SAP从入门到放弃系列之QM主检验特征

news2025/1/11 16:46:34

文章目录

  • 一、概述
  • 二、系统操作
    • 2.1、创建主检验特征-QS21
      • 2.1.1、初始界面
      • 2.1.2、 内容页面
        • 控制数据
        • 一般信息
    • 2.2、主检验特征有效期管理和历史管理

一、概述

检验特征是对检验内容的描述。很多相同的产品的检验内容是由重复和相通性的,所以将这一类在物料的检验任务清单或者物料的规格说明中频繁使用的检验特征数据进行统一标准化的数据称之为主检验特征。主检验特征(Master Inspection Characteristic,缩写为MIC),针对所有检验计划在工厂维度进行定义的标准化检验特征。

例如:产品发货前需要打包,可能有泡沫填充板、有纸箱包装、有托盘,这种我们就可以统一归纳未包装物检验。
在这里插入图片描述
检验特征作为对检验标准的描述,主要包含以下信息:类型(定性、定量)、结果确认类型(例如:汇总记录结果、单个记录结果)、特征处理类型(必须特征、可选特征)。主检验特性作为主数据与检验计划无直接关系,检验计划只能参考或者复制主检验特性。

可以被使用的用途:PP-生产工艺路线、PP-定额工艺路线、PP-PI配方、PM维修任务路线。

二、系统操作

前台操作路径:SAP菜单-后勤-质量管理-质量计划-基本信息-检验特性
在这里插入图片描述

2.1、创建主检验特征-QS21

针对检验特征的设置有很多的选项,那作为初学者,先简单把常用的理解了,其余的通过做带业务场景的测试更容易理解。这篇文章也是将演示最基础的操作内容。

2.1.1、初始界面

执行QS21后,在初始界面,主要可以分为两个区域,第一个区域为本次详细讲解内容,第二个区域的数据主要是从现有的特征内容复制到要创建的特征信息方式创建,这里不做体现。
在这里插入图片描述
工厂:这里选择要创建特征所在的工厂代码
主检验特征:可以填入自定义的规则,如果不填写,则系统根据设置的号段范围自动编码。如果未配置号段,则系统提示错误信息:找不到号码范围对象QMERKMALE的号码范围区间01
配置路径:SPRO-质量管理-质量计划-基本信息-检验特性,检验方法-定义编号范围
在这里插入图片描述

有效期自:主检验特征开始有效的日期,这也是非常重要的数据,一般我们会在配置默认有效期管理启用。这里的日期也就非常重要。

类特征:这个在我们一些业务场景中,比如产品的有效成分,需要质检后才能确定,那产品批次中的有效成分需要通过质检数据带入,这里维护的就是要更新的类特征和检验特征的关联关系。

2.1.2、 内容页面

控制数据

1.预设标识:我们先不选择,这个属于一个配置内容,相当于默认了检验特性的一些内容,选择后自动带入,主要是标准化且减少填写的工作量,根据项目上业务实际情况做一些选择即可。
配置路径:SPRO-质量管理-质量计划-基本信息-检验特性,检验方法-定义控制标识的缺省值

配置内容如下:默认是否定性或定量
在这里插入图片描述
根据是定性或者定量的设置进不同的详细界面,下面是定性的时的详细界面内容,这些和我们文章中逐一维护的字段内容是一致的。这里我们不选择预设标识,手动逐步进行设置。
在这里插入图片描述
2.定量特征:是可以用数据量化的一个检验项目,比如长度、磁性能、密度、有效成分。选择特征属性为定量特征后,回车或者点击‘“控制标识符”按钮,进入详细界面,进行设置:

类型:这里就是定量的数据判定范围,只设置下限或者上限,或目标值,或范围值。

样品:这里时对样品的控制,刚开始练习,我们先勾选采样过程就行,其余的后续我们单独文章来说明。

结果确认:这里控制对检验结果录入的方式,整个批次汇总或每个检验项目明细等等,以及对是否在前面检验合格或者不合格后才进行检验等等,这个后续文章单独详细解释,刚开始做检验特性时先默认勾选。
在这里插入图片描述
回车后,进入如下界面,先默认检验范围固定,即样品的梳理和录入检验结果中的梳理一致才可以,其余后续单独文章解释。
在这里插入图片描述
在这里插入图片描述

