汽车尺寸精度数据管理方法、装置、设备及存储介质

技术领域

本发明涉及汽车尺寸精度管理技术领域，尤其涉及一种汽车尺寸精度数据管理方法、装置、设备及存储介质。

背景技术

目前汽车尺寸精度数据通过人工进行管理，尺寸数据种类较多，数据量庞大，存在以下不足：目前各类主要精度数据缺乏统一管理，数据存放路径不统一，管理方式不统一，调取信息不固定。涉及多个层级，各部门数据缺乏统筹规划，查找数据效率低。目前精度数据数量庞大，数据监控不明确无用信息过多，各类数据相互独立缺乏关联性。处理精度问题时，需单独查询各类数据汇总进行分析，影响问题整改效率。采用人工预警模式，现有精度数据采集量极大，且采集的数据处理、分析、报告整理等各项工作人工操作，效率太低。不能实现庞大数据的实时预警，同时部分数据会存在预警缺失的情况。问题出现后人工分析判错周期长，且判错率低，每次需要从头到尾析出要因，整改周期长。

发明内容

本发明的主要目的在于提供一种汽车尺寸精度数据管理方法、装置、设备及存储介质，旨在解决现有技术中通过人工对汽车的尺寸精度数据进行管理，存在数据管理和分析效率低下、精度低的技术问题。

