登录后查看消息通知
遇见数据集
宁波帅特龙汽车系统股份有限公司

宁波帅特龙汽车系统股份有限公司

企业

宁波帅特龙汽车系统股份有限公司成立于1994年,属汽车制造业,主营供电业务。面向材料性能测试、加工参数优化、材料性能分析等领域提供数据服务,开放遮物帘热压压力与断裂伸长率相关性分析数据(材料性能测试、加工参数优化)、物帘热压时间与断裂伸长率相关性分析数据(材料性能分析、酶生产优化)、遮物帘热压时间与帘布承载相关性分析数据(遮物帘帘布、质量控制),支撑品质管理与工艺优化。

材料性能测试加工参数优化材料性能分析汽车制造高新技术企业
成立于 1994 年浙江省yjjing@nbstl.cn

数据概览

5
数据集总量
57
总浏览量
0
关注人数
2025-01-09
最近更新
分类统计

相关机构

  • 浙
    浙江邦尼建筑检测有限公司仙居分公司
    拥有数据集:13个
    企业
  • 诸
    诸暨正道科技有限公司
    拥有数据集:7个
    企业
  • 中
    中广核高新核材(广东)有限公司
    拥有数据集:6个
    企业
  • 凤
    凤阳爱尔思轻合金精密成型有限公司
    拥有数据集:6个
    企业
  • 杭
    杭州长川科技股份有限公司
    拥有数据集:4个
    企业

