CN106774188A - 生产执行系统、监测数据异常的方法及监控生产的方法 - Google Patents
生产执行系统、监测数据异常的方法及监控生产的方法 Download PDFInfo
- Publication number
- CN106774188A CN106774188A CN201510831568.2A CN201510831568A CN106774188A CN 106774188 A CN106774188 A CN 106774188A CN 201510831568 A CN201510831568 A CN 201510831568A CN 106774188 A CN106774188 A CN 106774188A
- Authority
- CN
- China
- Prior art keywords
- station
- workpiece
- production
- data
- conspicuousness
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24024—Safety, surveillance
-
- 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]
Abstract
本发明提供一种生产执行系统、监测数据异常的方法及监控生产的方法,生产执行系统包括:数据收集模块,用于收集生产线上各个工位上的输入数据和输出数据;计算模块,用于计算所述输出数据的显著性;比较模块,将所述显著性与一置信度系数进行比较;提示模块,若所述显著性的绝对值大于等于所述置信度因子置信度系数时,所述提示模块发出提示信息。本发明中,通过对生产过程中数据的收集分析,能够实现对生产数据的异常进行自主监控,并且查找问题原因,为生产提供指导,提高生产效率。
Description
技术领域
本发明涉及工业自动化技术领域,尤其涉及一种生产执行系统、监测数据异常的方法及监控生产的方法。
背景技术
在现今的工业自动化领域,为了增加竞争力,制造企业需要同时减少上市时间,增加过程的可视性和生产的灵活性,优化预测和安排,以及减少废品、库存水平和停工期,以确保产品的质量和生产效率。因此,为了满足这些需求目标,制造业中通常采用生产执行系统对生产进行管理,生产执行系统可以记录生产线中各道工序的原材料信息、工位信息以及工位结果等,有效地指导工厂的生产运作过程,从而使其既能提高工厂及时交货能力,改善物料的流通性能,又能提高生产回报率。
具体而言,当满足预先设定的条件,例如,工位结果中的成品率连续5次超过统计学控制线,生产执行系统会提醒生产线管理者,由生产线管理者停止生产并召集工艺、设备等相关工程师调查原因。相关的工艺、设备工程师再根据生产执行系统记录的各种信息找出问题的原因,并解决问题。然而,当生产执行系统发现问题需要停线解决的时候,现有的方法是工程师根据经验对海量数据进行逐一分析,分析效率低下,停线时间长。并且,如前所述,生产线停线的条件是依据工程师的经验,设定的条件太宽则导致报废和质量损失(成品率在低位运行),设定的条件太严则导致频繁停线造成产量低。
发明内容
本发明的目的在于,提供一种生产执行系统、监测数据异常的方法及监控生产的方法,解决现有技术中分析解决生产问题效率低的问题。
为解决上述技术问题,本发明提供一种生产执行系统,其特征在于,包括:
数据收集模块,用于收集生产线上各个工位上的输入数据和输出数据;
计算模块,用于计算所述输出数据的显著性;
比较模块,将所述显著性与一置信度系数进行比较;
提示模块,若所述显著性的绝对值大于等于所述置信度系数时,所述提示模块发出提示信息。
可选的,所述输入数据包括各个工位上的原材料属性和工位参数,原材料属性包括原材料供应商、批次、生产日期及其特性,工位参数包括最大压入设定值、最小压入设定值、最大位移、最小位移以及压入速度,所述输出数据包括各个工位上的工位结果,工位结果包括成品率、废品率、工件长度、工件宽度、工件位置度、平行度、工件跳动、工件圆度、工件电阻、工件绝缘电阻、工件颜色、工件泄露值、工件流量以及工件磁滞。
可选的,所述提示模块通过邮件的形式发出所述提示信息。