为实现上述目的，本发明提供一种汽车尺寸精度数据管理方法，所述方法包括以下步骤：

采集汽车尺寸精度源数据，根据预设数据结构对所述汽车尺寸精度源数据进行结构化整合，并对结构化精度数据进行存储；

对所述结构化精度数据进行实时监控分析，根据分析结果确定异常数据、影响程度和所述异常数据的关联数据；

根据所述异常数据和影响程度确定预警级别，并根据所述预警级别和所述关联数据生成问题改进单，对问题整改情况进行监控。

可选地，所述对所述结构化精度数据进行实时监控分析，根据分析结果确定异常数据、影响程度和所述异常数据的关联数据，包括：

根据预设尺寸链校核模型确定所述结构化精度数据的关联尺寸精度数据；

确定所述关联尺寸精度数据的贡献度；

在所述贡献度超出贡献度阈值时，确定异常数据、影响程度和所述异常数据的关联数据。

可选地，所述对所述结构化精度数据进行实时监控分析，根据分析结果确定异常数据、影响程度和所述异常数据的关联数据，包括：

根据预设关联模型对所述结构化精度数据所在的点位进行关联度分析，确定关联点位、关联尺寸环和历史改进经验；

根据所述结构化精度数据所在的点位、所述关联点位、所述关联尺寸环和所述历史改进经验按照树结构和列表结构生成关联度分析结果；

根据所述关联度分析结果确定异常数据、影响程度和所述异常数据的关联数据。

可选地，所述对所述结构化精度数据进行实时监控分析，根据分析结果确定异常数据、影响程度和所述异常数据的关联数据，包括：

根据所述结构化精度数据生成测点图和数据视图表，所述测点图和所述数据视图表用于展示数据波动情况；

根据所述测点图和所述数据视图表对所述结构化精度数据进行实时监控分析，根据分析结果确定异常数据、影响程度和所述异常数据的关联数据。

可选地，所述根据所述异常数据和影响程度确定预警级别，并根据所述预警级别和所述关联数据生成问题改进单，对问题整改情况进行监控，包括：

根据所述异常数据和影响程度确定预警级别；

根据所述异常数据查询预设问题记录库，判断所述预设问题记录库中是否存在所述异常数据对应的历史问题记录；

若存在，则根据所述预警级别、所述历史问题记录和所述关联数据生成问题改进单，对问题整改情况进行监控。

可选地，所述根据所述异常数据和影响程度确定预警级别，并根据所述预警级别和所述关联数据生成问题改进单，对问题整改情况进行监控的步骤之后，还包括：

获取问题处理后用户反馈的问题改进单，提取问题原因和整改对策；

根据所述问题原因和所述整改对策生成问题记录，并添加至所述预设问题记录库中。

可选地，所述根据所述异常数据和影响程度确定预警级别，并根据所述预警级别和所述关联数据生成问题改进单，对问题整改情况进行监控，包括：

根据所述异常数据和影响程度确定预警级别；

对所述关联数据进行颜色标记，并根据所述预警级别、所述关联数据和预警人员生成问题改进单，对问题整改情况进行监控。

本发明公开了一种汽车尺寸精度数据管理方法、装置、设备及存储介质，该方法包括：采集汽车尺寸精度源数据，根据预设数据结构对汽车尺寸精度源数据进行结构化整合，对结构化精度数据进行实时监控分析，根据分析结果确定异常数据、影响程度和异常数据的关联数据；根据异常数据和影响程度确定预警级别，并根据预警级别和关联数据生成问题改进单，对问题整改情况进行监控。由于本发明通过对汽车尺寸精度数据进行统一管理，对精度数据进行实时监控分析，确定异常数据、影响程度和关联数据，并生成问题单对异常数据进行预警和整改监控，从而能够提高数据管理和分析的效率和精度，实现了问题的快速分析整改，提升了车身精度的稳定性。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的汽车尺寸精度数据管理设备的结构示意图；

图2为本发明汽车尺寸精度数据管理方法第一实施例的流程示意图；

图3为本发明汽车尺寸精度数据管理系统的功能模块示意图；

图4为本发明汽车尺寸精度数据管理系统的数据结构示意图；

图5为本发明汽车尺寸精度数据管理系统的问题改进单示意图；

图6为本发明汽车尺寸精度数据管理方法第二实施例的流程示意图；

图7为本发明汽车尺寸精度数据管理方法中相关性分析的示意图；

图8为本发明汽车尺寸精度数据管理方法第三实施例的流程示意图；

图9为本发明汽车尺寸精度数据管理方法的预警判异准则的示意图；

图10为本发明汽车尺寸精度数据管理装置第一实施例的结构框图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

参照图1，图1为本发明实施例方案涉及的硬件运行环境的汽车尺寸精度数据管理设备结构示意图。

如图1所示，该汽车尺寸精度数据管理设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的结构并不构成对汽车尺寸精度数据管理设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及汽车尺寸精度数据管理程序。

在图1所示的汽车尺寸精度数据管理设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明汽车尺寸精度数据管理设备中的处理器1001、存储器1005可以设置在汽车尺寸精度数据管理设备中，所述汽车尺寸精度数据管理设备通过处理器1001调用存储器1005中存储的汽车尺寸精度数据管理程序，并执行本发明实施例提供的汽车尺寸精度数据管理方法。

本发明实施例提供了一种汽车尺寸精度数据管理方法，参照图2，图2为本发明汽车尺寸精度数据管理方法第一实施例的流程示意图。

本实施例中，所述汽车尺寸精度数据管理方法包括以下步骤：

步骤S10：采集汽车尺寸精度源数据，根据预设数据结构对所述汽车尺寸精度源数据进行结构化整合，并对结构化精度数据进行存储。

需要说明的是，本实施例方法的执行主体可以是具有数据整合、数据分析、异常预警、网络通信以及程序运行功能的汽车数据管理设备，例如汽车尺寸精度数据管理设备；还可以是其他具有相同或相似功能的汽车尺寸精度数据管理设备，或者是用于汽车尺寸精度数据管理的服务器。本实施例及下述各实施例将以汽车尺寸精度数据管理设备为例对本发明汽车尺寸精度数据管理方法进行举例说明。

可以理解的是，可以在汽车尺寸精度数据管理设备中建立汽车尺寸精度数据管理系统，并通过该系统代替人工进行精度数据管理，系统的功能模块可以参考图3，图3为本发明汽车尺寸精度数据管理系统的功能模块示意图。可以将白车精度数据导入到系统，进行数字化管控，实现精度类数据统一、同一平台管理。减少了人工数据导入的繁杂工作，精度数据自动导入系统，突破了数据采集编制整理均由人工负责，效率低的模式，开发数据转换人员，实现数据自动读取识别进入至系统，减轻精度数据管理人员的工作量。

应当理解的是，可以通过维护数据源基本配置、配置自动执行线程实现数据的自动采集。数据源基本配置信息可以包括地址、访问方式、定时执行线程规则等配置。可以自动采集汽车尺寸精度源数据，例如，骨骼精度、在线测量、建付精度、匹配精度、分总成UCF、冲压件PCF、夹具精度、扫描点云等汽车尺寸精度源数据。采集过程依据相关的规则对原始数据进行校验，记录异常情况。各类数据由设备测量导出，测量表录入，系统在进行解析生成。

