[发明专利]一种基于回归分析的巡检管理方法

说明书

本发明公开了一种基于回归分析的巡检管理方法，包括以下步骤：S1：建立数据样本，主要是建立数据样本空间，获取回归方程需要使用到的自变量和因变量数据，并对采集到的数据进行清洗、分类和存储；S2：创建回归模型，主要是选择并建立回归方程，利用历史数据进行矩阵系数求解，同时生成模型训练需要用到的相关参数；S3：训练模型，主要是指对创建好的回归模型进行显著性检验、反复调优、训练与验证，以达到最适合为止，实现了基于大数据回归分析，预测性的完成对质量巡检工作的量化定义；S4：应用模型，主要是将模型的预测结果应用于日常质量检测和巡检管理。采用本发明能够解决在质量检测和管理过程中质检员的工作质量与成果的量化管理问题。

技术领域

本发明涉及质量管理领域，具体为一种基于回归分析的巡检管理方法。

背景技术

生产制造过程中需要进行质量控制（In Process Quality Control,简称IPQC），即物料入仓后到成品入库前各阶段的生产活动的品质控制。IPQC采用的是检验方式，在生产过程中对各工序之间进行巡回检查，发现并记录问题，巡检的对象主要包括操作人、设备、物料、作业方法以及环境等（简称为人/机/料/法/环)，通常企业会制定检查清单（checklist）用于逐项检验，然而目前却没有很好的办法对质量检查过程的工作进行量化与科学的管理，巡检员的绩效难以量化，往往导致质检要求不能有效扎实的落地，特别是很多必须依赖人工巡检的领域，这属于质量管理中的一个常见的痛点。

除了上述的生产型企业的标准作业程序的巡检以外，还有很多类似这样的场景，例如水务公司要对片区内的水管与设备进行巡检，以期望提前发现问题并及时处理，巡检的面积和范围很大，巡检员的完成情况，实际是否检测到位在质量管理领域是一个管理弱项。同样的，对厂区内的设备巡检也存在同样问题，漏检、懒检甚至不检，这都是质量管理中的难点。

此外，企业的质检员进行产品质检和抽检时，同样存在类似的痛点。

发明内容

在统计学中，回归分析（regression analysis)指的是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。

本发明的目的在于提供一种基于回归分析的巡检管理方法，通过对过往历史数据的分析，实施预测性的建模技术，完成对质检员进行巡检时的数学期望定义，更加科学的对质检过程进行量化，建立一种以人为本的科学的质量检测方案，以解决上述背景技术中提出的问题。

本发明的应用场景还包括和巡检相似的质量检查场景，包括不限于巡检、点检和首件检测等。

为解决上述技术问题，本发明提供如下方案，一种基于回归分析的巡检管理方法，所述方法包括以下步骤：

S1：建立数据样本，主要是建立数据样本空间，获取回归方程需要使用到的自变量和因变量数据，并对采集到的数据进行清洗、分类和存储；

S2：创建回归模型，主要是选择并建立回归方程，利用历史数据进行矩阵系数求解，同时生成模型训练需要用到的相关参数；

S3：训练模型，主要是指对创建好的回归模型进行显著性检验，反复调优、训练与验证，以达到最适合为止，实现了基于大数据回归分析，预测性的完成对质量巡检工作的量化定义；

S4：应用模型，主要是将模型的预测结果应用于日常质量检测和巡检管理。

所述的S1建立数据样本，具体步骤如下：

步骤一：采集数据。在进行预测性建模之前，对回归模型所需要涉及到的相关自变量Xi数据与因变量Y数据进行收集，具体收集的数据项由回归模型决定；

步骤二：清洗数据。针对步骤一收集到的数据进行重新审查和校验的过程，利用数学方法对收集到的数据进行清洗整理和归类，从样本空间中剔除重复的或无效的数据，以及一些偶然性的或明显异常的数据；

步骤三：存储数据。将采集和清洗好的数据进行归类和持久化存储，同时提供多维度的查询方案，便于更好地为回归模型和显著性检验进行服务；