==*PS:

  • 长期特征是指在短期检验完成后,您还可以为其记录检验结果的条件。
  • 将检验特性定义为 计算特性 ,即定量检验特性,其值是根据其他特性(计算输入特性)的检验结果,根据预定义的公式计算得出的

3.定性特征:是一般不能数据化,但是可以通过检验给予特定的属性判定的,如是或否,完整或者缺角,红色、蓝色、白色等。选择特征属性为定性特征后,回车或者点击‘“控制标识符”按钮,进入详细界面,进行设置:

*特性属性:*如果勾选了这个选项,则在录入结果时要按照设置的选项进行选择,比如颜色:红色、绿色、蓝色等等。如果不勾选这个选项,那么只能录入接受或拒绝的选项。

其余于定量特征无差别。
在这里插入图片描述
回车后,进入如下界面,先默认检验范围固定,即样品的梳理和录入检验结果中的梳理一致才可以,后续单独文章解释。
在这里插入图片描述

==定性或者定量的选项两者只能选择其一。==这里的选择,也影响到对于一般数据的维护,只有选择定量特征,才能维护定量数据。
在这里插入图片描述
其他语言:其他语言的主检验特征的短文本。
采样图形文本:使用多种语言的主检验特征的样品图文本。

如果是定性检验特征且勾选了特性属性,需要点击目录维护录入结果时的选项目录,如果主检验特征是定量特征,需要点击定量数据按钮维护定量数据条件,虽然有目录选项,但是可以不维护。原因在于,维护目录已说明它只能是定性特征(qualitative characteristics)。

目录的维护详见:SAP从入门到放弃系列之QM目录类别、代码组、选择集维护

检验方法的维护详见:SAP入门到放弃系列之QM检验方法(Inspection Method)

分类,是对主检验特征进行分类,以系统地定义、搜索和重复使用主检验特征。

一般信息

先说明下图标注部分内容:
在这里插入图片描述

**状态:**这个其实了解SAP的都很理解这个,就是一个数据状态的控制,是否能被使用。一般都会选择2-已发布,创建后即可使用。

语言代码:默认以登录语言填写短文本和搜索字段,也可以点击其他语言按钮,翻译成其他语言,一般双语交付的项目还是比较少。

以下配置比较重要,建议练习的时候默认不完全复制模型,这样我们不一定要全部将所有数据进行维护。实际项目中根据对检验特征的业务要求进行设置。

不完全复制模型:创建时不必完全维护主检验特征。一般在检验特性中无法确定的数据,而是在特定的检验物料的任务清单中添加缺少的条目,就选择此选项。

1-完全复制模型:必须在创建时完全维护主检验特征。适用于检验特征有常规参考值,变动较小,将主检验特征链接到任务清单或物料规格时,如果有特殊的值,可以在任务清单或物料说明中进行调整。

x-参考特性:必须在创建时完全维护主检验特征。将主检验特征链接到任务清单或物料规格时,特征将锁定,并且可以集中维护和替换。

在这里插入图片描述
分类:
对主检验特征进行分类,以系统地定义、搜索和重用主检验特征。
检验方法:
将检验方法分配到主检验特征,确定检验的方式是什么,比如目视检测,XX仪器检测等等,这里非必输项,可以不维护。
目录:
将代码组或选择集分配到主检验特征。如过定性的检验特征,选择目录后,状态变为已维护。创建目录操作详见目录创建的文章。

