产品缺陷的分析方法和设备技术

本发明专利技术实施例提供一种产品缺陷的分析方法和设备。该方法包括：从记录的产品数据中选择缺陷产品的第一数据集；基于关联分析算法或统计分析算法，根据所述第一数据集确定数据属性的关联规则，并根据所述数据属性的关联规则对所述第一数据集进行数据筛选，获得第二数据集。因此，在产品的信息量较大的情况下，通过数据属性的关联规则有针对性的从第一数据集中筛选出较小的第二数据集。这样，能够有效地定位产品缺陷的根因，提高分析效率。

【技术实现步骤摘要】
产品缺陷的分析方法和设备
本专利技术实施例涉及数据挖掘领域，并且更具体地，涉及产品缺陷的分析方法和设备。
技术介绍
产品质量是企业的根本，降低产品缺陷率对企业至关重要。引起产品缺陷的原因主要分为主观因素和客观因素两个方面。其中，主观因素主要是指产品使用的环境、人为的操作失误和破坏等；客观因素主要是指产品的生产工艺，包括产品的设计、所用材料质量、生产商能力等。产品缺陷主要是由客观因素决定的，且主观因素的分析及改进受到具体情况约束，不具有普遍的适用性。改进产品的生产工艺能够较大程度地降低产品的缺陷率，提高产品质量，对企业有极大现实意义。在现有技术的设备缺陷数据挖掘系统中，首先对数据进行预处理，然后采用多元线性模型进行数据挖掘，从中发现隐含的趋势和规律，以便指导缺陷处理工作。由于产品的相关信息涉及面广，数据量庞大，直接采用多元线性回归进行分析将无法有效地定位产品缺陷的根因，分析效率低下。
技术实现思路
本专利技术实施例提供一种产品缺陷的分析方法和设备，能够有效地定位产品缺陷的根因，提高分析效率。第一方面，提供了一种产品缺陷的分析方法，该方法包括：从记录的产品数据中选择缺陷产品的第一数据集；基于关联分析算法或统计分析算法，根据所述第一数据集确定数据属性的关联规则，并根据所述数据属性的关联规则对所述第一数据集进行数据筛选，获得第二数据集。结合第一方面，在第一方面的另一种实现方式中，所述从记录的产品数据中选择缺陷产品的第一数据集，包括：根据产品所处的生命周期阶段从记录的产品数据中选择缺陷产品的第一数据集；其中，所述产品所处的生命周期阶段包括至少下列之一：产品的原材料采购阶段、产品组件生产阶段，产品组装阶段、产品功能测试阶段、产品使用阶段、产品故障维修阶段。结合第一方面或其上述实现方式，在第一方面的另一种实现方式中，所述缺陷产品的第一数据集包括在所述产品功能测试阶段所记录的数据或所述产品故障维修阶段所记录的数据。结合第一方面或其上述实现方式，在第一方面的另一种实现方式中，所述基于关联分析算法或统计分析算法，根据所述第一数据集确定数据属性的关联规则，并根据所述数据属性的关联规则对所述第一数据集进行数据筛选，获得第二数据集，包括：基于关联分析算法或统计分析算法，根据第i个规则数据集确定第i条数据属性的关联规则；根据所述第i条数据属性的关联规则对所述第i个规则数据集进行筛选，得到第i+1个规则数据集；其中，i取值从1到K，i和K均为正整数，所述第1个规则数据集为所述第一数据集，所述第K+1个规则数据集为所述第二数据集。结合第一方面或其上述实现方式，在第一方面的另一种实现方式中，所述基于关联分析算法或统计分析算法，根据所述第一数据集确定数据属性的关联规则，并根据所述数据属性的关联规则对所述第一数据集进行数据筛选，获得第二数据集，包括：基于关联分析算法或统计分析算法，根据第一数据集确定K条数据属性的关联规则；根据所述K条数据属性的关联规则中的第j条数据属性的关联规则对第一数据集进行筛选，得到第j个规则数据集，j取值从1到K，j和K均为正整数；根据所述筛选得到的K个规则数据集确定所述第二数据集。结合第一方面或其上述实现方式，在第一方面的另一种实现方式中，所述数据属性包括至少下列之一：产品的型号、产品的结构、产品的原材料、产品的原材料的来源、产品的组件的组装顺序、产品的原材料供应商、产品的生产商、产品的生产日期、产品的用途、产品的生产批次、产品的生产地。第二方面，提供了一种产品缺陷的分析设备，该设备包括：选择单元，用于从记录的产品数据中选择缺陷产品的第一数据集；确定单元，用于基于关联分析算法或统计分析算法，根据所述选择单元选择的所述第一数据集确定数据属性的关联规则；获取单元，用于根据所述确定单元确定的所述数据属性的关联规则对所述选择单元选择的所述第一数据集进行数据筛选，获得第二数据集。结合第二方面，在第二方面的另一种实现方式中，所述选择单元具体用于：根据产品所处的生命周期阶段从记录的产品数据中选择缺陷产品的第一数据集；其中，所述产品所处的生命周期阶段包括至少下列之一：产品的原材料采购阶段、产品组件生产阶段，产品组装阶段、产品功能测试阶段、产品使用阶段、产品故障维修阶段。结合第二方面或其上述实现方式，在第二方面的另一种实现方式中，所述缺陷产品的第一数据集包括在所述产品功能测试阶段所记录的数据或所述产品故障维修阶段所记录的数据。结合第二方面或其上述实现方式，在第二方面的另一种实现方式中，所述确定单元具体用于：基于关联分析算法或统计分析算法，根据第i个规则数据集确定第i条数据属性的关联规则；所述获取单元具体用于：根据所述确定单元确定的所述第i条数据属性的关联规则对所述第i个规则数据集进行筛选，得到第i+1个规则数据集；其中，i取值从1到K，i和K均为正整数，所述第1个规则数据集为所述第一数据集，所述第K+1个规则数据集为所述第二数据集。结合第二方面或其上述实现方式，在第二方面的另一种实现方式中，所述确定单元具体用于：基于关联分析算法或统计分析算法，根据第一数据集确定K条数据属性的关联规则；所述获取单元具体用于：根据所述确定单元确定的所述K条数据属性的关联规则中的第j条数据属性的关联规则对第一数据集进行筛选，得到第j个规则数据集，j取值从1到K，j和K均为正整数；根据所述筛选得到的K个规则数据集确定所述第二数据集。结合第二方面或其上述实现方式，在第二方面的另一种实现方式中，所述数据属性包括至少下列之一：产品的型号、产品的结构、产品的原材料、产品的原材料的来源、产品的组件的组装顺序、产品的原材料供应商、产品的生产商、产品的生产日期、产品的用途、产品的生产地。本专利技术实施例从记录的产品数据中获取缺陷产品的第一数据集，基于关联分析算法或统计分析算法，根据第一数据集确定数据属性的关联规则，根据数据属性的关联规则对第一数据集进行数据筛选。因此，在产品的信息量较大的情况下，通过数据属性的关联规则有针对性的从第一数据集中筛选出较小的第二数据集。这样，能够有效地定位产品缺陷的根因，提高分析效率。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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是本专利技术一个实施例的产品缺陷的分析方法的流程图。图2A是本专利技术一个实施例的数据筛选过程的示意性流程图。图2B是本专利技术另一个实施例的数据筛选过程的示意性流程图。图3是本专利技术一个实施例的产品缺陷的分析设备的结构框图。图4是本专利技术另一个实施例的产品缺陷的分析设备的结构框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。图1是本专利技术一个实施例的产品缺陷的分析方法的流程图。图1的方法由产品缺陷的分析设备执行。101，从记录的产品数据中选择缺陷产品的第一数据集。102，基于关联分析算法或统计分析算法，根据本文档来自技高网...