数据集列表

遮物帘热压时间与帘布承载相关性分析数据
遮物帘帘布
质量控制
本数据是基于控制变量法测试遮物帘帘布在不同热压时间下的帘布承载结果,并对此进行分析,以得出热压时间和帘布承载结果的相关性指数结果。 本数据有助于本公司和其他遮物帘帘布制造商了解热压工序的不同热压时间对遮物帘帘布承载能力的影响,利用平均热压时间、平均帘布承载结果以及相关性指数数据,调整设定最佳的热压时间范围,以确保产品达到所需的帘布承载能力标准,保证产品性能质量。 本数据可为遮物帘帘布相关生产设备及系统服务商开发智能控制系统提供数据支撑,助力实现自动调整热压时间以维持理想的帘布承载结果。 本数据可以为高校及科研院所实验室开展遮物帘帘布的承载能力研究提供数据支持。1. 数据采集和预处理:从公司内部的测试数据库中采集测试序号、测试时间、完成时间、测试产品、产品规格序列号、热压时间、帘布承载测试结果数据、样本数量。数据预处理:对数据进行清洗,去除异常值,平滑数据,以确保数据的准确性和可用性。 2.相关性指数计算:1)计算历史测试数据叠加本次测试结果后的热压时间(T)和帘布承载(L)测试结果的平均值(μT和μL)和标准差(σT和σL);2)计算协方差:协方差表示两个变量的共同变异趋势,计算公式为: Cov(T,L)=n−(∑ (Ti−μT)(Li−μL))/(n-1),其中,Ti和Li分别是单次测试的热压时间和帘布承载结果,n是样本数量。3)计算皮尔逊相关系数:皮尔逊相关系数(r)是度量两个变量线性相关程度的统计指标,计算公式为:r=Cov(x,y)/σxσy。4)转换为相关性指数:将皮尔逊相关系数转换为0到100的范围,以创建相关性指数=(r+1)×50​,相关性指数的值介于0到100之间,其中100表示完全正相关,0表示完全负相关,50表示没有线性关系。
浙江省数据知识产权登记平台2025-01-08 更新100
遮物帘热压压力与断裂伸长率相关性分析数据
材料性能测试
加工参数优化
本数据是基于控制变量法测试遮物帘帘布在不同热压压力下的断裂伸长率,并对此进行分析,以得出热压压力和断裂伸长率的相关性指数结果。 本数据有助于本公司和其他遮物帘帘布制造商了解热压工序的不同热压压力对遮物帘帘布断裂伸长率的影响,利用平均热压压力、平均断裂伸长率以及相关性指数数据,调整设定最佳的热压压力范围,以确保产品达到所需的帘布断裂伸长率标准,保证产品性能质量。 本数据可为遮物帘帘布相关生产设备及系统服务商开发智能控制系统提供数据支撑,助力实现自动调整热压时间以维持理想的断裂伸长率。 本数据可以为高校及科研院所实验室开展遮物帘帘布的断裂伸长率研究提供数据支持。1. 数据采集和预处理:从公司内部的测试数据库中采集测试序号、测试时间、完成时间、测试产品、产品规格序列号、热压压力、断裂伸长率、样本数量。数据预处理:对数据进行清洗,去除异常值,平滑数据,以确保数据的准确性和可用性。 2.相关性指数计算:1)计算历史测试数据叠加本次测试结果后的热压压力(T)和断裂伸长率(L)测试结果的平均值(μT和μL)和标准差(σT和σL);2)计算协方差:协方差表示两个变量的共同变异趋势,计算公式为: Cov(T,L)=n−(∑ (Ti−μT)(Li−μL))/(n-1),其中,Ti和Li分别是单次测试的热压压力和断裂伸长率结果,n是样本数量。3)计算皮尔逊相关系数:皮尔逊相关系数(r)是度量两个变量线性相关程度的统计指标,计算公式为:r=Cov(x,y)/σxσy。4)转换为相关性指数:将皮尔逊相关系数转换为0到100的范围,以创建相关性指数=(r+1)×50​,相关性指数的值介于0到100之间,其中100表示完全正相关,0表示完全负相关,50表示没有线性关系。
浙江省数据知识产权登记平台2025-01-08 更新180
物帘热压时间与断裂伸长率相关性分析数据
材料性能分析
酶生产优化
本数据是基于控制变量法测试遮物帘帘布在不同热压时间下的帘布断裂伸长率,并对此进行分析,以得出热压时间和帘布断裂伸长率的相关性指数结果。 本数据有助于本公司和其他遮物帘帘布制造商了解热压工序的不同热压时间对遮物帘帘布断裂伸长率的影响,利用平均热压时间、平均帘布断裂伸长率以及相关性指数数据,调整设定最佳的热压时间范围,以确保产品达到所需的帘布断裂伸长率标准,保证产品性能质量。 本数据可为遮物帘帘布相关生产设备及系统服务商开发智能控制系统提供数据支撑,助力实现自动调整热压时间以维持理想的帘布断裂伸长率。 本数据可以为高校及科研院所实验室开展遮物帘帘布的断裂伸长率研究提供数据支持。1. 数据采集和预处理:从公司内部的测试数据库中采集测试序号、测试时间、完成时间、测试产品、产品规格序列号、热压时间、帘布断裂伸长率、样本数量。数据预处理:对数据进行清洗,去除异常值,平滑数据,以确保数据的准确性和可用性。 2.相关性指数计算:1)计算历史测试数据叠加本次测试结果后的热压时间(T)和断裂伸长率(L)测试结果的平均值(μT和μL)和标准差(σT和σL);2)计算协方差:协方差表示两个变量的共同变异趋势,计算公式为: Cov(T,L)=n−(∑ (Ti−μT)(Li−μL))/(n-1),其中,Ti和Li分别是单次测试的热压时间和断裂伸长率结果,n是样本数量。3)计算皮尔逊相关系数:皮尔逊相关系数(r)是度量两个变量线性相关程度的统计指标,计算公式为:r=Cov(T,L)/σTσL。4)转换为相关性指数:将皮尔逊相关系数转换为0到100的范围,以创建相关性指数=(r+1)×50,相关性指数的值介于0到100之间,其中100表示完全正相关,0表示完全负相关,50表示没有线性相关。
