[发明专利]一种基于大数据的零件加工合格率检测方法在审

专利信息
申请号: 201911386413.7 申请日: 2019-12-29
公开(公告)号: CN111069098A 公开(公告)日: 2020-04-28
发明(设计)人: 潘安;朱平;邵亭亭 申请(专利权)人: 南京陶特思软件科技有限公司
主分类号: B07C5/36 分类号: B07C5/36;G06F119/00
代理公司: 南京苏创专利代理事务所(普通合伙) 32273 代理人: 王东东
地址: 210000 江苏省南京市江*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 数据 零件 加工 合格率 检测 方法
【权利要求书】:

1.一种基于大数据的零件加工合格率检测方法,其特征在于:所述合格率检测方法包括如下步骤:

(1)取样,确定成品库中产品的总量,从成品库中随机选取一定数量的产品,作为一组,再从成品库中选取同等数量的产品分为另一组;

(2)输送,将其中一组选取的产品依次放置在输送带上,通过输送带传送至检测装置处,并对产品进行检测,再将另一组产品同样进行输送至检测装置处;

(3)检测,对两组输送的产品进行逐个检测,并做好区分,将两组检测出的不合格产品做好标记,检测完成后的产品继续通过输送带传送至下一步工序处;

(4)分类,样品检测后进行输送时,将做好标记的不合格产品取出进行收集,并将样品中合格产品通过输送带传送至下一工序;

(5)计算,对检测后的两组产品进行分别计算,算出不合格的产品数量与样品总量的比例,取两组数据的平均数,并做好记录;

(6)再加工,将取出的不合格产品进行返修,加工后的产品通过输送带传送至检测装置处,检测完成后将不合格产品取出,合格产品继续通过输送带传送至下一步工序处;

(7)存放,对样品中所有合格产品进行收集存放,将合格产品放入成品库,并做好标记以区分样品与成品库中产品。

2.根据权利要求1所述的一种基于大数据的零件加工合格率检测方法,其特征在于:所述步骤(1)中采用随机取样法进行取样,取出的两组样品数量相等,并分别通过输送带进行传送。

3.根据权利要求1所述的一种基于大数据的零件加工合格率检测方法,其特征在于:所述步骤(3)中不合格产品的缺陷进行分类,进行标记后暂时存放在一起。

4.根据权利要求1所述的一种基于大数据的零件加工合格率检测方法,其特征在于:所述步骤(2)中零件依次通过输送带传送,每个零件之间的距离在50厘米至100厘米之间。

5.根据权利要求1所述的一种基于大数据的零件加工合格率检测方法,其特征在于:所述步骤(2)中输送带两端分别缠绕在两个转轮表面,输送带顶部与检测装置固定连接,其中一个转轮与电机的输出端固定连接。

6.根据权利要求1所述的一种基于大数据的零件加工合格率检测方法,其特征在于:所述步骤(4)中两组不合格产品分开收集,两组产品进行计数后,将不合格产品全部放置至传送带顶端。

7.根据权利要求1所述的一种基于大数据的零件加工合格率检测方法,其特征在于:所述步骤(5)分两组计算,计算出两组样品的合格率,并统计出不合格产品中的各自缺陷的表现位置,如长、宽、高的缺陷和表面缺陷等,通过计算机进行处理,两组数据计算后保存至计算机上。

8.根据权利要求1所述的一种基于大数据的零件加工合格率检测方法,其特征在于:所述步骤(6)中不合格产品输送至加工装置处,无法满足加工质量的做报废处理。

9.根据权利要求1所述的一种基于大数据的零件加工合格率检测方法,其特征在于:所述步骤(6)中加工完成的合格产品继续放置在输送带上,并经检测后对合格产品与不合格产品进行区分。

10.根据权利要求1所述的一种基于大数据的零件加工合格率检测方法,其特征在于:所述步骤(7)合格产品集中存放,同时需要保证样品成品与成品库成品分开。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京陶特思软件科技有限公司,未经南京陶特思软件科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911386413.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top