CN108710343B - 状态监控的制造单元智能控制方法、装置、设备及系统 - Google Patents
状态监控的制造单元智能控制方法、装置、设备及系统 Download PDFInfo
- Publication number
- CN108710343B CN108710343B CN201810283451.9A CN201810283451A CN108710343B CN 108710343 B CN108710343 B CN 108710343B CN 201810283451 A CN201810283451 A CN 201810283451A CN 108710343 B CN108710343 B CN 108710343B
- Authority
- CN
- China
- Prior art keywords
- processing
- machining
- state data
- intelligent
- historical
- 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.)
- Active
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 197
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000012544 monitoring process Methods 0.000 title claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 274
- 238000003754 machining Methods 0.000 claims abstract description 198
- 238000004458 analytical method Methods 0.000 claims abstract description 28
- 230000008569 process Effects 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 13
- 239000000463 material Substances 0.000 claims description 10
- 238000004171 remote diagnosis Methods 0.000 claims description 9
- 230000001133 acceleration Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 abstract description 16
- 239000000047 product Substances 0.000 description 28
- 238000007726 management method Methods 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000005520 cutting process Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 230000002706 hydrostatic effect Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 229910010293 ceramic material Inorganic materials 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000005304 optical glass Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 235000012431 wafers Nutrition 0.000 description 1
Images
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] or computer integrated manufacturing [CIM]
- G05B19/41875—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] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- 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
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32368—Quality control
-
- 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
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种状态监控的制造单元智能控制方法、装置、设备及系统，方法包括：接收制造单元的至少一项加工参数的加工状态数据；根据加工状态数据，计算加工状态数据特征；将加工状态数据特征与智能数据库中的历史加工状态数据特征进行匹配；当在智能数据库中查询到匹配的历史加工状态数据特征时，获取相应的加工质量特征，以控制制造单元的运行；当未在智能数据库中找到匹配的历史加工状态数据特征时，获取生成的工件的加工质量特征，并根据加工参数、加工状态数据特征及加工质量特征生成一条新的历史数据存储入智能数据库中。本发明实现了对产品制造过程中加工状态数据的分析与处理，并具备对产品加工质量的有效控制与预防功能。
Description
技术领域
本发明涉及智能制造领域，尤其涉及一种状态监控的制造单元智能控制方法、装置、设备及系统。
背景技术
信息与通讯技术的长足发展推动了互联网向物联网技术体系的实质性转变，继而为生产、生活与制造等行业带来了质的飞跃和新的发展机遇。物联网的出现为制造行业的新发展带来了前所未有的变革。物联网是通过各种信息传感器设备及系统和其他基于物-物通信模式的短距离无线传感器网络，按约定的协议，把任何物体通过各种接入网与互联网连接起来所形成的一个巨大的智能网络，通过这一网络可以进行信息交换、传递和通信，以实现对物体的智能化识别、定位、跟踪、监控和管理。工业物联网是指将物联网的概念与智能制造相结合，简单的说物联网就是将物-物相连的互联网。工业物联网将具有感知、监控能力的各类采集或控制传感或控制器以及泛在技术、移动通信、智能分析等技术不断融入到工业生产过程各个环节，使制造过程中的数据互联互通，打破机器与人之间隔阂，进行数据的通信，将生产设备数字化，从而大幅提高制造效率，改善产品质量，降低产品成本和资源消耗，最终将传统工业提升到智能化的新阶段。