易于理解的是，可以根据预设数据结构对汽车尺寸精度源数据进行结构化整合。可以通过系统维护数据结构，包括各类数据的层级树及点位配置信息。实现数据的快速查询及异常实时反馈。参考图4，图4为本发明汽车尺寸精度数据管理系统的数据结构示意图，层级树可以是数据类型→线体→车型→零件/区域→点位的结构，点位信息的维护可以包括：点位编号、理论值、管理值、上下偏差、特征名称(中文)、测点性质、选择适用的预警规则、设置重要度A/B/C、是否在报告中隐藏、设置优良/合格/残次/废品的标准(以公差范围配置)、责任人、相关人、自工程确认人、后工程确认人、点位类型(测量型/计算型，其中计算型点位需要系统提供计算公式，满足引用其他的节点之间的计算条件)、关联点位设置。除测点外，还可自定义计算型尺寸，通过引用系统测点，填写功能尺寸的计算公式，可使用常见运行符号，计算添加的计算型尺寸。

另外，通过系统对结构化精度数据进行存储，可以实现精度数据的查询。具体的，白车身骨骼精度数据只要输入相关车身号便可调取对应数据，其他数据也都可通过日常随时进行调取，实现了精度大数据可追溯性，改善了传统电子测量表测组数限制。

步骤S20：对所述结构化精度数据进行实时监控分析，根据分析结果确定异常数据、影响程度和所述异常数据的关联数据。

可以理解的是，可以通过关联分析、尺寸分析等功能，实现数据的全面分析管理，通过定义各类数据的关联性，尺寸链关系，实现所有数据的联动、智能分析、智能决策、智能预警，实现异常自动问题快速分析。

值得说明的是，可以通过相关性趋势图显示测点之间的相关性，从而根据异常数据找到对应的关联数据。趋势图显示样本量内测点的单个特征方向的测量数据的趋势，以时间为横轴测量数据为纵轴并配以三级公差的界线。它可以反映出测点测量值的变化趋势并在图的下方显示该测点在样本量内的一系列的参数。相关性趋势图可以显示样本量数据中挑选的N个测量特征方向的相关性趋势图及分析统计数据。根据测点之间的相关性可以推断出测点之间的相互联系，以及当一个测点出现问题时可以通过相关联的测点的变化推断出问题的根源。通过多选测点完成相关性趋势图。此外还可以通过常用的统计图进行相关性分析，例如，彩虹图、单值移动极差控制图、均值移动极差控制图、中位数移动极差控制图、直方图等。

步骤S30：根据所述异常数据和影响程度确定预警级别，并根据所述预警级别和所述关联数据生成问题改进单，对问题整改情况进行监控。

可以理解的是，可以建立测量模型，结构化精度数据中任一尺寸子项目出现偏差，不论是否超差，都能够反映出对上级大总成以及白车身整车的对应父级尺寸项目的影响程度(中值及散差CP)；当偏差超过项目技术要求时，可以根据超出的不同程度，提出不同级别的预警。可以通过尺寸链校核，将白车身精度、建付精度、QVCC尺寸分解到冲压件、分总成、门盖总成、夹具等关键控制因素，当QVCC尺寸出现偏差时，系统自动提供各影响因素的影响程度，快速锁定要因，及时作出处置对策；从而实现系统智能判错与决策，协助工艺人员提升尺寸精度问题的分析效率、分析思路的一致性、准确性。

在具体实现中，参考图5，图5为本发明汽车尺寸精度数据管理系统的问题改进单示意图。可以根据不同的预警级别对异常数据进行不同方式的标记生成问题改进单，将问题改进单发送至相应的负责人员进行问题整改，可以通过系统对整改情况进行监控跟踪，保证异常数据处理闭环。

可以理解的是，某一零件或者区域根据设计/工艺发生变更时，图纸中的点位同步也可以做相应的调整，包括点位的新增、删除、修改等。在具体操作中，可以填写变更信息，发起审批，在变更台账(履历)中查询变更记录。系统还可以通过封样数据变更流程，更新相应测点的标准，结合系统设定实现封样数据的监控。

