来进行最小数据值、第一四分位数、中位数、第三四分位数据、最大数据值以及规格的计算。其中,计算过程及原理遵循以下原则:
首先确定四分位数Qi所在位置,以便根据各个四分位数的位置实现四分位数的确定。其中,Qi所在位置=i*(n+1)/4,i=1、2、3,n表示序列中包含的项数。
1.第一四分位数Q1(也称下四分位数)
例如,Q1所在位置为3.75,则Q1=0.25×序列中第三项+0.75×序列中第四项。
2.第二四分位数Q2(也即是中位数)
例如,Q2所在位置为7.5,则Q2=0.5×序列中第七项+0.5×序列中第八项。
3.第三四分位数Q3(也称上四分位数)
例如,Q3所在位置为11.3,则Q3=0.75×序列中第十一项+0.25×序列中第十二项。
而在计算最小数据值(也即是下限)和最大数据值(也即是上限)之前,需要计算四分位距IQR,IQR=Q3-Q1,基于此,最小数据值和最大数据值的计算方法如下:
4.最大数据值(也即是上限)
可选地,可以按照“最大数据值=Q3+1.5IQR”的计算方式来计算最大数据值。
5.最小数据值(也即是下限)
可选地,可以按照“最小数据值=Q1-1.5IQR”的计算方式来计算最小数据值。
其中,规格限可以包括3倍标准差、2倍标准差、上控制限、下控制限及中心线。在一种可能的实现方式中,可以调用setBoxPlotValue函数来对SPC计算过程中涉及到的待处理数据进行处理,以得到目标控制限。例如,可以通过如下代码实现目标控制限的确定:
if (this.dataControlChartBaseLine != null) {
this.dataForLS=dataTool.prepareBoxplotData(this.dataBox);
this.UCL=Number(this.dataControlChartBaseLine[0].upperControlLimit);
this.CL = Number(this.dataControlChartBaseLine[0].centerLine);
this.LCL=Number(this.dataControlChartBaseLine[0].lowerControlLimit);
this.USL=Number(this.dataControlChartBaseLine[0].upperSpecLimit);
this.Target=Number(this.dataControlChartBaseLine[0].target);
this.LSL=Number(this.dataControlChartBaseLine[0].lowerSpecLimit);
this.setBoxPlotValue(this.dataOfPlot, this.selectedItem, [], []);
this.loading=false;
}
步骤103-2-2、基于最小数据值、第一四分位数、中位数、第三四分位数据、最大数据值以及规格限,生成待处理数据集对应的箱线图。
通过上述过程获取到最小数据值、第一四分位数、中位数、第三四分位数据、最大数据值以及规格限之后,可以按照ecahrts要求的数据结构对上述数据进行拼装,以将上述数据构建到charOption数据结构中,以组成echarts可以直接使用的数据结构,再调用echarts方法,基于charOption数据结构中的数据,来渲染箱线图,以实现箱线图的生成。
参见图21,图21是根据本发明实施例示出的一种箱线图的显示形式示意图,通过如图21所示的箱线图,用户可以了解到待处理数据集内部数据的点位分布规律及形态。
上述生成箱线图的过程可以参见图22,图22是根据本发明实施例示出的一种箱线图生成过程的流程图,如图22所示,在生成箱线图时,可以先通过prepareBoxplotData方法来对待处理数据进行处理,以得到生成箱线图所需的数据,并对SPC计算数据进行处理,从而将处理得到的所有数据构建为charOption数据结构,以便基于charOption数据结构中的数据来进行箱线图的绘制。
通过确定每个待处理数据集所对应的箱线图,可以实现对每个待处理数据集内部数据的具体点位分布的展示,以便用户可以直观地了解到各个待处理数据集内部数据的具体点位分布,保证数据分析过程的全面性。
在一种可能的实现方式中,上述生成数据分布图的实现方式也可以被封装到目标数据处理模型中,从而可以在通过目标数据处理模型输出目标控制图的同时,还可以输出各个待处理数据集对应的数据分布图,以完善目标数据处理模型的数据处理能力,而且可以为用户提供更加全面的数据,以供用户对生产过程进行分析。
在通过上述过程完成对目标控制图、直方图和箱线图的生成后,即可对已生成的目标控制图、直方图和箱线图进行显示。
