产品质量的根因分析方法、装置和电子设备制造方法及图纸

本公开提供了一种产品质量的根因分析方法、装置和电子设备，涉及人工智能技术领域，尤其涉及机器学习、数据处理技术领域。具体实现方案为：获取产品的目标数据；获取产品的多个候选特征，候选特征影响产品的质量；基于目标数据，得到候选特征的总重要性参数，总重要性参数用于表征候选特征对产品的质量的重要性；基于总重要性参数，从多个候选特征中筛选出目标特征。由此，可基于产品的目标数据，得到候选特征的总重要性参数，以从多个候选特征中筛选出目标特征，相较于相关技术中大多依赖用户的主观经验来进行根因分析，可对候选特征对产品的质量的重要性进行量化，得到总重要性参数，以进行根因分析，提高了产品质量的根因分析的准确性。准确性。准确性。

【技术实现步骤摘要】
产品质量的根因分析方法、装置和电子设备


[0001]本公开涉及人工智能
，尤其涉及机器学习、数据处理
，尤其涉及一种产品质量的根因分析方法、装置、电子设备、存储介质和计算机程序产品。

技术介绍

[0002]目前，产品质量的根因分析，对于提升产品质量至关重要。然而，随着产品的制造工艺复杂度的提升，比如工艺环节的增加、原材料的类别的增加等，导致产品质量的根因分析难度较大，相关技术中，大多依赖用户的主观经验来进行根因分析，对于用户的经验积累要求较高，且存在准确性低的问题。

技术实现思路

[0003]本公开提供了一种产品质量的根因分析方法、装置、电子设备、存储介质和计算机程序产品。
[0004]根据本公开的一方面，提供了一种产品质量的根因分析方法，包括：获取产品的目标数据；获取所述产品的多个候选特征，其中，所述候选特征影响所述产品的质量；基于所述目标数据，得到所述候选特征的总重要性参数，其中，所述总重要性参数用于表征所述候选特征对所述产品的质量的重要性；基于所述总重要性参数，从多个所述候选特征中筛选出目标特征。
[0005]根据本公开的另一方面，提供了一种产品质量的根因分析装置，包括：第一获取模块，用于获取产品的目标数据；第二获取模块，用于获取所述产品的多个候选特征，其中，所述候选特征影响所述产品的质量；分析模块，用于基于所述目标数据，得到所述候选特征的总重要性参数，其中，所述总重要性参数用于表征所述候选特征对所述产品的质量的重要性；筛选模块，用于基于所述总重要性参数，从多个所述候选特征中筛选出目标特征。
[0006]根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行产品质量的根因分析方法。
[0007]根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行产品质量的根因分析方法。
[0008]根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序被处理器执行时实现产品质量的根因分析方法的步骤。
[0009]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0010]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0011]图1是根据本公开第一实施例的产品质量的根因分析方法的流程示意图；
[0012]图2是根据本公开第二实施例的产品质量的根因分析方法的流程示意图；
[0013]图3是根据本公开第三实施例的产品质量的根因分析方法的流程示意图；
[0014]图4是根据本公开第四实施例的产品质量的根因分析方法的示意图；
[0015]图5是根据本公开第五实施例的产品质量的根因分析方法的流程示意图；
[0016]图6是根据本公开第五实施例的产品质量的根因分析方法中因果图的示意图；
[0017]图7是根据本公开第一实施例的产品质量的根因分析装置的框图；
[0018]图8是用来实现本公开实施例的产品质量的根因分析方法的电子设备的框图。
具体实施方式
[0019]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0020]AI(Artificial Intelligence，人工智能)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。目前，AI技术具有自动化程度高、精确度高、成本低的优点，得到了广泛的应用。
[0021]ML(Machine Learning，机器学习)是研究怎样使用计算机模拟或实现人类学习活动的科学，是人工智能中最具智能特征，最前沿的研究领域之一。涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。
[0022]数据处理(Data Processing)的基本目的是从大量的、可能是杂乱无章的、难以理解的数据中抽取并推导出对于某些特定的人们来说是有价值、有意义的数据，包括数据的采集、存储、检索、加工、变换和传输等。
[0023]图1是根据本公开第一实施例的产品质量的根因分析方法的流程示意图。
[0024]如图1所示，本公开第一实施例的产品质量的根因分析方法，包括：
[0025]S101，获取产品的目标数据。
[0026]需要说明的是，本公开实施例的产品质量的根因分析方法的执行主体可为具有数据信息处理能力的硬件设备和/或驱动该硬件设备工作所需必要的软件。可选地，执行主体可包括工作站、服务器，计算机、用户终端及其他智能设备。其中，用户终端包括但不限于手机、电脑、智能语音交互设备、智能家电、车载终端等。
[0027]需要说明的是，对产品、目标数据均不做过多限定，比如，产品可包括化工产品、机械设备、电子产品等。比如，目标数据可包括原材料数据、工艺数据、环境数据、测试数据等。其中，原材料数据可包括物料批次号、物料号、物料参数等，物料参数可包括内径、直径、高度、弹力、强度等，测试数据可包括产品的生命周期内的至少一个环节的测试数据，其中，环节可包括生产环节、成品测试环节等。
[0028]在一种实施方式中，可预先建立产品的目标数据和产品之间的映射关系或者映射表，在对产品的产品质量进行根因分析时，可基于产品查询上述映射关系或者映射表，将查询到的目标数据确定为产品的目标数据。
[0029]在一种实施方式中，获取产品的目标数据，可包括获取产品的原始数据，对原始数
据进行数据预处理，生成产品的目标数据。应说明的是，对数据预处理的具体方式不做过多限定，比如，可采用相关技术中的至少一种数据预处理方式来实现，可包括数据清洗、缺失值填充、归一化、离散化等。
[0030]S102，获取产品的多个候选特征，其中，候选特征影响产品的质量。
[0031]需要说明的是，候选特征影响产品的质量，对候选特征不做过多限定，比如，可包括物料参数、工艺参数、环境参数等。
[0032]需要说明的是，对候选特征的数量不做过多限定，比如，候选特征可为10个、20个等。
[0033]S103，基于目标数据，得到候选特征的总重要性参数，其中，总重要性参数用于表征候选特征对产品的质量的重要性。
[0034]需要说明的是，每个候选特征的总重要性参数为一个，不同的候选特征可对应不同的总重要性参数。对总重要性参数的取值范围不做过多限定，比如，总重要性参数的取值范围为
...

