CN109741927B - 微型变压器生产线的设备故障和潜在不良品智能预测系统 - Google Patents
微型变压器生产线的设备故障和潜在不良品智能预测系统 Download PDFInfo
- Publication number
- CN109741927B CN109741927B CN201910194092.4A CN201910194092A CN109741927B CN 109741927 B CN109741927 B CN 109741927B CN 201910194092 A CN201910194092 A CN 201910194092A CN 109741927 B CN109741927 B CN 109741927B
- Authority
- CN
- China
- Prior art keywords
- product
- equipment
- potential defective
- software
- prediction
- 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
- 230000002950 deficient Effects 0.000 title claims abstract description 57
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 42
- 238000012360 testing method Methods 0.000 claims abstract description 60
- 238000001514 detection method Methods 0.000 claims abstract description 46
- 239000000523 sample Substances 0.000 claims description 24
- 238000000034 method Methods 0.000 claims description 15
- 238000012544 monitoring process Methods 0.000 claims description 5
- 230000009191 jumping Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 239000002699 waste material Substances 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]
-
- 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"
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01F—MAGNETS; INDUCTANCES; TRANSFORMERS; SELECTION OF MATERIALS FOR THEIR MAGNETIC PROPERTIES
- H01F41/00—Apparatus or processes specially adapted for manufacturing or assembling magnets, inductances or transformers; Apparatus or processes specially adapted for manufacturing materials characterised by their magnetic properties
-
- 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)
- Business, Economics & Management (AREA)
- Manufacturing & Machinery (AREA)
- Power Engineering (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种微型变压器生产线的设备故障和潜在不良品智能预测系统,包括产品性能参数检测设备、测试仪器、振动传感器、数据采集软件、数据分析软件、工作站、经验数据库和工业控制软件;通过在产品性能参数检测设备上设置振动传感器,工作站安装经验数据库并与数据采集软件、数据分析软件和工业控制软件关联,数据采集软件与测试仪器、振动传感器通讯,工业控制软件与PLC通讯,可实现设备故障和潜在不良品预测功能,进而有效缩短因产线设备故障导致的停机时间,节约生产管理成本,提高出厂产品优良率。此外,通过数据共享可方便相关人员的后续使用。
