CN116452069B - 产品质量跟踪方法、装置及电子设备 - Google Patents
产品质量跟踪方法、装置及电子设备 Download PDFInfo
- Publication number
- CN116452069B CN116452069B CN202310708945.8A CN202310708945A CN116452069B CN 116452069 B CN116452069 B CN 116452069B CN 202310708945 A CN202310708945 A CN 202310708945A CN 116452069 B CN116452069 B CN 116452069B
- Authority
- CN
- China
- Prior art keywords
- product
- quality inspection
- target
- product quality
- description data
- 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 53
- 238000007689 inspection Methods 0.000 claims abstract description 305
- 239000000523 sample Substances 0.000 claims description 111
- 238000012549 training Methods 0.000 claims description 33
- 238000001514 detection method Methods 0.000 claims description 26
- 238000012795 verification Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000003908 quality control method Methods 0.000 claims description 7
- 238000012827 research and development Methods 0.000 claims description 6
- 238000013136 deep learning model Methods 0.000 claims description 5
- 239000002994 raw material Substances 0.000 claims description 5
- 239000013062 quality control Sample Substances 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000004904 shortening Methods 0.000 claims description 2
- 230000001502 supplementing effect Effects 0.000 claims description 2
- 239000000047 product Substances 0.000 description 445
- 238000007726 management method Methods 0.000 description 29
- 238000012360 testing method Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 230000003993 interaction Effects 0.000 description 3
- 238000012372 quality testing Methods 0.000 description 3
- 239000013589 supplement Substances 0.000 description 3
- 239000002537 cosmetic Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013179 statistical model Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Marketing (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Factory Administration (AREA)
Abstract
本发明提供一种产品质量跟踪方法、装置及电子设备，其中，该方法包括：获取目标产品描述数据，目标产品描述数据为描述待跟踪的目标产品的数据；基于预设的产品质检模型，确定与目标产品描述数据对应的产品质检周期；根据预设的产品客户端分配表，确定与目标产品描述数据对应的目标客户端信息；在检测到当前时间相距产品质检周期小于预设的时间阈值的情况下，根据目标产品描述数据发送产品质检任务指令至目标客户端信息所对应的目标客户端。由此，实现针对产品自动化制定质量跟踪计划并及时提醒技术人员跟进质检，保障厂商能够快速跟踪出厂产品的质量问题。
Description
技术领域
本发明涉及产品质检管理技术领域，尤其涉及一种产品质量跟踪方法、装置及电子设备。
背景技术
随着人们对于产品质量要求的不断提升，以及产品厂商越来越重视产品口碑，越来越多的厂商开始对已出厂产品的质量进行跟踪检测。
