- 综合排序
- 最热优先
- 最新优先
- 来自专栏智能制造解决方案
干货分享-数字化车间质量追溯管理解决方案
以下为企业质量管理实际案例分析 普实通过一物一码，记录产品从原料，到生产过程，再到成品所经历的所有环节；通过各个环节的信息采集或录入，完成产品属性信息的关联绑定，从而为质量评估或质量追溯提供数据支持。 良品率关联员工技能等级 首先，作为企业的员工，也是产品质量的重要一环，生产人员做事的方式对产品质量有直接的影响。 企业可以通过AIO8系统内的质量管控意识培训将技能渗透到所有员工。 IQC 来料质量控制 1-来料质量管理流程 仓管员点收来料后，通过移动采集设备PDA登记供货批次等生成“暂收送检单”直接从蓝牙打印机打印条码标签，再交质量部检验及出具测量报告。 ? 关于产品生产的履历追溯 企业员工扫码领料生产，AIO8系统自动记录数据，并实时展现在看板上。 4-质检报告 CPK过程能力指数PT点位测量报告： ? FQC成品质量检验闭环&防错措施 ?
1.6K20编辑于 2022-03-16 - 来自专栏可爱陆陆
可追溯性
可追溯性，他的机制就是设定后面一个区块拥有前面一个区块的一个哈希值就像一个挂钩一样，只有识别了前面的哈希值才能挂得上去，是一整条完整的链。 可追溯性还有一个好的的特点就是便于数据的查询，因为这个区块是有唯一标识的，比如说之前往数据库里面去查询一个东西的话，是有很多算法去分块来找的，而这个区块链网络里面是以时间节点来定义找这个时间段的这个区块再去寻址
1K70发布于 2021-02-01 - 来自专栏数据化管理
数据间关联与追溯
保证我们下次的产品不会出现类似的质量问题。 只要将公司的数据全面地整合在一起，我们在运营管理上就能够依据数据来发现出现问题的根源，从而从根源上彻底解决问题。 信息在逐步透明之后，依靠信息不对称所谋利的企业将减少，商贸业的利润来源将回归到产品质量和服务；制造业的利润将回归到生产效率和制造工艺，一个“乌托邦”似的时代将会来临。 当然，这是一个完全理想的情形。 关联是追溯的基础。 1.5 可全程追溯是对数据采集全面性评价的基本参数 衡量一个企业的数据是否全面，通过全程追溯的方式即可检验。 从企业的产品或者服务开始追溯，是否能够追溯到每个人、每个部门、每笔财务收付款，就能够检验数据间的关联性以及全面性。
1.2K00发布于 2020-05-28 - 来自专栏iKcamp
追溯 React Hot Loader 的实现
写在最后 这就是对 React-Hot-Loader 的实现的一个追溯，如果你真的理解了，那么你在配置 React-Hot-Loader 到你的应用代码里面的每个步骤会有一个重新的认识。 截止写文现在 React-Hot-Loader 4 已经在进行中，我比较偏向于 4 会和 React 迭代保持更亲密的同步（ 从之前 error boundaries 和 official instrumentation
1.6K151发布于 2018-03-30 - 来自专栏九彩拼盘的叨叨叨
代码质量第 4 层 - 健壮的代码
具体来说，有 4 点： 异常处理。 输入检查。 写法优化。 第三方库的选择。 下面，我们具体来说。 1. 异常处理 不做异常做处理，轻则导致功能出错，重则导致页面白屏。 和预期不一致 sum('3', 4) // '34'。 4 第三方库的选择 使用第三库，可以减少造轮子，从而提升开发效率。但如果第三方包不健壮，用到第三方包的功能也就不健壮了。 健壮的第三方库是成熟，稳定的。 1635837893&q-header-list=&q-url-param-list=&q-signature=7105983636990c28f0e636003ac161fcf72d02c6] 提升代码质量的下一步 提升代码质量的下一步就是提升代码的可读性。
1.7K40发布于 2021-11-02 - 来自专栏【腾讯云开发者】
代码质量第4层——健壮的代码！
