CN109079427B - 一种应用数据挖掘技术的钢桶生产工艺 - Google Patents
一种应用数据挖掘技术的钢桶生产工艺 Download PDFInfo
- Publication number
- CN109079427B CN109079427B CN201710447567.7A CN201710447567A CN109079427B CN 109079427 B CN109079427 B CN 109079427B CN 201710447567 A CN201710447567 A CN 201710447567A CN 109079427 B CN109079427 B CN 109079427B
- Authority
- CN
- China
- Prior art keywords
- steel drum
- data mining
- production
- station
- mining technology
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23P—METAL-WORKING NOT OTHERWISE PROVIDED FOR; COMBINED OPERATIONS; UNIVERSAL MACHINE TOOLS
- B23P15/00—Making specific metal objects by operations not covered by a single other subclass or a group in this subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mechanical Engineering (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及制造行业技术领域,具体涉及一种应用数据挖掘技术实现的钢桶及其生产工艺;本发明通过采用数据挖掘技术,对钢桶相关参数进行性能测试,得出最佳性能参数,不仅提高钢桶性能,延长钢桶使用寿命,而且在钢桶生产方面效率更高,生产的钢桶质量更好。
Description
技术领域
本发明涉及制造行业技术领域,具体涉及一种应用数据挖掘技术的钢桶生产工艺。
背景技术
近年来,随着中国经济和先进技术地飞速发展,钢桶制造行业也得以可持续发展,包括从产品、工艺、材料、设备及理论研究等各个方面,都开始与国际接轨,但是整个制造行业仍处于传统的商业模式阶段,这务必限制了企业地不断发展。如今物联网、云计算、大数据、通信等信息技术已慢慢融入我们生活中,数据量的暴涨抑制企业发展成了许多制造行业共同面对的严峻挑战和宝贵机遇。
诸如钢桶生产等制造业在未来的“信息和大数据时代”面临的问题主要包含几个方面:
(1)制造业整个价值链以及产品的整个生命周期都涉及到诸多的数据。同时,制造业企业面临的数据也呈现出爆炸性增长趋势,因此如何存储、筛选、处理以及分析这些海量的数据,将是未来企业所关心的首要问题;(2)随着我国向“节能降耗、绿色环保、协调可持续发展、创新发展方式”转变,面对现有中小型制桶企业所存在的大量自动化信息化程度不高、生产效率低、产品质量不稳定以及价格昂贵的生产设备等现状,引进现代化先进技术来改善这些已经存在的问题,提高生产效益,解决企业长期以往所存在的传统运作模式;(3)从企业员工健康角度出发,如何利用现代化的数字技术、通信技术等将工人从繁琐而重复的工作中解放出来;利用数据分析技术,挖掘出有用信息,为企业生产和商业决策提供有价值的数据,使得企业获得更加客观的利润;(4)面对现代制造业管理不规范、生产效率低以及生产过程传统化等现象,如何改善和优化企业制造和管理流程,不断促进产品、服务和商业模式的创新,是企业的未来发展方向。
综上所述,加强大数据应用的研究,对于推动互联网与制造业跨界融合、加快实施中国智能制造,以及提高新时期制造业国际竞争力具有重要意义。当然在未来的工业大数据时代,能改善企业目前现有状况最有力的工具就是数据挖掘,对于企业而言,数据挖掘有助于发现业务的趋势,揭示已知的事实,预测未知的结果。从这个意义上来说,知识就是力量,数据挖掘就是财富。数据挖掘就是从大量数据(包括文本)中挖掘出隐含的、未知的、对决策有潜在价值的关系、模式和趋势,并利用这些知识和规则建立用于决策支持的模型,提供预测性决策支持的方法、工具和过程;是利用各种分析工具在海量数据中发现模型和数据之间的关系的过程。数据挖掘的目的就是从数据中“淘金”,从数据中获取智能的过程。
因此,结合人工智能技术,利用数据挖掘对钢桶制造中所涉及的数据信息进行数据建模分析,对数据进行归类和分析,寻找数据之间的关联,确定最优方案;同时对钢桶生产线进行数字化改造,引进较好的生产设备,在此基础上进行钢桶生产制造可以获得更高原料利用率、废品利用率和能源利用率,从而提高生产效益。此外,随着生产批量增大,生产企业创造的利税逐年增多,产品的性能在逐步完善提高,由此带来了可观的经济收入效益和社会效益。不仅如此,这种技术不仅可以应用于企业生产,还可以应用于企业管理,企业服务以及企业运作等方面。
发明内容
(一)解决的技术问题
