CN102915013B - 一种钢铁企业质量信息平台 - Google Patents
一种钢铁企业质量信息平台 Download PDFInfo
- Publication number
- CN102915013B CN102915013B CN201210399364.2A CN201210399364A CN102915013B CN 102915013 B CN102915013 B CN 102915013B CN 201210399364 A CN201210399364 A CN 201210399364A CN 102915013 B CN102915013 B CN 102915013B
- Authority
- CN
- China
- Prior art keywords
- data
- quality
- software
- iron
- server
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
一种钢铁企业质量信息平台,属于钢铁企业质量自动控制技术领域。包括硬件及运行在硬件上的软件;所述的硬件包括外围数据系统、数据采集服务器、数据库服务器、客户端计算机、连接到客户端上的打印机一台,防病毒服务器;外围数据系统由PLC、DCS组成的过程控制系统PCS、生产执行系统MES、企业资源计划管理系统ERP、检化验系统组成。所述的软件包括数据采集软件、数据库软件、钢铁企业质量信息平台软件。优点在于,打破了原来质量管理系统分散在部分工序、部分厂自成体系的局面,以过程为主线构建了质量信息平台,过程之间进行深层次并行集成,相互间达到真正透明,对过程的分析提供了统一的分析优化工具,使数据和知识达到了共享。
Description
技术领域
本发明属于钢铁企业质量自动控制技术领域,特别是提供了一种钢铁企业质量信息平台。
背景技术
钢铁企业产品周期长、客户对产品品种、规格、性能等需求多元化,使得钢铁产品的质量管理已不是可以通过建立某个工序或某几个钢种的质量模型便能解决问题,为解决产品整个生命周期的质量管理和控制,覆盖产品设计开发、销售订单质量设计、生产过程控制操作、过程质量检验、质量终判、过程不合质量改判、工艺路径更改等诸多环节,建立了全厂全工序的钢铁企业质量信息平台。
20世纪70年代,钢铁企业以产量为中心,追求产量目标,产品质量实行事后检验和把关,这一时期质量信息系统为单一的检化验系统;20世纪80年代后期,钢铁企业开始推行全面质量管理,全员参与产品质量过程控制,很多钢厂建立了以预防为主的基于过程控制的全面质量管理系统,普遍实行了统计过程控制;进入20世纪90年代后期,钢铁企业推行数据化管理、整体化的精细质量管理,并在质量上满足客户的“标准+α”的需求,这种先进的管理理念普遍被集成到MES系统中,实现了集中一贯的质量管理。
但质量管理系统在过程本身及过程集成的支持机制方面存在不足:
(1)多数集成质量系统仍然是以信息集成和功能集成为主线展开,它们或以MES为载体进行实施,或单独集成部分生产信息分析某工序的生产质量情况,并未以过程为主线加以构建。有些企业对过程集成虽有所支持,但多数环节仅着眼于对过程中的信息加以采集与管理,属于相对滞后的静态的管理,并未实现对过程本身管理与控制。
(2)对于质量管理体系的核心过程即产品实现过程的子过程的设定、控制和改进比较薄弱,缺乏对过程的建模和分析,子过程之间的集成只停留在过程输出信息传递层次上,没有实现过程间的深层次并行集成。多数子过程环节之间仍属于“黑箱过程”,相互间不透明,造成企业对过程异常和质量问题的响应性差,质量需求响应、质量分析和质量改进等过程的敏捷性不足。
(3)目前大部分钢厂会建立产品质量数据库,并通过一些数学工具挖掘知识并作出相关分析,但由于钢铁产品的多样性和生产工艺的复杂,产品质量和缺陷分析工作没有统一的方法和工具,所挖掘的知识没有统一的管理和共享平台,仅仅局限于某几个钢号的知识积累。
(4)实现信息化的企业大多使用统计过程控制SPC通过机组自动化采集各机组的实际控制结果数据,并能实时地绘制控制图来判断实际的生产过程是否稳定,但目前大多限于单变量的控制。实际上在钢铁生产过程中,影响产品质量的操作参数是各种各样的,而且各个操作参数之间也存在耦合关系,仅仅对某个参数进行控制无法达到精细控制的目标。
(5)目前的质量模型仅限于某个工序或设备,只能对半成品质量或工序能力做出判定,没对产品的整个生产过程进行判定。
基于以上原因,建立了一种面向全厂全工序的钢铁质量信息平台,该平台贯串了冶炼过程的所有工序,以过程为主线实现了信息和功能的集成,打破质量数据业务各自为政的格局,过程之间透明化,对产品全生命周期质量把控提供了支持。
发明内容
本发明的目的在于提供一种钢铁企业质量信息平台,以过程为主线对过程信息和功能进行集成,使过程之间达到透明化,为产品全生命周期质量把控提供支持。
本发明包括硬件及运行在硬件上的软件;所述的硬件包括外围数据系统、数据采集服务器、数据库服务器、客户端计算机、连接到客户端上的打印机一台,防病毒服务器;外围数据系统由PLC、DCS组成的过程控制系统PCS、生产执行系统MES、企业资源计划管理系统ERP、检化验系统组成。所述的软件包括数据采集软件、数据库软件、钢铁企业质量信息平台软件。
