[发明专利]基于工艺规则与大数据的全流程产品质量溯源分析方法

权利要求书

1.一种基于工艺规则与大数据的全流程产品质量溯源分析方法，其特征在于，具体步骤如下：

步骤1、建立产品缺陷表征库：长期收集大批量缺陷样本，以文字、图片方式记录缺陷宏观特征，并根据文字特征与缺陷图片特征将缺陷归类；用微观分析验证的方法，逐步完善特征归类，固化质检标准的同时建立产品缺陷表征库；

具体做法为：此过程需要将传感器采集到的大量图片数据人工转化出相对应的文字缺陷特征，存储在关系型数据库MySql中，实现简单的查询和处理功能，若只有文字缺陷特征亦可；

步骤2、缺陷原因追溯：对于疑难缺陷或新出现的缺陷，结合宏观特征，按批次进行排查，并对每个流程进行缺陷对应性分析；

步骤3、验证并确定可疑工序：通过过程工艺锁定可疑工序及异常范围，并通过批次再现或微观分析对该可疑工序进行验证；

步骤4、评价工艺流程：对已认知确定的缺陷，实施对每个工艺流程的监控，并对各流程结果进行批次工艺或表面检测实绩符合性评价：正常放行；工艺调整/返修/验证；降级/改判；

步骤5、数据表征逆向优化：根据步骤4中对每个工艺流程结果的评价和疑难缺陷的成因追溯，形成对产品缺陷表征库的反馈，不断更新缺陷的有害程度以及放行标准；

所述步骤2具体做法为：在步骤1构建的已有产品缺陷表征库的基础上，对于新出现的缺陷个体，首先在产品缺陷表征库中利用MySql查询语句查询是否有同类型缺陷；若没有，应在产品缺陷表征库中补充关于此缺陷的图片信息、文字描述以及缺陷成因；

缺陷成因需要根据产品生产流程向前回溯，查找导致缺陷的关键步骤；

与大量正常产品的各流程参数进行对比分析，锁定导致缺陷的可疑步骤；

所述步骤3的具体做法为：

3.1通过过程工艺锁定可疑工序及异常范围

在步骤2锁定了导致缺陷的可疑步骤之后，对每一个可疑步骤进行加工流程检查，检查其是否达到规定的质量和性能；对于没有达到规定的加工过程，确定其异常范围；

3.2对可疑工序进行验证

集成的批次数据分析功能允许操作人员将当前批次与以前确定的标准特征进行比较，或者将整个工厂内多个批次进行比较分析；通过使用确定每个阶段的起始基线的选项来提供执行批次阶段、周期或过程趋势数据分析的方法；对于需要微观分析的焊接流程，需要配备微观显微镜。

2.如权利要求1所述的基于工艺规则与大数据的全流程产品质量溯源分析方法，其特征在于，本方法还包括步骤6.规则管理：对监控、判定、指标的计算控制规则集中管理，实现设计规则、训练规则、发布规则、处置方案设置，支持质量管理知识的不断积累和传承和成长。