本发明通过采用数据挖掘技术,对钢桶相关参数进行性能测试,得出最佳性能参数,不仅提高钢桶性能,延长钢桶使用寿命,而且在钢桶生产方面效率更高,生产的钢桶质量更好。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:一种应用数据挖掘技术的钢桶生产工艺,通过数据挖掘技术对钢桶进行性能测试,得出最佳方案之后进行生产,生产工艺包括以下步骤:(1)毛坯下料;(2)钢板成型;(3)钢板进入焊机,卷圆缝焊; (4)经过电磁烘干线烘干;(5)经过储罐输送带风干冷却;(6)进入五工位加工装置,依次经过翻边预卷工位、底部封底工位、扩张工位、卷线工位、涨筋工位;(7)之后通过输送带将封底后的桶送入自动点焊机进行焊接;
通过数据挖掘技术实现钢桶性能测试包括以下步骤:a:钢桶数据信息采集及数字化; b:钢桶数据信息建库和入库;c:数据挖掘分析(RBF、SVM、小波分析、人工神经网络);d:结果分析评估;e:设计方案验证和确定;f:设备、生产线的数字化及其自动化改造;g: 生产流程和设备的测定;h:生产性试验;i:确定最优方案;j:完善和改进方案;k:投入生产。
(三)有益效果
本发明提供一种应用数据挖掘技术的钢桶生产工艺,其具有的有益效果为:
(1)本发明通过在钢桶生产中用于数据挖掘技术,对钢桶相关参数进行性能测试,得出最佳性能参数,使之生产出来的钢桶质量好、使用寿命长。
(2)本发明中数据挖掘分析中可以引用人工神经网络、SVM(支持向量机)、RBF、小波分析技术,为数据挖掘提供了更有效地方法和途径,为分析最优数据提供了更好地途径。
(3)人工神经网络方法解决数据挖掘分析对于逼近实数值、离散值或向量值的目标函数提供了一种健壮性很强的方法,因此它为数据挖掘中分类与回归以及聚类分析提供了可靠的人工智能算法保证,提高了数据分析的效率,有利于获取更优的数据和信息。
(4)支持向量机(support vector machine)是一种分类算法,通过寻求结构化风险最小来提高学习机泛化能力,实现经验风险和置信范围的最小化,从而达到在统计样本量较少的情况下,亦能获得良好统计规律的目的,故将支持支持向量机方法用于解决数据挖掘中的分类与回归分析方法,有利于获取有效地最优数据,并具备自适应、推广等能力。
附图说明
以下结合附图进一步说明本发明;
图1为本发明技术路线图;
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。
请参照图1,一种应用数据挖掘技术的钢桶生产工艺,通过数据挖掘技术对钢桶进行性能测试,得出最佳方案之后进行生产,生产工艺包括以下步骤:(1)毛坯下料;(2) 钢板成型;(3)钢板进入焊机,卷圆缝焊;(4)经过电磁烘干线烘干;(5)经过储罐输送带风干冷却;(6)进入五工位加工装置,依次经过翻边预卷工位、底部封底工位、扩张工位、卷线工位、涨筋工位;(7)之后通过输送带将封底后的桶送入自动点焊机进行焊接;
所述通过数据挖掘技术实现钢桶性能测试包括以下步骤:a:钢桶数据信息采集及数字化;b:钢桶数据信息建库和入库;c:数据挖掘分析(RBF、SVM、小波分析、人工神经网络);d:结果分析评估;e:设计方案验证和确定;f:设备、生产线的数字化及其自动化改造;g:生产流程和设备的测定;h:生产性试验;i:确定最优方案;j:完善和改进方案; k:投入生产。
本发明生产工艺简单,操作方便,应用数据挖掘技术首先对钢桶性能参数进行测试,来得出最佳方案,之后进行投产,使生产出的钢桶质量好、使用寿命长,而且提高钢桶生产效果,降低人力物力,有较好的市场前景。
本发明的基本教导已加以说明,对具有本领域通常技能的人而言,许多延伸和变化将是显而易知者。由于说明书揭示的本发明可在未脱离本发明精神或大体特征的其它特定形式来实施,且这些特定形式的一些形式已经被指出,所以,说明书揭示的实施例应视为举例说明而非限制。本发明的范围是由所附的申请专利范围界定,而不是由上述说明所界定,对于落入申请专利范围的均等意义与范围的所有改变仍将包含在其范围之内。
Claims (1)
1.一种应用数据挖掘技术的钢桶生产工艺,其特征在于:通过数据挖掘技术对钢桶进行性能测试,得出最佳方案之后进行生产,生产工艺包括以下步骤:(1)毛坯下料;(2)钢板成型;(3)钢板进入焊机,卷圆缝焊;(4)经过电磁烘干线烘干;(5)经过储罐输送带风干冷却;(6)进入五工位加工装置,依次经过翻边预卷工位、底部封底工位、扩张工位、卷线工位、涨筋工位;(7)之后通过输送带将封底后的桶送入自动点焊机进行焊接;
通过数据挖掘技术实现钢桶性能测试包括以下步骤:a:钢桶数据信息采集及数字化;b:钢桶数据信息建库和入库;c:数据挖掘分析;d:结果分析评估;e:设计方案验证和确定;f:设备、生产线的数字化及其自动化改造;g:生产流程和设备的测定;h:生产性试验;i:确定最优方案;j:完善和改进方案;k:投入生产。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710447567.7A CN109079427B (zh) | 2017-06-14 | 2017-06-14 | 一种应用数据挖掘技术的钢桶生产工艺 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710447567.7A CN109079427B (zh) | 2017-06-14 | 2017-06-14 | 一种应用数据挖掘技术的钢桶生产工艺 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109079427A CN109079427A (zh) | 2018-12-25 |