在一些实施例中,对于步骤104,在显示目标控制图时,可以基于多个数据节点以及目标控制限进行渲染,以显示目标控制图,并在目标控制图中显示多个数据节点和目标控制限(包括上控制限、下控制限和中心线)。
通过在目标控制图中显示多个数据节点,用户可以根据数据分析需求触发目标控制图中所显示的任一数据节点,计算设备即可响应于对目标控制图中任一数据节点的触发操作,显示数据所对应的待处理数据集的数据分布图(也即是直方图和/或箱线图)。
通过本发明所提供的数据处理方法,可以快速筛选出进行数据分析所需的多个待处理数据集,并且可以针对多个待处理数据集对应的数据节点生成同一控制图,以使所生成的控制图中包括多个数据节点,每个数据节点对应于一个待处理数据集,以使通过该控制图更容易观测产品的稳定性,大幅图提高观测及监测效率。
仍以如图7所示的策略选择界面为例,若用户在如图7所示的策略选择界面中选择了ITEM-1和mold_temperature_bott这两个节点,若ITEM-1和mold_temperature_bott这两个节点各自对应有3个数据,则通过本发明所提供的数据处理方法,可以生成包括6个数据节点的控制图,以使ITEM-1和mold_temperature_bott这两个节点各自对应有3个数据都可以显示在一张控制图上。
另外,在显示目标控制图时,还可以在目标控制图的显示界面中显示其他维度的数据,以为用户分析提供依据。
在一种可能的实现方式中,可以显示第一数据展示入口,第一数据展示入口用于在被触发后展示目标控制图中各个数据节点的目标统计数据,目标统计数据包括均值、极差、标准差、单值点、最小值、最大值、移动极差、和、平方和中的至少一项。
参见图23,图23是根据本发明实施例示出的一种第一数据展示入口被触发后的显示界面示意图,如图23所示,文字标注为“SPC数据”的功能入口即为第一数据展示入口,在文字标注为“SPC数据”的功能入口被触发的情况下,计算设备即可显示均值、极差、标准差、单值点、最小值、最大值、移动极差、和、平方和等统计数据。
在另一种可能的实现方式中,可以显示控制图展示入口,控制图展示入口用于在被触发后展示目标控制图的控制限。
参见图24,图24是根据本发明实施例示出的一种控制图展示入口被触发后的显示界面示意图,如图24所示,文字标注为“控制图”的功能入口即为控制图展示入口,在文字标注为“控制图”的功能入口被触发的情况下,计算设备即可显示每张图的目标控制限,包括上控制限、下控制限和中心线等。
在另一种可能的实现方式中,可以显示规则展示入口,规则展示入口用于在被触发后展示生成目标控制图时所使用的规则参数。
参见图25,图25是根据本发明实施例示出的一种规则展示入口被触发后的显示界面示意图,如图25所示,文字标注为“判异规则”的功能入口即为规则展示入口,在文字标注为“判异规则”的功能入口被触发的情况下,计算设备即可显示包括样本数量、界限类型、西格玛数(也即是标准差取值)等重要判异规则的参数,以便用户可以在观察控制图的同时,知道控制图生成时判定的参数都是什么,方便用户分析数据及图形。
在另一种可能的实现方式中,可以显示第二数据展示入口,第二数据展示入口用于在被触发后展示目标控制图的规格限。
参见图26,图26是根据本发明实施例示出的一种第二数据展示入口被触发后的显示界面示意图,如图26所示,文字标注为“计算信息”的功能入口即为第二数据展示入口,在文字标注为“计算信息”的功能入口被触发的情况下,计算设备即可显示包括上控制限、下控制限、中心线以及1倍、2倍、3倍标准差所在位置的规格限。并且,还可以显示出3倍西格玛内点数及超出率,以为用户提供整组数据在更加细化的维度上的分析依据。
在另一种可能的实现方式中,可以显示原始数据展示入口,原始数据展示入口用于在被触发后展示待处理数据。
参见图27,图27是根据本发明实施例示出的一种原始数据展示入口被触发后的显示界面示意图,如图27所示,文字标注为“原始数据”的功能入口即为原始数据展示入口,在文字标注为“原始数据”的功能入口被触发的情况下,计算设备即可显示原始的待处理数据,并且,还可以显示每个待处理数据集的序号以及每个采集点的具体信息,同时可以对每个点位的采集参数进行展示。
至此,多个维度的数据均已被显示在目标控制图的显示界面中,多个维度的数据与目标控制图的整体显示效果可以参见图28,图28是根据本发明实施例示出的一种目标控制图的显示界面示意图,如图28所示,显示界面上半部分区域显示有目标控制图,下半部分显示有上述几个功能入口,以便用户可以选择对应的功能入口,来实现对对应维度数据的展示。
上述数据处理方法可以通过数据处理***实现,数据处理***也可以称为SPC控制***,该数据处理***可以分为数据筛选模块、数据处理模块和控制图生成模块。