PS:一般来说,在创建主检验特征之前,检验方法和特性属性的目录是已创建好的。
详见:SAP从入门到放弃系列之QM目录类别、代码组、选择集维护
在这里插入图片描述

2.2、主检验特征有效期管理和历史管理

有效期管理:即版本管理概念,通过通过指定关键日期找到有效的主检验特征。
在这里插入图片描述

历史管理,如果历史记录管理处于活动状态,则在更改已发布的主检验特征或检验方法版本时会增加版本计数器,且能查询到字段更改记录和日期,==更改的数据不会在任务清单或物料规范中自动更新。如果在没有历史记录的情况下更改此基本数据,则会立即自动更新任务清单、物料规范和证书参数文件中的参考主检验特征的已更改数据。==启用后效果如下图:
在这里插入图片描述

以上功能可在工厂层级实现控制,配置路径:SPRO-质量管理-基本设置-维护工厂等级设置。
在这里插入图片描述
限于文章篇幅,这里不做过多的介绍,附属一些主检验特性的其他的数据说明,详见文章:官方教材文档

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1049323.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

chalk

今天在看antd-design,发现一个叫chalk的东西 https://juejin.cn/post/6973102969076219941https://juejin.cn/post/6973102969076219941

算法通过村第十关-并归|黄金笔记|手撕并归排序

文章目录 前言并归排序的原理总结 前言 提示:有时我会担心你们发现我其实很普通。爱并不需要你与众不同。--查理麦克西《男孩、鼹鼠、狐狸和马》 并归排序算是经典的分治思想中的问题,这个非常典型的题目。 并归排序的原理 并归排序,简单来说…

预测算法6|BP_adaboost算法原理及其实现

BPNN是一种根据误差反向传播算法训练的多层前馈网络,具有很强的非线性处理能力,是目前应用最广泛的神经网络之一。但BPNN的泛化能力相对较差,在优化过程中易陷入局部极小值,同时,它的鲁棒性差,学习过程的收…

【考研数学】概率论与数理统计 —— 第三章 | 二维随机变量及其分布(1,二维连续型和离散型随机变量基本概念与性质)

文章目录 引言一、二维随机变量及分布1.1 基本概念1.2 联合分布函数的性质 二、二维离散型随机变量及分布三、多维连续型随机变量及分布3.1 基本概念3.2 二维连续型随机变量的性质 写在最后 引言 隔了好长时间没看概率论了,上一篇文章还是 8.29 ,快一个…

一个人可以开发游戏吗?

在今天的数字时代,游戏产业已经成为全球最具活力的领域之一。从大型游戏开发工作室到独立游戏制作人,游戏开发已经变得更加多样化和容易进入。然而,对于许多梦想成为游戏开发者的人来说,一个关键问题一直挥之不去:一个…

组网行动指南:打造对跨国企业友好的专用网络环境

在全球数字化转型的浪潮下,越来越多的企业跨国发展业务,由于跨域网络的复杂性和自建网络架构的各种限制,导致分散在不同地理位置的站点无法实现数据互通和协作。 跨国企业组网常见痛点 痛点一:自建网络方案经常掉线,影…

No128.精选前端面试题,享受每天的挑战和学习

🤍 前端开发工程师(主业)、技术博主(副业)、已过CET6 🍨 阿珊和她的猫_CSDN个人主页 🕠 牛客高级专题作者、在牛客打造高质量专栏《前端面试必备》 🍚 蓝桥云课签约作者、已在蓝桥云课上架的前后端实战课程《Vue.js 和 Egg.js 开发企业级健康管理项目》、《带你从入…

CompletableFuture-线程池运行选择

如果没有传入自定义线程池,都用默认线程池ForkJoinPool 传入一个线程池,如果你执行第一个任务时,传入了一个自定义线程池, 调用thenRun方法执行第二个任务时,则第二个任务和第一个任务时共用同一个线程池 调用thenRun…

26559-2021 机械式停车设备 分类

声明 本文是学习GB-T 26559-2021 机械式停车设备 分类. 而整理的学习笔记,分享出来希望更多人受益,如果存在侵权请及时联系我们 1 范围 本文件规定了机械式停车设备的分类及有关的型式、型号和适停汽车组别、尺寸及质量。 本文件适用于 GB/T 3730.1—2001定义的乘用车及商用…