目前，产品的质量品控信息***一般是针对出厂前产品而设计并部署的。但是，对于出厂产品的质量跟踪，往往依据管理层计划或人为经验来处理，导致存在质检跟进不及时或计划不合理的情况，使得厂商难以快速跟踪已出厂产品的质量问题。
针对上述问题，目前业界暂未提出较佳的技术解决方案。
发明内容
本发明提供一种产品质量跟踪方法、装置、电子设备及存储介质，用以至少解决现有技术中人工跟进产品质检所导致的产品质量跟进不及时的缺陷。
本发明提供一种产品质量跟踪方法，所述方法包括：获取目标产品描述数据，所述目标产品描述数据为描述待跟踪的目标产品的数据；基于预设的产品质检模型，确定与所述目标产品描述数据对应的产品质检周期；根据预设的产品客户端分配表，确定与所述目标产品描述数据对应的目标客户端信息，所述产品客户端分配表包含多个产品描述数据和相应的客户端信息；在检测到当前时间相距所述产品质检周期小于预设的时间阈值的情况下，根据所述目标产品描述数据发送产品质检任务指令至所述目标客户端信息所对应的目标客户端，使得所述目标客户端基于所述产品质检任务指令启动针对所述目标产品的质量检测任务。
根据本发明提供的一种产品质量跟踪方法，所述基于预设的产品质检模型，确定与所述目标产品描述数据对应的产品质检周期，包括：基于所述产品质检模型，确定与所述目标产品描述数据对应的产品质检计划，所述产品质检计划包含产品质检周期、产品质检次数和单次质检样品数；根据所述产品质检次数和所述单次质检样品数，确定待留样的产品样品所对应的样品总数，其中对应所述样品总数的所述目标产品用于完成所述质量检测任务。
根据本发明提供的一种产品质量跟踪方法，所述产品描述数据包含产品属性信息，所述产品属性信息包含以下中的至少一者：产品原料、产品生产商、产品保质期和产品型号；所述产品质检模型为深度学习模型，其中所述产品质检模型的训练样本集中的每一训练样本包含产品描述数据样本和相应的产品质检周期标签、产品质检次数标签和单次质检样品数标签。
根据本发明提供的一种产品质量跟踪方法，所述产品描述数据还包括产品分组信息，所述产品分组信息为研发新品或成熟产品；所述训练样本集包含第一训练样本和第二训练样本，所述第一训练样本包含第一产品描述数据样本和相应的第一产品质检周期标签、第一产品质检次数标签和第一单次质检样品数标签，所述第二训练样本包含第二产品描述数据样本和相应的第二产品质检周期标签、第二产品质检次数标签和第二单次质检样品数标签；所述第一产品描述数据样本和所述第二产品描述数据样本具有相同的产品属性信息，以及所述第一产品描述数据样本所对应的产品分组信息为研发新品，所述第二产品描述数据样本所对应的产品分组信息为成熟产品；其中，所述第一产品质检周期标签的标签值小于所述第二产品质检周期标签的标签值，并且所述第一产品质检次数标签的标签值大于所述第二产品质检次数标签的标签值。
根据本发明提供的一种产品质量跟踪方法，在根据所述目标产品描述数据发送产品质检任务指令至所述目标客户端信息所对应的目标客户端之后，所述方法还包括：响应于所述产品质检任务指令，从所述目标客户端接收产品质量检测报告；所述产品质量检测报告包含质量检测结果和质量检测时间；在确定所述质量检测结果为不合格的情况下，根据所述质量检测时间更新所述产品质检计划；基于更新后的产品质检计划和所述目标产品描述数据，对所述产品质检模型进行训练优化。
根据本发明提供的一种产品质量跟踪方法，所述根据所述质量检测时间更新所述产品质检计划，包括：根据所述质量检测时间，缩短针对所述目标产品的产品质检总时长，所述产品质检总时长是根据所述产品质检次数和所述产品质检周期而确定的。
根据本发明提供的一种产品质量跟踪方法，在根据所述目标产品描述数据发送产品质检任务指令至所述目标客户端信息所对应的目标客户端之后，所述方法还包括：在检测到从所述目标客户端接收到样品不足通知的情况下，获取针对所述目标产品的已质检次数记录，并根据所述已质检次数记录和所述产品质检次数确定剩余质检次数；基于所述剩余质检次数、所述单次质检样品数和所述目标产品描述数据，确定针对所述目标产品的样品补充数量；根据所述针对所述目标产品的样品补充数量发送调货请求至仓储管理***，使得所述仓储管理***根据所述调货请求调拨对应所述样品补充数量的产品样品。
根据本发明提供的一种产品质量跟踪方法，在发送调货请求至仓储管理***之后，所述方法还包括：在检测到从所述仓储管理***接收到产品样品备货通知的情况下，从所述仓储管理***接收取货验证信息；发送包含所述取货验证信息的取货通知至所述目标客户端；其中，所述取货验证信息用于解锁储存柜，所述储存柜用于存放所述对应所述样品补充数量的产品样品。
本发明还提供一种产品稳定性跟踪装置，所述装置包括：数据获取单元，用于获取目标产品描述数据，所述目标产品描述数据为描述待跟踪的目标产品的数据；计划确定单元，用于基于预设的产品质检模型，确定与所述目标产品描述数据对应的产品质检周期；客户端确定单元，用于根据预设的产品客户端分配表，确定与所述目标产品描述数据对应的目标客户端信息，所述产品客户端分配表包含多个产品描述数据和相应的客户端信息；指令发送单元，用于在检测到当前时间相距所述产品质检周期小于预设的时间阈值的情况下，根据所述目标产品描述数据发送产品质检任务指令至所述目标客户端信息所对应的目标客户端，使得所述目标客户端基于所述产品质检任务指令启动针对所述目标产品的质量检测任务。