其中,数据筛选模块可以根据筛选策略从目标数据库所存储的数据中采集出所需的待处理数据集,以提供数据处理过程所需的基础数据。数据处理模块可以采用前后端联动计算的方式,对采集得到的数据进行处理,以实现对数据节点、目标控制限、过程能力指数、具体统计数据等数据的计算,为后续控制图的渲染提供数据基础。控制图生成模块可以包括控制图分析模块和控制图渲染模块,控制图分析模块可以用于分析需要几张控制图,每张控制图都是什么,从而将分析结果传递给控制图渲染模块,以便控制图渲染模块可以基于数据处理模块所提供的数据,渲染出对应的控制图及数据分布图等。
需要说明的是,各个模块均可以被封装起来,以实现模块的组件化,后续即可直接调用已经实现组件化的模块,以实现相应的处理过程。相应地,各个模块之间的通信过程即可通过组件间通信实现。
在一种可能的实现方式中,可以设置char-main作为一个主页面承接各模块回调回来的数据内容,同时将各个模块需要的数据,发送给对应的模块。参见图29,图29是根据本发明实施例示出的一种模块间的通信过程的流程图,其中,数据筛选模块可以实现筛选策略的选择以及数据的筛选,并将筛选得到的待处理数据通过getdata()函数回调给主页面chart-main,主页面获取到待处理数据后,将待处理baseinfo发送给数据处理模块,数据处理模块基于待处理数据进行计算,然后将计算结果通过getspcdata()和getCtrlData()两个回调函数发送给主页面chart-main,其中,getspcdata()函数负责数据相关的结果传送,getCtrlData()函数负责图相关的数据传送。主页面拿到所有计算结果后,可以通过baseinfo、spcdata、chart三个字段使用属性传值的方式,发送给控制图渲染模块,控制图渲染模块拿到这些关键数据后,就可以渲染出对应控制图,至此,基于组件间通信的数据处理过程完成。
本发明的实施例还提出了一种数据处理装置,参见图30,图30是根据本发明实施例示出的一种数据处理装置的框图,如图30所示,该装置包括:
获取单元3001,用于获取多个待处理数据集,每个待处理数据集中均包括多个待处理数据,不同待处理数据集对应的数据采集参数不同;
生成单元3002,用于基于多个待处理数据集,通过目标数据处理模型,生成目标控制图,目标控制图包括多个数据节点,一个数据节点对应于一个待处理数据集,数据节点为基于待处理数据集所包括的多个待处理数据所确定出的统计数据,目标控制图用于指示多个数据节点的分布情况;
生成单元3002,还用于对于任一个待处理数据集,基于待处理数据集所包括的待处理数据,生成待处理数据集对应的数据分布图,数据分布图用于指示待处理数据集所包括的多个待处理数据的数据分布情况;
显示单元3003,用于显示目标控制图,目标控制图中所包括的数据节点用于在被触发后显示所对应的待处理数据集的数据分布图。
在本发明的一些实施例中,生成单元3002,在用于基于多个待处理数据集,通过目标数据处理模型,生成目标控制图时,用于:
通过目标数据处理模型,识别多个待处理数据集所包括的待处理数据的数据类型;
通过目标数据处理模型,确定与数据类型匹配的控制图类型,并生成满足控制图类型的目标控制图。
在本发明的一些实施例中,数据类型包括连续型数据和离散型数据;
生成单元3002,在用于确定与数据类型匹配的控制图类型时,用于下述任一项:
在多个待处理数据集所包括的待处理数据为连续型数据的情况下,将目标控制图的控制图类型确定为多图控制图;
在多个待处理数据集所包括的待处理数据为离散型数据的情况下,将目标控制图的控制图类型确定为单图控制图。
在本发明的一些实施例中,多图控制图包括双图控制图和三图控制图,其中,双图控制图包括均值-极差控制图、单值-移动极差控制图和均值-标准差控制图,三图控制图包括均值-移动极差-标准差控制图和均值-移动极差-极差控制图;
生成单元3002,在用于在多个待处理数据集所包括的待处理数据为连续型数据的情况下,将目标控制图的控制图类型确定为多图控制图时,用于:
在多个待处理数据集所包括的待处理数据为连续型数据的情况下,从均值-极差控制图、单值-移动极差控制图、均值-标准差控制图、均值-移动极差-标准差控制图、均值-移动极差-极差控制图中,确定目标控制图的控制图类型。
在本发明的一些实施例中,单图控制图包括不合格品数控制图、不良率控制图、缺点数控制图、每个单位的缺点数控制图;
生成单元3002,在用于在多个待处理数据集所包括的待处理数据为离散型数据的情况下,将目标控制图的控制图类型确定为单图控制图时,用于:
在多个待处理数据集所包括的待处理数据为离散型数据的情况下,从不合格品数控制图、不良率控制图、缺点数控制图、每个单位的缺点数控制图中,确定目标控制图的控制图类型。
在本发明的一些实施例中,生成单元3002,还用于在需要确定产品生产过程的安定状态的情况下,从最大和最小值-极差控制图、最大和最小值-标准差控制图中,确定目标控制图的控制图类型。
在本发明的一些实施例中,目标控制图包括多个数据节点以及目标控制限;