CN109079427B true CN109079427B (zh) | 2021-01-19 |
Family
ID=64839441
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710447567.7A Active CN109079427B (zh) | 2017-06-14 | 2017-06-14 | 一种应用数据挖掘技术的钢桶生产工艺 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109079427B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002323924A (ja) * | 2001-02-21 | 2002-11-08 | Toshiba Corp | 不良装置検出方法、不良装置検出装置、プログラム及び製品の製造方法 |
CN102069094A (zh) * | 2010-11-16 | 2011-05-25 | 北京首钢自动化信息技术有限公司 | 一种基于数据挖掘的板形控制关键工艺参数优化系统 |
CN103268329A (zh) * | 2013-05-04 | 2013-08-28 | 四川虹欧显示器件有限公司 | 等离子显示屏制造过程数据挖掘系统 |
CN203993132U (zh) * | 2014-07-17 | 2014-12-10 | 苏州华源包装股份有限公司 | 一种智能自动化多工位钢桶生产线 |
CN105912773A (zh) * | 2016-04-08 | 2016-08-31 | 江苏大学 | 一种新的基于数据挖掘技术的智能冲压工艺设计方法 |
CN106180619A (zh) * | 2016-08-12 | 2016-12-07 | 湖南千盟物联信息技术有限公司 | 一种连铸过程智能控制的系统方法 |
-
2017
- 2017-06-14 CN CN201710447567.7A patent/CN109079427B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002323924A (ja) * | 2001-02-21 | 2002-11-08 | Toshiba Corp | 不良装置検出方法、不良装置検出装置、プログラム及び製品の製造方法 |
CN102069094A (zh) * | 2010-11-16 | 2011-05-25 | 北京首钢自动化信息技术有限公司 | 一种基于数据挖掘的板形控制关键工艺参数优化系统 |
CN103268329A (zh) * | 2013-05-04 | 2013-08-28 | 四川虹欧显示器件有限公司 | 等离子显示屏制造过程数据挖掘系统 |
CN203993132U (zh) * | 2014-07-17 | 2014-12-10 | 苏州华源包装股份有限公司 | 一种智能自动化多工位钢桶生产线 |
CN105912773A (zh) * | 2016-04-08 | 2016-08-31 | 江苏大学 | 一种新的基于数据挖掘技术的智能冲压工艺设计方法 |
CN106180619A (zh) * | 2016-08-12 | 2016-12-07 | 湖南千盟物联信息技术有限公司 | 一种连铸过程智能控制的系统方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109079427A (zh) | 2018-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110990461A (zh) | 大数据分析模型算法选型方法、装置、电子设备及介质 | |
CN111581116B (zh) | 一种基于分层数据筛选的跨项目软件缺陷预测方法 | |
CN114677362A (zh) | 基于改进YOLOv5的表面缺陷检测方法 | |
Yin et al. | Dynamic real–time abnormal energy consumption detection and energy efficiency optimization analysis considering uncertainty | |
CN109079427B (zh) | 一种应用数据挖掘技术的钢桶生产工艺 | |
Shi et al. | Key issues and progress of industrial big data-based intelligent blast furnace ironmaking technology | |
Poljak | Industry 4.0–New challenges for public water supply organizations | |
CN114386679A (zh) | 基于集成学习的球磨机能耗状态监测方法 | |
Mahiri et al. | Data-driven sustainable smart manufacturing: A conceptual framework | |