Description
技术领域
本发明涉及微型变压器生产制造和设备监测领域,具体涉及一种微型变压器生产线的设备故障和潜在不良品智能预测系统。
背景技术
在现代工业中,生产智能化有利于保证产品质量及提高生产效率。然而,因实际中的设备多样性和生产过程不确定性使得设备与设备之间、设备与PC之间难以关联,导致生产智能化水平较低,生产数据浪费等问题。
针对微型变压器生产领域,现有的微型变压器产品性能参数检测设备可实现产品性能参数检测和产品分类功能,但无法在线存储生产数据。而且,在产品性能参数检测过程中,通过人为设定的测试标准线无法筛选出潜在不良品(潜在不良品定义为各项性能参数均达到测试标准但循环使用次数尚未满足要求的产品)。此外,目前的设备维护通常采取事后维修的模式,而且对设备故障诊断主要依赖于人为经验,导致生产时间的浪费。
因此,需要研究出一种新的技术方案来解决上述问题。
发明内容
有鉴于此,本发明针对现有技术存在之缺失,其主要目的是提供一种微型变压器生产线的设备故障和潜在不良品智能预测系统,其实现设备故障和潜在不良品预测功能,进而有效缩短因产线设备故障导致的停机时间,节约生产管理成本,提高生产效率及出厂产品优良率;此外,通过数据共享可方便相关人员的后续使用。
本发明解决上述技术问题的技术方案是:
一种微型变压器生产线的设备故障和潜在不良品智能预测系统,包括产品性能参数检测设备、测试仪器、振动传感器、数据采集软件、数据分析软件、工作站、经验数据库和工业控制软件;
所述振动传感器连接在产品性能参数检测设备上;所述工作站安装所述经验数据库并分别与所述数据采集软件、数据分析软件、工业控制软件关联;所述测试仪器设置于产品性能参数检测设备上,所述产品性能参数检测设备上设置有PLC;所述数据采集软件分别与测试仪器、振动传感器通讯;所述工业控制软件与PLC通讯;
设备故障预测功能实现步骤为:
①设置系统参数,数据采集软件通过振动传感器在线采集设备振动信号并存储至经验数据库;
②数据分析软件处理采集的设备振动信号,通过设备故障预测模型分析设备运行状况并将结果同步至经验数据库;
③工业控制软件根据故障预测结果向PLC发出控制信号,实现设备运行/停止状态的控制;
潜在不良品预测功能实现步骤为:
①设置系统参数,数据采集软件通过测试仪器在线采集产品性能参数并存储至经验数据库;
②数据分析软件将采集的产品性能参数与设定的标准值比较,判断产品合格情况,当产品不合格时跳转至步骤④,否则继续执行下一步;
③数据分析软件通过产品质量预测模型,将步骤②中判断的合格产品进一步归类为优良品或潜在不良品;
④数据分析软件将判断的结果同步至经验数据库,并指示工业控制软件向PLC发出控制信号,实现产品分类;
⑤数据分析软件根据统计的产品数据计算产线效率并实时监测产品批次整体质量。
作为一种优选方案,所述产品性能参数检测设备上设置有滑块,所述滑块上设置有测试针;在设备故障预测功能实现步骤②中,所述设备运行状况包括滑块上的测试探针正常工作、出现偏移或损坏中任一种。
作为一种优选方案,在设备故障预测功能实现步骤②中,所述设备故障预测模型为:
式中,Δz为设备故障因数,A为振动信号幅值,x为振动传感器位置对应的产品性能参数检测指数,取经验数据库最近N次的检测数据,N为设定检测产品数据次数,M为设定合格产品检测数据次数,M、N均为正整数且M≤N,当实际合格产品检测数据次数小于M时,x=1;否则x=0,ki和k0为权重值,max和min代表对应变量的上限和下限;当Δz≤Δzcr1时,设备正常运行;当Δz≥Δzcr2时,测试探针出现损坏,否则测试探针出现偏移;其中,Δzcr1和Δzcr2为根据设备稳定性和振动传感器位置设定的阈值。
作为一种优选方案,0.6≤Δzcr1≤0.7,0.8≤Δzcr2Δzcr1≤0.9。
作为一种优选方案,在潜在不良品预测功能实现步骤①中,所述在线采集产品性能参数包括电感L、品值因数Q、波形面积差S和电阻R中的任一种。
作为一种优选方案,在潜在不良品预测功能实现步骤③中,所述产品质量预测模型为:
式中,Δd为产品质量因数,a1,a2,a3和a4为权重值,max和min代表对应变量的上限和下限;当Δd≤Δdcr时,将产品归类为优良品,否则归类为潜在不良品;其中,Δdcr为根据市场、客户需求设定的阈值。
作为一种优选方案,0.8≤Δdcr≤0.9。