硬件系统间的连接关系具体为:外围数据系统中,MES与PCS、ERP与MES、检化验系统与MES、检化验系统与ERP通过工业以太网连接;数据采集服务器与PCS、数据采集服务器与MES、数据采集服务器与ERP、数据采集服务器与检化验系统通过工业以太网连接;数据采集服务器与数据库服务器,客户端与数据库服务器通过工业以太网连接起来,数据采集服务器与外围数据系统通过防火墙进行隔离。
数据采集服务器上运行数据采集软件,数据库服务器上运行数据库软件,数据采集软件将外围数据系统中的数据处理后存储在数据库中,钢铁企业质量信息平台软件运行在客户端计算机上,钢铁企业质量信息平台软件读取保存在数据库中的质量数据,对质量数据进行分析、处理、计算,最终将结果显示在客户端计算机上。
防病毒服务器:主要负责网络病毒的防护、网络病毒库的更新。
运行在数据采集服务器上的数据采集软件分10s、5分钟、1小时、一天周期对来自外围系统的数据进行采集,主要包括化学性能、力学性能、规格尺寸、及其它与质量相关的各工序生产过程数据及质量数据,数据采集器对这些数据进行合理地转化、处理和融合,最终以标签化的方式存储到运行在数据库服务器上的数据库中。
运行在数据库服务器上的数据库中建立了企业级的质量数据仓库,主要包括冶金规范、产品规范质量数据、工序过程数据、新产品案例库等各种数据,数据按照不同主题进行划分,每个主题由多个表来实现;数据之间根据主题不同,按照炉号和质保书号为主线进行组织,使质量数据仓库的纬度更加明晰,并提供方便的、开放的、快速的质量数据检索服务。
运行在客户端计算机上的钢铁企业质量信息平台软件主要包括六个模块:质量数据预处理、质量数据分析、过程质量分析、质量设计、质量建模、质量优化。质量数据预处理、质量数据分析相辅相成,质量数据预处理为质量数据分析提供可靠的数据基础,相反,质量数据分析为质量数据预处理的处理方式提供知识支持,这两个模块是钢铁企业质量信息平台软件的基础模块,为其它模块提供了可靠的数据基础。质量建模为质量设计、质量优化提供了模型基础。过程质量分析用来发现过程中的缺陷,从而为质量优化提供优化目标。
一、质量数据预处理
质量数据预处理包含异常数据处理、类型定义转换、数据变换、数据标准化、数据聚类五个子模块。异常数据处理可以踢除含有空值的样本,支持随机、固定间隔、固定范围、自定义四种数据采样方式。类型定义转换是指将连续变量进行取整转换,类别变量转换为0,1,2......。数据变化是指将变量进行绝对值、正弦、余弦、对数、指数变换。数据标准化包含均值-标准差、最大-最小两种标准化方法。数据聚类提供了K均值、SOM、模糊ART、层析聚类四种聚类方法。
二、质量数据分析
该模块主要包含基本统计信息、对比分析、变量间交互作用分析、主要影响因素分析四个子模块。基本统计信息模块主要计算样本的均值、方差、标准差、变异系数、中位数、峰度、偏度、总和、最大值、最小值、全距、数据条数、Cp、Cpk、Cpu、Cpl,并统计某一变量目标范围内的数据条数在原始数据上下限范围中所占的比例,以直方图的形式展示。对比分析主要计算不同类别各变量的均值及组间距离,并以直方图的形式展现计算结果。变量间交互作用分析包含一对多分析、两两分析、变量间净交互作用分析、变量组间交互作用分析。
三、过程质量分析
过程质量分析采用统计过程控制SPC作为分析工具,包含连续变量过程质量分析、离散变量过程质量分析、多变量过程质量分析三个子模块。连续变量过程质量分析可以绘制均值-极差、均值-标准差、中位值-极差、单值-移动极差控制图,并对过程能力进行分析。离散变量过程质量分析可以绘制不合格品率通用控制图、单位缺陷数控制图。多变量过程质量分析可以绘制多变量统计过程控制图MSPC。
四、质量设计
质量设计包含定性设计、基于模型的定量设计、基于模型的优化设计三个子模块。
定性设计首先要对样本数据进行分离,分成质量指标在指定范围内的样本和范围外的样本两组,分别对各组的变量计算其均值、方差、标准差、最大值、最小值、中位数,并绘制范围内、范围外变量均值(标准化后)对比图、散点图、盒形图对对质量指标和其它变量进行相关分析。
基于模型的定量设计包含系统自动设计和手工调整设计两种设计方式。前提是已经建立了保存在XML文件中的质量模型。系统自动设计将用户定义的输入变量和指标变量(输出变量)的期望取值范围划分为等间隔的值,并将各变量的不同取值进行全排列组合。系统根据这些组合后的输入变量值,计算各模型的输出值,并自动查找输出值是否在用户定义的期望设计范围内,然后自动生成设计区间。输入变量也可设定为固定值。手工调整设计是自动设计的一个特例,也即所有的输入变量都设定为固定值,从而计算指标变量的值。
基于模型的优化设计的前提条件是已经建立了保存在XML文件中的质量模型。根据用户定义的指标变量的取值范围和优化方式,输入变量的取值范围或固定值,采用二次规划算法、遗传算法、PoWell法进行优化,计算出优化后的各输入变量和指标变量的值。提供了越大越好、越小越好、固定值3种优化方式。
五、质量建模
质量建模包括线性回归模型、非线性回归模型、机理模型、神经网络模型、支持向量机模型、机理模型六个子模块。可以直接建模,前提是建模数据已准备好,也可以基于向导建模。模型建立好之后保存在XML文件中,用于模型预报、质量设计、质量优化等。用户可以建立单一工序模型、全工序模型,可以针对半成品建模、也可针对最终产品建模,从而找到影响产品质量的关键因素。