在本实施例中，公开了采集汽车尺寸精度源数据，根据预设数据结构对汽车尺寸精度源数据进行结构化整合，对结构化精度数据进行实时监控分析，根据分析结果确定异常数据、影响程度和异常数据的关联数据；根据异常数据和影响程度确定预警级别，并根据预警级别和关联数据生成问题改进单，对问题整改情况进行监控。由于本实施例通过对汽车尺寸精度数据进行统一管理，对精度数据进行实时监控分析，确定异常数据、影响程度和关联数据，并生成问题单对异常数据进行预警和整改监控，从而能够提高数据管理和分析的效率和精度，实现了问题的快速分析整改，提升了车身精度的稳定性。

参考图6，图6为本发明汽车尺寸精度数据管理方法第二实施例的流程示意图。

进一步地，通过预设尺寸链校核模型进行尺寸分析，可以实现数据的全面分析管理，通过定义各类数据的尺寸链关系，实现所有数据的联动、智能分析、智能决策、智能预警，实现异常自动问题快速分析。故基于上述第一实施例，在本实施例中，所述步骤S20包括：

步骤S201：根据预设尺寸链校核模型确定所述结构化精度数据的关联尺寸精度数据。

步骤S202：确定所述关联尺寸精度数据的贡献度。

步骤S203：在所述贡献度超出贡献度阈值时，确定异常数据、影响程度和所述异常数据的关联数据。

可以理解的是，可以根据预设尺寸链校核模型，找到某一尺寸的关联尺寸，通过标准差平方等分析结果的占比情况，算出各关联尺寸的贡献度。通过选定系统测点(自定义数据)按要求设定参数，可自动计算相应校核结果，并可设定预警要求实现自动预警。

在具体实现中，可以创建尺寸校核记录，填写尺寸名称等信息，系统自动计算各关联尺寸的贡献度；如在尺寸校核记录表中有存在从数据分析的点位编号中选择的尺寸点位，则当关联点位的尺寸链因子采集到最新数据时，实时更新贡献度等指标，超出阈值则预警。系统还可以根据要求生成尺寸校核台账，方便用户查询、查看、导出。

进一步地，可以通过关联分析功能，实现数据的进一步分析管理，通过定义各类数据的关联性，实现所有数据的联动、智能分析、智能决策、智能预警，实现异常自动问题快速分析。因此，所述步骤S20还包括：根据预设关联模型对所述结构化精度数据所在的点位进行关联度分析，确定关联点位、关联尺寸环和历史改进经验；根据所述结构化精度数据所在的点位、所述关联点位、所述关联尺寸环和所述历史改进经验按照树结构和列表结构生成关联度分析结果；根据所述关联度分析结果确定异常数据、影响程度和所述异常数据的关联数据。

易于理解的是，可以选择点位，根据预设关联模型对所述结构化精度数据所在的点位进行关联度分析，自动查找关联点位、关联尺寸环和历史改进经验，以树结构及列表结构展示，并根据尺寸环贡献度给出结论。

应当理解的是，还可以对结构化精度数据所在的点位进行相关性分析，参考图7，图7为本发明汽车尺寸精度数据管理方法中相关性分析的示意图。可以根据二元线性回归方程等多种统计模型，选择两个有数据的点位进行计算，得到一个二维公式计算二者之间的关系。

进一步地，为了更加直观的监测异常数据，可以结合测点图和数据视图进行数据监控，可以更加及时、准确的捕获到异常数据，提高数据监测管理的可靠性和精确度。因此，所述步骤S20还包括：根据所述结构化精度数据生成测点图和数据视图表，所述测点图和所述数据视图表用于展示数据波动情况；根据所述测点图和所述数据视图表对所述结构化精度数据进行实时监控分析，根据分析结果确定异常数据、影响程度和所述异常数据的关联数据。

可以理解的是，可以根据所述结构化精度数据生成测点图和数据视图表，测点图可以通过自定义测点框与测点位置连接，测点框包含测点的趋势图、CP、CPK、方差、极差等统计信息，直观显示最近测点数据的波动情况，实现异常实时监控。数据视图和常用测量表类似，包含测点信息、位置图片、测点数据，通过定义查询条件(日期、车身号、样本)实时查看数据，对异常数据进行监控。

