基于大数据相关性思维的整车试验与质量问题关联性分析

2020-08-13 06:56:44李涛吴传洋李琳
汽车实用技术 2020年14期

李涛 吴传洋 李琳

摘 要:文章基于大数据关联性思维模式,建立了试验项目-零部件-问题数量模型,分析了整车研发验证试验与质量问题的关联性,如试验项目-零部件、零部件-试验项目等。

关键词:大数据思维;试验;关联性

中图分类号:U467.1  文献标识码:A  文章编号:1671-7988(2020)14-112-03

Abstract: Based on the thinking mode of big data relevance, this paper establishes a quantitative model of test items-Parts- problems, and analyzes the relevance between vehicle R & D verification test and quality problems, such as test items-parts, parts - test items, etc.

Keywords: Big data thinking; Test; Relevance

CLC NO.: U467.1  Document Code: A  Article ID: 1671-7988(2020)14-112-03

引言

每个行业都会在长期的实践、探索过程中总结出自己特有的思维模式及相关理论以指导实践。例如互联网行业近些年就提出了互联网思维、大数据思维等。在当今知识大爆炸时代,跨界思维当属最简单、最便捷的途径,可以快速从其他行业吸纳新思维、新方法、新技术。

虽然汽车行业是传统行业,但其知识体系磅礴,可谓海纳百川,跨界借鉴和吸收其他行业的优秀思维模式及相关理论的例子屡见不鲜。例如,在汽车行业发展历程中,从外借鉴航空、航天等领域的技术,内部也有集SUV的操控性、轿车的舒适性等各种优点于一身的跨界车(Crossover)。

汽车研发过程中会进行大量的试验,进而暴露大量质量问题。但是,试验与研发过程质量问题之间未必能确切地直接找到关联原因,因为试验过程受到人、机、料、法、环等多种因素的影响。然而,分析试验与研发过程质量问题之间的关联关系,有助于指导试验策划及试验点检等工作,例如变更变速箱需要做什么试验、驱动耐久试验需要重点点检车辆哪些零部件等,大数据的相关性思维模式正好契合这一分析需求。

1 大数据相关性思维简介

登录APP查看全文