六、质量优化
质量优化包含基于质量模型的工艺优化和基于质量模型的质量指标优化。基于质量模型的工艺优化是指在质量模型基础上,采用二次规划、遗传算法、PoWell法对影响质量指标(因变量)的变量(自变量)进行优化,优化变量(自变量)的优化方式有越大越好、越小越好、固定值三种。基于模型的质量指标优化是指在质量模型基础上,采用二次规划、遗传算法、PoWell法、搜索法对影响质量指标(因变量)的变量(自变量)进行优化。两者的区别是基于质量模型的工艺优化质量指标的取值范围为区间,优化变量有三种优化方式,而基于模型的质量指标优化质量指标的取值范围为指定值,优化变量只要在给定的区间内即可。
本发明的优点在于:
(1)打破了原来质量管理系统分散在部分工序、部分厂自成体系的局面,以过程为主线构建了质量信息平台,过程之间进行深层次并行集成,相互间达到真正透明,实现了过程本身的管理与控制,建立了全面的质量追溯体制,同时对过程的分析提供了统一的分析优化工具,使数据和知识达到了共享。
(2)建立了企业级的数据仓库和质量数据集市,将所有工序、所有与质量相关的生产过程信息和质量信息全部集中起来,保证数据的完整性、一致性和可靠性,以适应于所有质量管理活动的业务流程应用。
(3) 除了以SPC作为工具,实时地监测生产过程控制情况外,使用PCA分析方法或专家知识抽取关键参数,使用MSPC方法对多个操作变量进行监控,达到精细控制的目的。
(4)可以对整个产品周期内的各个环节的半成品质量进行预报,并作出相关分析,前工序的质量预报信息可以迅速传递到下一道即将进行的工序,以便及时做出整改措施,采取相应对策。
附图说明
图1为专利系统的硬件结构图。
图2为采用SPC进行过程质量分析流程图。
图3为质量建模流程图。
图4为质量工艺优化流程图。
图5为质量信息平台功能模块结构图。
具体实施方式
首先利用钢厂以太网,联通外围数据系统、数据采集服务器、数据库服务器、防病毒服务器、客户端工作站,运行数据采集器能够正常采集数据到数据库中。
本发明包括硬件及运行在硬件上的软件;所述的硬件包括外围数据系统、数据采集服务器、数据库服务器、客户端计算机、连接到客户端上的打印机一台,防病毒服务器;外围数据系统由PLC、DCS组成的过程控制系统PCS、生产执行系统MES、企业资源计划管理系统ERP、检化验系统组成。所述的软件包括数据采集软件、数据库软件、钢铁企业质量信息平台软件。
一、质量数据预处理实施方式
用户可以根据需求对质量数据进行预处理,为后续的应用做数据准备。首先从质量数据库中提取出样本数据,其次选择数据处理方式和要处理的变量、最后将处理好的数据保存在数据文件中。
二、质量数据分析实施方式
首先打开已处理的质量数据,或者直接从质量数据库中提取原始数据。其次选择数据分析方法,根据不同的分析方法,选择合适的分析变量并设置相关参数,最后分析结果以数据表或图表的形式展现出来,用户可将分析结果保存在文件中。
三、过程质量分析实施方式
首先要确定关键过程及其特性,其次根据特性的特点选择恰当的过程质量分析方法,当特性为单变量且变量为连续变量时,选择连续变量过程质量分析。当特性为多变量且变量为连续变量时,选择多变量过程质量分析。当特性为单变量且变量为离散变量时选择离散变量过程质量分析。当变量为连续变量时,可以设定上公差、下公差、目标值分析过程是否稳定。
四、质量设计实施方式
定性设计实施步骤:
(1)用户定义质量指标的取值范围;
(2)系统根据用户定义的质量指标范围查找出相应的范围内输入变量值和范围外输入变量值;
(3)选择统计信息、对比图、散点图、盒形图、相关分析分别对范围内的样本和范围外的样本进行分析。
基于模型的定量设计实施方式
(1)用户打开模型,定义输入变量取值范围或固定值、指标变量的取值范围;
(2)系统将用户定义的各输入变量的限定范围自动划分为等间隔的k个值,并将各变量的不同取值进行全排列组合;
(3)系统根据这些组合后的输入变量值和用户定义的固定输入变量值,计算各模型的输出值;
(4)系统计算出所有输出值后,自动查找输出值是否在用户定义的期望设计范围内,并将在设计范围内的数据点值进行排序,然后自动生成设计区间。
基于模型的优化设计实施方式
(1)用户打开模型,定义优化变量、优化变量取值范围,输入变量定值,指标变量的取值范围、优化方式、期望目标;
(2)系统自动将用户的定义转化为一个优化问题,并调用优化算法进行优化。
五、质量建模实施方式
用户可以建立单一工序或者全工序的质量模型,可以建立半成品或最终产品模型,模型可以是机理模型也可以是智能模型。首先是输入变量的选取,结合工程师和操作工的经验以及相关分析法等数学方法选取输入变量,对于全工序的质量模型与质量相关的变量经常达到上百个,这时需要使用主要影响因素分析模块提取主要影响变量,去除非关键变量。 其次是样本的选择,通过质量数据预处理模块去除含有空值的样本、不可靠的样本,还可以对样本进行类型转换、数据变化、标准化等。最后进行模型训练,模型训练完成之后,对于精度达到要求的模型可以以XML文件的形式保存到磁盘中。保存在XML文件中的模型在模型预测、模型评估时使用。
六、质量优化实施方式