生成单元3002,在用于生成满足控制图类型的目标控制图时,用于:
基于多个待处理数据集,确定满足控制图类型的多个数据节点,一个待处理数据集对应于一个数据节点;
基于多个数据节点,确定目标控制图的目标控制限。
在本发明的一些实施例中,该装置还包括:
第一确定单元,用于基于多个数据节点以及目标控制限,确定多个数据节点中是否存在异常数据节点;
发送单元,用于在多个数据节点中存在异常数据节点的情况下,发送提示信息,提示信息用于提示产品生产过程中产生的数据存在异常。
在本发明的一些实施例中,数据分布图包括直方图;
生成单元3002,在用于基于待处理数据集所包括的待处理数据,生成待处理数据集对应的数据分布图时,用于:
基于待处理数据集所包括的多个待处理数据,确定多个待处理数据在各个设定区间内的出现次数;
基于多个待处理数据在各个设定区间内的出现次数,生成待处理数据集对应的直方图。
在本发明的一些实施例中,数据分布图包括箱线图;
生成单元3002,在用于基于待处理数据集所包括的待处理数据,生成待处理数据集对应的数据分布图时,用于:
确定待处理数据集所包括的多个待处理数据中的最小数据值、第一四分位数、中位数、第三四分位数据、最大数据值以及规格限;
基于最小数据值、第一四分位数、中位数、第三四分位数据、最大数据值以及规格限,生成待处理数据集对应的箱线图。
在本发明的一些实施例中,获取单元3001,在用于获取多个待处理数据集时,用于:
显示策略选择界面,策略选择界面包括预先生成的至少一个筛选策略,筛选策略用于指示进行数据筛选时所使用的数据筛选维度;
响应于对任一筛选策略的选择操作,显示筛选策略所包括的多个数据筛选维度;
获取每个数据筛选维度对应的数据筛选参数,并获取满足数据筛选参数的多个待处理数据集。
在本发明的一些实施例中,获取单元3001,在用于获取每个数据筛选维度对应的数据筛选参数,并获取满足数据筛选参数的多个待处理数据集时,用于:
对于任一数据筛选维度,显示数据筛选维度对应的至少一个备选筛选参数;
响应于对任一备选筛选参数的选择操作,将被选中筛选参数条件确定为数据筛选维度对应的数据筛选参数;
响应于在策略选择界面的确认操作,基于多个数据筛选维度对应的数据筛选参数在目标数据库所存储的数据中进行筛选,以得到多个待处理数据集。
在本发明的一些实施例中,筛选策略的生成过程包括:
显示策略创建界面,策略创建界面包括维度添加控件;
响应于对维度添加控件的选择操作,显示至少一个备选筛选维度;
响应于对任一备选筛选维度的选择操作,将被选中的备选筛选维度确定为筛选策略所包括的一个数据筛选维度。
在本发明的一些实施例中,策略创建界面还包括名称设置控件,名称设置控件用于提供筛选策略的命名功能。
在本发明的一些实施例中,数据筛选维度包括工厂名称、产品名称、产品版本、主流程名称、主流程版本、子流程名称、子流程版本、站点名称、设备名称、设备工艺名称、产品批次、相关工艺设备、相关工艺设备名称中的至少一项。
在本发明的一些实施例中,该装置还包括:
第二确定单元,用于基于多个待处理数据集,确定过程能力指数,过程能力指数用于指示生产过程的稳定程度,过程能力指数包括能力指数或性能指数。
在本发明的一些实施例中,显示单元3003,还用于响应于对目标控制图中任一数据节点的触发操作,显示数据节点所对应的待处理数据集的数据分布图。
在本发明的一些实施例中,显示单元3003,还用于下述至少一项:
显示第一数据展示入口,第一数据展示入口用于在被触发后展示目标控制图中各个数据节点的目标统计数据,目标统计数据包括均值、极差、标准差、单值点、最小值、最大值、移动极差、和、平方和中的至少一项;
显示控制图展示入口,控制图展示入口用于在被触发后展示目标控制图的控制限;
显示规则展示入口,规则展示入口用于在被触发后展示生成目标控制图时所使用的规则参数;
显示第二数据展示入口,第二数据展示入口用于在被触发后展示目标控制图的规格限;
显示原始数据展示入口,原始数据展示入口用于在被触发后展示待处理数据。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本说明书方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
本发明还提供了一种计算设备,参见图31,图31是根据本发明实施例示出的一种计算设备的结构示意图。如图31所示,计算设备包括处理器3101、存储器3102和网络接口3103,存储器3102用于存储可在处理器3101上运行的计算机程序代码,处理器3101用于在执行该计算机程序代码时实现本发明任一实施例所提供的数据处理方法,网络接口3103用于实现输入输出功能。在更多可能的实现方式中,计算设备还可以包括其他硬件,本发明对此不做限定。