相应的,本发明还提供一种监测数据异常的方法,采用上述的生产执行系统,包括:
数据收集模块收集生产线上各个工位上的输入数据和输出数据;
某一时刻改变某一工位上的一个或多个输入数据时,计算模块计算该时刻之前的多个时间宽度内的各个所述工位上的所有输出数据的显著性,并且计算该时刻之后的多个时间宽度内的各个所述工位上的所有输出数据的显著性,其中,所述多个时间宽度内其他输入数据均不发生改变;
比较模块将各输出数据与一置信度系数进行比较,当某一工位上的某一输出数据的显著性的绝对值大于等于置信度系数时,提示模块提示该输入数据的改变对该工位上的该输出数据的影响是显著的。
可选的,所述输出数据包括各个工位上的工位结果,工位结果包括成品率、废品率、工件长度、工件宽度、工件位置度、平行度、工件跳动、工件圆度、工件电阻、工件绝缘电阻、工件颜色、工件泄露值、工件流量以及工件磁滞。
可选的,计算该工位上该时刻之前的多个时间宽度内的成品率的平均值和极差,记为第一平均值和第一极差,并计算该工位上该时刻之后的多个时间宽度内的成品率的平均值和极差,记为第二平均值和第二极差,所述显著性为所述第二平均值和所述第一平均值的差值与所述第二极差和所述第一极差的平均值之间的商。
可选的,收集该时刻之前的至少3个时间宽度内的各个所述工位上的成品率,收集该时刻之后的至少3个时间宽度内的各个所述工位上的成品率。
可选的,所述时间宽度为0.5小时~2小时。
可选的,所述置信度系数为1.0~2.0。
可选的,将该工位上该时刻之前的多个时间宽度内的成品率与该工位上该时刻之后的多个时间宽度内的成品率逐一比对,通过配位比较法得出该工位上的成品率的显著性。
相应的,本发明还提供一种监控生产的方法,采用上述的生产执行系统,包括:
数据收集模块自动收集生产线一工位上的输入数据和输出数据,所述输入数据包括若干参数,每个参数具有多个值,各个参数的各个设定值之间形成若干组合,且每个组合形成的输入数据生产若干批次产品;
根据各个组合生产产品的输出数据确定最优组合与最差组合,计算模块计算所述最差组合的显著性;
比较模块将所述显著性与一置信度系数进行比较,若所述显著性的绝对设定值大于等于一置信度系数,提示模块提示生产过程中不采用所述最差组合。
可选的,所述输出数据包括该工位上的工位结果,工位结果包括成品率和废品率、工件长度、工件宽度、工件位置度、平行度、工件跳动、工件圆度、工件电阻、工件绝缘电阻、工件颜色、工件泄露值、工件流量以及工件磁滞。
可选的,计算各个组合生产若干批次产品的成品率的平均值,平均值最高的组合为最优组合,所述最优组合的平均值和差值记为第一平均值和第一极差,平均值最低的组合为最差组合,所述最差组合的平均值和差值记为第二平均值和第二极差,所述显著性为所述第二平均值和所述第一平均值的差值与所述第二极差和所述第一极差的平均值之间的商。
可选的,所述置信度系数为1.25~2.0。
可选的,将各个组合生产的若干批次产品的成品率逐一比对,通过配位比较法得出各个组合的成品率的显著性。
与现有技术相比,本发明至少具有以下有益效果:
1)本发明的监测数据异常的方法中,收集生产线各个工位的输入数据和输出数据,当改变某一输入数据时,通过计算输入数据改变之前和改变之后的输出数据的显著性,判断该输入数据的改变对产品的影响是否显著,从而生产执行系统能够实现对生产数据的自动监控,并且,当发现数据异常时,自主发出提示信息。
2)本发明的监控生产的方法中,通过计算分析各个参数的各个设定值形成的各个组合所生产产品的输出数据,能够确定最优组合和最差组合,计算最差组合的显著性,确定该最差组合是否对生产带来影响。当最差组合对生产结果的影响是显著的时,生产执行系统能够自主发出提示信息,从而实现对生产的自动监控。此外,还可以通过对各个组合输出数据的分析,能够找出影响生产结果的不同原因的组合。
附图说明
图1为本发明一实施例中生产执行系统的结构示意图;
图2为本发明一实施例中生产线的结构示意图;
图3中本发明一实施例中监测数据异常的方法的流程图;
图4中本发明一实施例中监控生产的方法的流程图。
具体实施方式