Chen et al. | Applying the grey forecasting model to the energy supply management engineering | |
Trnka | Results of application data mining algorithms to (lean) six sigma methodology | |
Fang et al. | ACRM: Attention cascade R-CNN with Mix-NMS for metallic surface defect detection | |
CN111125082B (zh) | 基于关联规则挖掘的水泥工艺参数数据分析方法 | |
CN112388148A (zh) | 基于模拟退火算法的焊接参数优化法 | |
Zhu et al. | A carbon efficiency upgrading method for mechanical machining based on scheduling optimization strategy | |
Luo et al. | Research on Quality Management and Optimization under Digital Transformation of China's Manufacturing Industry Based on Big Data Analytics | |
Feng et al. | Impact of Global Value Chain Embedding on Total-Factor Energy Productivity of Chinese Industrial Sectors | |
CN114580467B (zh) | 基于数据增强和Tri-Training的电力数据异常检测方法及系统 | |
Krumeich et al. | Realizing the predictive enterprise through intelligent process predictions based on big data analytics: a case study and architecture proposal | |
Liu et al. | Path identification and effect assessment of digital economy-driven manufacturing quality development in the context of big data analysis | |
Wang et al. | Research on Multi-Source Correlation Technology and Economic Analysis Technology Based on New Digital Technology | |
ALEKSANDROVA et al. | The development of methods of competitive intelligence based on the concept of fuzzy logic statements (on materials of the glass industry) | |
Mesjasz-Lech et al. | Circular manufacturing and Industry 5.0. assessing material flows in the manufacturing process in relation to e-waste streams | |
Remeň et al. | THE CONCEPTION INDUSTRY 4.0 IN THE ENVIRONMENT OF WOOD PROCESSING COMPANIES IN SLOVAKIA | |
Wang et al. | The Management Innovation Classified Performance Study on Supply Chain Vendor Manufacturing Enterprise |
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: 20211209 Address after: 223800 No. 398 Fumin Avenue, Suqian Economic and Technological Development Zone, Suqian City, Jiangsu Province Patentee after: Jiangsu Weisi Packaging Co.,Ltd. Address before: 223800 east side of Kegong Road, West District, Sucheng Economic Development Zone, Suqian City, Jiangsu Province Patentee before: SUQIAN SANSHI PACKING CONTAINER Co.,Ltd. |