一种用于产品质量管控的抽样方法、抽样引擎及设备与流程

1.本发明属于产品质量管控技术领域，具体涉及一种用于产品质量管控的抽样方法、抽样引擎及设备。


背景技术：

2.在质量管理系统中，如何抽取适量样本才能既保证真实反映被抽检批的质量，又能尽量降低检验费用，即既要考虑其经济性，又要降低抽样检验风险，增加可操作性，更好地为企业服务。
3.当企业需要了解一批产品的质量状况，要通过取样以及对取样样品的检测来做出判断。产品的质量检验通常可分为全数检验与抽样检验两种方法。
4.全数检验是对交检的一批产品中的每一单位产品逐一进行检验，并对每一单位产品做出合格与不合格的判定，并挑出不合格品。这种质量检验方法只适用于经检验后合格批中不允许存在不合格品、生产批量少、检验费用低和检验项目少等情况，而且检验还要是非破坏性的。基于上述因素全数检验具有较大的局限性，如产品产量大、检验项目多和检验较复杂时进行全数检验势必要花费大量的人力和物力，而当质量检验具有破坏性时，全数检验更是不可能的。
5.因此，在企业的日常质量检验中，更多采用抽样检验方法。现有抽样检验方法中，存在许多不足之处，大部分适用于总体单位数量有限的情况，否则编号工作繁重；对于复杂的总体，样本的代表性难以保证等。