下面将结合示意图对本发明的生产执行系统、监测数据异常的方法及监控生产的方法进行更详细的描述,其中表示了本发明的优选实施例,应该理解本领域技术人员可以修改在此描述的本发明,而仍然实现本发明的有利效果。因此,下列描述应当被理解为对于本领域技术人员的广泛知道,而并不作为对本发明的限制。
本发明的核心思想在于,收集生产线各个工位的输入数据和输出数据,当改变某一输入数据时,通过计算输入数据改变之前和改变之后的输出数据的显著性,判断该输入数据的改变对产品的影响是否显著。并且,通过计算分析各个参数不同设定值的组合的输出数据,能够确定参数的最优组合和最差组合,计算最差组合的显著性,确定该最差组合对生产带来的影响是否是显著的。本发明中,通过对生产过程中数据的收集分析,能够实现对生产数据的异常进行自主监控,并且查找问题原因,为生产提供指导,提高生产效率。
【实施例一】
下文结合图1~图3对本发明的监测数据异常的方法进行具体说明,图1为生产执行系统的结构示意图,包括:
数据收集模块10,用于收集生产线上各个工位上的输入数据和输出数据,其中,生产线的结构示意图参考图2中所示,生产线上包括若干个工位,如工位1、工位2、工位3……,数据收集模块10自动收集生产线上各个工位上的若干输入数据和输出数据,所述输入数据包括各个工位上的原材料属性和工位参数,原材料属性包括原材料供应商、批次、生产日期及其特性,可以理解的是,每个工位上可以具有一种或多种原材料,本实施例中,以工位1具有原材料A和原材料B、工位2具有原材料C、工位3具有原材料D为例进行说明,相应的,工位1上输入数据的包括原材料A和原材料B的属性,工位2包括原材料C的属性,工位3上包括原材料D的属性。各个工位上根据其相应的操作的不同,工位参数可以包括最大压入值、最小压入值、最大位移、最小位移以及压入速度等等。所述输出数据包括各个工位上的工位结果,工位结果包括成品率、废品率等。各个工位根据该工位上进行的操作还输出对应的结果,其中,几何尺寸如工件长度、工件宽度、工件位置度、平行度、工件跳动、工件圆度等,物理特性如工件电阻、工件绝缘电阻、工件颜色等,工件功能如泄露值,工件流量、工件磁滞等,例如,工位1上的工位结果还包括零件的长度,工位2的工位结果还包括零件的宽度等。本实施例中,将输入数据和输出数据保存的生产执行系统服务器中,用户终端与生产执行系统服务器连接,用户可以对数据进行查阅。
计算模块20,用于计算所述输出数据的显著性;
比较模块30,将所述显著性与一置信度系数进行比较;
提示模块40,若所述显著性的绝对值大于等于所述置信度系数时,所述提示模块发出提示信息。本实施例中,所述提示模块40通过邮件的形式发出所述提示信息。
采用上述生产执行系统,本发明提供一种监测数据异常方法,图3为该方法的流程图,其具体包括如下步骤:
执行步骤S1,数据收集模块10收集生产线上各工位上的输入数据和输出数据。
执行步骤S2,生产过程中,某一时刻当操作人员改变某一工位上的一输入数据时,例如,在十一点时改变工位1的压入速度,之后,在多个时间宽度内保持其他输入数据不改变,继续进行生产。根据收据收集模块10收集的该时刻之前的多个时间宽度内的各个所述工位上的所有输出数据,以及该时刻之后的多个时间宽度内的各个所述工位上的所有输出数据,计算模块20计算所有输出数据的显著性。本实施例中,所述时间宽度为0.5小时~2小时,例如,1小时,则收集十一点之前的三个时间宽度内以及十一点之后的三个时间宽度内的所有输出数据,即如表一所示,本实施例中以成品率为例进行说明,表一仅列出了部分数据。
表一
需要说明的是,改变该输入数据时刻之前和之后的用于计算显著性的多个时间宽度内,其他的输入数据不发生改变,否则,影响计算显著性的准确性,不能确定计算出的显著性与哪个输入数据的改变有关。
可以理解的是,某一工位上输入数据的改变,有可能对该工位以及该工位之后的其他工位的结果产生影响,因此,计算模块10需要将各个工位上的数据的显著性都计算出来,包括工位1上的成品率、废品率等的显著性,工位2上的成品率、废品率等的显著性,以及之后的各个工位上的输出数据的显著性。
