【技术实现步骤摘要】
本专利技术属于产品质量评估领域，更具体地，涉及一种云制造环境下的产品闭环质量控制评估方法及系统。
技术介绍
1、推动制造业要素资源共享互联，打通产品生产制造、配件服务、维保服务等全生命周期的信息孤岛，对于高端装备制造业发展具有极其重要的作用。目前制造企业与服务业之间的协同合作正处于初步发展的阶段，有的制造企业在其自用故障维修系统中尝试产品制造与服务的协同和延伸，但是模式创新不足，缺少用于产品闭环质量控制的评估方法与系统。
2、已有的质量评估方法更多是基于产品质量进行评估，评估方法及模式较为单一，无法反映产品在全生命周期各阶段的质量情况，因此需要一种更为客观、全面的评估方法。
技术实现思路
1、针对现有技术的以上缺陷或改进需求，本专利技术提供了一种云制造环境下的产品闭环质量控制评估方法及系统，其目的在于，基于产品故障诊断和配件调拨过程中的运行数据，提供客观质量评估指标，实现产品在全生命周期各状态下的闭环质量控制评估。
2、为实现上述目的，按照本专利技术的第一方面，提出了一种产品闭环质量控制评估方法，包括如下步骤：
3、获取产品故障诊断和配件调拨过程中的运行数据；所述运行数据包括故障发生次数、故障严重度、平均故障间隔、平均响应时长、平均维修时长和平均二修次数；响应时长指从接收到工单到配件调拨配送的时间；
4、根据所述运行数据确定产品的闭环质量评估指标：根据故障发生次数、故障严重度和平均故障间隔确定质量信息改进指标，根据平均响应时长确定维修
5、根据该闭环质量评估指标评估产品的质量控制水平。
6、作为进一步优选的，所述质量信息改进指标sgua计算式如下：
7、squa＝β0+β1·ln(n·s+1)+β2·ln(tint+1)+ε1
8、其中，β0、β1、β2为回归系数，ε1为随机误差，n表示该产品故障发生次数，s表示该故障的严重度，ln(n·s+1)表示故障严重度指数，tint表示同类产品同类故障的平均故障间隔，ln(tint+1)表示故障间隔指数。
9、作为进一步优选的，所述维修及时性指标sres计算式如下：
10、sres＝k·ln(tres+1)+b+ε2
11、其中，k、b为回归系数，ε2为随机误差，tres表示同类产品发生故障调拨配件的平均响应时长，ln(tres+1)表示响应时长指数。
12、作为进一步优选的，所述故障处理能力指标srep计算式如下：
13、srep＝γ0+γ1·ln(trep+1)+γ2·ln(m+1)+ε3
14、其中，γ0、γ1、γ2为回归系数，ε3为随机误差，trep表示同类产品平均维修时长，ln(trep+1)表示维修时长指数，m表示同类产品平均二修次数，ln(m+1)表示二修次数指数。
15、作为进一步优选的，所述回归系数根据产品的历史运行数据，通过线性回归计算得到。
16、作为进一步优选的，所述闭环质量评估指标s计算式如下：
17、
18、其中，squa为质量信息改进指标，sres为维修及时性指标，srep为故障处理能力指标；α1、α2、α3为权重，α1+α2+α3＝1，为修正值。
19、作为进一步优选的，所述产品故障诊断和配件调拨过程包括：
20、产品的故障信息经由产品保内与保外模块转发至智能故障诊断模块；
21、智能故障诊断模块根据故障信息给出故障诊断结果和维修建议，并判断是否需要进行寿命预测；
22、若不需要进行寿命预测，则直接将故障诊断结果和维修建议返回产品保内与保外模块，进而传递给配件链需求与预测模块；若需要进行寿命预测，则通过剩余寿命预测模块确定产品剩余寿命，并将产品剩余寿命、故障诊断结果和维修建议传递给配件链需求与预测模块；
23、配件链需求与预测模块计算给出配件调拨方案，将结果返回至产品保内与保外模块，完成维保操作。
24、作为进一步优选的，所述故障发生次数、故障严重度、平均故障间隔由产品保内与保外模块提供，所述平均响应时长由配件链需求与预测模块提供，所述平均维修时长、平均二修次数由智能故障诊断模块提供。
25、按照本专利技术的第二方面，提供了一种闭环质量控制评估系统，包括处理器，所述处理器用于执行上述云制造环境下的产品闭环质量控制评估方法。
26、按照本专利技术的第三方面，提供了一种云制造环境下的故障维修系统，包括设置在云平台上的产品保内与保外模块、智能故障诊断模块、配件链需求与预测模块、剩余寿命预测模块以及闭环质量控制评估模块；