浙江省数据知识产权登记平台2024-12-16 更新120
遮物帘热压压力与帘布承载相关性分析数据
材料科学
酶生产优化
本数据是基于控制变量法测试遮物帘帘布在不同热压压力下的帘布承载结果,并对此进行分析,以得出热压压力和帘布承载结果的相关性指数结果。 本数据有助于本公司和其他遮物帘帘布制造商了解热压工序的不同热压压力对遮物帘帘布承载能力的影响,利用平均热压压力、平均帘布承载结果以及相关性指数数据,调整设定最佳的热压压力范围,以确保产品达到所需的帘布承载能力标准,保证产品性能质量。 本数据可为遮物帘帘布相关生产设备及系统服务商开发智能控制系统提供数据支撑,助力实现自动调整热压压力以维持理想的帘布承载结果。 本数据可以为高校及科研院所实验室开展遮物帘帘布的承载能力研究提供数据支持。1. 数据采集和预处理:从公司内部的测试数据库中采集测试序号、测试时间、完成时间、测试产品、产品规格序列号、热压压力、帘布承载测试结果、样本数量。数据预处理:对数据进行清洗,去除异常值,平滑数据,以确保数据的准确性和可用性。 2.相关性指数计算:1)计算历史测试数据叠加本次测试结果后的热压压力(T)和帘布承载(L)测试结果的平均值(μT和μL)和标准差(σT和σL);2)计算协方差:协方差表示两个变量的共同变异趋势,计算公式为: Cov(T,L)=n−(∑ (Ti−μT)(Li−μL))/(n-1),其中,Ti和Li分别是单次测试的热压压力和帘布承载结果,n是样本数量。3)计算皮尔逊相关系数:皮尔逊相关系数(r)是度量两个变量线性相关程度的统计指标,计算公式为:r=Cov(x,y)/σxσy。4)转换为相关性指数:将皮尔逊相关系数转换为0到100的范围,以创建相关性指数=(r+1)×50​,相关性指数的值介于0到100之间,其中100表示完全正相关,0表示完全负相关,50表示没有线性关系。
浙江省数据知识产权登记平台2025-01-08 更新70
遮物帘烘箱温度与抗拉强度相关性分析数据
材料科学
质量控制
本数据是基于控制变量法测试遮物帘帘布在不同烘箱温度下的帘布抗拉强度结果,并对此进行分析,以得出热压时间和帘布抗拉强度结果的相关性指数结果。 本数据有助于本公司和其他遮物帘帘布制造商了解不同烘箱温度对遮物帘帘布抗拉强度的影响,利用平均烘箱温度、平均抗拉强度结果以及相关性指数数据,调整设定最佳的烘箱温度范围,以确保产品达到所需的抗拉强度标准,保证产品性能质量。 本数据可为遮物帘帘布相关生产设备及系统服务商开发智能控制系统提供数据支撑,助力实现自动调整烘箱温度以维持理想的抗拉强度。 本数据可以为高校及科研院所实验室开展遮物帘帘布抗拉强度研究提供数据支持。1. 数据采集和预处理:公司内部的测试数据库采集测试序号、测试时间、完成时间、测试产品、产品规格序列号、烘箱温度、帘布抗拉强度结果数据、样本数量。数据预处理:对数据进行清洗,去除异常值,平滑数据,以确保数据的准确性和可用性。 2.相关性指数计算:1)计算历史测试数据叠加本次测试结果后的烘箱温度(X)和抗拉强度测试结果(Y)的平均值(μx和μy)和标准差(σx和σy);2)计算协方差:协方差表示两个变量的共同变异趋势,计算公式为: Cov(x,y)=n−(∑ (xi−μx)(yi−μy))/(n-1),其中,xi和yi分别是单次测试的烘箱温度和抗拉强度测试结果,n是样本数量。3)计算皮尔逊相关系数:皮尔逊相关系数(r)是度量两个变量线性相关程度的统计指标,计算公式为:r=Cov(x,y)/σxσy。4)转换为相关性指数:将皮尔逊相关系数转换为0到100的范围,以创建相关性指数=(r+1)×50​,相关性指数的值介于0到100之间,其中100表示完全正相关,0表示完全负相关,50表示没有线性关系。
浙江省数据知识产权登记平台2025-01-03 更新100
关于我们
遇见数据集——让每个数据集都被发现,让每一次遇见都有价值。
数发科官网www.sfktec.com
联系我们
selectdataset@iotsh.com.cn
商业合作
数据驱动未来,携手共赢发展
© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15沪公网安备31010402336585号
热门搜索