基于FMEA的车载显示器贴合气泡改善

来源 :精密制造与自动化 | 被引量 : 0次 | 上传用户:congrorm
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
通过对车载液晶型显示器生产线现状进行详细分析,识别主要缺陷模式,确定了影响客户满意的关键特性参数,采用FMEA管理的方法和工具对生产线进行整体的分析和改善。针对影响因子开展了失效模式与影响分析,利用鱼骨图进行因果分析,对关键影响因子采取改善措施,建立并实施过程控制,并将重要的经验教训进行了文件化和标准化。实施后产品一次合格率显著提高,提升了客户满意度和企业市场竞争力。
其他文献
推荐系统是学习用户偏好并实现个性化推荐的系统化应用技术,在商品购买、影音推荐、关联阅读等多领域得到了广泛的应用。近年来,随着多源异构数据的激增和深度学习的兴起,传统推荐算法中的表征学习模式逐步被深度学习代替。梳理推荐算法的背景和发展趋势,并给出内容推荐的算法思路及其优劣评价,分别介绍多层感知机、自动编码器、卷积神经网络以及循环神经网络等深度学习方法的网络结构和算法优势。从技术应用的视角综述深度学习在内容推荐中的应用现状与研究成果,对不同经典深度推荐算法进行分析与比较。在此基础上,指出深度学习在可解释性、学
提出了一种臭氧老化试验箱臭氧气体浓度的校准方法,并对臭氧浓度示值误差进行了不确定度评定。通过实验验证了被校臭氧老化箱内臭氧浓度示值误差小于±10%,臭氧浓度位置偏差小于20%,臭氧浓度波动度小于±10%。有效解决了臭氧老化试验箱内臭氧浓度的量值溯源问题,提高了该设备试验的准确性。