具体来说，有4点： 异常处理。 输入检查。 写法优化。 第三方库的选择。 下面，我们具体来说。 （一）异常处理 不做异常做处理，轻则导致功能出错，重则导致页面白屏。异常处理，可以分为如下几种情况。 比如，期望实现两数求和的功能： function sum (a, b) { return a + b} sum(3, 4) // 7。和预期一致sum() // NaN。 和预期不一致sum('3', 4) // '34'。 如下图所示： 三、提升代码质量的下一步 提升代码质量的下一步就是提升代码的可读性。我会在下一篇文章中介绍。 推荐阅读 代码质量第5层-只是实现了功能 聊聊代码质量-《学得会，抄得走的提升前端代码质量方法》前言 公司的电脑为什么卡——因为缺少工程师文化！
97920编辑于 2021-12-31 第七章 AI数据质量-4
4. 数据标注：在3D渲染过程中，可以自动为生成的数据添加标签，如物体边界框、分割掩码等。这大大降低了手动标注数据的成本和时间。 5. 光照对于渲染的质量和氛围至关重要。 4. 摄像机设置：在场景中放置一个或多个虚拟摄像机，以确定从哪个角度观察模型。摄像机的位置、角度和焦距都会影响最终渲染的视觉效果。 5. 7.6 合成数据的质量评估 7.5章节提到的数据增强手段可以帮助我们快速合成数据，但就像我们需要对收集到的真实的数据样本进行质量评估，我们同样需要理解合数数据的局限性，并对其进行有效的质量评估。 4. 计算成本：生成高质量的合成数据可能需要大量的计算资源，特别是对于复杂的场景或高分辨率的数据。 4. 隐私保护：在生成合成数据时，应确保不会泄露任何敏感或私人信息。如果合成数据包含敏感信息，可能会引发隐私和法律问题。 5.
45010编辑于 2025-04-15- 来自专栏《云荐大咖》
代码质量第 4 层 - 健壮的代码
具体来说，有 4 点： 异常处理。 输入检查。 写法优化。 第三方库的选择。 下面，我们具体来说。 1. 异常处理 不做异常做处理，轻则导致功能出错，重则导致页面白屏。 和预期不一致 sum('3', 4) // '34'。 4 第三方库的选择 使用第三库，可以减少造轮子，从而提升开发效率。但如果第三方包不健壮，用到第三方包的功能也就不健壮了。 健壮的第三方库是成熟，稳定的。 如下图所示： 提升代码质量的下一步 ---- 提升代码质量的下一步就是提升代码的可读性。我会在下一篇文章中介绍。 213.png 金伟强往期精彩文章推荐： 聊聊代码质量 - 《学得会，抄得走的提升前端代码质量方法》前言 代码质量第 5 层 - 只是实现了功能 3金伟强.jpg 《云荐大咖》是腾讯腾讯云开发者社区精品内容专栏
1.3K50编辑于 2021-12-30 - 来自专栏FreeBuf
从补丁追溯漏洞触发路径
case sw_chunk_data: ctx->length = ctx->size + 4 /* LF "0" LF LF */; break; ... 之后ctx->size的值会赋值到ctx->lenth中，也就是： ctx->lenth= ctx->size+4 = parseLong('f000000000000060')+4 = -1152921504606846880+4 = -1152921504606846876 之后，函数返回，返回值为rc=NGX_AGIN 2.ngx_http_discard_request_body_filter 4.ngx_http_read_discarded_request_body栈溢出 逃脱ngx_min检查 在ngx_http_read_discard_request_body函数中本来是有长度范围检查
1K30发布于 2021-11-08 第八章 AI模型质量-4
4. 平移不变性：如果对于一张图片，将其平移一定距离，那么DNN的输出应该是相同的。如果输出不同，那么就可能存在错误行为。 5. 4. 覆盖率引导：TensorFuzz使用覆盖率引导的模糊测试技术来引导测试过程。它通过测量计算图的“激活”来评估覆盖率，而不是传统的基本块或控制流的变化。 4. 逻辑错误：神经网络模型中的逻辑错误可能会导致模型输出不正确的结果。例如，在语言模型中，如果模型在处理特定的字符序列时出现错误，可能是由于逻辑错误导致的。 8.6 AI模型质量小结 本章我们主要介绍了AI模型相关的质量保障手段，参见图23，可以分为黑盒测试、灰盒测试以及白盒测试。 图23 AI模型质量保障体系 8.7 参考文献 [1] Yuchi Tian, Kexin Pei, Suman Jana, and Baishakhi Ray. 2018.
