电力仪表是检查和测试电力设备的重要仪器,也是电网的重要组成部分,其生产质量会影响电网的成本和布局,因此需要对电力仪表的生产质量进行管理。目前,电表质量评估方面的研究仍不成熟,国内厂家还没有研制出针对电力仪表的生产质量管理系统,这并不符合现如今电表行业快速发展的形势和电表的高质量要求,因此研究并开发出针对电力仪表的质量管理系统十分迫切。本文结合杭州华立科技数字化工厂生产线,提出了基于PDCA的电表质量控制方法,将电表生产质量管控流程分为七个阶段:电表质量计划、电表质量数据获取、电表质量评估、电表质量数据维护和展示、不良电表管理、电表质量预警、电表质量改进。七个阶段首尾衔接形成闭环,在不断的螺旋式上升中实现电表质量的提高和电表生产工艺的改进和优化。本文针对电力仪表的制造工艺和流程,提出了基于人工蜂群算法优化BP神经网络的电表质量评估模型,将电表分为五个等级,从一等到五等电表质量逐级变差,其中五等电表为不良电表。本文选取了包括PCB焊点质量指数在内的5个非计量功能参数和8个计量功能参数作为电表的质量参数。针对电表生产线上缺少的PCB焊点质量数据,搭建了电表PCB焊点质量数据获取装置获取PCB的焊点图像,通过机器视觉和图像处理提取PCB图像特征参数,利用BP神经网络评估焊点的焊接质量。电表质量参数通过消息中间件Kafka获取电表质量参数数据。本文利用电表质量评估模型,基于面向对象编程的开发思想,研究并开发实现了基于数字化工厂的电力仪表生产质量管理系统,将其划分为电表质量计划模块、电表质量预警模块、电表质量改进模块、电表质量评估模块、电表质量数据维护和展示模块、不良电表管理模块、电表质量数据获取模块、PCB焊点质量数据获取模块和权限管理模块。本文研究了基于数字化工厂的电力仪表生产质量管理系统,使用基于PDCA的电表质量控制方法对电表质量进行改进,利用基于人工蜂群算法优化BP神经网络的电表质量评估模型对电表的质量进行了等级划分,能够帮助电表企业提升生产工艺技术及产品质量,并利用电表的质量等级合理规划电表企业的销售战略。