本发明还提供了一种计算机可读存储介质,计算机可读存储介质可以是多种形式,比如,在不同的例子中,计算机可读存储介质可以是:RAM(Radom Access Memory,随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、DVD等),或者类似的存储介质,或者它们的组合。特殊的,计算机可读介质还可以是纸张或者其他合适的能够打印程序的介质。计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现本发明任一实施例所提供的数据处理方法。
本发明还提供了一种计算机程序产品,包括计算机程序,计算机程序被处理器执行时实现本发明任一实施例所提供的数据处理方法。
在本发明中,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性。术语“多个”指两个或两个以上,除非另有明确的限定。
本领域技术人员在考虑说明书及实践这里公开的公开后,将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (21)
1.一种数据处理方法,其特征在于,所述方法包括:
获取多个待处理数据集,每个待处理数据集中均包括多个待处理数据,不同待处理数据集对应的数据采集参数不同;
基于所述多个待处理数据集,通过目标数据处理模型,生成目标控制图,所述目标控制图包括多个数据节点,一个数据节点对应于一个待处理数据集,所述数据节点为基于所述待处理数据集所包括的多个待处理数据所确定出的统计数据,所述目标控制图用于指示多个数据节点的分布情况;
对于至少一个待处理数据集,基于所述待处理数据集所包括的待处理数据,生成所述待处理数据集对应的数据分布图,所述数据分布图用于指示所述待处理数据集所包括的多个待处理数据的数据分布情况;
显示所述目标控制图,所述目标控制图中所包括的数据节点用于在被触发后显示所对应的待处理数据集的数据分布图。
2.根据权利要求1所述的方法,其特征在于,所述基于所述多个待处理数据集,通过目标数据处理模型,生成目标控制图,包括:
通过所述目标数据处理模型,识别所述多个待处理数据集所包括的待处理数据的数据类型;
通过所述目标数据处理模型,确定与所述数据类型匹配的控制图类型,并生成满足所述控制图类型的目标控制图。
3.根据权利要求2所述的方法,其特征在于,所述数据类型包括连续性数据和离散型数据;
所述确定与所述数据类型匹配的控制图类型,包括下述任一项:
在所述多个待处理数据集所包括的待处理数据为连续型数据的情况下,将所述目标控制图的控制图类型确定为多图控制图;
在所述多个待处理数据集所包括的待处理数据为离散型数据的情况下,将所述目标控制图的控制图类型确定为单图控制图。
4.根据权利要求3所述的方法,其特征在于,所述多图控制图包括双图控制图和三图控制图,其中,所述双图控制图包括均值-极差控制图、单值-移动极差控制图和均值-标准差控制图,所述三图控制图包括均值-移动极差-标准差控制图和均值-移动极差-极差控制图;
所述在所述多个待处理数据集所包括的待处理数据为连续型数据的情况下,将所述目标控制图的控制图类型确定为多图控制图,包括:
在所述多个待处理数据集所包括的待处理数据为连续型数据的情况下,从均值-极差控制图、单值-移动极差控制图、均值-标准差控制图、均值-移动极差-标准差控制图、均值-移动极差-极差控制图中,确定所述目标控制图的控制图类型。
5.根据权利要求3所述的方法,其特征在于,所述单图控制图包括不合格品数控制图、不良率控制图、缺点数控制图、每个单位的缺点数控制图;
所述在所述多个待处理数据集所包括的待处理数据为离散型数据的情况下,将所述目标控制图的控制图类型确定为单图控制图,包括:
在所述多个待处理数据集所包括的待处理数据为离散型数据的情况下,从不合格品数控制图、不良率控制图、缺点数控制图、每个单位的缺点数控制图中,确定所述目标控制图的控制图类型。
6.根据权利要求3所述的方法,其特征在于,所述方法还包括:
在需要确定产品生产过程的安定状态的情况下,从最大和最小值-极差控制图、最大和最小值-标准差控制图中,确定所述目标控制图的控制图类型。
7.根据权利要求2所述的方法,其特征在于,所述目标控制图包括多个数据节点以及目标控制限;
所述生成满足所述控制图类型的目标控制图,包括:
基于所述多个待处理数据集,确定满足所述控制图类型的多个数据节点,一个待处理数据集对应于一个数据节点;
基于所述多个数据节点,确定所述目标控制图的目标控制限。
8.根据权利要求7所述的方法,其特征在于,在基于所述多个待处理数据集,生成目标控制图时,所述方法还包括:
基于所述多个数据节点以及所述目标控制限,确定所述多个数据节点中是否存在异常数据节点;
在所述多个数据节点中存在异常数据节点的情况下,发送提示信息,所述提示信息用于提示产品生产过程中产生的数据存在异常。