在本实施例中，公开了根据预设尺寸链校核模型确定所述结构化精度数据的关联尺寸精度数据；确定所述关联尺寸精度数据的贡献度；在所述贡献度超出贡献度阈值时，确定异常数据、影响程度和所述异常数据的关联数据。由于本实施例通过预设尺寸链校核模型进行尺寸分析，确定结构化精度数据的关联尺寸精度数据的贡献度，可以实现数据的全面分析管理，通过定义各类数据的尺寸链关系，实现所有数据的联动、智能分析、智能决策、智能预警，实现异常自动问题快速分析。

参考图8，图8为本发明汽车尺寸精度数据管理方法第三实施例的流程示意图。

进一步地，在发现异常数据，提醒工作人员进行整改时，可以先在预设问题记录库中查询该异常数据有没有出现过故障，若出现过，则将库中记录的历史问题整改记录也加入至问题改进单中，辅助工作人员更快速的定位和解决问题，提高问题整改效率，缩短周期。故基于上述第一实施例，在本实施例中，所述步骤S30包括：

步骤S301：根据所述异常数据和影响程度确定预警级别。

可以理解的是，可以通过预警规则进行预警级别的判定，当数据更新时系统实时发出预警信息，同时通过问题改进单监控问题整改。可以参考图9对预警规则进行举例说明。例如，预警规则可以包括判异准则，其中高级权限的用户进行准则中数量的修改，如准则1：1点落在A区以外(可以修改1的数量)，同时按公差设定其他规则。在点位配置时可以设置适用的预警规则，同时可以对同一重要度的点位(A/B/C)进行批量设置适用的预警规则。

步骤S302：根据所述异常数据查询预设问题记录库，判断所述预设问题记录库中是否存在所述异常数据对应的历史问题记录。

步骤S303：若存在，则根据所述预警级别、所述历史问题记录和所述关联数据生成问题改进单，对问题整改情况进行监控。

应当理解的是，可以预先设置问题记录库，用于记录历史发生过的问题，为了加快问题分析处理的效率，在检测出异常数据时，可以查询预设问题记录库，若存在对应的历史问题记录，则将历史问题记录添加至问题改进单中。不仅能提供辅助分析功能，还能列举出该故障过往的原因和解决对策，并按记忆库中常采用和有效性来排列出有关原因和对策，加快问题定位效率。

进一步地，在每次出现异常数据，并对异常数据相关的问题进行整改后，可以记录问题的原因和整改对策，对每个数据的过往故障形成记忆库进行积累。可以当该尺寸再出现偏差时，不仅能提供辅助分析功能，还要能列举出该故障过往的原因和解决对策，并按记忆库中常采用和有效性来排列出有关原因和对策，提高了数据分析和问题解决的效率和准确性。因此，所述步骤S30之后，还包括：获取问题处理后用户反馈的问题改进单，提取问题原因和整改对策；根据所述问题原因和所述整改对策生成问题记录，并添加至所述预设问题记录库中。

应当理解的是，为了使系统具备学习能力的积累性分析功能，每次尺寸偏差，在查明原因整改完毕后，可以在系统中填报故障原因及有效整改对策。系统要对每个尺寸的过往故障形成记忆库进行积累，当该尺寸再出现偏差时，不仅可以提供辅助分析功能，还可以列举出该故障过往的原因和解决对策，并按记忆库中常采用和有效性来排列出有关原因和对策。

进一步地，尺寸精度系统通过数据统一管理，按预设规则可实时监控所有异常数据实现，同时预警问题进行流程监控，实现异常数据全面监控，零流出，问题预警、管理效率较人工管理大幅提升。因此，所述步骤S30，还包括：根据所述异常数据和影响程度确定预警级别；对所述关联数据进行颜色标记，并根据所述预警级别、所述关联数据和预警人员生成问题改进单，对问题整改情况进行监控。

应当理解的是，还可以设置预警对象定义，设定点位的责任人和相关人员作为预警人员，当数据更新时系统实时发出预警信息及通报至相关负责人，同时通过问题改进单监控问题整改。每次系统自动抓取数据时，系统根据预警模型，对异常数据进行颜色标识，生成预警通报。可以通过通信APP发送生成的预警通报，发出问题改进流程至相应负责人进行整改。可直观查看当前数据预警相关统计数据，实现手机终端数据查询，解决了处置现场问题时必须回办公室查询数据的困扰。

