ISO 2859-2:2020 特性检验抽样程序详解

版权申诉
5星 · 超过95%的资源 3 下载量 192 浏览量 更新于2024-12-31 收藏 1.63MB ZIP 举报
是一份国际标准化组织(ISO)发布的标准文档,专门针对属性检验的抽样程序。该标准详细规定了用于批量检验过程中,特别是通过对产品属性进行检查来评估质量的方法。属性检验通常是指通过观察或测试产品是否满足特定的规格或质量要求,这些要求通常是基于离散特征的,如合格与否、缺陷的存在与否等。本标准为抽样检验提供了科学依据和标准化流程,旨在保证产品满足既定质量水平的同时,也致力于优化检验过程,减少不必要的全面检验。 标准的第二部分专注于针对孤立批次(isolated lot)的抽样计划,这些计划通过限制质量(Limiting Quality,简称LQ)进行索引。限制质量是指在一个抽样计划中,消费者可接受的最差质量水平,即生产者可以提供质量略低于批量平均质量水平批次的最大风险。该部分标准的目的是为孤立批次提供一个明确的抽样框架,以便企业可以依据特定的LQ值选择合适的抽样计划。 在ISO 2859-2:2020标准中,会详细阐述如何基于不同的质量要求、生产风险以及批次大小来选取合适的抽样计划。该标准还涉及如何设定抽样水平、确定抽样大小以及如何对抽样结果进行解读。抽样计划的正确选择对于制造商和采购方来说至关重要,它能够帮助他们平衡质量控制的成本与风险,确保质量目标的实现。 该标准广泛应用于制造业、质量控制、供应链管理等领域。通过制定和遵循这样的国际标准,企业可以更加科学地管理其产品质量,同时提高客户满意度,增强市场竞争力。ISO 2859-2:2020标准的实施,有助于企业建立更为严密和系统的质量检测流程,优化资源分配,确保产品质量的一致性和可靠性。 本标准的英文版全文共有50页,内容包括了对属性检验抽样过程的详尽指导,为全球质量管理体系提供了一个可靠的工具,有助于相关企业或机构在全球范围内进行标准化操作。通过对ISO 2859-2:2020的深入理解和应用,组织可以更有效地管理产品的质量,减少废品和返工,提高生产效率,并最终实现经济效益的增长。

class HorNet(nn.Module): # HorNet # hornet by iscyy/yoloair def __init__(self, index, in_chans, depths, dim_base, drop_path_rate=0.,layer_scale_init_value=1e-6, gnconv=[ partial(gnconv, order=2, s=1.0/3.0), partial(gnconv, order=3, s=1.0/3.0), partial(gnconv, order=4, s=1.0/3.0), partial(gnconv, order=5, s=1.0/3.0), # GlobalLocalFilter ], ): super().__init__() dims = [dim_base, dim_base * 2, dim_base * 4, dim_base * 8] self.index = index self.downsample_layers = nn.ModuleList() # stem and 3 intermediate downsampling conv layers hornet by iscyy/air stem = nn.Sequential( nn.Conv2d(in_chans, dims[0], kernel_size=4, stride=4), HorLayerNorm(dims[0], eps=1e-6, data_format="channels_first") ) self.downsample_layers.append(stem) for i in range(3): downsample_layer = nn.Sequential( HorLayerNorm(dims[i], eps=1e-6, data_format="channels_first"), nn.Conv2d(dims[i], dims[i+1], kernel_size=2, stride=2), ) self.downsample_layers.append(downsample_layer) self.stages = nn.ModuleList() # 4 feature resolution stages, each consisting of multiples bind residual blocks dummy dp_rates=[x.item() for x in torch.linspace(0, drop_path_rate, sum(depths))] if not isinstance(gnconv, list): gnconv = [gnconv, gnconv, gnconv, gnconv] else: gnconv = gnconv assert len(gnconv) == 4 cur = 0 for i in range(4): stage = nn.Sequential( *[HorBlock(dim=dims[i], drop_path=dp_rates[cur + j], layer_scale_init_value=layer_scale_init_value, gnconv=gnconv[i]) for j in range(depths[i])]# hornet by iscyy/air ) self.stages.append(stage) cur += depths[i] self.apply(self._init_weights)

184 浏览量