-
公开(公告)号：CN106202665B
公开(公告)日：2019-06-28
申请号：CN201610510711.2
申请日：2016-06-30
Applicant: 北京航空航天大学
IPC: G06F17/50
Abstract: 一种基于域映射与加权关联规则的早期故障根原因识别方法，其步骤如下：1、基于公理化域映射构建产品早期故障的关联树框架模型；2、功能域分解与映射；3、设计结构域分解与映射；4、过程工艺域分解与映射，完成故障根原因关联树构建；5、故障症候数据收集；6、故障关联树节点初始权重挖掘；7、故障关联权重评估；8、权系数衡量，完成根原因识别。本发明利用加权关联规则客观量化原因节点权重系数，实现对导致产品早期故障的潜在根原因的科学排序，弥补了传统方法受制于早期故障机理认识不足而导致的根原因识别定性与片面性缺陷，有效提高了根原因识别过程的智能性及科学性，为早期故障的预防、控制和改进提供了新思路。
-
公开(公告)号：CN104331592A
公开(公告)日：2015-02-04
申请号：CN201410403698.1
申请日：2014-08-15
Applicant: 北京航空航天大学
IPC: G06F19/00
Abstract: 一种基于收敛CEV的威布尔型截尾特性控制图的制作方法，步骤如下：1.收集历史数据；2.建立密度分布函数及对数极大似然函数；3.明确截尾期望值与质量特性的潜在分布形式的关系；4.还原初始质量检测数据并确定截尾分布参数与其期望值的关系；5.迭代步骤2—4至参数值所需精度，并确定收敛CEV下的截尾期望值；6.对样本检测值进行分组，设计和计算各组检测统计量；7.确定控制图的控制限；8.确定截尾型质量特性控制图的控制界限属性；9.控制图的性能比较分析；10.基于平均运行链长的控制图的性能比较分析；11.录入样本检测值，完成控制图的构建。本发明弥补了传统控制图在过程监控中的局限性，具有广阔的应用前景。
-
公开(公告)号：CN105160074B
公开(公告)日：2018-06-26
申请号：CN201510483768.3
申请日：2015-08-07
Applicant: 北京航空航天大学
IPC: G06F17/50
Abstract: 一种考虑制造质量偏差数据的产品早期故障率估算方法，它有八大步骤：一.构建三层级质量偏差表达模型；二.量化考虑了零件含非致命性缺陷的被制造产品的固有可靠度水平；三.建立零件级质量偏差相关的可靠度函数；四.量化考虑了层级间正相关关系的含不合格组件的产品固有可靠度水平；五.建立组件级质量偏差相关的可靠度函数；六.量化考虑了层级间正相关关系的含装配误差的产品固有可靠度水平；七.建立系统级质量偏差相关的可靠度函数；八.集成化构建考虑偏差综合效应的产品早期故障率变化综合模型。本发明充分重视形成缺陷和故障的制造阶段，量化制造质量偏差对早期故障率的影响，使在制造过程从根源上预防和控制早期故障率成为可能。
-
公开(公告)号：CN104331592B
公开(公告)日：2017-12-26
申请号：CN201410403698.1
申请日：2014-08-15
Applicant: 北京航空航天大学
IPC: G06F19/00
Abstract: 一种基于收敛CEV的威布尔型截尾特性控制图的制作方法，步骤如下：1.收集历史数据；2.建立密度分布函数及对数极大似然函数；3.明确截尾期望值与质量特性的潜在分布形式的关系；4.还原初始质量检测数据并确定截尾分布参数与其期望值的关系；5.迭代步骤2—4至参数值所需精度，并确定收敛CEV下的截尾期望值；6.对样本检测值进行分组，设计和计算各组检测统计量；7.确定控制图的控制限；8.确定截尾型质量特性控制图的控制界限属性；9.控制图的性能比较分析；10.基于平均运行链长的控制图的性能比较分析；11.录入样本检测值，完成控制图的构建。本发明弥补了传统控制图在过程监控中的局限性，具有广阔的应用前景。
-
公开(公告)号：CN105160074A
公开(公告)日：2015-12-16
申请号：CN201510483768.3
申请日：2015-08-07
Applicant: 北京航空航天大学
IPC: G06F17/50
Abstract: 一种考虑制造质量偏差数据的产品早期故障率估算方法，它有八大步骤：一.构建三层级质量偏差表达模型；二.量化考虑了零件含非致命性缺陷的被制造产品的固有可靠度水平；三.建立零件级质量偏差相关的可靠度函数；四.量化考虑了层级间正相关关系的含不合格组件的产品固有可靠度水平；五.建立组件级质量偏差相关的可靠度函数；六.量化考虑了层级间正相关关系的含装配误差的产品固有可靠度水平；七.建立系统级质量偏差相关的可靠度函数；八.集成化构建考虑偏差综合效应的产品早期故障率变化综合模型。本发明充分重视形成缺陷和故障的制造阶段，量化制造质量偏差对早期故障率的影响，使在制造过程从根源上预防和控制早期故障率成为可能。