继续以成品率为例进行说明,计算该工位上该时刻之前的多个时间宽度内的成品率的平均值和极差,记为第一平均值和第一极差,并计算该工位上该时刻之后的多个时间宽度内的成品率的平均值和极差,记为第二平均值和第二极差,所述显著性为所述第二平均值和所述第一平均值的差值与所述第二极差和所述第一极差的平均值之间的商。在本实施例中,收集该时刻之前的至少3个时间宽度内的各个所述工位上的成品率,例如,计算十一点之前的三个小时内的成品率的平均值和极差,极差为成品率的最大值与最小值的差值,则第一平均值为95.69%,第一极差为3%,计算十一点之后的三个小时内的成品率的平均值和差值则第二平均值为92%,第二极差为2%,则该工位上的成品率的显著性为(92%-95.69%)/((3%+2%)/2),则工位1上的成品率的显著性为-1.49。
需要说明的是,本实施例中采用极差的方法计算显著性,然而,本发明的其他实施例中,还可以采用方差计算显著性。例如,计算改变输入数据之前的成品率的第一平均值和第一方差,并计算改变输入数据之后的成品率的第二平均值和第二方差,显著性为第二平均值和所述第一平均值的差值与所述第二方差和所述第一方差的平均值之间的商。
执行步骤S3,比较模块30将各个工位上的输出数据的显著性与一置信度系数进行比较,当某一工位上的某一输出数据的显著性的绝对值大于等于置信度系数时,则改输出数据是显著的。所述置信度系数为1.0~2.0,置信度系数可以根据实际的要求进行设置,本实施例中,置信度系数为1.25,对应概率学统计95%,生产执行系统提示该输入数据的改变对该工位上的该输出数据是显著的。例如,工位1上的成品率的显著性为-1.49,则显著性的绝对值1.49大于1.25,则该输入数据的改变对工位1的成品率的影响是显著的。当确定某一输出数据时显著性时,提示模块40通过邮件的形式向主管发送提示信息。所以,通过本实施例的方法,生产执行系统能够实现对生产数据的自动监控,并且,当发现数据异常时,自主发出提示信息。
本发明中,对于值越大越好的输出数据,即实施例中的成品率,当成品率的显著性小于零时,则说明该输入数据的改变对成品率的影响是变坏,例如,显著性为-1.49小于0,上述工位1上压入速度的改变对该工位的成品率的影响是变坏。而在本发明的其他实施例中,对于值越小越好的输出结果,例如废品率,当成品率的显著性大于零时,则说明该输入数据的改变对废品率的影响是变坏。而对于其他的输出数据,如零件的长度、零件的宽度等,显著性偏离零点均表示对该输出数据的改变是变坏。
此外,本实施例中还可以通过配位比较法确定输出数据的显著性,具体为:将该工位上该时刻之前的多个时间宽度内的成品率与该工位上该时刻之后的多个时间宽度内的成品率的逐一比对,成品率高的一方得一分,低的一方得零分,逐一对比之后,根据每个时间段成品率的得分,得出该工位上的成品率的显著性。之后,根据显著性的数值,确定该输入数据的改变是否对输出数据的影响是显著的。
【实施例二】
本实施例与实施例一不同之处在于,在某一时刻同时改变若干输入数据中的两个以上的输入数据,并将其作为一个整体看待,例如,同时改变工位1中的原材料A的批次和压入速度。计算改变之前和改变之后多个时间宽度内各个工位上的输出数据的显著性,计算显著性的方法与实施例一中的相同,在此不做赘述。
根据计算的显著性的结果,确定上述改变对工位上的输出结果的影响是否显著的。若显著性大于置信度系数,则生产执行系统提示管理者上述两个输入数据的改变对某工位的输出结果的影响是显著的。通过本实施例的方法,可以确定不同输入数据组合对生产的影响,并进一步采用该方法找出影响生产的原因或原因的组合,为解决生产中出现的问题提供依据。
【实施例三】
采用上述生产执行系统,本实施例中还提供一种监控生产的方法,以下结合图1、图2和图4对监控生产的方法进行说明。
执行步骤S11,参考图1中所示,数据收集模块10自动收集生产线一工位上的输入数据和输出数据,该步骤与实施例一中相同,在此不作赘述。所述输入数据包括若干参数,每个参数具有多个设定值,各个参数的各个设定值之间形成若干个组合,且每个组合形成的输入数据生产若干批次产品。例如,本实施例中,以工位1的原材料A和原材料B为例进行说明,原材料A由两个供应商提供,即供应商甲、供应商乙,原材料B有两个供应商提供,即供应商丙、供应商丁,从而生产过程中原材料A和原材料B之间形成多个组合,为甲丙、甲丁、乙丙、乙丁的四个组合,收集生产执行系统中存储的历史数据,其结果如表二中所示。
表二
供应商 | 供应商 | 生产总批次 | 平均成品率 | 极差 |