当前，制造过程中所产生的数据的规模、类型和速度正呈指数级增长。制造业向智能化转型的过程中催生了制造大数据名词的出现。制造大数据将成为未来提升制造业生产力、竞争力、创新能力的关键要素。因此，实现智能制造的基础将取决于对制造大数据的合理利用与处理，可以说，物联网是获取制造大数据的工具与桥梁，制造大数据是智能制造顺利实施的源泉与信息保证。因此，要实现产品制造的加工质量特征控制，需要利用物联网准确的感知、采集加工制造的大数据，同时处理制造/加工状态大数据，从中提取可供进行智能决策的数据特征。物联网、大数据和智能制造缺一不可，三者之间存在密切的联系，只在有充分考虑和发挥三者相互关系的基础上，才能实现真正的智能制造。
在此背景下，工业4.0概念提出了“智能和网络化”的核心思想，中国制造2025也提出了“实现智能化，建立智能化生厂线”的核心规划内容。随着工业4.0对制造业的转变，物理信息系统得以在制造生产中运用，物联网在工业制造领域的应用不断扩大，典型的则是目前市场与企业中广为应用的ERP(Enterprise Resources Planning)和MES(Manufacturing Execution System)系统等。ERP是一个对企业资源进行有效共享与利用的系统。通过信息系统对企业及生产信息进行充分整理、有效传递，使企业的资源在购、存、产、销、人、财、物等各个方面能够得到合理地配置与利用，从而实现企业经营效率的提高。而MES是一个能通过信息传递对从订单下达到产品完成的整个生产过程进行优化管理的系统。功能上，MES是对ERP的计划的一种监控和反馈，是ERP业务管理在生产现场的细化，ERP是业务管理级的系统，而MES是现场作业级的系统。比较发现，ERP和MES系统在管理生产资源、现场监控、数据分析和改进生产流程等功能上表现强大，尤其适宜于帮助产品种类众多的生产企业优化生产工艺和管理措施。但显然，ERP和MES均不关注产品加工的过程细节，明显缺乏对产品制造过程中加工状态数据的分析与处理，也即不具备对产品加工质量特征的有效控制与预防功能，这不利于保证产品的加工质量特征，尤其对于保证光学精密制造、航空航天、3C领域等大批量精密元器件产品的加工质量特征稳定性与成品良率不利。
发明内容
针对上述问题，本发明的目的在于提供一种基于制造单元状态监控的控制方法、装置、设备及系统，实现了对产品制造过程中加工状态数据的分析与处理，并具备对产品加工质量特征的有效控制与预防功能。
本发明实施例提供了一种状态监控的制造单元智能控制方法，包括：
接收待监控的制造单元在当前加工过程中的至少一项加工参数的加工状态数据；
根据所述加工状态数据，计算所述制造单元在当前时刻的与所述加工参数对应的加工状态数据特征；
将所述加工状态数据特征与智能数据库中存储的历史加工状态数据特征进行匹配；其中，所述智能数据库用于存储历史数据；每条历史数据包括加工参数、与加工参数对应的历史加工状态数据特征以及加工质量特征；
当在所述智能数据库中查询到与所述加工状态数据特征匹配的历史加工状态数据特征时，获取与所述历史加工状态数据特征相应的加工质量特征，以根据所述加工质量特征控制所述制造单元的运行；
当未在所述智能数据库中找到与所述加工状态数据特征匹配的历史加工状态数据特征时，获取基于所述加工参数生成的工件的加工质量特征，并根据所述加工参数、加工状态数据特征及加工质量特征生成一条新的历史数据存储入所述智能数据库中。
优选地，所述加工参数的类别包括：表征制造单元运行状态的信息、表征制造单元与部件加工状态的信息、材料去除过程中释放或传递出来的信号。
优选地，所述加工参数的加工状态数据通过设置在所述制造单元的预定部位的检测装置检测得到；所述检测装置至少包括以下其中之一：压力传感器、加速度传感器、热敏传感器、声发射传感器、激光干涉仪。
优选地，当所述加工质量特征表明工件存在质量问题时，所述历史数据还包括与该质量问题对应的加工参数调整方案；其中，所述加工参数调整方案通过学习加工质量特征与加工参数之间的关系生成；
则所述当在所述智能数据库中找到与所述加工状态数据特征匹配的历史加工状态数据特征时，获取与所述历史加工状态数据特征相应的加工质量特征，以根据所述历史加工质量特征控制所述制造单元的运行，具体为：
当在所述智能数据库中找到与所述加工状态数据特征匹配的历史加工状态数据特征时，获取与所述历史加工状态数据特征相应的加工质量特征；
当根据所述加工质量特征预判所加工的工件将存在质量问题时，获取与所述质量问题相应的加工参数调整方案；
将所述加工参数调整方案反馈回所述制造单元的控制系统，以使得所述制造单元根据所述加工参数调整方案调整相应的加工参数。
优选地，不同的加工参数对应的历史数据存储在所述智能数据库的不同的存储空间；所述加工质量特征通过对加工生成的工件的加工质量特征数据进行分析生成。
本发明实施例还提供了一种状态监控的制造单元智能控制装置，包括：
加工状态数据接收模块，用于接收待监控的制造单元在当前加工过程中的至少一项加工参数的加工状态数据；
加工状态数据特征计算模块，用于根据所述加工状态数据，计算所述制造单元在当前时刻的与所述加工参数对应的加工状态数据特征；
匹配模块，用于将所述加工状态数据特征与智能数据库中存储的历史加工状态数据特征进行匹配；其中，所述智能数据库用于存储历史数据；每条历史数据包括加工参数、与加工参数对应的历史加工状态数据特征以及加工质量特征；
加工质量特征获取模块，用于当在所述智能数据库中查询到与所述加工状态数据特征匹配的历史加工状态数据特征时，获取与所述历史加工状态数据特征相应的加工质量特征，以根据所述加工质量特征控制所述制造单元的运行；
存储模块，用于当未在所述智能数据库中找到与所述加工状态数据特征匹配的历史加工状态数据特征时，获取基于所述加工参数生成的工件的加工质量特征，并根据所述加工参数、加工状态数据特征及加工质量特征生成一条新的历史数据存储入所述智能数据库中。
本发明实施例还提供了一种智能控制设备，包括处理器、存储器以及存储在所述存储器中的计算机程序，所述计算机程序能够所述处理器执行以实现如上述的状态监控的制造单元智能控制方法。
本发明实施例还提供了一种状态监控的制造单元智能控制系统，包括：
如上述的相应于各个制造单元的智能控制设备；
与各个所述智能控制设备无线连接的质量检测设备；
与各个所述智能控制设备无线连接的智能集成控制服务器；