基于质量模型的工艺优化实施步骤:
(1)用户打开质量模型,定义优化变量、优化变量的取值范围、优化方式,输入变量的取值,质量指标的取值范围,优化算法(二次规划算法、遗传算法、Powell法三者选一);
(2)系统根据输入信息构造一个优化问题并求解,并将优化变量、指标变量的取值显示在界面上。
基于质量模型的质量指标优化实施步骤:
(1)用户打开质量模型,定义优化变量、优化变量的取值范围,输入变量的取值,质量指标的取值范围;
(2) 若用户选择基于优化的调整方法,则需要继续选择优化算法(二次规划算法、遗传算法、Powell法三者选一),系统根据输入信息构造一个优化问题并求解,最后将优化变量、指标变量取值显示给用户;
(3)若用户选择基于搜索的调整方法,则需要继续定义允许变差,系统根据输入信息构造搜索策略,并将各优化变量的取值以及对应的指标变量取值显示。
Claims (1)
1.一种钢铁企业质量信息平台,包括硬件及运行在硬件上的软件;其特征在于,所述的硬件包括外围数据系统、数据采集服务器、数据库服务器、客户端计算机、连接到客户端上的打印机一台、防病毒服务器;外围数据系统由PLC、DCS组成的过程控制系统PCS、生产执行系统MES、企业资源计划管理系统ERP、检化验系统组成;所述的软件包括数据采集软件、数据库软件、钢铁企业质量信息平台软件;
外围数据系统中:MES与PCS、ERP与MES、检化验系统与MES、检化验系统与ERP通过工业以太网连接;数据采集服务器与PCS、数据采集服务器与MES、数据采集服务器与ERP、数据采集服务器与检化验系统通过工业以太网连接;数据采集服务器与数据库服务器、客户端与数据库服务器通过工业以太网连接起来,数据采集服务器与外围数据系统通过防火墙进行隔离;
数据采集服务器上运行数据采集软件,数据库服务器上运行数据库软件,数据采集软件将外围数据系统中的数据处理后存储在数据库中,钢铁企业质量信息平台软件运行在客户端计算机上,钢铁企业质量信息平台软件读取保存在数据库中的质量数据,对质量数据进行分析、处理、计算,最终将结果显示在客户端计算机上;
防病毒服务器负责网络病毒的防护、网络病毒库的更新;
运行在数据采集服务器上的数据采集软件其特征在于,分10s、5分钟、1小时、一天周期对来自外围数据系统的数据进行采集,数据包括化学性能、力学性能、规格尺寸、各工序生产过程数据及质量数据,数据采集软件对这些数据进行合理地转化、处理和融合,最终以标签化的方式存储到运行在数据库服务器上的数据库中;
运行在数据库服务器上的数据库中建立了企业级的质量数据仓库,包括冶金规范、产品规范质量数据、工序过程数据、新产品案例库数据,数据按照不同主题进行划分,每个主题由多个表来实现;数据之间根据主题不同,按照炉号和质保书号为主线进行组织,使质量数据仓库的纬度更加明晰,并提供方便的、开放的、快速的质量数据检索服务;
运行在客户端计算机上的钢铁企业质量信息平台软件包括六个模块:质量数据预处理、质量数据分析、过程质量分析、质量设计、质量建模、质量优化;质量数据预处理、质量数据分析相辅相成,质量数据预处理为质量数据分析提供可靠的数据基础,相反,质量数据分析为质量数据预处理的处理方式提供知识支持,这两个模块是钢铁企业质量信息平台软件的基础模块,为其它模块提供了可靠的数据基础;质量建模为质量设计、质量优化提供了模型基础;过程质量分析用来发现过程中的缺陷,从而为质量优化提供优化目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210399364.2A CN102915013B (zh) | 2012-10-19 | 2012-10-19 | 一种钢铁企业质量信息平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210399364.2A CN102915013B (zh) | 2012-10-19 | 2012-10-19 | 一种钢铁企业质量信息平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102915013A CN102915013A (zh) | 2013-02-06 |
CN102915013B true CN102915013B (zh) | 2014-07-30 |
Family
ID=47613419
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210399364.2A Expired - Fee Related CN102915013B (zh) | 2012-10-19 | 2012-10-19 | 一种钢铁企业质量信息平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102915013B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103984280B (zh) * | 2014-05-15 | 2016-08-17 | 山西太钢不锈钢股份有限公司 | 一种适应冶金直装热送的接口方法 |