甲 | 丙 | 3 | 97% | 3% |
甲 | 丁 | 3 | 96% | 4% |
乙 | 丙 | 2 | 91% | 2% |
乙 | 丁 | 3 | 95% | 2% |
执行步骤S12,根据各个组合生产产品的输出数据确定最优组合与最差组合,并且,计算模块20计算所述最差组合的显著性。计算各个组合生产若干批次产品的成品率的平均值,平均值最高的组合为最优组合,所述最优组合的平均值和差值记为第一平均值和第一极差,平均值最低的组合为最差组合,所述最差组合的平均值和差值记为第二平均值和第二极差,所述显著性为所述第二平均值和所述第一平均值的差值与所述第二极差和所述第一极差的平均值之间的商。从表二中可以看出,平均成品率最高的为97%,则最优组合为原材料A由供应商甲提供、原材料B由供应商丙提供,其第一平均值为97%,第一极差为3%,平均成品率最低的为91%,则最差组合为原材料A由供应商乙提供、原材料B由供应商丙提供,其第二平均值为91%,第二极差为2%,则最差组合的显著性为(97%-91%)/((3%+2%)/2)=2.4。
执行步骤S13,比较模块40将显著性与一置信度系数进行比较,若所述显著性的绝对值大于等于置信度系数时,所述提示模块40提示生产过程中不采用所述最差组合。本实施例中,所述置信度系数为1.25~2.0,最差组合的显著性2.4大于置信度系数,则该最差组合会对生产产生影响,所述提示模块40通过邮件的形式向主管发送提示信息,提示管理者在在生产过程中不使用该最差组合进行生产。通过本实施例的方法,能够确定参数的最优组合和最差组合,计算最差组合的显著性,确定该最差组合对生产带性的影响是否是显著的。并且,通过对生产过程中数据的分析,查找问题原因或原因的组合,为生产提供指导,提高生产效率。
此外,计算模块20还可以通过配位比较法计算组合的显著性,将各个组合生产的若干批次产品的成品率逐一比对,并得出各个组合的成品率的显著性,此与实施例一中相同,在此不作赘述。
综上所述,本发明中,生产执行系统收集生产线各个工位的输入数据和输出数据,当改变某一输入数据时,通过计算输入数据改变之前和改变之后的输出数据的显著性,判断该输入数据的改变对产品的影响是否显著。并且,通过计算分析各个参数不同值的组合的输出数据,能够确定最优组合和最差组合,计算最差组合的显著性,确定该最差组合是否对生产带来影响。本发明中,通过对生产过程中数据的收集分析,能够实现对生产数据的异常进行自主监控,并且查找问题原因,为生产提供指导,提高生产效率。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (15)
1.一种生产执行系统,其特征在于,包括:
数据收集模块,用于收集生产线上各个工位上的输入数据和输出数据;
计算模块,用于计算所述输出数据的显著性;
比较模块,将所述显著性与一置信度系数进行比较;
提示模块,若所述显著性的绝对值大于等于所述置信度系数时,所述提示模块发出提示信息。
2.如权利要求1所述的生产执行系统,其特征在于,所述输入数据包括各个工位上的原材料属性和工位参数,原材料属性包括原材料供应商、批次、生产日期及其特性,工位参数包括最大压入设定值、最小压入设定值、最大位移、最小位移以及压入速度,所述输出数据包括各个工位上的工位结果,工位结果包括成品率、废品率、工件长度、工件宽度、工件位置度、平行度、工件跳动、工件圆度、工件电阻、工件绝缘电阻、工件颜色、工件泄露值、工件流量以及工件磁滞。
3.如权利要求1所述的生产执行系统,其特征在于,所述提示模块通过邮件的形式发出所述提示信息。
4.一种监测数据异常的方法,其特征在于,采用如权利要求1-3中任意一项所述的生产执行系统,包括:
数据收集模块收集生产线上各个工位上的输入数据和输出数据;
某一时刻改变某一工位上的一个或多个输入数据时,计算模块计算该时刻之前的多个时间宽度内的各个所述工位上的所有输出数据的显著性,并且计算该时刻之后的多个时间宽度内的各个所述工位上的所有输出数据的显著性,其中,所述多个时间宽度内其他输入数据均不发生改变;
比较模块将各输出数据与一置信度系数进行比较,当某一工位上的某一输出数据的显著性的绝对值大于等于置信度系数时,提示模块提示该输入数据的改变对该工位上的该输出数据的影响是显著的。