作为一种优选方案,在潜在不良品预测功能实现步骤⑤中,所述实时监测产品批次整体质量的方式包括:计算产品优良率η,当η≤ηcr时,工业控制软件向PLC发出控制信号,产品性能参数检测设备停止测试并报警;其中,ηcr为根据市场、客户需求设定的阈值。
作为一种优选方案,在系统运行过程中,先进行设备故障预测,再进行潜在不良品预测。
作为一种优选方案,当系统运行至设定的时间节点时,数据分析软件根据统计的设备故障预测和产品的相关数据自动生成报表,并实时共享至MES系统。
本发明与现有技术相比具有以下的有益效果:
1.与设备的事后维修模式相比,利用系统的设备故障预测功能,技术人员可根据事先预测的设备故障及时对设备进行维护,进而有效缩短因产线设备故障导致的停机时间,节约生产管理成本;
2.与现有的微型变压器产品分类方法相比,利用系统的潜在不良品预测功能,可从合格产品中进一步筛选出潜在不良品,以提高出厂产品的优良率;
3.通过系统存储的设备故障预测和产品数据,可共享至MES系统,以便相关人员的后续使用。
为更清楚地阐述本发明的结构特征和功效,下面结合附图与具体实施例来对本发明进行详细说明。
附图说明
图1为微型变压器生产线的设备故障和潜在不良品智能预测系统组成结构示意图;
图2为微型变压器生产线的设备故障和潜在不良品智能预测系统的流程图;
图3为设备故障预测功能的流程图;
图4为潜在不良品预测功能的流程图;
图5a为测试探针正常工作时对应的振动信号图;
图5b为测试探针出现偏移时对应的振动信号图;
图5c为测试探针出现损坏时对应的振动信号图;
图6为系统的UI界面图。
附图标示说明:
1、产品性能参数检测设备 2、测试仪器
3、滑块 4、振动传感器
5、数据采集软件 6、数据分析软件
7、工作站 8、经验数据库
9、工业控制软件 10、PLC。
具体实施方式
请参照图1至图6所示,其显示出了本发明之实施例的具体结构,但本发明的实施方式不限于此:
本实施例中,以9108型号的微型变压器产品为例,详细说明本发明的微型变压器生产线的设备故障和潜在不良品智能预测系统的工作原理,进而验证本发明的技术效果。
如图1所示,一种微型变压器生产线的设备故障和潜在不良品智能预测系统,包括产品性能参数检测设备1、测试仪器2、振动传感器4、数据采集软件5、数据分析软件6、工作站7、经验数据库8和工业控制软件9;
所述振动传感器4连接在产品性能参数检测设备1上;所述工作站7安装所述经验数据库8并分别与所述数据采集软件5、数据分析软件6、工业控制软件9关联;所述测试仪器2设置于产品性能参数检测设备1上,所述产品性能参数检测设备1上设置有PLC10;所述数据采集软件5分别与测试仪器2、振动传感器4通讯;所述工业控制软件9与PLC10通讯;
设备故障预测功能实现步骤为:
①设置系统参数,数据采集软件5通过振动传感器4在线采集设备振动信号并存储至经验数据库8;
②数据分析软件6处理采集的设备振动信号例如:图5a、图5b、图5c,通过设备故障预测模型分析设备运行状况并将结果同步至经验数据库8;所述产品性能参数检测设备1上设置有滑块3,所述振动传感器4通过螺丝连接固定在产品性能参数检测设备1的滑块3上;所述滑块3上设置有测试针;在设备故障预测功能实现步骤②中,所述设备运行状况包括滑块3上的测试探针正常工作、出现偏移或损坏中任一种;采用上述振动传感器安装方案的原因在于:测试探针作为产品性能参数检测设备的关键零部件,需频繁且紧密与被检测件表面接触,易出现偏移和损坏。因此,将振动传感器固定在滑块上可直接采集测试探针的振动信号。根据生产线中的设备故障预测需求,可同时安装多个振动传感器在关键工位的设备上,利用振动传感器在线预测设备故障以确保生产效率,并通过优化后的分类算法和在线测的产品性能参准确判断产品质量。
在设备故障预测功能实现步骤②中,所述设备故障预测模型为:
式中,Δz为设备故障因数,A为振动信号幅值,x为振动传感器位置对应的产品性能参数检测指数,取经验数据库最近N次的检测数据,N为设定检测产品数据次数,M为设定合格产品检测数据次数,M、N均为正整数且M≤N,当实际合格产品检测数据次数小于M时,x=1;否则x=0;例如:取经验数据库最近10次的检测数据,合格产品的数量小于7时,x=1;否则x=0,ki和k0为权重值,max和min代表对应变量的上限和下限。当Δz≤Δzcr1时,设备正常运行;当Δz≥Δzcr2时,测试探针出现损坏,否则测试探针出现偏移;其中,Δzcr1和Δzcr2为根据设备稳定性和振动传感器位置设定的阈值。通常,0.6≤Δzcr1≤0.7,0.8≤Δzcr2Δzcr1≤0.9。