技术实现要素：

6.为了解决上述技术问题，本发明提出了一种用于产品质量管控的抽样方法、抽样引擎及设备。
7.为了达到上述目的，本发明的技术方案如下：
8.一方面，本发明公开一种用于产品质量管控的抽样方法，包括以下步骤：
9.步骤一，获取产品数据；
10.步骤二，将步骤一获取的产品数据的每一维向量空间分成n个区间，且每个区间具有相同的概率；
11.步骤三，在每一维向量空间的每个区间中随机选取一个点作为采样点，得到每一维向量空间的质量管控样本点；
12.步骤四，对每一维向量空间选出的n个质量管控样本点进行随机排序组成对应的质量管控样本向量；
13.步骤五，将每一维向量空间对应的质量管控样本向量进行组合，得到最终的质量管控样本矩阵。
14.在上述技术方案的基础上，还可做如下改进：
15.作为优选的方案，在步骤二中采用拉丁超群立方重要抽样法将每一维分成n个区
间，且每个区间具有相同的概率。
16.作为优选的方案，抽样方法还包括以下步骤：
17.步骤六：将生成的质量管控样本矩阵输出到表格中。
18.作为优选的方案，抽样方法还包括以下步骤：
19.步骤七：将生成的质量管控样本矩阵输出到图像中。
20.作为优选的方案，抽样方法还包括以下步骤：
21.步骤八：动态渲染步骤七得到的图像。
22.另一方面，本发明公开一种用于产品质量管控的抽样引擎，包括：
23.获取模块，用于获取产品数据；
24.区间划分模块，用于将获取模块获取的产品数据的每一维向量空间分成n个区间，且每个区间具有相同的概率；
25.采样点提取模块，用于在每一维向量空间的每个区间中随机选取一个点作为采样点，得到每一维向量空间的质量管控样本点；
26.样本向量生成模块，用于对每一维向量空间选出的n个质量管控样本点进行随机排序组成对应的质量管控样本向量；
27.样本矩阵生成模块，用于将每一维向量空间对应的质量管控样本向量进行组合，得到最终的质量管控样本矩阵。
28.作为优选的方案，抽样引擎还包括：
29.输出表格模块，用于将生成的质量管控样本矩阵输出到表格中。
30.作为优选的方案，抽样引擎还包括：
31.输出图像模块，用于将生成的质量管控样本矩阵输出到图像中。
32.作为优选的方案，抽样引擎还包括：
33.图像渲染模块，用于动态渲染输出图像模块得到的图像。
34.此外，本发明还公开一种用于产品质量管控的抽样设备，包括上述任一种抽样引擎。
35.本发明公开一种用于产品质量管控的抽样方法、抽样引擎及设备，当在市场调研范围有限，或调查对象情况不明，难以分类，或总体单位之间特性差异程度小时，采用本技术的科学化抽样方式，得到科学的抽取样本，便于企业对产品的质量管控。
附图说明
36.为了更清楚地说明本发明实例的技术方案，下面将对实例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
37.图1为本发明实例提供的抽样方法的流程图。
具体实施方式
38.下面结合附图详细说明本发明的优选实施方式。
39.下面将结合本发明实例中的附图，对本发明实例中的技术方案进行清楚、完整地
描述，显然，所描述的实例仅仅是本发明一部分实例，而不是全部的实例。基于本发明中的实例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实例，都属于本发明保护的范围。
[0040]“包括”元件或步骤是“开放式”表述，该“开放式”表述仅仅是指存在对应的部件或步骤，不应当解释为排除附加的部件或步骤。
[0041]
为了达到本发明的目的，一种用于产品质量管控的抽样方法、抽样引擎及设备的其中一些实例中，如图1所示，抽样方法包括以下步骤：
[0042]
步骤一，获取产品数据；
[0043]
步骤二，将步骤一获取的产品数据的每一维向量空间分成n个区间，且每个区间具有相同的概率；
[0044]
步骤三，在每一维向量空间的每个区间中随机选取一个点作为采样点，得到每一维向量空间的质量管控样本点；
[0045]
步骤四，对每一维向量空间选出的n个质量管控样本点进行随机排序组成对应的质量管控样本向量；
[0046]
步骤五，将每一维向量空间对应的质量管控样本向量进行组合，得到最终的质量管控样本矩阵。
[0047]
值得注意的是，本技术可以导入java标准库、引入伪随机数器、引入函数统计库来进行操作。
[0048]
为了进一步地优化本发明的实施效果，在抽样方法另外一些实施方式中，其余特征技术相同，不同之处在于，在步骤二中采用拉丁超群立方重要抽样法将每一维分成n个区间，且每个区间具有相同的概率。
[0049]
进一步，在上述实施方式的基础上，抽样方法还包括以下步骤：
[0050]
步骤六：将生成的质量管控样本矩阵输出到表格excel中。
[0051]
从而，更好的展示和分析抽样后的样本数据。
[0052]
进一步，在上述实施方式的基础上，抽样方法还包括以下步骤：
[0053]
步骤七：将生成的质量管控样本矩阵输出到图像中。
[0054]
从而，更好的展示和分析抽样后的样本数据。
[0055]
进一步，在上述实施方式的基础上，抽样方法还包括以下步骤：
[0056]
步骤八：动态渲染步骤七得到的图像。
[0057]
从而，实现web页面动态展示抽样结果。
[0058]
本发明实例还公开一种用于产品质量管控的抽样引擎，包括：
[0059]
获取模块，用于获取产品数据；
[0060]
区间划分模块，用于将获取模块获取的产品数据的每一维向量空间分成n个区间，且每个区间具有相同的概率；
[0061]
采样点提取模块，用于在每一维向量空间的每个区间中随机选取一个点作为采样点，得到每一维向量空间的质量管控样本点；
[0062]
样本向量生成模块，用于对每一维向量空间选出的n个质量管控样本点进行随机排序组成对应的质量管控样本向量；
[0063]
样本矩阵生成模块，用于将每一维向量空间对应的质量管控样本向量进行组合，
得到最终的质量管控样本矩阵。
[0064]
为了进一步地优化本发明的实施效果，在抽样引擎另外一些实施方式中，其余特征技术相同，不同之处在于，抽样引擎还包括：
[0065]
输出表格模块，用于将生成的质量管控样本矩阵输出到表格中。
[0066]
进一步，在上述实施方式的基础上，抽样引擎还包括：
[0067]
输出图像模块，用于将生成的质量管控样本矩阵输出到图像中。
[0068]
进一步，在上述实施方式的基础上，抽样引擎还包括：
[0069]
图像渲染模块，用于动态渲染输出图像模块得到的图像。
[0070]
本发明实例还公开一种用于产品质量管控的抽样设备，包括上述任一实例公开的抽样引擎。
[0071]
本发明的方法和设备，或者本发明的方法和设备的某些方面或部分可采取嵌入有形媒介，例如软盘、cd-rom、硬盘驱动器或者其它任意机器可读的存储介质中的程序代码(即指令)的形式，其中当程序被载入诸如计算机之类的机器，并被该机器执行时，该机器变成实践本发明的设备。
[0072]
检验一批产品所抽样本数的多少在本质上并不取决于产品批量，样本数的多少取决于欲检产品的质量特性分布均匀程度。产品质量特性分布越均匀，需要的样本数越少。反之，产品质量特性分布越不均匀，需要的样本数越多。产品质量特性分布均匀程度在数学上用方差来表示。方差越大，说明产品质量特性分布越不均匀。因此抽样检验中最重要的是依据产品质量特性规定的抽样方案和依据一定的规则随机抽取样本，这两个基础部分是否科学决定了抽样检验结果的科学性。
[0073]
本发明公开一种用于产品质量管控的抽样方法、抽样引擎及设备，当在市场调研范围有限，或调查对象情况不明，难以分类，或总体单位之间特性差异程度小时，采用本技术的科学化抽样方式，得到科学的抽取样本，便于企业对产品的质量管控。
[0074]
上述实例只为说明本发明的技术构思及特点，其目的在于让本领域普通技术人员能够了解本发明的内容并加以实施，并不能以此限制本发明的保护范围，凡根据本发明精神实质所作的等效变化或修饰，都应涵盖在本发明的保护范围内。