5.如权利要求4所述的监测数据异常的方法,其特征在于,所述输出数据包括各个工位上的工位结果,工位结果包括成品率、废品率、工件长度、工件宽度、工件位置度、平行度、工件跳动、工件圆度、工件电阻、工件绝缘电阻、工件颜色、工件泄露值、工件流量以及工件磁滞。
6.如权利要求5所述的监测数据异常的方法,其特征在于,计算该工位上该时刻之前的多个时间宽度内的成品率的平均值和极差,记为第一平均值和第一极差,并计算该工位上该时刻之后的多个时间宽度内的成品率的平均值和极差,记为第二平均值和第二极差,所述显著性为所述第二平均值和所述第一平均值的差值与所述第二极差和所述第一极差的平均值之间的商。
7.如权利要求6所述的监测数据异常的方法,其特征在于,收集该时刻之前的至少3个时间宽度内的各个所述工位上的成品率,收集该时刻之后的至少3个时间宽度内的各个所述工位上的成品率。
8.如权利要求6所述的监测数据异常的方法,其特征在于,所述时间宽度为0.5小时~2小时。
9.如权利要求6所述的监测数据异常的方法,其特征在于,所述置信度系数为1.0~2.0。
10.如权利要求6所述的监测数据异常的方法,其特征在于,将该工位上该时刻之前的多个时间宽度内的成品率与该工位上该时刻之后的多个时间宽度内的成品率逐一比对,通过配位比较法得出该工位上的成品率的显著性。
11.一种监控生产的方法,其特征在于,采用如权利要求1-3中任意一项所述的生产执行系统,包括:
数据收集模块自动收集生产线一工位上的输入数据和输出数据,所述输入数据包括若干参数,每个参数具有多个设定值,各个参数的各个设定值之间形成若干组合,且每个组合形成的输入数据生产若干批次产品;
根据各个组合生产产品的输出数据确定最优组合与最差组合,计算模块计算所述最差组合的显著性;
比较模块将所述显著性与一置信度系数进行比较,若所述显著性的绝对设定值大于等于一置信度系数,提示模块提示生产过程中不采用所述最差组合。
12.如权利要求11所述的监控生产的方法,其特征在于,所述输出数据包括该工位上的工位结果,工位结果包括成品率和废品率、工件长度、工件宽度、工件位置度、平行度、工件跳动、工件圆度、工件电阻、工件绝缘电阻、工件颜色、工件泄露值、工件流量以及工件磁滞。
13.如权利要求12所述的监控生产的方法,其特征在于,计算各个组合生产若干批次产品的成品率的平均值,平均值最高的组合为最优组合,所述最优组合的平均值和差值记为第一平均值和第一极差,平均值最低的组合为最差组合,所述最差组合的平均值和差值记为第二平均值和第二极差,所述显著性为所述第二平均值和所述第一平均值的差值与所述第二极差和所述第一极差的平均值之间的商。
14.如权利要求13所述的监控生产的方法,其特征在于,所述置信度系数为1.25~2.0。
15.如权利要求12所述的监控生产的方法,其特征在于,将各个组合生产的若干批次产品的成品率逐一比对,通过配位比较法得出各个组合的成品率的显著性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510831568.2A CN106774188B (zh) | 2015-11-25 | 2015-11-25 | 生产执行系统、监测数据异常的方法及监控生产的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510831568.2A CN106774188B (zh) | 2015-11-25 | 2015-11-25 | 生产执行系统、监测数据异常的方法及监控生产的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106774188A true CN106774188A (zh) | 2017-05-31 |
CN106774188B CN106774188B (zh) | 2019-09-17 |
Family
ID=58963465