在实际应用中,上述Δzcr1和Δzcr2的设定方式为:采集并处理若干个测试探针正常工作,出现偏移和损坏的振动信号与设备稳定性和振动传感器位置相关,计算对应的Δz并存储至经验数据库,进而通过经验数据确定Δzcr1和Δzcr2的范围。此外,系统后续运行中获取的设备振动信号将不断优化经验数据库,可使Δzcr1和Δzcr2取值范围更精确。
③工业控制软件9根据故障预测结果向PLC10发出控制信号,实现设备运行/停止状态的控制;
潜在不良品预测功能实现步骤为:
①设置系统参数,数据采集软件5通过测试仪器2在线采集产品性能参数并存储至经验数据库8;在潜在不良品预测功能实现步骤①中,所述在线采集产品性能参数包括电感L、品值因数Q、波形面积差S和电阻R。在实际应用中,可根据使用者需求在数据采集软件上设定存储单元。因此,采集的产品性能参数包括且不仅限于电感L、品值因数Q、波形面积差S和电阻R中的一项或多项。
②数据分析软件6将采集的产品性能参数与设定的标准值比较,判断产品合格情况,当产品不合格时跳转至步骤④,否则继续执行下一步;
③数据分析软件6通过产品质量预测模型,将步骤②中判断的合格产品进一步归类为优良品或潜在不良品;在潜在不良品预测功能实现步骤③中,所述产品质量预测模型为:
(2)式中,Δd为产品质量因数,a1,a2,a3和a4为权重值,max和min代表对应变量的上限和下限;当Δd≤Δdcr时,将产品归类为优良品,否则归类为潜在不良品;其中,Δdcr为根据市场、客户需求设定的阈值。通常,0.8≤Δdcr≤0.9。
④数据分析软件6将判断的结果同步至经验数据库8,并指示工业控制软件9向PLC10发出控制信号,实现产品分类;
⑤数据分析软件6根据统计的产品数据计算产线效率并实时监测产品批次整体质量。在潜在不良品预测功能实现步骤⑤中,所述实时监测产品批次整体质量的方式包括:计算产品优良率η,当η≤ηcr时,工业控制软件9向PLC10发出控制信号,产品性能参数检测设备1停止测试并报警;其中,ηcr为根据市场、客户需求设定的阈值,通常97%≤ηcr≤99%。
在系统运行过程中,先进行设备故障预测,再进行潜在不良品预测。优先进行设备故障预测的原因在于:当设备出现异常时,系统可及时停止测试并报警,以提高产品性能参数检测的准确性并降低潜在不良品预测的误判率。
当系统运行至设定的时间节点时,数据分析软件6根据统计的设备故障预测和产品的相关数据自动生成报表,并实时共享至MES系统。
具体而言:
图2为微型变压器生产线的设备故障和潜在不良品智能预测流程图,具体步骤如下:
①系统参数设置:系统运行前,根据产品工艺卡设置测试仪器2的工作参数,并在数据采集软件5上设定待采集对象,测试条件参数和信号/数据存储类型等;
②数据在线采集:数据采集软件5分别通过振动传感器4和测试仪器2在线采集设备振动信号测试探针振动所产生的幅值A和产品性能参数微型变压器的电感L、品因数质Q、波形面积差S和电阻R并存储至经验数据库8;
③数据处理与分析:数据分析软件6通过处理并分析采集的设备振动信号和产品性能参数,实现设备故障预测和潜在不良品预测功能详细步骤参见图3和图4说明;
④数据共享:当系统停止测试或达到设定时间时,数据分析软件6根据统计/计算的设备故障预测和产品的相关数据自动生成报表,并共享至MES系统。
图3为设备故障预测功能流程图,具体步骤说明如下:
①提取经验数据库8设备振动信号幅值和前10次合格产品数量,根据设备故障预测模型计算设备故障因数Δz;
②将设备故障因数Δz与阈值Δzcr1和Δzcr2进行比较,当Δz≤Δzcr1时,测试探针正常工作,否则设备出现故障;
③进一步判断设备故障类型,当Δzcr1<Δz<Δzcr2时,测试探针出现偏移,当Δz≥Δzcr2时,测试探针出现损坏;
④将设备故障预测结果同步至经验数据库8,若系统预测设备出现故障,指示工业控制软件9向PLC10发出控制信号,产品性能参数检测设备1停止测试并报警。
图4为潜在不良品预测详细流程,具体步骤说明如下:
①提取经验数据库8产品性能参数,根据设定的标准值判断产品合格情况,当产品不合格时跳转至步骤③,否则继续执行下一步;
②根据产品质量预测模型计算合格产品的产品质量因数Δd并与阈值Δdcr进行比较,当Δd≤Δdcr时,归类为优良品,当Δd>Δdcr时,归类为潜在不良品;
③将产品质量判断结果同步至经验数据库8,并指示工业控制软件9向PLC10发出控制信号,实现产品分类;
④根据判断结果计算优良率η并与阈值ηcr进行比较,若产品质量异常η≤ηcr,指示工业控制软件9向PLC10发出控制信号,产品性能参数检测设备1停止测试并报警。
下面通过实施例分别说明本发明中的设备故障预测和潜在不良品预测功能。
实施例1