9.根据权利要求1所述的方法,其特征在于,所述数据分布图包括直方图;
所述基于所述待处理数据集所包括的待处理数据,生成所述待处理数据集对应的数据分布图,包括:
基于所述待处理数据集所包括的多个待处理数据,确定所述多个待处理数据在各个设定区间内的出现次数;
基于所述多个待处理数据在各个设定区间内的出现次数,生成所述待处理数据集对应的直方图。
10.根据权利要求1所述的方法,其特征在于,所述数据分布图包括箱线图;
所述基于所述待处理数据集所包括的待处理数据,生成所述待处理数据集对应的数据分布图,包括:
确定所述待处理数据集所包括的多个待处理数据中的最小数据值、第一四分位数、中位数、第三四分位数据、最大数据值以及规格限;
基于所述最小数据值、所述第一四分位数、所述中位数、所述第三四分位数据、所述最大数据值以及所述规格限,生成所述待处理数据集对应的箱线图。
11.根据权利要求1所述的方法,其特征在于,所述获取多个待处理数据集,包括:
显示策略选择界面,所述策略选择界面包括预先生成的至少一个筛选策略,所述筛选策略用于指示进行数据筛选时所使用的数据筛选维度;
响应于对任一筛选策略的选择操作,显示所述筛选策略所包括的多个数据筛选维度;
获取每个数据筛选维度对应的筛选参数,并获取满足所述筛选参数的多个待处理数据集。
12.根据权利要求11所述的方法,其特征在于,所述获取每个数据筛选维度对应的筛选参数,并获取满足所述筛选参数的多个待处理数据集,包括:
对于任一数据筛选维度,显示所述数据筛选维度对应的至少一个备选筛选参数;
响应于对任一备选筛选参数的选择操作,将被选中备选筛选参数确定为所述数据筛选维度对应的筛选参数;
响应于在所述策略选择界面的确认操作,基于所述多个数据筛选维度对应的筛选参数在目标数据库所存储的数据中进行筛选,以得到所述多个待处理数据集。
13.根据权利要求11所述的方法,其特征在于,所述筛选策略的生成过程包括:
显示策略创建界面,所述策略创建界面包括维度添加控件;
响应于对维度添加控件的选择操作,显示至少一个备选筛选维度;
响应于对任一备选筛选维度的选择操作,将被选中的备选筛选维度确定为所述筛选策略所包括的一个数据筛选维度;
响应于在所述策略创建界面中的确认操作,基于所述策略创建界面中已添加的数据筛选维度,生成所述筛选策略。
14.根据权利要求13所述的方法,其特征在于,所述策略创建界面还包括名称设置控件,所述名称设置控件用于提供筛选策略的命名功能。
15.根据权利要求11所述的方法,其特征在于,所述数据筛选维度包括工厂名称、产品名称、产品版本、主流程名称、主流程版本、子流程名称、子流程版本、站点名称、设备名称、设备工艺名称、产品批次、相关工艺设备、相关工艺设备名称中的至少一项。
16.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于所述多个待处理数据集所包括的待处理数据,确定过程能力指数,所述过程能力指数用于指示生产过程的稳定程度,所述过程能力指数包括能力指数或性能指数。
17.根据权利要求1所述的方法,其特征在于,所述显示所述目标控制图之后,所述方法还包括:
响应于对所述目标控制图中任一数据节点的触发操作,显示所述数据节点所对应的待处理数据集的数据分布图。
18.根据权利要求1所述的方法,其特征在于,所述显示所述目标控制图之后,所述方法还包括下述至少一项:
显示第一数据展示入口,所述第一数据展示入口用于在被触发后展示所述目标控制图中各个数据节点的目标统计数据,所述目标统计数据包括均值、极差、标准差、单值点、最小值、最大值、移动极差、和、平方和中的至少一项;
显示控制图展示入口,所述控制图展示入口用于在被触发后展示所述目标控制图的控制限;
显示规则展示入口,所述规则展示入口用于在被触发后展示生成所述目标控制图时所使用的规则参数;
显示第二数据展示入口,所述第二数据展示入口用于在被触发后展示所述目标控制图的规格限;
显示原始数据展示入口,所述原始数据展示入口用于在被触发后展示所述待处理数据。
19.一种数据处理装置,其特征在于,所述装置包括:
获取单元,用于获取多个待处理数据集,每个待处理数据集中均包括多个待处理数据,不同待处理数据集对应的数据采集参数不同;
生成单元,用于基于所述多个待处理数据集,通过目标数据处理模型,生成目标控制图,所述目标控制图包括多个数据节点,一个数据节点对应于一个待处理数据集,所述数据节点为基于所述待处理数据集所包括的多个待处理数据所确定出的统计数据,所述目标控制图用于指示多个数据节点的分布情况;
所述生成单元,还用于对于任一个待处理数据集,基于所述待处理数据集所包括的待处理数据,生成所述待处理数据集对应的数据分布图,所述数据分布图用于指示所述待处理数据集所包括的多个待处理数据的数据分布情况;