与所述智能集成控制服务器连接的远程诊断分析服务器；
其中，各个所述智能控制设备，用于将加工的工件的加工质量特征数据发送给所述质量检测设备；
所述质量检测设备，用于根据所述加工质量特征数据向各个所述智能控制设备返回与所述工件相应的加工质量特征；
所述智能控制设备，还用于将所述加工质量特征、加工参数发送给所述智能集成控制服务器；
所述智能集成控制服务器，用于将所述加工质量特征、加工参数发送给所述远程诊断分析服务器；
所述远程诊断分析服务器，用于根据所述加工质量特征及所述加工参数提供相应的加工案列分析数据与技术服务支持数据，并返回给所述智能集成控制服务器。
优选地，所述智能控制设备与所述智能集成控制服务器通过Zigbee的无线自组网进行无线传输。
优选地，通过开发所述智能集成控制服务器与预设的ERP系统或MES系统的链接接口协议，使得所述集成服务器成为ERP系统或MES系统的子功能系统。
本发明实施例中，考虑到对于确定了机械性能和精度水平的制造单元，不同的加工参数将激发制造单元不同的响应性能，该响应性能一定程度上决定了制造单元加工工件的加工质量特征，据此反推溯源，可建立确定机械性能和精度水平条件下制造单元加工质量特征与加工参数之间的关联。如此，即可通过实时监控制造单元加工参数，提取其加工状态数据特征，根据历史的加工状态数据特征与加工质量特征的映射关联，智能预判当前加工条件下制造单元可能存在或即将发生的质量问题，并适时给出预警，以保障元器件的加工质量特征稳定性或避免更大的生产损失。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明第一实施例提供的状态监控的制造单元智能控制方法的流程示意图。
图2是大口径光学精密磨削过程中的加工状态数据的示意图。
图3是对光学磨床的加工状态数据进行采集的示意图。
图4是对加工状态数据进行处理的示意图。
图5是智能数据库内的历史数据的数据结构图。
图6是制造单元的加工参数与状态特征关系图。
图7是制造单元的智能决策与控制的示意图。
图8是本发明第二实施例提供的状态监控的制造单元智能控制装置的结构示意图。
图9是本发明第四实施例提供的状态监控的制造单元智能控制系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，图1是本发明第一实施例提供的状态监控的制造单元智能控制方法的流程示意图，其至少包括如下步骤：
S101，接收待监控的制造单元在当前加工过程中的至少一项加工参数的加工状态数据。
在本实施例中，制造单元是指能够独立完成特定加工任务的一个设备。制造单元加工任务的顺利执行须在良好的设备运行与工作状态条件下实现。随着制造业逐渐向服务型精密高效制造转型，制造单元所面临的加工要求越来越苛刻，在精度、效率和成本上都需要达到最优，使得制造单元智能化发展成为必然的趋势。
在本实施例中，在产品的制造加工过程中，制造单元的加工参数对产品质量和精度的控制起着至关重要的作用。在持续的制造单元加工过程中，加工参数对应的加工状态数据的改变预示着产品的加工质量特征也将发生相应改变，即产品的加工质量特征将偏离加工预期。此时，若没有实时监控制造单元的加工状态与过程，将不能及时感知加工的突发状况，导致不能及时调整或控制制造单元而影响产品的加工精度，同时也会破坏自动化生产的连续性，并降低制造单元的生产速度和增加制造的成本。随着新技术、新工艺、新设备和新测试技术的出现，制造加工已从宏观的大切深大体积去除进入了微量去除加工的精密/超精密制造时代，加工精度不断提高，制造单元加工参数的细微改变即意味着工件加工质量特征的重大改变，如光学玻璃、半导体晶圆、陶瓷材料和3C产品等元器件表面损伤及亚表面破坏的形成，均伴随着加工参数的细微改变而发生。因此，为保证产品加工质量特征的稳定性，必须对加工产品的制造单元的加工参数进行充分的监控，获取其相关的制造加工状态，这对超/精密制造领域更为重要。
在本实施例中，加工状态数据主要指制造单元在制造加工生产运行过程中产生或释放的各种状态数据。根据制造单元释放的状态信息方式和表现形式，加工状态数据可分为如下三类：一类是表征制造单元的运行状态信号；一类是表征设备与部件的加工状态信号；另一类是材料去除过程中释放或传递出来的信号。
以图2所示的大口径光学非球面精密磨削机床为例。磨床作为独立的制造单元，反映设备工作运行状态的加工参数有：机床振动、主轴振动、热变形与位移、运动轴运动精度及平顺性、动平衡、磨削液供给、静压导轨油压等，这些加工参数在加工过程中产生的加工状态数据某种程度上反映了制造单元的运行健康状态，设备的运行健康状态将直接改变砂轮与工件的相互作用方式，最终影响或改变光学元件的加工质量特征。另一方面，如砂轮磨损、切削功率(数控系统显示值)等，直接反映了制造单元的加工状态与性能，也即该类加工参数通过反映制造加工过程中材料去除的能量消耗与砂轮的性能状态，从而间接的反映了加工的质量状况。从另一角度，设备的运行健康状态还可从砂轮与工件相互作用时材料的去除或变形方式中表现出来，该类如磨削力和声发射信号等伴随材料的去除与变形过程中释放出来的信息直接反映了材料的去除性能与变形特征，也即该类加工参数在某种程度上可以直接反映光学元件最终的加工质量特征。光学精密磨削中三类加工状态数据的关系也反映在图2中。因此，正确选取前述三类加工状态数据，阐明并解释其相互之间以及与元器件加工质量特征的内在联系，是构建本发明的理论基础。
一般而言，加工过程中制造单元表现出来的加工参数的加工状态数据类型多样，都会对加工精度产生影响，不同的加工参数反映出来的制造单元加工能力也不尽相同。但应值得注意的是，单一的加工参数充满偶然性，可能充满干扰数据特征，导致并不能真实的反映加工的实质，因此，不能单纯以单一类型的加工参数的特征做判断依据。所以，为使反映的加工参数更接近真实情况，需考虑包含多维加工参数的加工状态数据，以保证加工参数与质量控制的准确性与真实性。
在本实施例中，针对不同的加工参数，需要采用合适的传感器、数据采集设备以及相应的数据分析软件，才能准确的获取加工状态数据。
图2所示的光学精密磨削加工状态相关信息，反映制造单元加工状态的数据信息类型较多，对应的信号类型也不尽相同，需采用不同的采集和传感方法。反映设备运行和工作状态的信息方面，机床与主轴的振动信号可通过在确定的敏感点配置加速度传感器获取，设备本体与局部的发热也可内置热敏传感器或热成像仪感知获取，而因发热引起的变形与位移和运动轴的运动状态则可通过微波或激光干涉仪等测量，磨削液供给与静压导轨油压可从管路压力单元或设置的压力传感器读取，但砂轮作为直接参与实时加工的主要功能单元，则难以直接由视觉单元或其他传感器获取其工作性能与磨损状态，这需通过其他加工状态反映的信息分析获得，功率可从数控系统中直接读取或导出。工具与工件作用相关信号方面，磨削力可由力传感器读取，而声发射因为直接反映了磨削加工中材料的断裂与变形状况，对其正确的获取和解析至关重要，该信号也可直接在刀架或工件附件设置声发射传感器获得。
由上分析可知，在目前信息和传感技术相对发达的前提下，基本可实现对制造单元相关加工参数的加工状态数据的获取。同时，为减少采用多维状态信号监控时传感器引线间的干涉，可开发并采用无线传输方式来传输这些传感器采集的加工状态数据。
如图3所示，经研究分析，选取的加工状态数据为主轴功率、声发射、磨削力与加工分布压力多维动态信号等。传感采集方面，主轴功率由数控系统设置读取；磨削力等多维动态信号采用三轴加速度传感器与力传感器，结合多通道HBM-QuantumX MX440B的采集仪实现，磨削声发射信号利用安装于砂轮主轴端的声发射传感器结合PCI-2声音信号采集板卡和采集软件获取。由信号采集系统获取的信息初期简单处理后经无线单元传输至制造单元控制中心，待下一步的处理与决策。
S102，根据所述加工状态数据，计算所述制造单元在当前时刻的与所述加工参数对应的加工状态数据特征。
S103，将所述加工状态数据特征与智能数据库中存储的历史加工状态数据特征进行匹配；其中，所述智能数据库用于存储历史数据；每条历史数据包括加工参数、与加工参数对应的历史加工状态数据特征以及加工质量特征。
S104，当在所述智能数据库中查询到与所述加工状态数据特征匹配的历史加工状态数据特征时，获取与所述历史加工状态数据特征相应的加工质量特征，以根据所述加工质量特征控制所述制造单元的运行；
S105，当未在所述智能数据库中找到与所述加工状态数据特征匹配的历史加工状态数据特征时，获取基于所述加工参数生成的工件的加工质量特征，并根据所述加工参数、加工状态数据特征及加工质量特征生成一条新的历史数据存储入所述智能数据库中。
制造单元运行过程中的加工状态数据具有复杂、多变、基数大的特点，对其数据处理与分析格外重要。目前的研究更多是针对单维信号的处理，对实际加工状态数据的真实情况的反映可靠性较差，且已有的研究并没有将制造单元某种加工状态数据特征与加工质量特征相对应，导致已有的数据分析积累并不能对后续的加工形成有效预测与控制，实际应用效果较差。因此，本发明针对制造单元的多维加工状态大数据特点，采用智能数据库对制造单元的加工状态数据进行分析、学习、存储和处理。
智能数据库的数据来源为制造单元每次加工过程中产生的实时加工状态数据。加工本质是一个长时间的持续过程，加工状态数据源源不断产生，数据量复杂而庞大。为此，将智能数据库设计为一个开放性的动态数据库，随时可以添加和更新数据内容，并且为选取的每个加工参数均设置对应的存放空间，如分为声发射、磨削力和主轴功率存储空间区域等。同时，因制造单元的加工状态数据与其他行业大数据一样，价值密度低，但整个过程数据均不能轻易忽略，并且存在许多干扰数据，无法直接用于分析和推测，为有效的监控制造单元的加工状态变化，须有策略的监控和分析制造单元加工持续时间内的参数变化，并自主挖掘和提取其加工状态数据特征，供智能数据库进行学习和丰富用。
图4所示为智能数据库的功能与执行流程，为便于数据库可选择性的存放不同的加工状态与加工质量特征特征，辅助配置加工状态数据的分析与处理功能，根据设定的优化采样频率，实时提取加工状态数据的数据特征(如对于切削用量，可根据加工状态数据计算得到超调量、均值、RMS等特征)，同时将其与智能数据库中存放的历史的加工状态数据特征进行遍历和比较分析，经评价如发现得到的实时加工状态数据特征区别于历史加工状态数据特征，则将新的加工状态数据特征动态累加地存入和更新智能数据库，后续再有针对性的补充与该加工状态数据特征相对应的加工质量特征，如此反复，经过长时间的深度学习与经验累计，形成一个存储大量历史数据的智能、庞大自学习数据库，为后续的加工状态分析和判断提供事实经验参考基础。
如图5所示，根据智能数据库的功能与操作流程设计，数据库的每条历史数据应包含提取的加工状态数据特征、对应的加工质量特征，同时为有针对性的进行数据库的遍历搜索与比较，每条历史数据应该包含加工状态对应的加工参数，以表示当前数据内容中的加工状态数据特征是发生于该加工参数条件下的，也即该加工参数与加工状态数据特征和加工质量特征存在内在的关联关系。如此设计，可更方便智能数据库的检索、比较和存储。此外，如有特殊情况需要说明，智能数据库还可添加必要的事例说明等数据条目内容。
以下详述本发明的状态监控的制造单元智能控制方法的工作原理。
制造单元要实现加工过程和加工质量特征的智能控制，加工状态数据的作用与处理至关重要。对于特定的制造单元，在设定加工参数下，制造单元设备本身在加工过程中表现出来的加工状态数据特征是其设备性能与精度特征在该加工综合条件下的一种必然反映，如机床振动或工艺系统变形等，该反映特征与材料性质等因素共同决定了制造单元与工件之间的相对运动形式和加工作用，最终也共同决定了元器件的加工质量特征。同时，工件在加工过程中伴随释放出与其材料去除状态或变形形式相关的信号，如声发射、切削力和切削功率等，通过对制造单元加工过程中释放状态信息的解读与溯源，可发现制造单元加工状态数据特征与其对应加工结果的数据相关性，也即制造单元的加工状态数据与工件的加工质量数据两者之间存在一个特征映射，两者关系与联系可表示为图6所示。此外，就整个制造单元加工系统而言，对于确定了机械性能和精度水平的制造单元，不同的加工参数将激发制造单元不同的响应性能，该响应性能一定程度上决定了制造单元加工元器件的加工质量特征，据此反推溯源，可建立确定机械性能和精度水平条件下制造单元加工质量特征与加工参数之间的关联。如此，即可通过实时监控制造单元的加工状态数据，提取其加工状态数据特征，根据加工状态数据特征与工件加工质量特征的映射关联，智能预判当前加工参数条件下制造单元可能存在或即将发生的质量问题，并适时给出预警，提示中控中心通知控制系统智能调整加工工艺参数或中止加工，以保障元器件的加工质量特征稳定性或避免更大的生产损失。
如图7所示，针对局域范围内同一类型产品批量化精密制造单元个体，布置传感设施监控制造单元的多维加工参数，获取相关的加工状态数据，处理并提取其加工状态数据特征，遍历智能数据库，将获得的加工状态数据与智能数据库累积的历史加工状态数据比对后，如果智能数据库中存在与当前加工状态数据特征相关的历史加工状态数据，则将多维的加工状态数据特征与比对后的结果进行数据融合，综合判断当前加工状态条件下是否存在加工质量特征问题与隐患，如不存在任何质量问题迹象，则继续重复前述步骤，如评判表明可能会出现质量问题，则进一步根据质量预测机制判断可能会发生何种质量问题，然后根据智能学习获得加工质量特征与加工参数内在联系，生成加工参数调整方案反馈回制造单元的控制系统，智能调整加工参数或中止加工，确保加工质量特征的稳定或避免严重质量问题的出现；如果智能数据库中不存在与当前加工状态数据特征相关的历史数据，则在多维的加工状态数据处理后，检测工件的加工质量特征，建立两者间的联系，将其添加进智能数据库中，同时，分析检测得到的加工质量特征与加工参数之间的关系，智能学习获得根据加工质量特征调整加工参数的对策与方法(即加工参数调整方案)。如此反复，经历大样本的同一类型产品加工过程的数据分析与累计后，则形成了一个可靠的智能数据库。
请参阅图8，本发明第二实施例还提供了一种基于制造单元状态监控的控制装置，包括：
加工状态数据接收模块10，用于接收待监控的制造单元在当前加工过程中的至少一项加工参数的加工状态数据；
加工状态数据特征计算模块20，用于根据所述加工状态数据，计算所述制造单元在当前时刻的与所述加工参数对应的加工状态数据特征；
匹配模块30，用于将所述加工状态数据特征与智能数据库中存储的历史加工状态数据特征进行匹配；其中，所述智能数据库用于存储历史数据；每条历史数据包括加工参数、与加工参数对应的历史加工状态数据特征以及加工质量特征；
加工质量特征获取模块40，用于当在所述智能数据库中查询到与所述加工状态数据特征匹配的历史加工状态数据特征时，获取与所述历史加工状态数据特征相应的加工质量特征，以根据所述加工质量特征控制所述制造单元的运行；
存储模块50，用于当未在所述智能数据库中找到与所述加工状态数据特征匹配的历史加工状态数据特征时，获取基于所述加工参数生成的工件的加工质量特征，并根据所述加工参数、加工状态数据特征及加工质量特征生成一条新的历史数据存储入所述智能数据库中。
优选地，当所述加工质量特征表明工件存在质量问题时，所述历史数据还包括与该质量问题对应的加工参数调整方案；其中，所述加工参数调整方案通过学习加工质量特征与加工参数之间的关系生成；
则加工质量特征获取模块40具体用于：
当在所述智能数据库中找到与所述加工状态数据特征匹配的历史加工状态数据特征时，获取与所述历史加工状态数据特征相应的加工质量特征；
当根据所述加工质量特征预判所加工的工件将存在质量问题时，获取与所述质量问题相应的加工参数调整方案；
将所述加工参数调整方案反馈回所述制造单元的控制系统，以使得所述制造单元根据所述加工参数调整方案调整相应的加工参数。
本发明第三实施例还提供了一种智能控制设备，其特征在于，包括处理器、存储器以及存储在所述存储器中的计算机程序，所述计算机程序能够所述处理器执行以实现如上述的状态监控的制造单元智能控制方法。
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述智能控制设备中的执行过程。所述智能控制设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述智能控制设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，上述部件仅仅是动态接口转换终端设备的示例，并不构成对动态接口转换终端设备的限定，可以包括比上述更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述智能控制设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述动态接口转换终端设备的控制中心，利用各种接口和线路连接整个智能控制设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述动态接口转换终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述智能控制设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
请参阅图8，本发明第四实施例还提供了一种状态监控的制造单元智能控制系统，包括：
相应于各个制造单元(如图8中的磨削制造单元和抛光制造单元)的多个智能控制设备；
与各个所述智能控制设备无线连接的质量检测设备；
与各个所述智能控制设备无线连接的智能集成控制服务器；
与所述智能集成控制服务器连接的远程诊断分析服务器；
其中，各个所述智能控制设备，用于将加工的工件的加工质量特征发送给所述质量检测设备；
所述质量检测设备，用于根据所述加工质量特征向各个所述智能控制设备返回与所述工件相应的加工质量特征；
所述智能控制设备，还用于将所述加工质量特征、加工参数发送给所述智能集成控制服务器；
所述智能集成控制服务器，用于将所述加工质量特征、加工参数发送给所述远程诊断分析服务器；
所述远程诊断分析服务器，用于根据所述加工质量特征及所述加工参数提供相应的加工案列分析数据与技术服务支持数据，并返回给所述智能集成控制服务器。
在当今消费市场多元、多样化发展的前提下，基于工业4.0网络化定制的生产与制造占比不可避免的将会越来越大。但相比之下，局部范围内从事同一类型产品加工的大规模制造生产仍将占据大多数，这在任何时候都是制造行业的主流，特别对于从事光学、发动机、消费电子、航空与汽车等关键零部件生产制造的大企业尤其如此。这种批量化的产品加工类型的工艺流程基本相同，呈现的加工特性基本一致。对于这些拥有相同加工要求的制造单元，采用现有的ERP和MES进行独立的生产管理会浪费许多资源。因此，为帮助此类企业的高效管理和快速高质量制造，有必要将局部范围内从事同一类型和加工内容的制造单元进行集成控制与管理，组成智能控制系统，并将其作为一个子系统或功能单元补充进ERP或MES系统进行简化管理。
在本实施例中，各制造单元对应的智能控制设备能够自行获取和分析工件的加工状态数据，具备可直接反映出产品特征信息和智能控制产品加工质量特征的功能。此外，与每个制造单元相应的智能控制设备均具备开放性，可作为独立单元参与组建局域范围内的网络化信息传输与处理系统。为便于制造单元生产过程中的物流与上下料操作，各制造单元的智能控制设备间的信息交互采用无线传输方式，同时，因参与组建的制造单元一般在一个较小的地理范围内，相互距离较短、且传输数据量大，该网络的布局与数据传输和网络组织方式契合于Zigbee技术特征，可发挥Zigbee技术具备的低功耗、成本低、时延短、网络容量大等特点，组建基于Zigbee无线自组网。
在本实施例中，首先各制造单元按前所述构建其完备的智能控制设备，与固定或移动的质量检测设备一起构成无线网络终端功能单元；基于Zigbee的无线自组网构成数据传输与交互渠道，智能控制设备的数据信息无线汇总至智能集成控制服务器进行系统管理；智能集成控制服务器通过有线/无线方式与远程分析诊断服务器相连，并由远程分析诊断服务器提供针对加工案列分析数据与相关的技术服务支持数据等功能。此外，为适应企业进行全场范围内的生产管理与运作，可通过开发所述智能集成控制服务器与预设的ERP系统或MES系统的链接接口协议，使得所述集成服务器成为ERP系统或MES系统的子功能系统。
需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (9)
1.一种状态监控的制造单元智能控制方法，其特征在于，包括：
接收待监控的制造单元在当前加工过程中的至少一项加工参数的加工状态数据；
根据所述加工状态数据，计算所述制造单元在当前时刻的与所述加工参数对应的加工状态数据特征；
将所述加工状态数据特征与智能数据库中存储的历史加工状态数据特征进行匹配；其中，所述智能数据库用于存储历史数据；每条历史数据包括加工参数、与加工参数对应的历史加工状态数据特征以及加工质量特征；
当在所述智能数据库中查询到与所述加工状态数据特征匹配的历史加工状态数据特征时，获取与所述历史加工状态数据特征相应的加工质量特征，以根据所述加工质量特征控制所述制造单元的运行；其中，所述历史数据还包括与该质量问题对应的加工参数调整方案；其中，所述加工参数调整方案通过学习加工质量特征与加工参数之间的关系生成；则步骤具体为：当在所述智能数据库中找到与所述加工状态数据特征匹配的历史加工状态数据特征时，获取与所述历史加工状态数据特征相应的加工质量特征；当根据所述加工质量特征预判所加工的工件将存在质量问题时，获取与所述质量问题相应的加工参数调整方案；将所述加工参数调整方案反馈回所述制造单元的控制系统，以使得所述制造单元根据所述加工参数调整方案调整相应的加工参数；
当未在所述智能数据库中找到与所述加工状态数据特征匹配的历史加工状态数据特征时，获取基于所述加工参数生成的工件的加工质量特征，并根据所述加工参数、加工状态数据特征及加工质量特征生成一条新的历史数据存储入所述智能数据库中。
2.根据权利要求1所述的状态监控的制造单元智能控制方法，其特征在于，所述加工参数的类别包括：表征制造单元运行状态的信息、表征制造单元与部件加工状态的信息、材料去除过程中释放或传递出来的信号。
3.根据权利要求1所述的状态监控的制造单元智能控制方法，其特征在于，所述加工参数的加工状态数据通过设置在所述制造单元的预定部位的检测装置检测得到；所述检测装置至少包括以下其中之一：压力传感器、加速度传感器、热敏传感器、声发射传感器、激光干涉仪。
4.根据权利要求1所述的状态监控的制造单元智能控制方法，其特征在于，不同的加工参数对应的历史数据存储在所述智能数据库的不同的存储空间；所述加工质量特征通过对加工生成的工件的加工质量特征数据进行分析生成。
5.一种状态监控的制造单元智能控制装置，其特征在于，包括：
加工状态数据接收模块，用于接收待监控的制造单元在当前加工过程中的至少一项加工参数的加工状态数据；
加工状态数据特征计算模块，用于根据所述加工状态数据，计算所述制造单元在当前时刻的与所述加工参数对应的加工状态数据特征；
匹配模块，用于将所述加工状态数据特征与智能数据库中存储的历史加工状态数据特征进行匹配；其中，所述智能数据库用于存储历史数据；每条历史数据包括加工参数、与加工参数对应的历史加工状态数据特征以及加工质量特征；
加工质量特征获取模块，用于当在所述智能数据库中查询到与所述加工状态数据特征匹配的历史加工状态数据特征时，获取与所述历史加工状态数据特征相应的加工质量特征，以根据所述加工质量特征控制所述制造单元的运行；其中，所述历史数据还包括与该质量问题对应的加工参数调整方案；其中，所述加工参数调整方案通过学习加工质量特征与加工参数之间的关系生成；则加工质量特征获取模块具体用于：当在所述智能数据库中找到与所述加工状态数据特征匹配的历史加工状态数据特征时，获取与所述历史加工状态数据特征相应的加工质量特征；当根据所述加工质量特征预判所加工的工件将存在质量问题时，获取与所述质量问题相应的加工参数调整方案；将所述加工参数调整方案反馈回所述制造单元的控制系统，以使得所述制造单元根据所述加工参数调整方案调整相应的加工参数；
存储模块，用于当未在所述智能数据库中找到与所述加工状态数据特征匹配的历史加工状态数据特征时，获取基于所述加工参数生成的工件的加工质量特征，并根据所述加工参数、加工状态数据特征及加工质量特征生成一条新的历史数据存储入所述智能数据库中。
6.一种智能控制设备，其特征在于，包括处理器、存储器以及存储在所述存储器中的计算机程序，所述计算机程序能够所述处理器执行以实现如权利要求1至4任意一项所述的状态监控的制造单元智能控制方法。
7.一种状态监控的制造单元智能控制系统，其特征在于，包括：
如权利要求6所述的相应于各个制造单元的智能控制设备；
与各个所述智能控制设备无线连接的质量检测设备；
与各个所述智能控制设备无线连接的智能集成控制服务器；
与所述智能集成控制服务器连接的远程诊断分析服务器；
其中，各个所述智能控制设备，用于将加工的工件的加工质量特征数据发送给所述质量检测设备；
所述质量检测设备，用于根据所述加工质量特征数据向各个所述智能控制设备返回与所述工件相应的加工质量特征；
所述智能控制设备，还用于将所述加工质量特征、加工参数发送给所述智能集成控制服务器；
所述智能集成控制服务器，用于将所述加工质量特征、加工参数发送给所述远程诊断分析服务器；
所述远程诊断分析服务器，用于根据所述加工质量特征及所述加工参数提供相应的加工案列分析数据与技术服务支持数据，并返回给所述智能集成控制服务器。
8.根据权利要求7所述的状态监控的制造单元智能控制系统，其特征在于，所述智能控制设备与所述智能集成控制服务器通过Zigbee的无线自组网进行无线传输。
9.根据权利要求7所述的状态监控的制造单元智能控制系统，其特征在于，通过开发所述智能集成控制服务器与预设的ERP系统或MES系统的链接接口协议，使得所述集成服务器成为ERP系统或MES系统的子功能系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810283451.9A CN108710343B (zh) | 2018-04-02 | 2018-04-02 | 状态监控的制造单元智能控制方法、装置、设备及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810283451.9A CN108710343B (zh) | 2018-04-02 | 2018-04-02 | 状态监控的制造单元智能控制方法、装置、设备及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108710343A CN108710343A (zh) | 2018-10-26 |
| CN108710343B true CN108710343B (zh) | 2021-01-29 |
Family
ID=63866431
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810283451.9A Active CN108710343B (zh) | 2018-04-02 | 2018-04-02 | 状态监控的制造单元智能控制方法、装置、设备及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108710343B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109214723A (zh) * | 2018-11-13 | 2019-01-15 | 中国兵器装备集团自动化研究所 | 一种智能制造单元一体化监控系统 |
| RS63767B1 (sr) * | 2019-03-06 | 2022-12-30 | Komax Holding Ag | Računarski implementiran postupak za kontrolu većeg broja uređaja za obradu kablova i kontrolni sistem |
| CN110427011A (zh) * | 2019-07-16 | 2019-11-08 | 珠海达明科技有限公司 | 一种用于自动化设备的智能监控与实时补偿系统及方法 |
| CN111679636B (zh) * | 2020-05-11 | 2021-11-09 | 杭州睿疆科技有限公司 | 生产工艺参数处理的系统、方法和计算机设备 |
| CN112518584A (zh) * | 2020-11-27 | 2021-03-19 | 江苏科技大学 | 一种船用凸轮轴摆动磨削几何误差在机检测系统 |
| CN113407582B (zh) * | 2021-06-03 | 2022-08-23 | 上海蓝色帛缔智能工程有限公司 | 一种多智能体的集成数据的监控方法及云服务器 |
| CN113561060B (zh) * | 2021-07-28 | 2022-10-21 | 北京烁科精微电子装备有限公司 | 一种钻石整理器的控制方法、装置及系统 |
| CN114779720B (zh) * | 2022-03-27 | 2022-11-29 | 江苏贵钰航空工业有限公司 | 基于大数据的数控机床组智能控制系统 |
| CN115814686B (zh) * | 2023-02-14 | 2023-04-18 | 博纯材料股份有限公司 | 一种镭射气体混配生产系统的状态监控方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1740932A (zh) * | 2005-09-14 | 2006-03-01 | 山东大学 | 一种数控车床的智能控制系统及其控制方法 |
| WO2007008940A2 (en) * | 2005-07-11 | 2007-01-18 | Brooks Automation, Inc. | Intelligent condition-monitoring and dault diagnostic system |
| CN103676868A (zh) * | 2013-12-09 | 2014-03-26 | 华南理工大学 | 一种fpc制造关键工序自动监控与智能分析系统 |
| CN103744356A (zh) * | 2014-01-17 | 2014-04-23 | 重庆大学 | 一种基于dsp/fpga动态可配置的机床智能控制器及控制方法 |
| CN103760820A (zh) * | 2014-02-15 | 2014-04-30 | 华中科技大学 | 数控铣床加工过程状态信息评价装置 |
| CN103823409A (zh) * | 2014-02-27 | 2014-05-28 | 电子科技大学 | 数控机床加工状态多参数在线主动监控系统及其实现方法 |
| CN107291044A (zh) * | 2017-06-23 | 2017-10-24 | 深圳市盛路物联通讯技术有限公司 | 一种机床运行状态的智能监控方法及系统 |
-
2018
- 2018-04-02 CN CN201810283451.9A patent/CN108710343B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007008940A2 (en) * | 2005-07-11 | 2007-01-18 | Brooks Automation, Inc. | Intelligent condition-monitoring and dault diagnostic system |
| CN1740932A (zh) * | 2005-09-14 | 2006-03-01 | 山东大学 | 一种数控车床的智能控制系统及其控制方法 |
| CN103676868A (zh) * | 2013-12-09 | 2014-03-26 | 华南理工大学 | 一种fpc制造关键工序自动监控与智能分析系统 |
| CN103744356A (zh) * | 2014-01-17 | 2014-04-23 | 重庆大学 | 一种基于dsp/fpga动态可配置的机床智能控制器及控制方法 |
| CN103760820A (zh) * | 2014-02-15 | 2014-04-30 | 华中科技大学 | 数控铣床加工过程状态信息评价装置 |
| CN103823409A (zh) * | 2014-02-27 | 2014-05-28 | 电子科技大学 | 数控机床加工状态多参数在线主动监控系统及其实现方法 |
| CN107291044A (zh) * | 2017-06-23 | 2017-10-24 | 深圳市盛路物联通讯技术有限公司 | 一种机床运行状态的智能监控方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 《面向能量效率的数控铣削加工参数多目标优化模型》;李聪波 等;《机械工程学报》;20161130;第52卷(第21期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108710343A (zh) | 2018-10-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108710343B (zh) | 状态监控的制造单元智能控制方法、装置、设备及系统 | |
| Lee et al. | Predictive manufacturing system-Trends of next-generation production systems | |
| US9870690B2 (en) | Methods and systems for a universal wireless platform for asset monitoring | |
| Zhao et al. | Enabling cognitive manufacturing through automated on-machine measurement planning and feedback | |
| US9189760B2 (en) | System, method and computer readable medium for using performance indicators and predictive analysis for setting manufacturing equipment parameters | |
| Quintana et al. | Cost estimation support tool for vertical high speed machines based on product characteristics and productivity requirements | |
| KR102238059B1 (ko) | 동적 워크플로우 우선순위 선정 및 작업 수행을 위한 방법들 및 시스템들 | |
| CN117709617A (zh) | 一种基于mes的生产车间智能排程系统 | |
| US20210271672A1 (en) | Augmenting reliability models for manufactured products | |
| CN104657526A (zh) | 工具机的加工品质的预测方法 | |
| CN114428487A (zh) | 自动化控制装置、系统、方法 | |
| Liu et al. | Dynamic feature modelling for closed-loop machining process control of complex parts | |
| Zhuang et al. | Digital twin-based quality management method for the assembly process of aerospace products with the Grey-Markov Model and Apriori Algorithm | |
| Gittler et al. | International Conference on Advanced and Competitive Manufacturing Technologies milling tool wear prediction using unsupervised machine learning | |
| KR20230032675A (ko) | Ｃｎｃ 공작기계를 이용한 데이터 수집 시스템 | |
| EP3705964B1 (en) | A method for the scalable real-time state recognition of processes and/or sub-processes during production with electrically driven production plants | |
| CN104081298A (zh) | 用于自动化和/或电气工程项目中的工作流程的自动化操控的系统和方法 | |
| CN110188472B (zh) | 基于ai运算管理的智能测重方法及手机测重管理系统 | |
| Jankovič et al. | The concept of smart hydraulic press | |
| CN113204219B (zh) | 用于智能制造的工业控制器 | |
| CN116150664A (zh) | 一种数据类型差异化采集频率确定方法和系统 | |
| Wu et al. | A hybrid network capturing multisource feature correlations for tool remaining useful life prediction | |
| KR20230081136A (ko) | 용도에 따른 절삭공구 추천 플랫폼 시스템 | |
| Bergmann et al. | A stochastic approach to calculate assembly cycle times based on spatial shop-floor data stream | |
| KR101346369B1 (ko) | 파이프 스풀 생산관리 시스템의 제어방법 |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230803 Address after: R4-a600, Virtual University Park, 19 Gaoxin South 4th Road, Nanshan District, Shenzhen, Guangdong 518000 Patentee after: SHENZHEN RESEARCH INSTITUTE OF XIAMEN University Patentee after: XIAMEN University Address before: R4-a600, Virtual University Park, 19 Gaoxin South 4th Road, Nanshan District, Shenzhen, Guangdong 518000 Patentee before: SHENZHEN RESEARCH INSTITUTE OF XIAMEN University |