本发明还提供一种电子设备，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，所述处理器执行所述程序时实现如上述任一种所述产品质量跟踪方法。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述产品质量跟踪方法。
本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述产品质量跟踪方法。
本发明提供的一种产品质量跟踪方法、装置、电子设备及存储介质，在该方法中，质检信息管理***采集待跟踪目标产品的目标产品描述数据，利用预设的产品质检模型确定与目标产品描述数据对应的产品质检周期，根据预设的产品客户端分配表，确定与目标产品描述数据对应的目标客户端信息，进而在当前时间相距产品质检周期满足期限届满条件时，根据目标产品描述数据发送产品质检任务指令至目标客户端信息所对应的目标客户端。由此，通过向质检信息管理***中录入目标产品描述数据，质检信息管理***便能够自动输出与待跟踪产品对应的产品质检周期和所对应产品负责的管理客户端，并在实时检测的质检时间节点临近时，向管理客户端发送产品质检任务指令，以实现针对产品自动化制定质量跟踪计划并及时提醒质检技术人员跟进质检，有效避免了人工主观规划所导致的计划不合理的情况，也能及时督促质检技术人员对产品进行质检，保障厂商能够快速跟踪出厂产品的质量问题。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出了根据本发明实施例的产品稳定性跟踪方法的一示例的流程图；
图2示出了根据图1中的步骤S120的一示例的操作流程图；
图3示出了根据本发明实施例的产品质量跟踪方法的另一示例的流程图；
图4示出了根据本发明实施例的产品质量跟踪方法的另一示例的流程图；
图5示出了根据本发明实施例的产品质量跟踪装置的一示例的结构框图；
图6是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1示出了根据本发明实施例的产品质量跟踪方法的一示例的流程图。
关于本发明实施例方法的执行主体，其可以是任意具有计算或处理能力的控制器或处理器，以实现对目标产品的产品质量进行跟踪的目标。在一些示例中，其可以是通过软件、硬件或软硬件结合的方式被集成配置在电子设备中，并可以采用智能手机、智能手表、台式电脑、手提电脑、虚拟现实终端、增强现实终端、无线终端、膝上型便携计算机、边缘计算节点、云服务器等，在此应不加限制。
作为示例，下面将以质检信息管理***作为执行主体，对发明实施例方法所涉及的步骤进行描述。应理解的是，质检信息管理***可以是被部署在服务端或客户端，在此暂不进行限制。
如图1所示，在步骤S110中，获取目标产品描述数据，目标产品描述数据为描述待跟踪的目标产品的数据。
这里，目标产品描述数据可以包含一个或多个数据项，并可以表示产品本身特性的描述数据，例如产品原料组份、产品用途等，还可以表示与规则判断或人为主观分析相关联的描述数据，例如新产品、生态认证产品，等等，在此应不加限制。此外，目标产品可以是实际已出厂的产品，用户可通过与质检信息管理***的交互，实现对所购买产品的质检。可附加或可替换地，目标产品还可以表示产品样品，例如对批次出厂产品进行部分留样的样品，通过质检信息管理***与质检技术人员的交互，实现对同批次出厂产品的质量同步跟踪管理。
需说明的是，目标产品可以是各种类型的有质量跟踪需求的产品，也可暂不对其类型进行限制。此外，质检跟踪的检测类型也可以是多样化的，例如通过定期对化妆品进行稳定性检测，以保障出厂化妆品的质量稳定性。
在本发明实施例的一个示例中，质检信息管理***可以接收用户输入操作，以确定相应的目标产品描述数据。在本发明实施例的另一示例中，质检信息管理***还可以通过外接设备对目标产品进行扫描，以实现快速录入目标产品的相关信息。
在步骤S120中，基于预设的产品质检模型，确定与目标产品描述数据对应的产品质检周期。这里，产品质检模型可以表示物理统计模型或智能模型（例如，机器学习模型）。
在本发明实施例的一个示例中，产品质检模型预存储了针对不同的产品描述数据的产品质检计划，产品质检计划包含产品质检周期。在本发明实施例的另一示例中，产品质检模型可以采用机器学习模型，通过使用标注了产品质检周期的产品描述数据样本训练，使得产品质检模型能够智能预测与输入的目标产品描述数据相对应的产品质检周期。
在一些实施方式中，通过产品质检模型，可以确定与目标产品描述数据对应的一个或多个产品质检周期，例如在各个连续的产品质检周期所对应的检测时间对目标产品进行质量检测。
在步骤S130中，根据预设的产品客户端分配表，确定与目标产品描述数据对应的目标客户端信息，产品客户端分配表包含多个产品描述数据和相应的客户端信息。
需说明的是，在产品客户端分配表中预存储了针对各类产品描述数据进行管理维护的客户端信息，例如“洗发水-客户端A”、“沐浴露-客户端B”和“香水-客户端C”。此外，客户端可以采用各种类型，例如电脑、手机、软件客户端等等，客户端信息可以表示用于对客户端进行唯一性设备标识的信息，例如客户端信息可以是对应质检技术人员的手机号码或软件账号，等等。
在步骤S140中，在检测到当前时间相距产品质检周期小于预设的时间阈值的情况下，根据目标产品描述数据发送产品质检任务指令至目标客户端信息所对应的目标客户端，使得目标客户端能够基于产品质检任务指令启动针对目标产品的质量检测任务。