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510831568.2A Active CN106774188B (zh) | 2015-11-25 | 2015-11-25 | 生产执行系统、监测数据异常的方法及监控生产的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106774188B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107682662A (zh) * | 2017-09-01 | 2018-02-09 | 中车青岛四方机车车辆股份有限公司 | 一种生产制造数据的采集系统 |
CN108037433A (zh) * | 2017-12-05 | 2018-05-15 | 无锡中微腾芯电子有限公司 | 一种集成电路测试数据的筛选方法及装置 |
CN109240243A (zh) * | 2018-10-26 | 2019-01-18 | 上海新增鼎数据科技有限公司 | 一种产量监控方法、装置、系统、计算机设备和存储介质 |
CN112021627A (zh) * | 2020-07-10 | 2020-12-04 | 张家口卷烟厂有限责任公司 | 制丝流水线异常监控系统及方法 |
CN114267548A (zh) * | 2021-12-22 | 2022-04-01 | 湖南华冉科技有限公司 | 钽电容器铌电容器外壳智能自动生产方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1145294A (zh) * | 1996-05-24 | 1997-03-19 | 华南理工大学 | 密炼机橡胶混炼工艺自动优化监控系统及其自动优化方法 |
CN101812556A (zh) * | 2010-04-15 | 2010-08-25 | 南京钢铁股份有限公司 | 提高混匀料堆SiO2合格率来提高高炉产量和降低高炉焦比的方法 |
CN102108666A (zh) * | 2011-01-17 | 2011-06-29 | 长安大学 | 一种沥青路面施工质量实时控制方法 |
WO2014199177A1 (en) * | 2013-06-14 | 2014-12-18 | Warwick Analytical Software Ltd | Early warning and prevention system |
CN104376201A (zh) * | 2014-11-07 | 2015-02-25 | 沈阳黎明航空发动机(集团)有限责任公司 | 一种影响合金材料力学性能的关键工艺参数的确定方法 |
-
2015
- 2015-11-25 CN CN201510831568.2A patent/CN106774188B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1145294A (zh) * | 1996-05-24 | 1997-03-19 | 华南理工大学 | 密炼机橡胶混炼工艺自动优化监控系统及其自动优化方法 |
CN101812556A (zh) * | 2010-04-15 | 2010-08-25 | 南京钢铁股份有限公司 | 提高混匀料堆SiO2合格率来提高高炉产量和降低高炉焦比的方法 |
CN102108666A (zh) * | 2011-01-17 | 2011-06-29 | 长安大学 | 一种沥青路面施工质量实时控制方法 |
WO2014199177A1 (en) * | 2013-06-14 | 2014-12-18 | Warwick Analytical Software Ltd | Early warning and prevention system |
CN104376201A (zh) * | 2014-11-07 | 2015-02-25 | 沈阳黎明航空发动机(集团)有限责任公司 | 一种影响合金材料力学性能的关键工艺参数的确定方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107682662A (zh) * | 2017-09-01 | 2018-02-09 | 中车青岛四方机车车辆股份有限公司 | 一种生产制造数据的采集系统 |
