【摘 要】
：
一、质量大数据分析专家Q-DASQ-DAS专注于制造过程数据统计分析和质量数据可视化管理及报告,最早为大众、宝马、博世和麦格纳等公司开发制造质量管理系统,并逐步推广到汽车、航空航天、机械制造、电子、食品、医药和化工等行业。Q-DAS软件系统以人、机、料、法和环为主线,贯穿并涵盖企业制造PDCA全过程。
论文部分内容阅读
一、质量大数据分析专家Q-DASQ-DAS专注于制造过程数据统计分析和质量数据可视化管理及报告,最早为大众、宝马、博世和麦格纳等公司开发制造质量管理系统,并逐步推广到汽车、航空航天、机械制造、电子、食品、医药和化工等行业。Q-DAS软件系统以人、机、料、法和环为主线,贯穿并涵盖企业制造PDCA全过程。
其他文献
针对四旋翼无人机系统中内部不确定性因素使得难以建立系统模型,强耦合以及外部环境的干扰增加飞行器控制困难的问题,提出基于自抗扰的四旋翼无人机控制方案。通过分析四旋翼无人机系统数学模型,采用自抗扰控制策略,将及各个回路之间的耦合和内部不确定性因素及外部干扰视为扩张状态,并通过反馈补偿进行抑制扰动使系统近似为积分器串联型,然后利用非线性状态反馈控制器进行补偿。与传统PID对比仿真数据表明,自抗扰控制器对
针对虚拟仪器动态响应时间评估需求,提出了虚拟仪器软件执行时间测试的新方法。为了实现软件执行时间测量,开发了Lab VIEW时间测量功能。通过执行过程的重复循环以及测量数据的统计分析,有效解决了程序执行时间短和Lab VIEW时间测量精度有限的问题。对虚拟仪器执行时间测试方法实验结果表明,新方法可用于虚拟仪器动态响应时间评估。
图像测量技术与传统测量方法相比,具有非接触,精度高,速度快等优点,被广泛用在几何尺寸测量领域。在研究Sobel边缘检测技术的基础上,提出一种基于灰度矩的亚像素重定位算法,形成了电缆护套材料厚度图像测量系统。首先采用Sobel边缘检测算法,进行像素级边缘提取,然后通过基于灰度矩的检测算法进行亚像素级精确定位,计算得到电缆护套最大和最小厚度值。实验表明,与像素级边缘定位算法相比,电缆护套厚度测量误差降
随着无人机技术的高速发展,无人机巡航环境中的障碍物检测成为热点。针对目前复杂环境下直线类障碍物检测准确率低、精度差的问题,提出了一种基于像素梯度和距离编组的直线类电力线检测算法。首先结合图像灰度特征提取图像直线边缘点,根据图像电力线特征构建直线支撑区域并对其进行调整,为改善图像电力线检测断裂的问题,最后根据直线间的距离度量完成直线段的编组和拟合,实现复杂背景环境中直线类电力线的检测。通过实验证明,
天坑已经在地球上存在了几十万、数百万年甚至更久,但是直到十多年前,才作为一个地理术语,得到公认。天坑的最终命运是退化,从失去一面陡壁,到仅存一面陡壁,再到树木掩映了块石的堆积……最终天坑将不复存在。在地质历史进程中,天坑是如同流星一般短暂而闪亮的存在。我们人类能和天坑在同一个地质历史时期相遇,能亲眼目睹如此壮丽的奇观,可谓是时间的宠儿了。
2011年我们在湖北找到的另一处壮观的天坑在恩施州的利川市。朋友何端傭说,在此之前,我们国家很多天坑探测,都有外国人参加,而这一次却是我们自己独立完成罗川天坑探险活动。要真正完成这次探险,做到万无一失,很不容易。数据收集、测量等一系列事情很多天都在脑海里反复想,还有装备上的悬殊等等问题。6月16日一大早,何端傭和老邱等在车站会
闻知我在采访"天坑",宜昌探险家徐晓光告诉我,前不久他们在鄂西清江生态考察时,发现了几处疑似天坑,希望我能够去看一看。我匆匆赶回湖北,第二天中午11点多,我们就站在了大堰乡千丈坑村的一个疑似"天坑"旁。天坑的边缘,就在一户人家的屋后几米远的地方,坑边看起来很陡,竖立上来的树木挡住视线。视野最开阔的地方是农户的茶园田埂上,我用新买的激光测距仪测量,对准最陡的一面崖
随着2018年6月22日生态环境部和国家市场监督管理总局发布GB 17691-2018《重型柴油车污染物排放限值及测量方法 (中国第六阶段)》(代替GB 17691-2005,简称重型汽车国Ⅵ),我国汽车排放标准即将全面进入国Ⅵ时代。因为之前,2016年12月23日,环境保护部和国家质检总局已发布了GB18352.6-2016《轻型汽车污染物排放限值及测量方法 (中国第
紫色土山丘是我国主要的土地类型之一,其主要特征是母岩和土壤都呈紫色或紫红色。土壤由三叠系、侏罗系、白垩系和第三系的岩层的成土母岩风化发育而成。世界上的红层地区大多有紫色土山丘分布。我国紫色土山丘面积有3亿多亩,主要分布在四川盆地和云贵高原,其他分布在湖南、贵州、广西、广东、江西、安徽、福建、浙江、河南、陕
在现状下,智能化手段已经能够全面运用于物流管理领域,进而诞生了智慧物流管理系统。从物流配送以及物流管理的角度来讲,运用智慧物流管理的措施可以达到较好的物流配送效果,并且还可以简化物流配送的流程与环节。具体对于智慧物流管理领域而言,关键在于构建智能化的物流配送模型,确保结合物流管理的现状来构建相应的数字化模型。