具体地，预设时间阈值可以为1个月或2个月，由此能够实现提前对质检技术人员进行提醒，便于质检技术人员能够针对不同产品的质检检测任务进行合理排期，确保产品能在产品质检周期的期限届满前完成质检检测，预留充分的检测时间，能保障产品质检检测结果的可靠性。
图2示出了根据图1中的步骤S120的一示例的操作流程图。
如图2所示，在步骤S210中，基于产品质检模型，确定与目标产品描述数据对应的产品质检计划，产品质检计划包含产品质检周期、产品质检次数和单次质检样品数。
由此，质检信息管理***能够自动制定针对目标产品的产品质检计划，完成对目标产品在全生命周期中不同时间节点的质检规划。
在步骤S220中，根据产品质检次数和单次质检样品数，确定待留样的目标产品所对应的样品总数。具体地，将产品质检次数和单次质检样品数进行相乘以得到待留样的样品总数，由此通过对出厂产品进行样品留样，以实现对出厂产品的质量全流程跟踪。
需说明的是，对应样品总数的目标产品用于完成质量检测任务，例如质检技术人员在每次进行质量检测任务时可以选用样品总数中的一部分进行质检试验。
通过本发明实施例，针对样品留样数量不需要人为判断，能够通过产品质检模型而客观且精确给定，能有效避免在后续的质量检测环节中出现留样产品数量不够或严重剩余的情况。
关于上述步骤S210，在本发明实施例的一些示例中，产品质检模型可以采用深度学习模型，模型的输入数据是产品描述数据，而模型的输出数据或预测结果是产品质检计划。
更具体地，产品描述数据包含产品属性信息，产品属性信息包含以下中的至少一者：产品原料、产品生产商、产品保质期和产品型号。进一步地，产品质检模型的训练样本集中的每一训练样本包含产品描述数据样本和相应的产品质检周期标签、产品质检次数标签和单次质检样品数标签。
在一些实施方式中，产品质检模型的输入的数据类型是多样化的属性信息，同时其所输出的预测结果包含上述三类标签。具体地，产品质检模型可以采用多输入多输出模型，例如采用Keras深度学习模型、Softmax回归模型等等。
通过本发明实施例，机器学习模型能够学习样本中不同类型的产品属性信息之间的区别与联系，挖掘其对输出的各类标签的影响程度，实现精准预测产品描述数据所对应的产品质检计划的目标。此外，相比于采用物理统计模型，机器学习模型无需考虑各种属性数据的参数区间组合，能实现更低的设计成本和输出更精准的产品质检计划。
作为本发明实施例的一些优选实施方式，产品描述数据还包括产品分组信息，产品分组信息为研发新品或成熟产品。这里，成熟产品可以表示各项性能已在先前阶段得到有效验证或已经在市场上有所流通的产品，而研发新品可以表示从未在市场上流通或某些性能未得到长期有效性验证的产品。在一些情况下，产品分组信息可以是基于质检管理人员自行判断的，并可以将该信息字段录入至质检信息管理***中。
进一步地，训练样本集包含第一训练样本和第二训练样本，第一训练样本包含第一产品描述数据样本和相应的第一产品质检周期标签、第一产品质检次数标签和第一单次质检样品数标签，第二训练样本包含第二产品描述数据样本和相应的第二产品质检周期标签、第二产品质检次数标签和第二单次质检样品数标签。第一产品描述数据样本和第二产品描述数据样本具有相同的产品属性信息，以及第一产品描述数据样本所对应的产品分组信息为研发新品，第二产品描述数据样本所对应的产品分组信息为成熟产品。第一产品质检周期标签的标签值小于第二产品质检周期标签的标签值，并且第一产品质检次数标签的标签值大于第二产品质检次数标签的标签值。
在本发明实施例中，通过第一训练样本和第二训练样本中针对产品分组信息的差异化设置，使得深度学习模型能更快速、高效地识别到输入的产品分组信息对于输出的产品质检计划的影响，即针对研发新品自动设计相对于成熟产品更短的产品质检周期和更多的产品质检次数，以实现能更及时有效地识别到研发新品的质量问题。
图3示出了根据本发明实施例的产品质量跟踪方法的另一示例的流程图。
在步骤S310中，获取目标产品描述数据，目标产品描述数据为描述待跟踪的目标产品的数据。
在步骤S320中，基于预设的产品质检模型，确定与目标产品描述数据对应的产品质检周期。
在步骤S330中，根据预设的产品客户端分配表，确定与目标产品描述数据对应的目标客户端信息，产品客户端分配表包含多个产品描述数据和相应的客户端信息。
在步骤S340中，在检测到当前时间相距产品质检周期小于预设的时间阈值的情况下，根据目标产品描述数据发送产品质检任务指令至目标客户端信息所对应的目标客户端，使得目标客户端基于产品质检任务指令启动针对目标产品的质量检测任务。
在步骤S350中，响应于产品质检任务指令，从目标客户端接收产品质量检测报告，产品质量检测报告包含质量检测结果和质量检测时间。
示例性地，质检技术人员依据目标客户端上的质量检测任务，从样品库中取出针对目标产品的样品，对样品开展质检测试操作。进而，质检技术人员可以通过目标客户端填写质检结果，并上传产品质量检测报告至质检信息管理***。
在步骤S360中，在确定质量检测结果为不合格的情况下，根据质量检测时间更新产品质检计划。
需说明的是，产品质检计划应当是与产品保质期相关的，例如在产品保质期内按照产品质检周期对目标产品的样品进行多次检测。因此，在确定存在某一次的样品质检不合格的情况下，无需对产品进行后续的质检环节，其所对应的产品质检计划也需要进行相应更新。
在一些实施方式中，根据质量检测时间，缩短针对目标产品的产品质检总时长，产品质检总时长是根据产品质检次数和产品质检周期而确定的。举例来说，原始的产品质检计划中产品质检次数是6次，产品质检周期是2个月，其所对应的原始的产品质检总时长为12个月，但是产品样品未通过第4次质检，则可以对产品质检总时长进行缩短，例如缩短至8个月。