27、所述产品保内与保外模块、智能故障诊断模块、配件链需求与预测模块、剩余寿命预测模块用于实现产品故障诊断和配件调拨过程，其中：
28、所述产品保内与保外模块用于获取产品的故障信息，并将其转发至智能故障诊断模块；
29、所述智能故障诊断模块根据故障信息给出故障诊断结果和维修建议，并判断是否需要进行寿命预测；
30、若不需要进行寿命预测，则直接将故障诊断结果和维修建议返回产品保内与保外模块，进而传递给配件链需求与预测模块；若需要进行寿命预测，则通过剩余寿命预测模块确定产品剩余寿命，并将产品剩余寿命、故障诊断结果和维修建议传递给配件链需求与预测模块；
31、所述配件链需求与预测模块计算给出配件调拨方案，将结果返回至产品保内与保外模块，完成维保操作；
32、所述闭环质量控制评估模块用于接收产品保内与保外模块、智能故障诊断模块、配件链需求与预测模块在产品故障诊断和配件调拨过程中的运行数据，并执行上述云制造环境下的产品闭环质量控制评估方法。
33、总体而言，通过本专利技术所构思的以上技术方案与现有技术相比，主要具备以下的技术优点：
34、1.本专利技术基于产品故障诊断和配件调拨过程中，即产品在生命周期各状态下的运行数据，提供了涉及质量改进、维修及时性、故障处理能力的客观质量评估指标，实现云制造环境下产品在全生命周期各状态下的闭环质量控制评估，为产品质量改进提供参考。
35、2.本专利技术给出了质量信息改进指标、维修及时性指标、故障处理能力指标的具体计算方式，从而对产品客观状态数据进行计算，避免了人工打分的主观性，从而能精确给出在不同状态下的产品质量或服务改进建议，使得质量评估结论更加全面、客观、准确。
36、3.本专利技术将产品故障报单、故障诊断、配件调拨、产品维保等生命周期内的流程模块化，在云平台上分为产品保内与保外模块、智能故障诊断模块、剩余寿命预测模块、配件链需求与预测模块、闭环质量控制评估模块五部分，这五部分之间互相关联并使用云平台接口进行通信，保证信息传递的时效性和准确性；并且使得产品质量评估本文档来自技高网...
【技术保护点】
1.一种云制造环境下的产品闭环质量控制评估方法，其特征在于，包括如下步骤：
2.如权利要求1所述的云制造环境下的产品闭环质量控制评估方法，其特征在于，所述质量信息改进指标Squa计算式如下：
3.如权利要求1所述的云制造环境下的产品闭环质量控制评估方法，其特征在于，所述维修及时性指标Sres计算式如下：
4.如权利要求1所述的云制造环境下的产品闭环质量控制评估方法，其特征在于，所述故障处理能力指标Srep计算式如下：
5.如权利要求2-4任一项所述的云制造环境下的产品闭环质量控制评估方法，其特征在于，所述回归系数根据产品的历史运行数据，通过线性回归计算得到。
6.如权利要求1所述的云制造环境下的产品闭环质量控制评估方法，其特征在于，所述闭环质量评估指标S计算式如下：
7.如权利要求1所述的云制造环境下的产品闭环质量控制评估方法，其特征在于，所述产品故障诊断和配件调拨过程包括：
8.如权利要求7所述的云制造环境下的产品闭环质量控制评估方法，其特征在于，所述故障发生次数、故障严重度、平均故障间隔由产品
9.一种闭环质量控制评估系统，其特征在于，包括处理器，所述处理器用于执行如权利要求1-8任一项所述的云制造环境下的产品闭环质量控制评估方法。
10.一种云制造环境下的故障维修系统，其特征在于，包括设置在云平台上的产品保内与保外模块、智能故障诊断模块、配件链需求与预测模块、剩余寿命预测模块以及闭环质量控制评估模块；
...【技术特征摘要】
1.一种云制造环境下的产品闭环质量控制评估方法，其特征在于，包括如下步骤：
2.如权利要求1所述的云制造环境下的产品闭环质量控制评估方法，其特征在于，所述质量信息改进指标squa计算式如下：
3.如权利要求1所述的云制造环境下的产品闭环质量控制评估方法，其特征在于，所述维修及时性指标sres计算式如下：
4.如权利要求1所述的云制造环境下的产品闭环质量控制评估方法，其特征在于，所述故障处理能力指标srep计算式如下：
5.如权利要求2-4任一项所述的云制造环境下的产品闭环质量控制评估方法，其特征在于，所述回归系数根据产品的历史运行数据，通过线性回归计算得到。
6.如权利要求1所述的云制造环境下的产品闭环质量控制评估方法，其特征在于，所述闭环质量评估指标s计算...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。