本章目的:明确DFMEA的数量及目标,搭建框架,填写项目与要求. 1.步骤: 1)明确DFMEA的数量及目标: 2)搭建框架(所有DFMEA的): 3)填写项目与要求: 2.1明确DFMEA的数量及目标: 2.1 数量: QFDII可以引出DFMEA,每一张QFDII对应一个DFMEA. 此前已经多次提到.所以,DFMEA是和QFDII的数量,即产品零部件的数量是一致的.如下图所示(即QFDII中图): DFMEA的数量为11章. 2.2 目标: DFMEA样表详见FEMA手册第四册最新版: 请

本章目的:了解FMEA和DFMEA的概念. 1.什么是FMEA(what) 潜在的失效模式及后果分析(Potential Failure Mode and Effects Analysis,简称FMEA,读作“飞么”,最初也是用在飞机上的). 是通过对可能发生的(和/或已经发生的)失效模式进行分析与判断其可能造成 (和/或已经产生的)的后果而产生的风险程度的一种量化的定性分析计算方法,并根据风险的大小,采取有针对性的改进,从而了解产品(和/或制造过程)设计能力,达成一种事先预防并实施改进措施的方

我所在学校部门的一个校园商城项目(学生售卖二手物品与发布悬赏求助等,在线上确认,校园内线下交易) 我们使用DDD的软件开发方法,这是我们进入编程世界上手的第二个项目,从创建仓库到现在已经过去二十多天,进度大概才五分之一到四分之一,因此现在看<实现领域驱动设计>第一章第一句"你期待从DDD中得到什么?首先DDD不应该是一个仪式性的过程,跟不应该成为你项目的阻碍",对我无疑是暴击,好像这20天做的事恰恰相反,后悔没有早一点掀开书看看. 不过既然已经深入到DDD这些天,很难放弃我

(一)项目启动前 从事产品的工作一年多,但自己一直苦于这样或者那样的困惑,很多人想要从事产品,或者老板自己创业要亲自承担产品一职,但他们对产品这个岗位的认识却不明晰,有的以为是纯粹的画原型,有的是以为做项目管理跟踪项目进度,有的是做竞品分析给老板看.实际上,这些都不是产品经理的核心和重点.在较为成熟的企业,因为产品的壮大和人员的增多,为了便于协作和沟通,岗位会细化的很清楚,如产品经理.交互设计师.UI设计师.用户体验分析师.数据分析师.运营等等.但是创业型公司中产品经理往往都是身兼数职,创业公司

APR连接器的思路和bio,nio的整体架构也是类似的,可以看到下面的整体框图: 第一个区别是,对于从Acceptor线程中的socket解析这块,无论是nio还是bio都是在Acceptor线程内直接阻塞执行的,对于APR通道,搞出一个SocketWithOptions的线程,专门执行这个socket解析的工作,然后直接交给Poller线程进行poll: 其次,SSL交互和socket接收等等都是调用tomcat-native的JNI的代码来完成的. 下面通过源码分析,讲讲整个框图中比较核心的

上一讲讲解过NIO的框图,可以看来,NIO通道是目前Tomcat7以后的默认的通道的推荐配置,在Tomcat6和以前的配置中,BIO是主流的配置: 只需要修改protocol协议部分即可,而后续还有APR协议,NIO2.0的协议,都是修改这个字段. 对于BIO的整体框图,基本和NIO保持类似,整体流程变化不大: 1.Http11Protocol 与NIO一样,这个Http11Protocol是默认的BIO的http1.1协议的处理类,Tomcat除了有NIO,BIO,其实还有两个通道: APR是