55900编辑于 2025-04-15- 来自专栏数据工人
4 步改进IT服务视角的CMDB数据质量
I&O领导人必须解决数据所有权、数据模型范围、记录系统和IT变更管理方面的差距，以持续改进配置项数据质量。 在2017年Gartner关于CMDB的调查报告中，71%的人认为数据质量问题是一个挑战。I&O主管经常试图通过在人员配备和发现工具上的投资来解决数据质量问题。 I&O主管如何持续改善他们的CI数据质量？ 他们必须解决IT监督、数据模型范围、记录系统和IT变更管理方面的差距，以减轻文化、流程、工具和信息问题，这些问题导致了糟糕的CI质量数据(参见图1)。 图1：四步提升 CMDB 数据质量 Source: Gartner (January 2018) 03 分析 3.1 解决IT数据数据监管的差距 没有定义清楚角色和职责，就会导致低质量的CI数据 eyJpIjoiT0RWak5qSmtOalkzTkRjdyIsInQiOiJ2K3ZXY3ZZZUtZbEk5ZGtXYkJnZTh0M0lVNXYrMmp3Z2tpM3dPUXd1VmZWc0RMYjl3WGpIT3czWDVlelhuSVVBOFdLWk1KaHowOWlWU1wvRkZZOTRaWlBIeXBzOXJHOXFCVUpia2w4S2pycCsyT1phSjJRcVVtbEJoaGlLNkl5VSsifQ
1.1K20发布于 2020-05-22 - 来自专栏企鹅号快讯
当产品追溯遇上区块链
中国农业部司长王小兵曾说，以区块链技术为主的创新信息技术，可以多维度，更广泛的提高农产品质量和安全监管。 典型产品追溯体系 我们先从产品追溯体系说起，目前产品追溯体系根据市场要求的不同，大致分为如下几种： H5页面追溯 这是最简单的追溯，完全是“码”为载体，以营销为目的而做的追溯，整个追溯信息只是由几个H5 简单追溯 因政策规定需要提供批次信息的追溯，在产品上市前填写批次信息，并关联追溯标识，这类追溯除了可以提供企业介绍和产品介绍之外，还可以提供当前产品的批次生产信息，只是生产信息没有经过第三方的监管，真实性由厂家负责 下面以县域电商产品的追溯为例，阐述一个典型的县域电商产品追溯体系。 所以在追溯体系里面，区块链的数据操作管理方式并不适合追溯体系数据管理。
3.6K103发布于 2018-02-28 - 来自专栏物流技术与应用
冷链食品追溯体系建设持续推进
年建成全国冷链食品追溯管理平台，实现多层次、多系统、跨区域冷链物流追溯闭环。 目前各地区都在陆续建立冷链追溯系统，如北京市“冷链食品追溯平台”、陕西省“冷链食品追溯管理系统”、江苏省“进口冷链食品追溯系统”等。 与此同时，多系统的推广也带来了系统的兼容性问题：一是我国冷链追溯体系标准尚不健全，追溯码规范、追溯内容、追溯目的等不一致，造成追溯系统数据标准不统一，形成信息孤岛；二是我国没有专门负责冷链食品追溯的国家权威机构 ,造成不同地区冷链追溯系统间的“割裂”状态,阻碍了信息流转效率,甚至影响冷链食品追溯效果。 据了解，生鲜食品质量追溯涉及上游到下游、生产到流通的多个环节,对全程管控提出很高要求。
77520编辑于 2022-09-02 - 来自专栏AI科技大本营的专栏
追溯XLNet的前世今生：从Transformer到XLNet
这个架构本身的特点在于 Query 和 Key 你我不分家，两者通过不同的参数从一个矩阵线性 (隐藏状态) 变换而来；继续往下追溯，两者取自同一块语料；属于单流自注意力设计。
1.8K30发布于 2019-07-16 - 来自专栏3D视觉从入门到精通
追溯Ceres-Solver中CostFunction类方法
追溯、阅读这个过程，会让我们对非线性优化问题的求解、以及函数实现方面有更深入的理解。 Gradient // 4. 4.internal/ceres/residual_block.cc文件 residual_block->Evaluate(...)的实现在文件internal/ceres/residual_block.cc 至此，我们追溯了我们所实现的virtual bool Evaluate(double const* const* parameters, double* residuals, double** jacobians