在一些可附加或可替换的实施方式中，还可以增大产品质检次数，或者缩短产品质检周期。例如，产品质检周期从2个月缩短为1个月，产品质检次数从6次扩大为8次。由此，能更快速精准地得到目标产品的失效时间。
在步骤S370中，基于更新后的产品质检计划和目标产品描述数据，对产品质检模型进行训练优化。
在本发明实施例中，当利用产品质检模型所预测的产品质检计划出现偏差时，亦即从目标客户端得到对应产品质量检测报告的反馈，此时利用产品质量检测报告对产品质检计划进行更新，并以此对产品质检模型进行训练优化。由此，实现对产品质检模型的迭代更新，不断优化产品质检模型的性能。
图4示出了根据本发明实施例的产品质量跟踪方法的另一示例的流程图。
如图4所示，在步骤S410中，获取目标产品描述数据，目标产品描述数据为描述待跟踪的目标产品的数据。
在步骤S420中，基于产品质检模型，确定与目标产品描述数据对应的产品质检计划，产品质检计划包含产品质检周期、产品质检次数和单次质检样品数。
在步骤S430中，根据产品质检次数和单次质检样品数，确定待留样的目标产品所对应的样品总数。
在步骤S440中，根据预设的产品客户端分配表，确定与目标产品描述数据对应的目标客户端信息，产品客户端分配表包含多个产品描述数据和相应的客户端信息。
在步骤S450中，在检测到当前时间相距产品质检周期小于预设的时间阈值的情况下，根据目标产品描述数据发送产品质检任务指令至目标客户端信息所对应的目标客户端，使得目标客户端基于产品质检任务指令启动针对目标产品的质量检测任务。
在步骤S460中，在检测到从目标客户端接收到样品不足通知的情况下，获取针对目标产品的已质检次数记录，并根据已质检次数记录和产品质检次数确定剩余质检次数。
在一些业务场景下，由于样品贮存条件或者外部原因，例如产品畅销而对样品进行了挪用，导致会出现目标产品的样品不足以完成质检测试的情况。举例来说，当留样的目标产品所对应的样品总数被生产商因紧急情况取用了部分样品时，导致质检实验用的样品不足，此时质检技术人员可以操作目标客户端向质检信息管理***发送样品不足通知。
在步骤S470中，基于剩余质检次数、单次质检样品数和目标产品描述数据，确定针对目标产品的样品补充数量。
具体地，可以将剩余质检次数与单次质检样品数进行乘积，以确定针对目标产品的样品补充数量。
在步骤S480中，根据针对目标产品的样品补充数量发送调货请求至仓储管理***，使得仓储管理***根据调货请求调拨对应样品补充数量的产品样品。应理解的是，WMS（Warehouse Management System, 仓储管理***）是用于对仓库库存及产品物流信息进行管理的***。
在步骤S490中，在检测到从仓储管理***接收到产品样品备货通知的情况下，从仓储管理***接收取货验证信息。
在步骤S4110中，发送包含取货验证信息的取货通知至目标客户端，取货验证信息用于解锁储存柜，储存柜用于存放对应样品补充数量的产品样品。
在本发明实施例中，利用WMS完成对补充产品的调拨之后，并生成针对补充样品取货时所需的取货验证信息，使得质检技术人员基于目标客户端能够利用取货验证信息安全且高效地取走补充样品，实现高智能化的样品取用操作。
通过本发明实施例，在质检信息管理***从目标客户端接收到通知时，自动计算剩余质检所需要的目标产品的数量，并通过与管理目标产品库存的WMS进行数据交互，实现在质检样品不足时自动生成针对目标产品的调拨单，以供质检管理人员取用目标产品作为新的实验样品，保障质检环节不会因为样品缺失而中断。
下面对本发明提供的产品质量跟踪装置进行描述，下文描述的产品质量跟踪装置与上文描述的产品质量跟踪方法可相互对应参照。
图5示出了根据本发明实施例的产品质量跟踪装置的一示例的结构框图。
如图5所示，产品质量跟踪装置500包括数据获取单元510、计划确定单元520、客户端确定单元530和指令发送单元540。
数据获取单元510用于获取目标产品描述数据，所述目标产品描述数据为描述待跟踪的目标产品的数据。
计划确定单元520用于基于预设的产品质检模型，确定与所述目标产品描述数据对应的产品质检周期。
客户端确定单元530用于根据预设的产品客户端分配表，确定与所述目标产品描述数据对应的目标客户端信息，所述产品客户端分配表包含多个产品描述数据和相应的客户端信息。
指令发送单元540用于在检测到当前时间相距所述产品质检周期小于预设的时间阈值的情况下，根据所述目标产品描述数据发送产品质检任务指令至所述目标客户端信息所对应的目标客户端，使得所述目标客户端基于所述产品质检任务指令启动针对所述目标产品的质量检测任务。
图6示例了一种电子设备的实体结构示意图，如图6所示，该电子设备可以包括：处理器(processor)610、通信接口(Communications Interface)620、存储器(memory)630和通信总线640，其中，处理器610，通信接口620，存储器630通过通信总线640完成相互间的通信。处理器610可以调用存储器630中的逻辑指令，以执行产品稳定性跟踪方法，该方法包括：获取目标产品描述数据，所述目标产品描述数据为描述待跟踪的目标产品的数据；基于预设的产品质检模型，确定与所述目标产品描述数据对应的产品质检周期；根据预设的产品客户端分配表，确定与所述目标产品描述数据对应的目标客户端信息，所述产品客户端分配表包含多个产品描述数据和相应的客户端信息；在检测到当前时间相距所述产品质检周期小于预设的时间阈值的情况下，根据所述目标产品描述数据发送产品质检任务指令至所述目标客户端信息所对应的目标客户端，使得所述目标客户端基于所述产品质检任务指令启动针对所述目标产品的质量检测任务。
