分布式工厂大型复杂产品质量评估方法.docVIP

PAGE4

分布式工厂大型复杂产品质量评估方法

1范围

本文件规定了分布式工厂大型复杂产品生产过程质量评估的基本方案。

本文件适用于分布式工厂生产单位价值高、结构复杂、技术含量高等产品的质量评估过程，可用于建立大型复杂生产产品的质量评估模型，为分布式工厂建立质量评估体系提供理论指导。

2规范性引用文件

本文件没有规范性引用文件。

3术语和定义

GB/T18354-2021界定的以及下列术语和定义适用于本文件。

3.1

分布式工厂distributedfactory

将工厂的各个部分进行地理分散，并使用信息技术和自动化设备来协调和管理，以实现提高效率和降低成本目的的生产系统。

3.2

质量数据qualitydata

反映产品本身质量的数据及其生产过程中影响质量的数据。

[来源：GB/T41272-2022,3.7]

3.3

数据质量dataquality

在指定条件下使用时,数据的特性满足明确的和隐含的要求的程度。

[来源：GB/T25000.12-2017,定义4.3]

4概述

分布式工厂质量评估流程如图1所示。

首先,进行新产品定义,如果判断出新产品为新型号,就建立零部件和系统的树状结构目录,同时定义各相关权重。如果判断不是新型号,则转入下一步，具体流程如下：

a) 质量数据获取：获取的数据基本是实际生产中的要素属性，以建模工具所需求的参数和最终的生产目标为导向，通过经验及调研等方式获得相关数据，并对数据进行处理，使其能匹配仿真软件系统。数据获取部分可参照《分布式工厂产品装配质量预测》中质量数据采集方法部分；

b) 数据质量评估：分布式工厂质量评估首先需要从异地产线中精准获取同一准则的产品数据，再由这些数据来对产品质量进行评估，而在对产品质量进行评估前进行数据质量的分析可以节约大量试错的时间并降低得出错误结论的概率；

c) 建立质量评估模型：使用指标集及各项权重建立质量评估模型；

d) 单件产品质量汇总与统计：通过上一步建立的质量评估模型进行评估与打分，将结果进行汇总与统计。

图1产品质量评估流程

5数据质量评估

5.1数据质量评估框架

从语法、语义和语境三个方面考虑，可将数据质量分为形式质量、内容质量和效用质量三个基本种类。其中形式质量主要考量数据集在结构和表达形式上是否能很好的匹配实际评估需求，以及是否易于理解和获得。内容质量主要考量数据集的具体内容和取值是否和实际工艺相一致。效用质量主要考察数据集是否在对象特征以及时间维度上具有较高的关联性。

形式质量包括：

完整性：描述数据集对具体评估对象的覆盖程度；

唯一性：用来描述数据是否存在重复记录，没有实体多余出现一次；

可理解性：用来描述数据集是否能清晰的反应工艺逻辑，字段和取值的具体意义是否明确；

一致性：用来描述数据在不同维度上的连贯性，包括数据集在时间轴上的前后连贯性和在相关的不同数据集之间的横向连贯性，一致性并不意味着数值上的绝对相同，而是数据收集、处理的方法和标准的一致；

可获得性：用来描述实际测量评估需要的数据的获取的难易程度，包括数据采集、数据清理、数据转化等多个环节。

内容质量包括：

准确性：用来说明数据集对其描述或衡量的评估对象的描述程度；

可靠性：用来描述数据集的可信赖程度，包括对数据采集、数据加工、数据应用等所有环节的处理是否值得信赖。

效用质量包括：

相关性：用来说明数据集描述的概念对象和实际评估对象之间的相关程度；

时效性：用来衡量实际业务需求时间和数据可用时间之间的延迟，包括数据产生时的时间参数和数据更新频率等方面；

有效性：用来限定允许输入的数据类型和范围，避免错误的数据录入。

5.2数据质量评估流程

图2数据质量评估流程

数据质量评估流程包含以下几个步骤：

确定评价对象及范围：确定当前评估工作应用的数据集的范围和边界，明确数据集在属性、数量、时间等维度的具体界限；

选取质量维度及评价指标：数据质量维度是进行质量评价的具体质量反映，如正确性、准确性等。它是控制和评价数据质量的主要内容。因此，首先要依据具体业务需求选择适当的数据质量维度和评价指标。另外，要选取可测、可用的质量维度作为评价指标准则项，在不同的数据类型和不同的数据生产阶段，同一质量维度有不同的具体含义和内容，应该根据实际需要和生命阶段确定质量维度。在此阶段要注意指标之间避免冲突，同时也要注意新增评价指标的层次、权重问题，以及与其它同层次指标的冲突问题；

确定质量测度及评价方法：数据质量评价在确定其具体维度和指标对象后，应该根据每个评价对象的特点，确定其测度及实现方法。对于不同的评价对象一般是存在不同的测度的，以及需要不同的实现方法支持，所以应该根据质量对象的特点确定其测度和实现方法。常用定性方法和定量方法；

质量评估及