显示单元,用于显示所述目标控制图,所述目标控制图中所包括的数据节点用于在被触发后显示所对应的待处理数据集的数据分布图。
20.一种计算设备,其特征在于,所述计算设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述计算机程序时实现如权利要求1至18中任一项所述的数据处理方法所执行的操作。
21.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有程序,所述程序被处理器执行时,实现如权利要求1至18中任一项所述的数据处理方法所执行的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211693301.8A CN115689126A (zh) | 2022-12-28 | 2022-12-28 | 数据处理方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211693301.8A CN115689126A (zh) | 2022-12-28 | 2022-12-28 | 数据处理方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115689126A true CN115689126A (zh) | 2023-02-03 |
Family
ID=85055171
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211693301.8A Pending CN115689126A (zh) | 2022-12-28 | 2022-12-28 | 数据处理方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115689126A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117708552A (zh) * | 2024-02-06 | 2024-03-15 | 华能江苏综合能源服务有限公司 | 一种基于边缘计算的发电站运维数据实时监控方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1534517A (zh) * | 2003-03-27 | 2004-10-06 | 安捷伦科技有限公司 | 用于图形用户界面的智能下钻 |
CN113139078A (zh) * | 2021-03-31 | 2021-07-20 | 青岛奥利普自动化控制***有限公司 | 控制图生成方法及电子设备 |
-
2022
- 2022-12-28 CN CN202211693301.8A patent/CN115689126A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1534517A (zh) * | 2003-03-27 | 2004-10-06 | 安捷伦科技有限公司 | 用于图形用户界面的智能下钻 |
CN113139078A (zh) * | 2021-03-31 | 2021-07-20 | 青岛奥利普自动化控制***有限公司 | 控制图生成方法及电子设备 |
Non-Patent Citations (2)
Title |
---|
陆先森不怕鬼: "SPC X-R控制图的操作步骤", HTTPS://BLOG.CSDN.NET/WEIXIN_44729155/ARTICLE/DETAILS/127801473 * |
食品论坛: "什么是SPC?质量人来学一下!", HTTPS://MP.WEIXIN.QQ.COM/S?__BIZ=MJM5MJEZNZAWMA==&MID=2651479054&IDX=3&SN=0D7A9D432C8441A89B9C0F57C9B9CDF1&CHKSM=BD5416498A239F5FE5A1D22EA0D1556D9C2D88F50889C0B1933C7B536B258E3466E646F04927&SCENE=27 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117708552A (zh) * | 2024-02-06 | 2024-03-15 | 华能江苏综合能源服务有限公司 | 一种基于边缘计算的发电站运维数据实时监控方法 |
CN117708552B (zh) * | 2024-02-06 | 2024-05-10 | 华能江苏综合能源服务有限公司 | 一种基于边缘计算的发电站运维数据实时监控方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8594826B2 (en) | Method and system for evaluating a machine tool operating characteristics | |