此外，上述的存储器630中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的产品稳定性跟踪方法，该方法包括：获取目标产品描述数据，所述目标产品描述数据为描述待跟踪的目标产品的数据；基于预设的产品质检模型，确定与所述目标产品描述数据对应的产品质检周期；根据预设的产品客户端分配表，确定与所述目标产品描述数据对应的目标客户端信息，所述产品客户端分配表包含多个产品描述数据和相应的客户端信息；在检测到当前时间相距所述产品质检周期小于预设的时间阈值的情况下，根据所述目标产品描述数据发送产品质检任务指令至所述目标客户端信息所对应的目标客户端，使得所述目标客户端基于所述产品质检任务指令启动针对所述目标产品的质量检测任务。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的产品稳定性跟踪方法，该方法包括：获取目标产品描述数据，所述目标产品描述数据为描述待跟踪的目标产品的数据；基于预设的产品质检模型，确定与所述目标产品描述数据对应的产品质检周期；根据预设的产品客户端分配表，确定与所述目标产品描述数据对应的目标客户端信息，所述产品客户端分配表包含多个产品描述数据和相应的客户端信息；在检测到当前时间相距所述产品质检周期小于预设的时间阈值的情况下，根据所述目标产品描述数据发送产品质检任务指令至所述目标客户端信息所对应的目标客户端，使得所述目标客户端基于所述产品质检任务指令启动针对所述目标产品的质量检测任务。
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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种产品质量跟踪方法，其特征在于，所述方法包括：
获取目标产品描述数据，所述目标产品描述数据为描述待跟踪的目标产品的数据；
基于预设的产品质检模型，确定与所述目标产品描述数据对应的产品质检周期；
根据预设的产品客户端分配表，确定与所述目标产品描述数据对应的目标客户端信息，所述产品客户端分配表包含多个产品描述数据和相应的客户端信息；
在检测到当前时间相距所述产品质检周期小于预设的时间阈值的情况下，根据所述目标产品描述数据发送产品质检任务指令至所述目标客户端信息所对应的目标客户端，使得所述目标客户端基于所述产品质检任务指令启动针对所述目标产品的质量检测任务；
其中，所述产品描述数据包含产品属性信息和产品分组信息，所述产品属性信息包含以下中的至少一者：产品原料、产品生产商、产品保质期和产品型号；所述产品质检模型为深度学习模型，其中所述产品质检模型的训练样本集中的每一训练样本包含产品描述数据样本和相应的产品质检周期标签、产品质检次数标签和单次质检样品数标签；
所述产品分组信息为研发新品或成熟产品；相应地，所述训练样本集包含第一训练样本和第二训练样本，所述第一训练样本包含第一产品描述数据样本和相应的第一产品质检周期标签、第一产品质检次数标签和第一单次质检样品数标签，所述第二训练样本包含第二产品描述数据样本和相应的第二产品质检周期标签、第二产品质检次数标签和第二单次质检样品数标签；
所述第一产品描述数据样本和所述第二产品描述数据样本具有相同的产品属性信息，以及所述第一产品描述数据样本所对应的产品分组信息为研发新品，所述第二产品描述数据样本所对应的产品分组信息为成熟产品；
其中，所述第一产品质检周期标签的标签值小于所述第二产品质检周期标签的标签值，并且所述第一产品质检次数标签的标签值大于所述第二产品质检次数标签的标签值。
2.根据权利要求1所述的产品质量跟踪方法，其特征在于，所述基于预设的产品质检模型，确定与所述目标产品描述数据对应的产品质检周期，包括：
基于所述产品质检模型，确定与所述目标产品描述数据对应的产品质检计划，所述产品质检计划包含产品质检周期、产品质检次数和单次质检样品数；
根据所述产品质检次数和所述单次质检样品数，确定待留样的目标产品所对应的样品总数，其中对应所述样品总数的所述目标产品用于完成所述质量检测任务。
3.根据权利要求1所述的产品质量跟踪方法，其特征在于，在根据所述目标产品描述数据发送产品质检任务指令至所述目标客户端信息所对应的目标客户端之后，所述方法还包括：
响应于所述产品质检任务指令，从所述目标客户端接收产品质量检测报告；所述产品质量检测报告包含质量检测结果和质量检测时间；
在确定所述质量检测结果为不合格的情况下，根据所述质量检测时间更新产品质检计划；
基于更新后的产品质检计划和所述目标产品描述数据，对所述产品质检模型进行训练优化。
4.根据权利要求3所述的产品质量跟踪方法，其特征在于，所述根据所述质量检测时间更新所述产品质检计划，包括：
根据所述质量检测时间，缩短针对所述目标产品的产品质检总时长，所述产品质检总时长是根据所述产品质检次数和所述产品质检周期而确定的。
5.根据权利要求2所述的产品质量跟踪方法，其特征在于，在根据所述目标产品描述数据发送产品质检任务指令至所述目标客户端信息所对应的目标客户端之后，所述方法还包括：
在检测到从所述目标客户端接收到样品不足通知的情况下，获取针对所述目标产品的已质检次数记录，并根据所述已质检次数记录和所述产品质检次数确定剩余质检次数；
基于所述剩余质检次数、所述单次质检样品数和所述目标产品描述数据，确定针对所述目标产品的样品补充数量；