1.5K30发布于 2021-12-01 AI赋能制造业物料追溯
在全球化供应链与严苛质量监管的双重压力下，制造业对物料追溯的需求已从简单的“记录存档”升级为“实时决策”。传统追溯系统依赖人工记录与条码扫描，常面临数据滞后、错误率高、跨环节追溯困难等痛点。 智能执行：闭环优化与自愈机制 当AI检测到某食品包装线连续出现密封不合格产品时，立即联动MES系统调整热封机温度参数，并在修复后自动验证效果，将质量异常停机时间从平均4小时缩短至15分钟。 四、未来展望：从追溯系统到供应链智能体因果AI：突破传统相关性分析，揭示质量问题的本质因果链。例如，确定仓储湿度变化如何通过3级传导最终导致电路板腐蚀。 可持续追溯：结合碳足迹数据，在追溯系统中嵌入环境影响评估，助力ESG目标达成。 结语 AI驱动的智能追溯不再是“查错工具”，而是制造业供应链的“数字神经系统”。 据麦肯锡研究，全面应用AI追溯的企业可将质量成本降低18%-35%，同时缩短新产品上市周期。对于制造企业而言，当下正是以AI为杠杆，撬动供应链韧性升级的战略机遇期。
72310编辑于 2025-04-09- 来自专栏云计算运维
使用 singledispatch 在 Python 中追溯地添加方法
今天，我们将研究 singledispatch，这是一个能让你追溯地向 Python 库添加方法的库。
3.9K30发布于 2021-09-23 - 来自专栏存储公众号：王知鱼
从AI计算，追溯应用架构30载演进历程
学会主动管理演进中的技术债：了解技术债的形态如何随着架构的演进而变化（从代码债到架构债，再到AI时代的数据质量债），并能建立有效机制来识别、度量并有策略地“偿还”这些债务。 技术架构的演进周期正在显著缩短：Wintel联盟主导的PC时代持续了十余年 2，LAMP架构引领的Web 1.0时代接近十年 4，而云原生与微服务架构的更迭仅用了数年 6。 02 LAMP技术栈：双层世界的单体应用 随着互联网的兴起，LAMP（Linux, Apache, MySQL, PHP/Python/Perl）技术栈成为构建动态网站的基石 4。 它完全由开源软件构成，直接挑战了Wintel及Oracle、Sun等厂商主导的高价许可证模式 4。 主动管理演进中的技术债：技术债的形态随着架构的演进而变化，从VBA代码债，到微服务边界划分的架构债，再到AI时代的模型依赖和数据质量债。
43610编辑于 2025-08-11 - 来自专栏AIoT技术交流、分享
LabVIEW色彩定位实现药品包装质量检测（实战篇—4）
色彩定位用于进行质量检测时，一般通过统计图像中待测彩色目标的数量并与预期的数量进行对比来判定检测结果。 通过一个使用色彩定位进行胶囊包装质量检测的实例，它可搜索绿色胶囊的总数，并通过与预期数量对比来判断包装的药品质量是否合格，了解色彩定位的使用方法，程序设计思路如下所示： 程序一开始先将包含绿色胶囊的模板图像读入内存
81650发布于 2021-08-10 - 来自专栏前端全栈开发者
【译】编写高质量JavaScript模块的4个最佳实践
这篇文章介绍了有关如何更好地组织JavaScript模块的4种最佳实践。 1.优先使用命名导出 当我开始使用JavaScript模块时，我使用默认的语法来导出模块定义的单个块，不管是类还是函数。 4.避免较长的相对路径 我发现很难理解一个模块的路径包含一个，甚至更多的父文件夹： import { compareDates } from '../..
1.2K20发布于 2020-03-06
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号