在本实施例中，公开了根据所述异常数据和影响程度确定预警级别；根据所述异常数据查询预设问题记录库，判断所述预设问题记录库中是否存在所述异常数据对应的历史问题记录；若存在，则根据所述预警级别、所述历史问题记录和所述关联数据生成问题改进单，对问题整改情况进行监控。由于本实施例中通过在生成问题改进单时，先在预设问题记录库中查询历史问题记录，并将查询到的记录添加到问题改进单中，从而能够辅助工作人员更快速的定位和解决问题，提高问题整改效率，缩短周期。

此外，本发明实施例还提出一种存储介质，所述存储介质上存储有汽车尺寸精度数据管理程序，所述汽车尺寸精度数据管理程序被处理器执行时实现如上文所述的汽车尺寸精度数据管理方法的步骤。

参照图10，图10为本发明汽车尺寸精度数据管理装置第一实施例的结构框图。

如图10所示，本发明实施例提出的汽车尺寸精度数据管理装置包括：

数据整合模块1001，用于采集汽车尺寸精度源数据，根据预设数据结构对所述汽车尺寸精度源数据进行结构化整合，并对结构化精度数据进行存储；

数据分析模块1002，用于对所述结构化精度数据进行实时监控分析，根据分析结果确定异常数据、影响程度和所述异常数据的关联数据；

异常预警模块1003，用于根据所述异常数据和影响程度确定预警级别，并根据所述预警级别和所述关联数据生成问题改进单，对问题整改情况进行监控。

本实施例通过采集汽车尺寸精度源数据，根据预设数据结构对汽车尺寸精度源数据进行结构化整合，对结构化精度数据进行实时监控分析，根据分析结果确定异常数据、影响程度和异常数据的关联数据；根据异常数据和影响程度确定预警级别，并根据预警级别和关联数据生成问题改进单，对问题整改情况进行监控。由于本实施例通过对汽车尺寸精度数据进行统一管理，对精度数据进行实时监控分析，确定异常数据、影响程度和关联数据，并生成问题单对异常数据进行预警和整改监控，从而能够提高数据管理和分析的效率和精度，实现了问题的快速分析整改，提升了车身精度的稳定性。

基于本发明上述汽车尺寸精度数据管理装置第一实施例，提出本发明汽车尺寸精度数据管理装置的第二实施例。

在本实施例中，所述数据分析模块1002，还用于根据预设尺寸链校核模型确定所述结构化精度数据的关联尺寸精度数据；确定所述关联尺寸精度数据的贡献度；在所述贡献度超出贡献度阈值时，确定异常数据、影响程度和所述异常数据的关联数据。

作为一种实施方式，所述数据分析模块1002，还用于根据预设关联模型对所述结构化精度数据所在的点位进行关联度分析，确定关联点位、关联尺寸环和历史改进经验；根据所述结构化精度数据所在的点位、所述关联点位、所述关联尺寸环和所述历史改进经验按照树结构和列表结构生成关联度分析结果；根据所述关联度分析结果确定异常数据、影响程度和所述异常数据的关联数据。

作为一种实施方式，所述数据分析模块1002，还用于根据所述结构化精度数据生成测点图和数据视图表，所述测点图和所述数据视图表用于展示数据波动情况；根据所述测点图和所述数据视图表对所述结构化精度数据进行实时监控分析，根据分析结果确定异常数据、影响程度和所述异常数据的关联数据。

作为一种实施方式，所述异常预警模块1003，还用于根据所述异常数据和影响程度确定预警级别；根据所述异常数据查询预设问题记录库，判断所述预设问题记录库中是否存在所述异常数据对应的历史问题记录；若存在，则根据所述预警级别、所述历史问题记录和所述关联数据生成问题改进单，对问题整改情况进行监控。

作为一种实施方式，所述异常预警模块1003，还用于获取问题处理后用户反馈的问题改进单，提取问题原因和整改对策；根据所述问题原因和所述整改对策生成问题记录，并添加至所述预设问题记录库中。

作为一种实施方式，所述异常预警模块1003，还用于根据所述异常数据和影响程度确定预警级别；对所述关联数据进行颜色标记，并根据所述预警级别、所述关联数据和预警人员生成问题改进单，对问题整改情况进行监控。

本发明汽车尺寸精度数据管理装置的其他实施例或具体实现方式可参照上述各方法实施例，此处不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。