在设备故障预测中,将振动传感器EK-43797I通过螺纹连接固定在产品性能参数检测设备的加电流测试滑块上,工作站安装经验数据库并与数据采集软件、数据分析软件和工业控制软件关联,数据采集软件与产品性能参数检测设备振动传感器相关联,工业控制软件与产品性能参数检测设备PLC通讯。为了获取测试探针正常工作,出现偏移和损坏三种设备运行状况下的振动信号,设置振动信号的幅值上下限为10V和0,并人为调节测试探针后以采样时间t=10s进行测试滑块移动周期为2s。
测试探针正常工作,出现偏移和损坏三种设备运行状况对应的振动信号如图5a、5b和5c所示。由于测试探针正常工作时与产品表面紧密接触,每个周期下获取的振动信号幅值A始终大于4V。然而,由于测试探针出现偏移和损坏后与产品表面接触减少,相应的振动信号幅值A分别下降至4V和2V。
检测的产品性能参数与设备运行状况相关。因此,根据上述振动信号的特征和产品合格情况,建立设备故障预测模型并确定其权重值:
需说明的是,当振动传感器安装位置改变时,设备故障预测模型的权重值和幅值上下限也可能发生变化,但结构形式不变,即式3仅作为本发明中的一个例子。
此外,通过多次采集和分析三种设备运行状况下的振动信号,优化经验数据库并确定判断测试探针出现偏移和损坏的故障预测因数阈值分别为Δzcr1=0.65和Δzcr2=0.85。
实施例2
类似的,在潜在不良品预测中,工作站安装经验数据库并与数据采集软件、数据分析软件和工业控制软件关联,数据采集软件与产品性能参数检测设备测试仪器相关联,工业控制软件与产品性能参数检测设备PLC通讯。系统运行前,根据产品工艺卡设置测试仪器的产品测试的工作参数。其中,电感L标准值上下限为0.9mH和0.8mH;品质因数Q标准值下限为50,电阻R标准值上下限为5.2Ω和3Ω,波形面积差S标准值上下限为18%和-18%。
系统UI界面如图6所示,包括显示产品性能参数(实测值和对应动态数据)、产品质量判断结果、产品分类优良品、潜在不良品和不合格品、生产参数效率和优良率、PLC端口的窗口。其中,在PLC端口的显示窗口中,数据分析软件向工业控制软件发出信号,通过M0输入端控制PLC的Y0输出端实现产品分类;通过M1输入端控制PLC的Y1输出端实现设备在出现故障时停止测试并报警。
产品质量判断标准与客户需求相关。因此,根据产品参数标准值建立产品质量预测模型并确定其权重值:
需说明的是,当检测的性能参数项改变时,产品质量预测模型的项数和权重值也可能发生变化,但结构形式不变,即式4仅作为本发明中的一个例子。
此外,通过多次采集和分析产品性能参数,优化经验数据库并确定判断潜在不良品的产品质量因数阈值为Δdcr=0.85。
综上所述,本发明的设计重点在于,其主要是采用微型变压器生产线的设备故障和潜在不良品智能预测系统,不仅可预测设备故障,有效缩短因产线设备故障导致的停机时间,节约生产管理成本,而且能够从合格产品中进一步筛选出潜在不良品,提高出厂产品的优良率。此外,通过数据共享可方便相关人员的后续使用。
以上所述,仅是本发明的较佳实施例而已,并非对本发明的技术范围作任何限制,故凡是依据本发明的技术实质对以上实施例所作的任何细微修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (8)
1.一种微型变压器生产线的设备故障和潜在不良品智能预测系统,其特征在于:包括产品性能参数检测设备(1)、测试仪器(2)、振动传感器(4)、数据采集软件(5)、数据分析软件(6)、工作站(7)、经验数据库(8)和工业控制软件(9);
所述振动传感器(4)连接在产品性能参数检测设备(1)上;所述工作站(7)安装所述经验数据库(8)并分别与所述数据采集软件(5)、数据分析软件(6)、工业控制软件(9)关联;所述测试仪器(2)设置于产品性能参数检测设备(1)上,所述产品性能参数检测设备(1)上设置有PLC(10);所述数据采集软件(5)分别与测试仪器(2)、振动传感器(4)通讯;所述工业控制软件(9)与PLC(10)通讯;
设备故障预测功能实现步骤为:
①设置系统参数,数据采集软件(5)通过振动传感器(4)在线采集设备振动信号并存储至经验数据库(8);
②数据分析软件(6)处理采集的设备振动信号,通过设备故障预测模型分析设备运行状况并将结果同步至经验数据库(8);
③工业控制软件(9)根据故障预测结果向PLC(10)发出控制信号,实现设备运行/停止状态的控制;
在设备故障预测功能实现步骤②中,所述设备故障预测模型为:
式中,Δz为设备故障因数,A为振动信号幅值,x为振动传感器位置对应的产品性能参数检测指数,取经验数据库最近N次的检测数据,N为设定检测产品数据次数,M为设定合格产品检测数据次数,M、N均为正整数且M≤N,当实际合格产品检测数据次数小于M时,x=1;否则x=0,ki和k0为权重值,max和min代表对应变量的上限和下限;当Δz≤Δzcr1时,设备正常运行;当Δz≥Δzcr2时,测试探针出现损坏,否则测试探针出现偏移;其中,Δzcr1和Δzcr2为根据设备稳定性和振动传感器位置设定的阈值;
潜在不良品预测功能实现步骤为:
①设置系统参数,数据采集软件(5)通过测试仪器(2)在线采集产品性能参数并存储至经验数据库(8);
②数据分析软件(6)将采集的产品性能参数与设定的标准值比较,判断产品合格情况,当产品不合格时跳转至步骤④,否则继续执行下一步;
③数据分析软件(6)通过产品质量预测模型,将步骤②中判断的合格产品进一步归类为优良品或潜在不良品;
④数据分析软件(6)将判断的结果同步至经验数据库(8),并指示工业控制软件(9)向PLC(10)发出控制信号,实现产品分类;
⑤数据分析软件(6)根据统计的产品数据计算产线效率并实时监测产品批次整体质量;
在潜在不良品预测功能实现步骤③中,所述产品质量预测模型为:
式中,Δd为产品质量因数,L为电感,Q为品值因数,S为波形面积差,R为电阻,a1,a2,a3和a4为权重值,max和min代表对应变量的上限和下限;当Δd≤Δdcr时,将产品归类为优良品,否则归类为潜在不良品;其中,Δdcr为根据市场、客户需求设定的阈值。
2.根据权利要求1所述微型变压器生产线的设备故障和潜在不良品智能预测系统,其特征在于:所述产品性能参数检测设备(1)上设置有滑块(3),所述滑块(3)上设置有测试针;在设备故障预测功能实现步骤②中,所述设备运行状况包括滑块(3)上的测试探针正常工作、出现偏移或损坏中任一种。
3.根据权利要求1所述微型变压器生产线的设备故障和潜在不良品智能预测系统,其特征在于:0.6≤Δzcr1≤0.7,0.8≤Δzcr2Δzcr1≤0.9。
4.根据权利要求1所述微型变压器生产线的设备故障和潜在不良品智能预测系统,其特征在于:在潜在不良品预测功能实现步骤①中,所述在线采集产品性能参数包括电感L、品值因数Q、波形面积差S和电阻R中的任一种。
5.根据权利要求1所述微型变压器生产线的设备故障和潜在不良品智能预测系统,其特征在于:0.8≤Δdcr≤0.9。
6.根据权利要求1所述微型变压器生产线的设备故障和潜在不良品智能预测系统,其特征在于:在潜在不良品预测功能实现步骤⑤中,所述实时监测产品批次整体质量的方式包括:计算产品优良率η,当η≤ηcr时,工业控制软件(9)向PLC(10)发出控制信号,产品性能参数检测设备(1)停止测试并报警;其中,ηcr为根据市场、客户需求设定的阈值。
7.根据权利要求1所述微型变压器生产线的设备故障和潜在不良品智能预测系统,其特征在于:在系统运行过程中,先进行设备故障预测,再进行潜在不良品预测。
8.根据权利要求1所述微型变压器生产线的设备故障和潜在不良品智能预测系统,其特征在于:当系统运行至设定的时间节点时,数据分析软件(6)根据统计的设备故障预测和产品的相关数据自动生成报表,并实时共享至MES系统。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910194092.4A CN109741927B (zh) | 2019-03-14 | 2019-03-14 | 微型变压器生产线的设备故障和潜在不良品智能预测系统 |
PCT/CN2019/107665 WO2020181759A1 (zh) | 2019-03-14 | 2019-09-25 | 微型变压器生产线的设备故障和潜在不良品智能预测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910194092.4A CN109741927B (zh) | 2019-03-14 | 2019-03-14 | 微型变压器生产线的设备故障和潜在不良品智能预测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109741927A CN109741927A (zh) | 2019-05-10 |
CN109741927B true CN109741927B (zh) | 2020-08-07 |
Family
ID=66370458
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910194092.4A Active CN109741927B (zh) | 2019-03-14 | 2019-03-14 | 微型变压器生产线的设备故障和潜在不良品智能预测系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109741927B (zh) |