【技术保护点】

【技术特征摘要】
1.一种产品质量的根因分析方法，包括：获取产品的目标数据；获取所述产品的多个候选特征，其中，所述候选特征影响所述产品的质量；基于所述目标数据，得到所述候选特征的总重要性参数，其中，所述总重要性参数用于表征所述候选特征对所述产品的质量的重要性；基于所述总重要性参数，从多个所述候选特征中筛选出目标特征。2.根据权利要求1所述的方法，其中，所述基于所述目标数据，得到所述候选特征的总重要性参数，包括：基于所述目标数据，得到所述候选特征和所述产品的质量标签之间的关联关系；基于所述关联关系，得到所述总重要性参数。3.根据权利要求2所述的方法，其中，所述质量标签为多个，所述基于所述关联关系，得到所述总重要性参数，包括：基于所述候选特征和多个质量标签之间的关联关系，得到所述总重要性参数。4.根据权利要求1所述的方法，其中，所述基于所述目标数据，得到所述候选特征的总重要性参数，包括：基于所述目标数据，得到所述候选特征的多个子重要性参数；对多个所述子重要性参数进行加权平均，得到所述总重要性参数。5.根据权利要求4所述的方法，其中，所述基于所述目标数据，得到所述候选特征的多个子重要性参数，包括：基于所述目标数据，得到所述产品的特征包括所述候选特征的情况下，所述产品的质量在质量标签下的第一概率；基于所述第一概率，得到所述候选特征的第一子重要性参数。6.根据权利要求5所述的方法，其中，所述基于所述目标数据，得到所述产品的特征包括所述候选特征的情况下，所述产品的质量在质量标签下的第一概率，包括：基于所述目标数据，得到所述产品的特征包括所述候选特征的第二概率，以及所述产品的质量在所述质量标签下的第三概率，以及所述产品的质量在所述质量标签的情况下，所述产品的特征包括所述候选特征的第四概率；基于所述第二概率、所述第三概率和所述第四概率，得到所述第一概率。7.根据权利要求5所述的方法，其中，还包括：基于每个所述候选特征，构建因果图，其中，所述因果图的第一节点用于表征所述候选特征，所述因果图的第二节点用于表征所述产品的质量，所述第一节点、所述第二节点之间的边用于表征所述候选特征和所述产品的质量之间的关联关系；基于所述目标数据，得到所述产品的特征包括第一候选特征的情况下，所述产品的特征包括第二候选特征的第五概率；基于所述第五概率，确定所述第一候选特征和所述第二候选特征之间存在关联关系；在所述第一候选特征对应的节点和所述第二候选特征对应的节点之间增加连接边，以更新所述因果图，任意两个所述第二节点之间的边用于表征任意两个所述候选特征之间的关联关系。8.根据权利要求4所述的方法，其中，所述基于所述目标数据，得到所述候选特征的多
个子重要性参数，包括：基于所述目标数据，得到所述产品的质量在质量标签的情况下，所述产品的特征包括所述候选特征的第四概率；基于所述第四概率，得到所述候选特征和所述质量标签之间的卡方系数；基于所述卡方系数，得到所述候选特征的第二子重要性参数。9.根据权利要求4所述的方法，其中，所述基于所述目标数据，得到所述候选特征的多个子重要性参数，包括：基于所述目标数据，得到所述候选特征和所述产品的质量标签之间的相关系数；基于所述相关系数，得到所述候选特征的第三子重要性参数。10.根据权利要求1
‑
9中任一项所述的方法，其中，所述目标数据包括多组数据，每组数据包括所述候选特征、所述产品的质量标签。11.一种产品质量的根因分析装置，包括：第一获取模块，用于获取产品的目标数据；第二获取模块，用于获取所述产品的多个候选特征，其中，所述候选特征影响所述产品的质量；分析模块，用于基于所述目标数据，得到所述候选特征的总重要性参...

【专利技术属性】
技术研发人员：周英敏，石逸轩，戴明洋，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：