根据所述针对所述目标产品的样品补充数量发送调货请求至仓储管理***，使得所述仓储管理***根据所述调货请求调拨对应所述样品补充数量的产品样品。
6.根据权利要求5所述的产品质量跟踪方法，其特征在于，在发送调货请求至仓储管理***之后，所述方法还包括：
在检测到从所述仓储管理***接收到产品样品备货通知的情况下，从所述仓储管理***接收取货验证信息；
发送包含所述取货验证信息的取货通知至所述目标客户端；其中，所述取货验证信息用于解锁储存柜，所述储存柜用于存放所述对应所述样品补充数量的产品样品。
7.一种产品稳定性跟踪装置，其特征在于，所述装置包括：
数据获取单元，用于获取目标产品描述数据，所述目标产品描述数据为描述待跟踪的目标产品的数据；
计划确定单元，用于基于预设的产品质检模型，确定与所述目标产品描述数据对应的产品质检周期；
客户端确定单元，用于根据预设的产品客户端分配表，确定与所述目标产品描述数据对应的目标客户端信息，所述产品客户端分配表包含多个产品描述数据和相应的客户端信息；
指令发送单元，用于在检测到当前时间相距所述产品质检周期小于预设的时间阈值的情况下，根据所述目标产品描述数据发送产品质检任务指令至所述目标客户端信息所对应的目标客户端，使得所述目标客户端基于所述产品质检任务指令启动针对所述目标产品的质量检测任务；
其中，所述产品描述数据包含产品属性信息和产品分组信息，所述产品属性信息包含以下中的至少一者：产品原料、产品生产商、产品保质期和产品型号；所述产品质检模型为深度学习模型，其中所述产品质检模型的训练样本集中的每一训练样本包含产品描述数据样本和相应的产品质检周期标签、产品质检次数标签和单次质检样品数标签；
所述产品分组信息为研发新品或成熟产品；相应地，所述训练样本集包含第一训练样本和第二训练样本，所述第一训练样本包含第一产品描述数据样本和相应的第一产品质检周期标签、第一产品质检次数标签和第一单次质检样品数标签，所述第二训练样本包含第二产品描述数据样本和相应的第二产品质检周期标签、第二产品质检次数标签和第二单次质检样品数标签；
所述第一产品描述数据样本和所述第二产品描述数据样本具有相同的产品属性信息，以及所述第一产品描述数据样本所对应的产品分组信息为研发新品，所述第二产品描述数据样本所对应的产品分组信息为成熟产品；
其中，所述第一产品质检周期标签的标签值小于所述第二产品质检周期标签的标签值，并且所述第一产品质检次数标签的标签值大于所述第二产品质检次数标签的标签值。
8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述产品质量跟踪方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310708945.8A CN116452069B (zh) | 2023-06-15 | 2023-06-15 | 产品质量跟踪方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310708945.8A CN116452069B (zh) | 2023-06-15 | 2023-06-15 | 产品质量跟踪方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116452069A CN116452069A (zh) | 2023-07-18 |
| CN116452069B true CN116452069B (zh) | 2023-09-29 |
Family
ID=87124088
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310708945.8A Active CN116452069B (zh) | 2023-06-15 | 2023-06-15 | 产品质量跟踪方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116452069B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102722787A (zh) * | 2012-05-29 | 2012-10-10 | 安徽金缆信息技术有限公司 | 一种质检管理方法、***及服务器 |
| CN106469350A (zh) * | 2016-08-31 | 2017-03-01 | 内蒙古蒙牛乳业（集团）股份有限公司 | 检验任务的生成方法、***和服务器 |
| CN106845579A (zh) * | 2017-01-24 | 2017-06-13 | 中粮长城葡萄酒（烟台）有限公司 | 提高产品质量检验正确性的信息化控制方法及控制*** |
| CN107917728A (zh) * | 2017-10-31 | 2018-04-17 | 沈机（上海）智能***研发设计有限公司 | 一种工件的质检方法、***、综合***及服务器 |
| CN115619091A (zh) * | 2022-10-10 | 2023-01-17 | 明度智云(浙江)科技有限公司 | 一种医药行业物料检验放行控制方法、装置和存储介质 |
-
2023