CN108037433A (zh) * | 2017-12-05 | 2018-05-15 | 无锡中微腾芯电子有限公司 | 一种集成电路测试数据的筛选方法及装置 |
CN109240243A (zh) * | 2018-10-26 | 2019-01-18 | 上海新增鼎数据科技有限公司 | 一种产量监控方法、装置、系统、计算机设备和存储介质 |
CN112021627A (zh) * | 2020-07-10 | 2020-12-04 | 张家口卷烟厂有限责任公司 | 制丝流水线异常监控系统及方法 |
CN112021627B (zh) * | 2020-07-10 | 2022-03-18 | 张家口卷烟厂有限责任公司 | 制丝流水线异常监控系统 |
CN114267548A (zh) * | 2021-12-22 | 2022-04-01 | 湖南华冉科技有限公司 | 钽电容器铌电容器外壳智能自动生产方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106774188B (zh) | 2019-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106774188A (zh) | 生产执行系统、监测数据异常的方法及监控生产的方法 | |
CN111861050B (zh) | 生产制程管控装置、方法及计算机可读存储介质 | |
CN109176168B (zh) | 刀具加工调机装置及方法 | |
CN102591286B (zh) | 在线轧制计划动态预分析自调整系统及其方法 | |
CN106054840B (zh) | 一种全流程产品质量在线管控系统 | |
CN109343344A (zh) | 卷烟设备操控参数寻优方法 | |
CN104134006B (zh) | 一种基于历史数据聚类的电力设备动态阈值整定方法 | |
CN104076770A (zh) | 生产线监控方法及系统 | |
CN114137916B (zh) | 基于数据分析的电路板生产用监督管控系统 | |
US20210073695A1 (en) | Production scheduling system and method | |
CN103750552B (zh) | 一种智能取样方法及其在香烟质量控制的应用 | |
CN109309022B (zh) | 一种缺陷抽检方法 | |
CN110019545A (zh) | 工业数据的处理及分析方法、工业数据的处理装置及数据仓库 | |
CN105817696B (zh) | 火切组板模式钢板的在线剪切方法 | |
CN116703254A (zh) | 模具机械零部件生产信息管理系统 | |
Akansel et al. | Optimal control of inventory accumulation in selective assembly processes | |
CN105573269B (zh) | 半导体制造机台的参数监控系统及方法 | |
CN112785142B (zh) | 物联网污水处理设备预警智慧工单方法及其系统 | |
CN104105395A (zh) | 用于回流焊接设备的监控装置及系统 | |
CN106959668A (zh) | 一种机械制造设备切削状态辨识与数据处理方法方法 | |
CN115879680A (zh) | 钢铁表面缺陷判定规则管理系统 | |
CN105182903B (zh) | 同一加工特征定义方法 | |
CN103699076B (zh) | 一种生产智能管理的方法和系统 | |
Trilaksono et al. | Supply Preparation Of Line Production Through Capacity Using Simulation Model In Garment Industry | |
CN111915327A (zh) | 一种基于事件特征的智能分发方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |