CN108898254A - 一种基于lr的生产线备件损坏率预测系统 - Google Patents
一种基于lr的生产线备件损坏率预测系统 Download PDFInfo
- Publication number
- CN108898254A CN108898254A CN201810713659.XA CN201810713659A CN108898254A CN 108898254 A CN108898254 A CN 108898254A CN 201810713659 A CN201810713659 A CN 201810713659A CN 108898254 A CN108898254 A CN 108898254A
- Authority
- CN
- China
- Prior art keywords
- spare part
- production line
- model
- value
- forecasting system
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
- G07C3/005—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles during manufacturing process
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
本发明公开了一种基于LR的生产线备件损坏率预测系统,具体流程如下:首先通过传感器收集设备最的运行记录,每小时的电流,电压平均值,以及运行时长等数据;之后人工获取备件的从安装到替换的时间;然后通过LR训练,得到模型;通过模型预测对应类别备件的当前损耗率;损耗率大于一定的值需要提前订货并且替换。本技术方案实现了一种LR的生产线备件损耗率预测系统,通过收集备件的运行数据,可以得到备件的损耗率,从而提前订货,及时更换备件,保证生产线正常运转从而提升企业的生产效率。
Description
技术领域
本发明涉及一种生产线备件损坏率预测系统,特别涉及一种基于LR的生产线备件损坏率预测系统,属于机械生产技术领域。
背景技术
产线备件更换:对于产线的高价值零部件,如何确定其订货量和订货时间,这是困扰企业的一个难题。由于生产线的设备复杂性、零件故障的随机性、备件消耗的特殊性和多样性,备件的需求和损耗难以预测。采用传统的定期更换无法更好的解决这个问题。因此需要采用算法来预测设备的损耗程度,做到精细化管理和更换。
LR:全称为logistic regressive,模型都具有 w‘x+b,其中w和b是待求参数,其区别在于他们的因变量不同,多重线性回归直接将w‘x+b作为因变量,即y =w‘x+b,而logistic回归则通过函数L将w‘x+b对应一个隐状态p,p =L(w‘x+b),然后根据p 与1-p的大小决定因变量的值。备件的损耗和生产环境以及使用周期都有明显的关系,因此我们可以通过采集环境数据预测备件的损耗率,做到提前更换。其中,x为输入变量,包括零件的使用周期、历史电压、电流、气压等数据,y为当前的损耗率。
现有的产线备件替换都是定期全面检查更新出现问题的备件,以及出现故障时临时替换。当前定期更换备件以及出现故障时,没有此类备件库存,需要临时进行采购,周期拉长。进而导致无法保证生产线正常运行,订货时间和订货量无法精准预测,当前损耗情况难以预测。
发明内容
本发明要解决的技术问题是克服现有技术的缺陷,提供一种基于LR的生产线备件损坏率预测系统。
为了解决上述技术问题,本发明提供了如下的技术方案:
本发明提供了一种基于LR的生产线备件损坏率预测系统,具体流程如下:
1)通过传感器收集设备最的运行记录,每小时的电流,电压平均值,以及运行时长等数据;
2)人工获取备件的从安装到替换的时间;
3)通过LR训练,得到模型;
4)通过模型预测对应类别备件的当前损耗率;
5)损耗率大于一定的值需要提前订货并且替换。
作为本发明的一种优选技术方案,LR训练模型为:
输入:
x:设备的运行数据,包括电流、电压、运行时长等,
y:设备的状态数据,0表示正常,1表示故障,
目标:
得到模型w,预测值函数为sigmoid函数,具体如下:
z=w*x
使得模型预测值和真实值最接近,损失函数为
通过梯度下降,得到w和b的更新方法:
Y表示真实值,Φ(z)表示模型的预测值,x为输入。
作为本发明的一种优选技术方案,LR预测流程为:
得到预测数据的运行数据后,通过
可以得到当前的损耗值,大于某个阈值就需要订货替换。
本发明所达到的有益效果是:本技术方案实现了一种LR的生产线备件损耗率预测系统,通过收集备件的运行数据,可以得到备件的损耗率,从而提前订货,及时更换备件,保证生产线正常运转从而提升企业的生产效率。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明的结构示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1
如图1所示,本发明提供了一种基于LR的生产线备件损坏率预测系统,具体流程如下:
1)通过传感器收集设备最的运行记录,每小时的电流,电压平均值,以及运行时长等数据;
2)人工获取备件的从安装到替换的时间;
3)通过LR训练,得到模型;
4)通过模型预测对应类别备件的当前损耗率;
5)损耗率大于一定的值需要提前订货并且替换。
LR训练模型为:
输入:
x:设备的运行数据,包括电流、电压、运行时长等,
y:设备的状态数据,0表示正常,1表示故障,
目标:
得到模型w,预测值函数为sigmoid函数,具体如下:
z=w*x
使得模型预测值和真实值最接近,损失函数为
通过梯度下降,得到w和b的更新方法:
Y表示真实值,Φ(z)表示模型的预测值,x为输入。
LR预测流程为:
得到预测数据的运行数据后,通过
可以得到当前的损耗值,大于某个阈值就需要订货替换。
本发明所达到的有益效果是:本技术方案实现了一种LR的生产线备件损耗率预测系统,通过收集备件的运行数据,可以得到备件的损耗率,从而提前订货,及时更换备件,保证生产线正常运转从而提升企业的生产效率。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种基于LR的生产线备件损坏率预测系统,其特征在于,具体流程如下:
1)通过传感器收集设备最的运行记录,每小时的电流,电压平均值,以及运行时长等数据;
2)人工获取备件的从安装到替换的时间;
3)通过LR训练,得到模型;
4)通过模型预测对应类别备件的当前损耗率;
5)损耗率大于一定的值需要提前订货并且替换。
2.根据权利要求1所述的一种基于LR的生产线备件损坏率预测系统,其特征在于,LR训练模型为:
输入:
x:设备的运行数据,包括电流、电压、运行时长等,
y:设备的状态数据,0表示正常,1表示故障,
目标:
得到模型w,预测值函数为sigmoid函数,具体如下:
z=w*x
使得模型预测值和真实值最接近,损失函数为
通过梯度下降,得到w和b的更新方法:
Y表示真实值,Φ(z)表示模型的预测值,x为输入。
3.根据权利要求1所述的一种基于LR的生产线备件损坏率预测系统,其特征在于,LR预测流程为:
得到预测数据的运行数据后,通过
可以得到当前的损耗值,大于某个阈值就需要订货替换。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810713659.XA CN108898254A (zh) | 2018-07-03 | 2018-07-03 | 一种基于lr的生产线备件损坏率预测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810713659.XA CN108898254A (zh) | 2018-07-03 | 2018-07-03 | 一种基于lr的生产线备件损坏率预测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108898254A true CN108898254A (zh) | 2018-11-27 |
Family
ID=64347438
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810713659.XA Pending CN108898254A (zh) | 2018-07-03 | 2018-07-03 | 一种基于lr的生产线备件损坏率预测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108898254A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111260818A (zh) * | 2018-11-30 | 2020-06-09 | 财团法人金属工业研究发展中心 | 扣件成型机的模具状态诊断方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102682180A (zh) * | 2011-03-07 | 2012-09-19 | 上海宝信软件股份有限公司 | 旋转式机械设备性能退化的评估方法 |
CN107358347A (zh) * | 2017-07-05 | 2017-11-17 | 西安电子科技大学 | 基于工业大数据的装备集群健康状态评估方法 |
CN108053079A (zh) * | 2017-12-29 | 2018-05-18 | 山东超越数控电子股份有限公司 | 一种用于机务外场的备件数量预测方法和系统 |
-
2018
- 2018-07-03 CN CN201810713659.XA patent/CN108898254A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102682180A (zh) * | 2011-03-07 | 2012-09-19 | 上海宝信软件股份有限公司 | 旋转式机械设备性能退化的评估方法 |
CN107358347A (zh) * | 2017-07-05 | 2017-11-17 | 西安电子科技大学 | 基于工业大数据的装备集群健康状态评估方法 |
CN108053079A (zh) * | 2017-12-29 | 2018-05-18 | 山东超越数控电子股份有限公司 | 一种用于机务外场的备件数量预测方法和系统 |
Non-Patent Citations (1)
Title |
---|
黎慧: "基于EMD和逻辑回归的轴承性能退化评估与剩余寿命预测", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111260818A (zh) * | 2018-11-30 | 2020-06-09 | 财团法人金属工业研究发展中心 | 扣件成型机的模具状态诊断方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Keizer et al. | Joint condition-based maintenance and inventory optimization for systems with multiple components | |
US20190102494A1 (en) | System for tracking incremental damage accumulation | |
Nguyen et al. | Multi-level predictive maintenance for multi-component systems | |
US10650614B2 (en) | Aircraft maintenance event prediction using higher-level and lower-level system information | |
Zheng et al. | Optimal maintenance policy for a system with preventive repair and two types of failures | |
US9286735B1 (en) | Generating cumulative wear-based indicators for vehicular components | |
CN106855966A (zh) | 基于无人配送车进行调度的方法和系统 | |
CN108229538B (zh) | 交通工具系统预测装置和方法 | |
CN109582529A (zh) | 一种报警阈值的设置方法及装置 | |
WO2010132998A4 (en) | Process for improving the production of photovoltaic products | |
Cai et al. | Joint optimization of preventive maintenance and spare parts inventory with appointment policy | |
TW202139131A (zh) | 用於影像分類之適應學習 | |
US20180232964A1 (en) | Vehicle component failure prevention | |
CN106502871A (zh) | 监管系统的告警阈值动态配置系统及方法 | |
US20140188767A1 (en) | Computer-Implemented Methods and Systems for Determining Fleet Conditions and Operational Management Thereof | |
JPWO2016185596A1 (ja) | 遠隔監視装置、遠隔監視保守システム、遠隔監視方法、及び遠隔監視プログラム | |
US11736363B2 (en) | Techniques for analyzing a network and increasing network availability | |
CN104076809A (zh) | 数据处理装置以及数据处理方法 | |
CN108898254A (zh) | 一种基于lr的生产线备件损坏率预测系统 | |
CN113448808B (zh) | 一种批处理任务中单任务时间的预测方法、系统及存储介质 | |
CN110928716A (zh) | 调度任务异常处理方法及装置 | |
Liu et al. | Simultaneous predictive maintenance and inventory policy in a continuously monitoring system using simulation optimization | |
US11663544B2 (en) | System and methods for risk assessment in a multi-tenant cloud environment | |
JP2020042708A (ja) | モデル作成装置、モデル作成方法及びプログラム | |
CN105553717B (zh) | 呼叫中心及其监控系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181127 |