- 2023-06-15 CN CN202310708945.8A patent/CN116452069B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102722787A (zh) * | 2012-05-29 | 2012-10-10 | 安徽金缆信息技术有限公司 | 一种质检管理方法、***及服务器 |
| CN106469350A (zh) * | 2016-08-31 | 2017-03-01 | 内蒙古蒙牛乳业（集团）股份有限公司 | 检验任务的生成方法、***和服务器 |
| CN106845579A (zh) * | 2017-01-24 | 2017-06-13 | 中粮长城葡萄酒（烟台）有限公司 | 提高产品质量检验正确性的信息化控制方法及控制*** |
| CN107917728A (zh) * | 2017-10-31 | 2018-04-17 | 沈机（上海）智能***研发设计有限公司 | 一种工件的质检方法、***、综合***及服务器 |
| CN115619091A (zh) * | 2022-10-10 | 2023-01-17 | 明度智云(浙江)科技有限公司 | 一种医药行业物料检验放行控制方法、装置和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116452069A (zh) | 2023-07-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7467145B1 (en) | System and method for analyzing processes | |
| US20050144151A1 (en) | System and method for decision analysis and resolution | |
| US20080270213A1 (en) | Process risk estimation indication | |
| JP2019185422A (ja) | 故障予知方法、故障予知装置および故障予知プログラム | |
| EP3798930A2 (en) | Machine learning training resource management | |
| CN108805667A (zh) | 订单流程处理方法和*** | |
| US20110252019A1 (en) | Project management system | |
| CN114064196A (zh) | 用于预测性保障的***和方法 | |
| Pika et al. | Profiling event logs to configure risk indicators for process delays | |
| CN114968272A (zh) | 一种算法运行方法、装置、设备、存储介质 | |
| Pereira et al. | TOWARDS A CHARACTERIZATION OF BPM TOOLS'SIMULATION SUPPORT: THE CASE OF BPMN PROCESS MODELS | |
| Erdoğan et al. | More effective sprint retrospective with statistical analysis | |
| Kolesnikov et al. | Predicting quality attributes of software product lines using software and network measures and sampling | |
| CN108664405B (zh) | 一种基于漏斗模型的自动化监测方法及终端 | |
| CN116452069B (zh) | 产品质量跟踪方法、装置及电子设备 | |
| EP3798931A1 (en) | Machine learning training resource management | |
| CN105335266B (zh) | 用于确定被检测设备的故障的方法 | |
| Trubiani et al. | Plus: Performance learning for uncertainty of software | |
| Khalid et al. | Early cost estimation of software reworks using fuzzy requirement-based model | |
| US20230196291A1 (en) | Methods and systems for monitoring projects and providing alerts and recommendations | |
| Samer et al. | Group Decision Support for Requirements Management Processes. | |
| CN117421255B (zh) | 一种接口的自动巡检方法、装置、设备和存储介质 | |
| CN115022173B (zh) | 一种服务扩容的方法、装置、设备及存储介质 | |
| CN117851269B (zh) | 一种基于云端自动化测试环境管理方法及*** | |
| CN117149501B (zh) | 问题修复***及方法 |
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 |