US5930798A (en) | Universal data measurement, analysis and control system | |
Chien et al. | Analysing semiconductor manufacturing big data for root cause detection of excursion for yield enhancement | |
US9069352B2 (en) | Automated fault analysis and response system | |
US20130166498A1 (en) | Model Based OLAP Cube Framework | |
GB2545302A (en) | Distributed industrial performance monitoring and analytics | |
GB2600255A (en) | Distributed industrial performance monitoring and analytics | |
US11170332B2 (en) | Data analysis system and apparatus for analyzing manufacturing defects based on key performance indicators | |
US6839713B1 (en) | System and software for database structure in semiconductor manufacturing and method thereof | |
CN108830554A (zh) | 基于任务模型的数据成果信息质量智能检测方法和*** | |
JP2023511464A (ja) | 製品不良要因を分析するシステム及び方法、コンピュータ可読媒体 | |
CN115689126A (zh) | 数据处理方法、装置、设备及介质 | |
WO2021142622A1 (zh) | 确定不良原因的方法、电子设备、存储介质及*** | |
Lyu et al. | A data-driven approach for identifying possible manufacturing processes and production parameters that cause product defects: A thin-film filter company case study | |
US20100131091A1 (en) | A method and relative device for the management of technological recipe information to aid in defining process flows, in particular for the development and production of micro-and nanotechnology devices in cleanroom laboratories | |
CN114328452A (zh) | 数据稽核方法、装置、平台、电子设备及存储介质 | |
WO2017046906A1 (ja) | データ分析装置および分析方法 | |
CN115935292A (zh) | 一种复杂装备全生命周期多源异构数据融合模式构建方法 | |
CN117642707A (zh) | 数据处理方法及装置、数据显示方法及装置、设备和介质 | |
CN115685948B (zh) | 数据处理方法、装置、设备及介质 | |
CN109857881B (zh) | 用于opc验证的验证图形的量化分析方法 | |
Azvine et al. | Intelligent process analytics for CRM | |
TWI230349B (en) | Method and apparatus for analyzing manufacturing data | |
WO2006132000A1 (ja) | ランダムトレーサビリティ層別平均対照分析方法とx-r管理図機能部プログラムとランダムトレーサビリティ層別平均対照原因分析プログラム | |
CN114766023B (zh) | 数据处理方法、装置及***、电子设备 |
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 |