-
Patent Agency Ranking
-
公开(公告)号：CN106295692A
公开(公告)日：2017-01-04
申请号：CN201610638135.X
申请日：2016-08-05
Applicant: 北京航空航天大学
CPC classification number: Y02P90/30 , G06K9/6269 , G06Q50/04
Abstract: 一种基于降维与支持向量机的产品早期故障根原因识别方法，其步骤如下：1、构建故障特征导向的关联树概念模型；2、构建故障根原因节点大数据模型；3、产品寿命周期质量与可靠性数据收集；4、构建主成分分析技术模型；5、基于主成分得分的关联树构建；6、构建支持向量机技术分类模型；7、基于支持向量机技术分类的节点优先级排序；8、结果分析。本发明从产品可靠性形成角度大数据出发，突破了高维大数据冗余难题，从根本上弥补传统意义上忽略高维数据特征空间而导致的对早期故障机理认识的不精确与误判，提高了大数据环境下早期故障根原因识别效率和准确性，在工程应用中为制造商提供了明确的目标和对象去实施积极的早期故障管控策略。
-
公开(公告)号：CN106202665A
公开(公告)日：2016-12-07
申请号：CN201610510711.2
申请日：2016-06-30
Applicant: 北京航空航天大学
IPC: G06F17/50
CPC classification number: G16Z99/00
Abstract: 一种基于域映射与加权关联规则的早期故障根原因识别方法，其步骤如下：1、基于公理化域映射构建产品早期故障的关联树框架模型；2、功能域分解与映射；3、设计结构域分解与映射；4、过程工艺域分解与映射，完成故障根原因关联树构建；5、故障症候数据收集；6、故障关联树节点初始权重挖掘；7、故障关联权重评估；8、权系数衡量，完成根原因识别。本发明利用加权关联规则客观量化原因节点权重系数，实现对导致产品早期故障的潜在根原因的科学排序，弥补了传统方法受制于早期故障机理认识不足而导致的根原因识别定性与片面性缺陷，有效提高了根原因识别过程的智能性及科学性，为早期故障的预防、控制和改进提供了新思路。
-
公开(公告)号：CN106295692B
公开(公告)日：2019-07-12
申请号：CN201610638135.X
申请日：2016-08-05
Applicant: 北京航空航天大学
CPC classification number: Y02P90/30
Abstract: 一种基于降维与支持向量机的产品早期故障根原因识别方法，其步骤如下：1、构建故障特征导向的关联树概念模型；2、构建故障根原因节点大数据模型；3、产品寿命周期质量与可靠性数据收集；4、构建主成分分析技术模型；5、基于主成分得分的关联树构建；6、构建支持向量机技术分类模型；7、基于支持向量机技术分类的节点优先级排序；8、结果分析。本发明从产品可靠性形成角度大数据出发，突破了高维大数据冗余难题，从根本上弥补传统意义上忽略高维数据特征空间而导致的对早期故障机理认识的不精确与误判，提高了大数据环境下早期故障根原因识别效率和准确性，在工程应用中为制造商提供了明确的目标和对象去实施积极的早期故障管控策略。
-
公开(公告)号：CN105184413B
公开(公告)日：2019-01-25
申请号：CN201510608104.5
申请日：2015-09-22
Applicant: 北京航空航天大学
Abstract: 一种考虑制造质量偏差损失的产品最优老炼测试时间估算方法，一、量化表征质量偏差Type‑I型和Type‑II型；二、构建致命性Type‑I型制造缺陷相关出厂良率损失费用模型Y0；三、量化截尾新型缺陷尺寸分布s1(x)；四、确定新型尺寸特征分布s2(x)；五、构建非致命性Type‑II型制造缺陷相关保修费用模型W0；六、确定依照尺寸增长规律新型尺寸特征分布s3(x)；七、构建老炼费用模型Cb及老炼时长b内失效费用模型Wb；八、量化老炼试验后截尾新型缺陷尺寸分布s4(x)；九、确定依照尺寸增长规律新型尺寸特征分布s5(x)；十、构建保修期w内保修费用模型W1；十一、量化老炼试验增加的老炼费用Δ1；十二、量化老炼测试环境减小质量偏差损失Δ2；十三、建立目标函数g(b)，求确定最优老炼时间。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.05 seconds)