语音通信从最初的只有有线通信变成后来的有线通信与无线通信(移动通信)的竞争,当移动语音通信价格下来后有线语音通信明显处于逆势.如今移动语音通信的竞争对手是OTT(On The Top)语音,OTT语音是互联网厂商提供的服务,一般免费,如微信语音.目前语音通信技术上就分成了两大阵营:传统通信阵营和互联网阵营,互相竞争,推动着语音通信技术的发展.具体到编解码器上互联网阵营提出了涵盖语音和音乐的音频编解码器OPUS(OPUS是由非盈利的Xiph.org 基金会.Skype 和Mozilla 等共同主导

Vertx.vertx()实例 一.构造方法 1. VertxImpl构造方法 选择 transports protocol , default select 模型 if (options.getPreferNativeTransport()) { Transport nativeTransport = Transport.nativeTransport(); if (nativeTransport != null && nativeTransport.isAvailable()) { t

本博文主要是CVPR2016的<Single-Image Crowd Counting via Multi-Column Convolutional Neural Network>这篇文章的阅读笔记,以及对人群计数领域做一个简要介绍. Abstract 这篇论文开发了一种可以从一个单幅的图像中准确地估计任意人群密度和任意角度的人群数目.文章提出了一种简单有效的的多列卷积神经网络结构(MCNN)将图像映射到其人群密度图上.该方法允许输入任意尺寸或分辨率的图像,每列CNN学习得到的特征可以自适应由

相信大家都会遇到这样的情况,当你正在敲一份文档或一段代码时,啪的一下停电啦,我擦……,我的代码……,我的图纸……,我刚写好的文章…….但是在嵌入式系统中也会遇到类似的情况,通常会导致嵌入式系统数据,程序丢失,不能工作,甚至损坏存储系统.而对于核心板的嵌入式系统来说,异常掉电情况下数据不丢失,稳定性是根本.本文基于CAT706介绍一种能够检测到异常掉电,并利用电容中存储的少量电量保存数据.防止存储器损坏.丢失数据的方法. 一.概述 首先引用一篇微信文章“老板说:你去跳槽,我去跳楼!一场由SD卡引发

基本功能点 功能点框图 功能点说明 1.Authentication:身份认证/登录,验证用户是不是拥有相应的身份: 2.Authorization:授权,即权限验证,验证某个已认证的用户是否拥有某个权限:即判断用户是否能做事情,常见的如:验证某个用户是否拥有某个角色.或者细粒度的验证某个用 户对某个资源是否具有某个权限: 3.SessionManager:会话管理,即用户登录后就是一次会话,在没有退出之前,它的所有信 息都在会话中:会话可以是普通 JavaSE 环境的,也可以是如 Web 环境

本章目的:明确失效模式.失效后果.失效原因的定义,分清楚层次关系,完成DFMEA这部分的填写. 1.失效模式,失效后果,失效原因的定义: 这是FEMEA手册第四册中的定义. 1.1 潜在失效模式 (b) 潜在失效模式是指零部件.子系统.系统可能潜在地不能满足或者实现项目栏里描述的预期功能的状态.识别与功能/要求有关的潜在失效模式.潜在失效模式应当用专业技术术语描述,不必描述成顾客能够注意到的现象.一个功能可能有多个失效模式.如果一个功能被识别有大量的失效模式,则可能说明要求没有妥善的定义.由于假

本章目的:在现有设计中,明确预防控制与探测控制的定义和手段. 1.现有控制的填写部位: 2.现行设计控制(h)定义: 作为设计过程的一部分,现行设计控制是已经实施或承诺的活动,它将确保设计充分考虑设计功能性的和可靠性的要求. 有两种设计控制可考虑: 2.1 预防控制: 消除(预防)失效机制的原因或失效模式的发生,或者降低其发生的机率. 2.2 探测控制: 在产品发布之前,通过分析的或物理的方法,识别(探测)失效原因.失效机制或失效模式的存在. 2.3 预防控制优先 如有可能,应优先采用预防控制方