K8sGPT,基于 AI 的云原生终极工具

随着人工智能和机器学习的兴起,企业和组织越来越多地寻找创新方法来利用这些技术来获得竞争优势。 该领域最强大的工具之一便是 K8sGPT,即基于 Kubernetes 的 GPT,它将 Kubernetes 编排的优势与 GPT 模型的高级自然语言处理能力结合在一起。 …

人工智能AI 全栈体系(八)

第一章 神经网络是如何实现的 神经网络只是提供了一个一般性方法,具体用它求解什么问题,根据问题的特点,定义好输入输出以及损失函数就可以了。 在介绍神经网络语言模型结构的时候,每个词 w 都对应一个长度为 m 的向量 C(w)&…

深度学习(1)---卷积神经网络

文章目录 一、发展历史1.1 CNN简要说明1.2 猫的视觉实验1.3 新认知机1.4 LeNet-51.5 AlexNet 二、卷积层2.1 图像识别特点2.2 卷积运算2.3 卷积核2.4 填充和步长2.5 卷积计算公式2.6 多通道卷积 三、池化层 一、发展历史 1.1 CNN简要说明 1. 卷积神经网络(Convolut…

化妆品微针贴片,全球市场总体规模,前12大厂商排名及市场份额

化妆品微针贴片全球市场总体规模 化妆品微针贴片是一种新型的美容护肤产品,它采用微针技术,将微针嵌入贴片中,通过将贴片贴在皮肤表面,使微针穿透皮肤表层,将活性成分输送到皮肤深层,从而达到美容护肤的效…

LeetCode【2251. 花期内花的数目】

给你一个下标从 0 开始的二维整数数组 flowers ,其中 flowers[i] [starti, endi] 表示第 i 朵花的 花期 从 starti 到 endi (都 包含)。同时给你一个下标从 0 开始大小为 n 的整数数组 people ,people[i] 是第 i 个人来看花的时间…

笔记本摄像头怎么打开?记牢这5个简单方法!

“我有一个紧急视频会议,但是关键时刻我的笔记本电脑摄像头居然打不开了,真的让我很崩溃。有什么方法可以快速解决这个问题吗?非常感谢!” 在互联网时代,电脑对我们来说非常重要。而借助电脑摄像头与朋友交流或者与同事…

全网最细,Python接口自动化测试参数关联(应用场景实例)

目录:导读 前言一、Python编程入门到精通二、接口自动化项目实战三、Web自动化项目实战四、App自动化项目实战五、一线大厂简历六、测试开发DevOps体系七、常用自动化测试工具八、JMeter性能测试九、总结(尾部小惊喜) 前言 什么是参数关联&a…

lift-splat-shoot(LSS)代码详解

原版lift-splat-shoot(LSS)代码详解 自己想搞一些事情,搞什么呢?和自动驾驶相关的,先走视觉路线的又比较多,bev的话就搞开山之作lss,看有什么可以优化的东西,于是就开始做一做试试看…

编译原理简介

编译原理简介 编译原理的研究对于理解和设计编程语言、编译器和解释器都非常重要。它不仅可以提高程序的执行效率,还可以帮助开发人员更好地理解程序的运行机制。编译原理是计算机科学中的一个重要分支,研究的是编译器的设计和实现。对于从事编译器开发…

人员重识别:Person Re-Identification without Identification via Event Anonymization

论文作者:Shafiq Ahmad,Pietro Morerio,Alessio Del Bue 作者单位:Istituto Italino di Tecnologia;Universita degli Studi di Genova 论文链接:http://arxiv.org/abs/2308.04402v1 内容简介: 1)方向:…

欧拉公式推导网格中点线面估计数量关系

欢迎关注更多精彩 关注我,学习常用算法与数据结构,一题多解,降维打击。 背景 之前面试网格算法工程师时被问到三角网格中点和面的数量关系。delaunay 三角剖分要估计边的数量来事先申请内存。 通过查找资料了解原理和推导过程。 欧拉公式…