CN104778542A (zh) * | 2015-03-31 | 2015-07-15 | 北京首钢自动化信息技术有限公司 | 一种基于历史订单建模的快速质量设计系统及其方法 |
US10636007B2 (en) * | 2017-05-15 | 2020-04-28 | Tata Consultancy Services Limited | Method and system for data-based optimization of performance indicators in process and manufacturing industries |
CN109218277A (zh) * | 2017-07-07 | 2019-01-15 | 华中科技大学 | 一种多协议数据采集方法及装置 |
CN108830452B (zh) * | 2018-05-04 | 2022-04-05 | 北京科技大学 | 一种钢铁产品质量全息信息表征的方法 |
CN109461090A (zh) * | 2018-09-19 | 2019-03-12 | 华中科技大学 | 一种emps集成化架构 |
CN109639817A (zh) * | 2018-12-27 | 2019-04-16 | 沧州华润热电有限公司 | 一种燃料化验系统及其数据流转方法、装置 |
JP7208083B2 (ja) | 2019-03-29 | 2023-01-18 | 株式会社リコー | 診断装置、診断システムおよびプログラム |
CN110262439B (zh) * | 2019-07-22 | 2021-11-19 | 中冶赛迪工程技术股份有限公司 | 一种炼钢过程质量控制方法及系统 |
CN112149966B (zh) * | 2020-09-04 | 2021-09-07 | 邯郸钢铁集团有限责任公司 | 一种基于炼钢多数据源聚合指导过程质量判定的方法 |
CN113589776B (zh) * | 2021-08-06 | 2024-02-09 | 太原科技大学 | 一种基于大数据技术的特钢棒材质量监控与诊断方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101408769A (zh) * | 2008-11-21 | 2009-04-15 | 冶金自动化研究设计院 | 一种基于乘积arima模型的在线能源预测系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004151852A (ja) * | 2002-10-29 | 2004-05-27 | Jfe Steel Kk | 薄板鉄鋼製品の品質管理方法及び装置 |
-
2012
- 2012-10-19 CN CN201210399364.2A patent/CN102915013B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101408769A (zh) * | 2008-11-21 | 2009-04-15 | 冶金自动化研究设计院 | 一种基于乘积arima模型的在线能源预测系统及方法 |
Non-Patent Citations (3)
Title |
---|
JP特开2004-151852A 2004.05.27 |
马湧 等."唐山建龙质量管理信息系统设计与实现".《冶金自动化2007年增刊(S2)》.2007,第665-668页. |
马湧 等."唐山建龙质量管理信息系统设计与实现".《冶金自动化2007年增刊(S2)》.2007,第665-668页. * |
Also Published As
Publication number | Publication date |
---|---|
CN102915013A (zh) | 2013-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102915013B (zh) | 一种钢铁企业质量信息平台 | |
Javaid et al. | Enabling flexible manufacturing system (FMS) through the applications of industry 4.0 technologies | |
Lee et al. | Service innovation and smart analytics for industry 4.0 and big data environment | |
US11687064B2 (en) | IBATCH interactive batch operations system enabling operational excellence and competency transition | |
Orellana et al. | From legacy-based factories to smart factories level 2 according to the industry 4.0 | |
Unver | An ISA-95-based manufacturing intelligence system in support of lean initiatives | |