WO (1) | WO2020181759A1 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109741927B (zh) * | 2019-03-14 | 2020-08-07 | 贵港市嘉龙海杰电子科技有限公司 | 微型变压器生产线的设备故障和潜在不良品智能预测系统 |
CN110673556B (zh) * | 2019-09-23 | 2021-03-02 | 珠海格力电器股份有限公司 | 一种用于胀管过程的质量管控方法及系统 |
CN111212434B (zh) * | 2019-12-31 | 2023-06-13 | 宁波奥克斯电气股份有限公司 | 一种wifi模组质量预测方法、装置、设备及存储介质 |
CN113066655B (zh) * | 2021-03-26 | 2023-03-14 | 安徽工业大学 | 一种自主学习的高硅钢软磁复合铁芯智能化生产系统及生产方法 |
CN114625097B (zh) * | 2022-05-16 | 2022-08-02 | 时代云英(深圳)科技有限公司 | 一种基于工业互联网的生产工艺控制方法 |
CN115808911B (zh) | 2023-02-02 | 2023-04-28 | 成都秦川物联网科技股份有限公司 | 用于生产线产生不良品时的工业物联网调控方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5607097A (en) * | 1993-06-17 | 1997-03-04 | Matsushita Electric Industrial Co., Ltd. | Component-mounted circuit board production system |
CN105206410A (zh) * | 2015-11-03 | 2015-12-30 | 信华科技(厦门)有限公司 | 车载变压器自动化生产线 |
CN205789481U (zh) * | 2016-05-20 | 2016-12-07 | 东莞市力能电子科技有限公司 | 变压器自动化生产线 |
CN108388950A (zh) * | 2018-01-29 | 2018-08-10 | 杭州安脉盛智能技术有限公司 | 基于大数据的变压器智能运维方法及系统 |
CN109127450A (zh) * | 2018-09-19 | 2019-01-04 | 深圳市景方盈科技有限公司 | 一种变压器自动化分拣生产线 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06163293A (ja) * | 1992-11-19 | 1994-06-10 | Mitsubishi Electric Corp | 生産管理方法 |
CN101403915A (zh) * | 2008-11-07 | 2009-04-08 | 同济大学 | 一种可重组生产线产品质量预测方法 |
JP6264072B2 (ja) * | 2014-02-10 | 2018-01-24 | オムロン株式会社 | 品質管理装置及びその制御方法 |
CN108345275A (zh) * | 2017-01-25 | 2018-07-31 | 中芯国际集成电路制造(上海)有限公司 | 设备监控系统及设备监控方法 |
CN107194826A (zh) * | 2017-06-16 | 2017-09-22 | 北京航空航天大学 | 一种基于质量状态任务网的制造系统健康诊断与预测方法 |
CN108038553B (zh) * | 2017-12-13 | 2021-08-17 | 科大集智数据科技(武汉)有限公司 | 轧机设备状态在线监测与诊断系统及监测诊断方法 |
CN108388237B (zh) * | 2018-04-16 | 2020-08-28 | 广东工业大学 | 一种离散制造设备的故障诊断方法、装置、设备及介质 |
CN109741927B (zh) * | 2019-03-14 | 2020-08-07 | 贵港市嘉龙海杰电子科技有限公司 | 微型变压器生产线的设备故障和潜在不良品智能预测系统 |
-
2019
- 2019-03-14 CN CN201910194092.4A patent/CN109741927B/zh active Active