本章目的:填写建议措施及DFMEA后续完备. 1.建议措施(k) 定义 总的来说,预防措施(降低发生率)比探测措施更好.举例来说,比起设计定稿后的产品验证/确认,使用已证实的设计标准或最佳实践更加可取. //这句话在上上章节,也就是叙述预防控制和探测控制的章节已经描述过了. 建议措施的目的在于改进设计. 所以,就作者看来,为了改进设计,建议措施的填写实际上需要分两步进行. 1)尽可能降低SOD三者的评分,其目的是最优化产品设计: 2)在最近一代产品已经不能优化设计的基础上:这个原因有很多,比如项

本章目的:DFMEA故障库的建立与积累. 1.故障库的认知 故障库是一种数据库,只是这个数据库中储存的是故障模式,也就是失效模式. 从前文DFMEA章节的学习中,我们可以知道,DFMEA对不同层级的失效模式是十分注重的.而各种失效模式需要专业术语来描述,这其实非常困难. 例如铁制零件,假设它的失效模式是“锈蚀”,但“锈蚀”就有轻微锈蚀,一般锈蚀,严重锈蚀,完全锈蚀四种程度失效模式.我们不能就简单的把铁制零件的“锈蚀”描述为“这个零件坏了”.这样并不能帮助我们进一步追溯问题的原因,并针对其进行可靠

本章目的:明确什么是FTA,及与DFMEA的关系. 1.FTA定义 故障树分析(FTA) 其一:故障树分析(Fault Tree Analysis,简称FTA)又称事故树分析,是安全系统工程中最重要的分析方法.事故树分析从一个可能的事故开始,自上而下.一层层的寻找顶事件的直接原因和间接原因事件,直到基本原因事件,并用逻辑图把这些事件之间的逻辑关系表达出来.其二:FTA是系统分析的一种技术,它从单个的潜在失效模式来识别所有的可能原因,分析系统失误.FTA考虑的是相互关联的原因以及独立原因.除了故障

Google TPU 揭密 转自:https://mp.weixin.qq.com/s/Kf_L4u7JRxJ8kF3Pi8M5iw Google TPU(Tensor Processing Unit)问世之后,大家一直在猜测它的架构和性能.Google的论文“In-Datacenter Performance Analysis of a Tensor Processing Unit”让我们有机会一探究竟. 首先让我们看看摘要: Many architects believe that majo

原文:WPF绘制深度不同颜色的3D模型填充图和线框图 在机械测量过程中,测量的数据需要进行软件处理.通常测量一个零件之后,需要重建零件的3D模型,便于观察测量结果是否与所测工件一致. 重建的3D模型需要以填充图和线框图两种方式切换显示,其中填充图的材质需要根据不同深度进行着色,线框图需要消隐(不能透视).以圆柱为例,如下图: 由于WPF对DirectX进行了封装,并构建出一套简单的3D绘图框架,因此我们可以快速的创建所需要的3D模型,便于像我这样的对三维计算机图形学不太了解的人进行开发. 关于W

感觉Google Protocol Buffer无论对存储还是数据交换,都是个挺有用的东西,这里记录下,以后应该用得着.下文转自: http://www.ibm.com/developerworks/cn/linux/l-cn-gpb/index.html 简介 什么是 Google Protocol Buffer? 假如您在网上搜索,应该会得到类似这样的文字介绍: Google Protocol Buffer( 简称 Protobuf) 是 Google 公司内部的混合语言数据标准,目前已经正

我之前用过的CPLD有Altera公司的MAX和MAX-II系列,主要有两个优点:1.程序存储在片上Flash,上电即行,保密性高.2.CPLD器件规模小,成本和功耗低,时序不收敛情况也不容易出现.缺点也很明显:1.没有片上RAM,无法对数据进行高速暂存和处理:2.没有PLL,使用一个以上的高频时钟非常不方便:3.没有小封装产品,MAX-II最小的EPM240也是LQFP100封装.近年来,随着Altera被Intel收购,对MAX-II的支持力度不断降低,当前EPM240的价格也达到了百元左右