Nordal et al. | Modeling a predictive maintenance management architecture to meet industry 4.0 requirements: A case study | |
KR20190088581A (ko) | Fbd 머신러닝 기반의 동적 모니터링 시스템 및 그 방법 | |
EP3039595B1 (en) | System and method for multi-domain structural analysis across applications in industrial control and automation system | |
US20170357240A1 (en) | System and method supporting exploratory analytics for key performance indicator (kpi) analysis in industrial process control and automation systems or other systems | |
Chongwatpol | Prognostic analysis of defects in manufacturing | |
WO2019226846A1 (en) | Competency gap identification of an operators response to various process control and maintenance conditions | |
CN102467699A (zh) | 对缺陷管理建模及基于缺陷管理处理缺陷的方法 | |
Dixit et al. | Identification and modelling of the various factors affecting the productivity of FMS | |
Glawar et al. | A holistic approach for quality oriented maintenance planning supported by data mining methods | |
Watanabe et al. | A framework to evaluate the performance of a new industrial business model | |
US10908562B2 (en) | Apparatus and method for using advanced process control to define real-time or near real-time operating envelope | |
Hung et al. | Analysis of key success factors for industry 4.0 development | |
Markatos et al. | Manufacturing quality assessment in the industry 4.0 era: a review | |
Li et al. | Real-time OEE visualisation for downtime detection | |
Yin et al. | Machine health-driven dynamic scheduling of hybrid jobs for flexible manufacturing shop | |
US20230376024A1 (en) | Device and Method for Identifying Anomalies in an Industrial System for Implementing a Production Process | |
Xue et al. | A data-driven method to predict future bottlenecks in a remanufacturing system with multi-variant uncertainties | |
Schuh et al. | Case study on technological applications for production planning and control in the context of industry 4.0 | |
WO2020180747A1 (en) | System and method for plant operation gap analysis and guidance solution |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140730 Termination date: 20201019 |
|
CF01 | Termination of patent right due to non-payment of annual fee |