广东省数据知识产权存证登记平台-证书详情

登记信息

港华辉信电熔管件生产质量画像分析数据集 已登记

数据申请号：

粤2026070704972
数据登记号：

SZ2026120006709.2
关键词：

电熔管件；质检分析；质量画像；TF-IDF；聚类分析
登记时间：

2026-08-14
平台证书编号：

20260744000006709
数据处理者：

暂无
服务机构：

中山市深中标准质量与知识产权研究院
登记主体：

港华辉信工程塑料（中山）有限公司
法院编号：

广州互联网法院 - a1f092b59066adc816c3f1eeecfab58256b0c6cf4c3efa631d7914faebf9893f-749fc1a4;legalxchain

区块链信息

上链时间：

2026-08-05
所属区块链：

司法联盟链·广东省知识产权保护中心
证据指纹：

5ff3bc5ffb846c881059873fd08895720e0eda09a2fcfc8bb4d667297d852b3b9dc001c25b7d0b5e9ab429296155c93d861f43a8917dd3c754f61ad84fcfc920
区块链存证证书编号：

LXM-GDIPI-23202608053457790392

数据信息

数据简介

本数据集是基于港华辉信工程塑料（中山）有限公司2020年至2026年电熔管件生产的真实质检记录整理形成。原始数据包含3661个生产批次，涵盖373种产品型号，详细记录了每批次生产总数量、不良品数量及24类缺陷的具体数量（如绕线电阻异常、外观划痕污染、注塑填充不足等）。针对质检数据高维稀疏、批次间缺陷结构差异大的特点，引入基于TF-IDF的加权稀疏向量模型：先将每批次缺陷计数归一化为频率向量，再以逆文档频率（IDF）放大罕见缺陷，得到最终权重向量；在此基础上采用K-Means聚类，为每款产品型号生成原型向量（单个聚类中心，k=1）用于刻画该型号的“标准质量基准”，以及多个聚类中心（k自动确定，1～3）用于区分批次中的主流模式与罕见偏差，形成可直接用于质量判定、异常追溯与工艺改进的结构化质量画像数据。

数据来源：

自行产生
数据所属行业分类：

C29 橡胶和塑料制品业

数据处理规则说明

1.加工过程表（excel公式预处理）：（1）归一化频率向量：对每批次，归一化频率向量_X＝缺陷X数量÷不良总数，其中不良总数＝该批次24类缺陷数量之和；若不良总数为0，则各分量置0。（X为缺陷代号A、B、…、Z）；（2）逆文档频率：对缺陷X，设df_X为全部3661个批次中出现该缺陷（数量>0）的批次数，则 IDF_X＝ln(3661÷(1+df_X))；（3）最终权重向量：该批次各类缺陷的最终权重，最终权重向量_X＝归一化频率向量_X×IDF_X。由此将原始缺陷计数转化为24维加权稀疏向量，突出罕见缺陷的判别作用。 2.质量画像表（python程序K-Means聚类处理）：（1）原型向量：对同一型号全部批次的最终权重向量做K-Means（k=1），所得聚类中心为该型号标准质量画像。同型号各批次相同，对应此表中原型向量_A～Z列；（2）多聚类中心：对同一型号全部批次的最终权重向量做K-Means（1≤k≤3），该型号得到k个聚类中心，给出所属聚类中心向量、聚类模式及模式占比（该模式批次数÷该型号总批次数×100%），对应此表中聚类模式、模式占比、所属聚类中心向量_A～Z。

应用场景描述

1.新批次合规性判定：将新批次最终权重向量与该型号原型向量比对（如余弦相似度），自动计算相似度分值，以0.85为正常阈值，识别偏离标准质量画像的批次，辅助质量复核。较单纯看不合格率更精细全面； 2. 型号间共性发现：计算不同型号原型向量间的余弦相似度，构建型号相似度矩阵，可发现缺陷模式相近的型号簇，为跨产品线根因追溯与经验迁移提供依据； 3. 质量趋势监控：追踪同型号原型向量在2020年至2026年间的演变轨迹，若主导模式发生明显变化，提示工艺或原材料存在系统性变动，可及时预警； 4.稳定性评估与优先级排序：依聚类中心占比排序：第一模式>70%工艺稳定，聚焦该模式改进；2-3种占比接近说明多问题源；无主导模式则工艺极不稳定。按占比排序改进，实现最高投入产出比； 5. 异常模式预警与快速溯源：模式占比极低的聚类模式自动标记为异常模式，并附该模式下的代表性批次示例，可直接定位到具体批次的生产条件，实现从被动检验到主动预防的转变； 6.全品种质量档案建立：为373种产品型号建立完整质量档案，包含原型向量、模式种类及各模式占比、代表批次等关键信息，支持横向对比与分级管理。

数据格式：

xlsx
数据更新频率：

年更新
数据量：

7322

样例数据

（因字数限制，完整样例数据请看样例附件）附件下载

数据结构样例

1.原始数据表：产品批号、产品型号、生产总数量、不良品数量、A 绕线电阻高、B 绕线电阻低、…、Z 其他（共24类缺陷数量字段）； 2.加工过程表（excel公式预处理）：产品批号、产品型号、归一化频率向量_A～Z、逆文档频率_A～Z、最终权重向量_A～Z； 3.质量画像表（python程序K-Means聚类处理）：产品批号、产品型号、最终权重向量_A～Z、原型向量_A～Z、聚类模式、模式占比、所属聚类中心向量_A～Z。

数据状态

2026-08-14

数据知识产权登记完成