- 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。 在生产过程中，进行IPQC过程质量控制。检查内容分为：对各工序的产品质量进行抽检、对各工序的操作人员作业方式方法检查、对控制计划中的内容点检。
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
这是因为在开始设定 Transform 实现的时候不确定哪些想法最终会有实质作用，所以他拆分了 React Transform 为以下 5 个子工程： React Proxy 实现了对 React Component 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。
1.6K151发布于 2018-03-30 - 来自专栏丑胖侠
《Drools7.0.0.Final规则引擎教程》第2章 追溯Drools5的使用
2.1 Drools5简述 上面已经提到Drools是通过规则编译、规则收集和规则的执行来实现具体功能的。 2.2 Drools5之HelloWorld 下面结合实例，使用上面的API来实现一个简单规则使用实例。随后简单介绍每个API的主要作用。 Drools7目前依旧包含上面提的Drools5的API，因此本实例直接使用Drools7的jar包。 { public static void main(String[] args) { Drools5xTest test = new Drools5xTest(); 以上是针对Drools5x版本api相关使用简介，Drools7版本已经不再使用此系列的API，此处章节就不展开描述。规则的语法也放在Drools7对应章节中进行详细介绍。
1.9K80发布于 2018-01-08 - 来自专栏FreeBuf
从补丁追溯漏洞触发路径
查看github中的补丁信息Fixed chunk size parsing. · nginx/nginx@818807d (github.com)如下：
1K30发布于 2021-11-08 第七章 AI数据质量-5
成本收益 (1）采集阶段的收益：采集场景上，我们每次以5度为单位，高度范围为90度，左右转动为90度，俯仰为60度，则最多一轮可采集90/5*90/5*60/5= 3888张。 人工采集的方式，我们以平均耗时5秒采集一张计算，共需要5.4小时。通过机械臂的自动化采集方案，大约2秒一张，共约2.16小时。采集时长缩短一半，效率得到的很大的提升。 图7-32 基于机械臂的证件样本自动化采集方案的收益 7.9 总结 本章我们首先介绍了数据在AI算法整个生命期中的重要性，接着介绍了AI数据的采集流程和采集量及其质量的评估。 下一章节，我们将进入AI模型质量的评估和测试环节。 an-introduction-to-autoencoders/ [4] https://www.alanzucconi.com/2018/03/14/understanding-the-technology-behind-deepfakes/ [5]
46610编辑于 2025-04-15- 来自专栏计算机视觉战队
人脸专集5 | 最新的图像质量评价
1 今天内容的简要 今天，“计算机视觉战队”主要和大家分享图像修复的质量评估。该技术主要是一种用于图像修复的图像质量评价(IQA)方法，旨在从多个结果中选择最佳的图像质量评价方法。 上图显示了测试过程，其中重复了三项任务：(a) 盯着黑色背景上的白色十字架两秒钟来修正他们的初始观点，(B) 观察10秒图像，(C) 提供5份意见分数来表示图像质量的不自然。 分数1-5分别对应于非常显著的、相当明显的、略显的、几乎不明显的和不明显的。分数越高越好，因为它们表明修复过程中发生的不自然现象是不明显的。 后者代表了图像的相对质量，受损区域内外部分图像质量的一致性在很大程度上影响着主观质量。因此，即使受损区域内的图像质量是相同的，它的感知质量取决于其周围区域的质量。 5 最后的实验及结果 ? 实验流程图 表1 不同图像特征的性能比较 ? ? ? ? 为了显示其他现有方法失败的原因，在上图中的左上方和底部图像上覆盖了一个显著图。
2.1K30发布于 2019-05-06 - 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 - 来自专栏九彩拼盘的叨叨叨
代码质量第 5 层 - 只是实现了功能
如下图所示： [qme84d5phf.png? 另一方面，开发人员自测是对自己代码质量负责，也是专业素质的体现。没自测就提交测试，也浪费 QA 的时间。 建议将自测这块体现到工作流工具中。
1.3K30发布于 2021-11-02 - 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《云荐大咖》
代码质量第 5 层 - 只是实现了功能
另一方面，开发人员自测是对自己代码质量负责，也是专业素质的体现。没自测就提交测试，也浪费 QA 的时间。 建议将自测这块体现到工作流工具中。 3金伟强.jpg 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 213.png 《云荐大咖》是腾讯腾讯云开发者社区精品内容专栏。
71030编辑于 2021-12-27 - 来自专栏顾宇的研习笔记
提升沟通质量和效率的5个技巧
如何提升沟通的质量和效率呢？ 我认为，沟通本质上是人们之间相互学习的过程。这个学习过程包括两个方面：理解（understand）和行动（act） ? 沟通的目的在于扩大一致的理解 以下是我实践过的5个提升沟通质量和效率的技巧，希望能帮助到你理解对方： 一、设定沟通计划 作为沟通的发起人，首先要有一个沟通计划。
1K20发布于 2018-08-17 - 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。 ，18 项任务创造了 SOTA 记录： 分类：GLUE (MNLI, QNLI, STS-B, MRPC, RTE, SST-2, WNLI), RACE, IMDB, Yelp-2, Yelp-5, 更有专业人士研究表明，XLNet 的训练成本高达 6 万美元，接近 BERT 的 5 倍 和 GPT-2 的 1.5 倍。
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。 Scale the Jacobian if needed (and compute the scaling if we are // in iteration zero). // 5. 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。 例如，某汽车零部件厂部署YOLOv5模型，在传送带上以98.7%的准确率检测错装零件，替代20名质检员的人力投入。 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。 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 - 来自专栏终身学习者
编写高质量箭头函数的5个最佳做法
在本文中，通过了解决学习5个最佳实践，以便我们可以从中学习更多箭头函数的知识，并从它身上获得更多的好处。 1. 5.注意过多的嵌套 箭头函数的语法很短，很好。 但是，副作用是，当许多箭头函数嵌套时，它可能是晦涩难懂。 我们考虑以下情况。 json.forEach(item => console.log(item.name)); }; myButton.addEventListener('click', handleButtonClick); 第5个实践
1.3K40发布于 2020-05-12 - 来自专栏终身学习者
编写高质量 JS 变量的5种最佳做法
在本文中，主要介绍 5种有关在 JavaScript 中声明和使用变量的最佳做法。 middle + 1; } else { right = middle - 1; } } return false; } binarySearch([2, 5, 7, 9], 7); // => true binarySearch([2, 5, 7, 9], 1); // => false middle和middleItem变量在函数体的开头声明。 5. 引入中间变量 我比较少注释代码。我更喜欢编写代码即解释的风格，通过对变量、属性、函数和类的良好命名来表达意图。 编写自文档代码的一个好习惯是引入中间变量。 在处理长表达式时很有用。
91430发布于 2021-01-06 - 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。 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。 roshancloudarchitect.me/understanding-netflixs-microservices-architecture-a-cloud-architect-s-perspective-5c345f0a70af en.wikipedia.org/wiki/Kubernetes Adopting Microservices at Netflix: Lessons for Architectural Design - F5, 8, 2025, https://proceedings.neurips.cc/paper_files/paper/2022/file/c1e2faff6f588870935f114ebe04a3e5-
43610编辑于 2025-08-11
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