【技术保护点】
一种产品缺陷的分析方法，其特征在于，包括：从记录的产品数据中选择缺陷产品的第一数据集；基于关联分析算法或统计分析算法，根据所述第一数据集确定数据属性的关联规则，并根据所述数据属性的关联规则对所述第一数据集进行数据筛选，获得第二数据集。

【技术特征摘要】
1.一种产品缺陷的分析方法，其特征在于，包括：从记录的产品数据中选择缺陷产品的第一数据集；基于关联分析算法或统计分析算法，根据所述第一数据集确定数据属性的关联规则，并根据所述数据属性的关联规则对所述第一数据集进行数据筛选，获得第二数据集。2.如权利要求1所述的方法，其特征在于，所述从记录的产品数据中选择缺陷产品的第一数据集，包括：根据产品所处的生命周期阶段从记录的产品数据中选择缺陷产品的第一数据集；其中，所述产品所处的生命周期阶段包括至少下列之一：产品的原材料采购阶段、产品组件生产阶段，产品组装阶段、产品功能测试阶段、产品使用阶段、产品故障维修阶段。3.如权利要求2所述的方法，其特征在于，所述缺陷产品的第一数据集包括在所述产品功能测试阶段所记录的数据或所述产品故障维修阶段所记录的数据。4.如权利要求1-3任一项所述的方法，其特征在于，所述基于关联分析算法或统计分析算法，根据所述第一数据集确定数据属性的关联规则，并根据所述数据属性的关联规则对所述第一数据集进行数据筛选，获得第二数据集，包括：基于关联分析算法或统计分析算法，根据第i个规则数据集确定第i条数据属性的关联规则；根据所述第i条数据属性的关联规则对所述第i个规则数据集进行筛选，得到第i+1个规则数据集；其中，i取值从1到K，i和K均为正整数，所述第1个规则数据集为所述第一数据集，第K+1个规则数据集为所述第二数据集。5.如权利要求1-3任一项所述的方法，其特征在于，所述基于关联分析算法或统计分析算法，根据所述第一数据集确定数据属性的关联规则，并根据所述数据属性的关联规则对所述第一数据集进行数据筛选，获得第二数据集，包括：基于关联分析算法或统计分析算法，根据第一数据集确定K条数据属性的关联规则；根据所述K条数据属性的关联规则中的第j条数据属性的关联规则对第一数据集进行筛选，得到第j个规则数据集，j取值从1到K，j和K均为正整数；根据所述筛选得到的K个规则数据集确定所述第二数据集。6.如权利要求1所述的方法，其特征在于，所述数据属性包括至少下列之一：产品的型号、产品的结构、产品的原材料、产品的原材料的来源、产品的组件的组装顺序、产品的原材料供应商、产品的生产...

【专利技术属性】
技术研发人员：潘璐伽，赫彩凤，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东;44