- 2019-09-25 WO PCT/CN2019/107665 patent/WO2020181759A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5607097A (en) * | 1993-06-17 | 1997-03-04 | Matsushita Electric Industrial Co., Ltd. | Component-mounted circuit board production system |
CN105206410A (zh) * | 2015-11-03 | 2015-12-30 | 信华科技(厦门)有限公司 | 车载变压器自动化生产线 |
CN205789481U (zh) * | 2016-05-20 | 2016-12-07 | 东莞市力能电子科技有限公司 | 变压器自动化生产线 |
CN108388950A (zh) * | 2018-01-29 | 2018-08-10 | 杭州安脉盛智能技术有限公司 | 基于大数据的变压器智能运维方法及系统 |
CN109127450A (zh) * | 2018-09-19 | 2019-01-04 | 深圳市景方盈科技有限公司 | 一种变压器自动化分拣生产线 |
Also Published As
Publication number | Publication date |
---|---|
WO2020181759A1 (zh) | 2020-09-17 |
CN109741927A (zh) | 2019-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109741927B (zh) | 微型变压器生产线的设备故障和潜在不良品智能预测系统 | |
EP2992340B1 (en) | System and method for ups battery monitoring and data analysis | |
CN112561736A (zh) | 智能变电站继电器保护装置故障诊断系统和方法 | |
CN112101764A (zh) | 基于状态监测的船舶技术状况综合评估系统 | |
CN105041631A (zh) | 一种气体压缩机的驱动轴振动信号的检测方法和系统 | |
CN107844067B (zh) | 一种水电站闸门在线状态监测控制方法及监测系统 | |
CN114781476B (zh) | 一种量测设备故障分析系统和方法 | |
CN115566804B (zh) | 一种基于分布式光纤传感技术的电力监测系统 | |
CN103750552A (zh) | 一种智能取样方法及其在香烟质量控制的应用 | |
CN116224137A (zh) | 一种ups设备故障预警方法及系统 | |
CN108921305B (zh) | 一种部件生命期监测方法 | |
CN116028887B (zh) | 一种连续性工业生产数据的分析方法 | |
CN117406026A (zh) | 一种适用于分布式电源的配电网故障检测方法 | |
CN113852661A (zh) | 一种基于声波分析的流程供应链运载设备托辊故障监测系统及方法 | |
JP2000509178A (ja) | 自動制御ループ監視および診断 | |
WO2020103682A1 (zh) | 一种基于大数据驱动的城市电梯备件存储控制系统 | |
CN117196590B (zh) | 一种面向通讯设备运维的维修效率智能评估系统 | |
CN116937818B (zh) | 对内部进行实时监控的高压直流配电柜监控系统 | |
CN207992717U (zh) | 一种水电站闸门在线状态监测系统 | |
CN114487639A (zh) | 一种基于大数据的洗选设备在线监测系统 | |
CN117607780A (zh) | 一种电能计量装置异常分析系统及其分析方法 | |
CN112396226A (zh) | 一种基于“移动通信”的装备智能预测性维护方法及装置 | |
CN116611953A (zh) | 基于物联网的电能表生产制造实时数据管理方法和系统 | |
CN115436864A (zh) | 一种电容式电压互感器异常状态诊断方法、系统及介质 | |
CN113283510B (zh) | 一种基于全业务混合数据的二次设备健康状况分析方法 |
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 |