CN110109431A - 一种压铸机oee信息智能获取系统 - Google Patents
一种压铸机oee信息智能获取系统 Download PDFInfo
- Publication number
- CN110109431A CN110109431A CN201910373782.6A CN201910373782A CN110109431A CN 110109431 A CN110109431 A CN 110109431A CN 201910373782 A CN201910373782 A CN 201910373782A CN 110109431 A CN110109431 A CN 110109431A
- Authority
- CN
- China
- Prior art keywords
- data
- value
- die casting
- casting machine
- oee
- 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
- 238000004512 die casting Methods 0.000 title claims abstract description 84
- 238000000605 extraction Methods 0.000 title claims abstract description 16
- 238000004519 manufacturing process Methods 0.000 claims abstract description 55
- 238000000034 method Methods 0.000 claims description 38
- 239000011324 bead Substances 0.000 claims description 14
- 238000003754 machining Methods 0.000 claims description 11
- 238000005266 casting Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 4
- 230000000717 retained effect Effects 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims 1
- 238000012797 qualification Methods 0.000 abstract description 7
- 239000000047 product Substances 0.000 description 46
- 238000009825 accumulation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 239000013067 intermediate product Substances 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
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
- G05B2219/32204—Performance assurance; assure certain level of non-defective products
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- 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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种压铸机OEE信息智能获取系统,包括数据采集模块、数据库、数据生产信息获取模块和智能处理模块;所述数据采集模块采集压铸机原始功率数据和合格产品数量n,并通过网络将压铸机原始功率数据和合格产品数量n输入至数据库;所述数据库通过数据传输线或网络与智能处理模块连接;所述数据生产信息获取模块采集生产计划相关信息;所述数据生产信息获取模块将生产计划相关信息输出至智能处理模块;本发明通过智能处理模块准确计算出压铸机实际加工时间,通过数据采集模块获得生产合格率,相较于传统的统计方式,节约了时间,而且保证了OEE信息获取的准确性。同时,本发明OEE信息智能获取系统结构简洁,容易布置。
Description
技术领域
本发明涉及OEE信息获取领域,具体涉及一种压铸机OEE信息智能获取系统。
背景技术
随着制造企业生产信息化和管理精细化过程的推进,获得生产过程相关的生产信息,并基于此对现有生产决策提出改进措施,以达到增加产量、降低成本的目的,是企业现在迫切需要解决的问题。设备综合效率OEE(Overall Equipment Effectiveness)是生产设备的重要的生产信息,常用来表征实际的生产能力相对于理论产能的比率,通过分析OEE的相关指标,可以找到生产过程中现存的问题,为改善生产过程提供信息支撑。
由于OEE对企业生产的重要性,针对传统人工统计存在的明显缺陷,已有相关研究提出改进措施。对于OEE中时间稼动率、性能稼动率和合格率来说,要获得其结果,在已有生产信息的基础上,还需要先得到设备实际工作时间,实际生产周期和合格率。针对设备实际工作时间,目前有两种解决方式,分别为通过停机时间间接得到和直接计算获得,相应的方法都有一定的可行性。但是结合压铸机运行的实际情况,由于压铸机的动作运行按设定程序进行,并且一个加工周期内的短时间待机状态应该属于正常加工时间,故上述方式的准确性还有待改善。同时,目前也缺少关于合格率的获取方式,通常需要人工统计,或者从生产部门获得后输入。因此,需要有准确获取压铸机实际加工时间和合格率的方法,来保证OEE信息采集的准确性。
因此,现有技术中需要一种能够克服上述问题的压铸机OEE信息智能获取系统。
发明内容
为实现本发明目的而采用的技术方案是这样的,一种压铸机OEE信息智能获取系统,包括数据采集模块、数据库、数据生产信息获取模块和智能处理模块。
所述数据采集模块采集压铸机原始功率数据和合格产品数量n,并通过网络将压铸机原始功率数据和合格产品数量n输入至数据库。
所述数据库储存压铸机原始功率数据和合格产品数量n。所述数据库通过数据传输线或网络与智能处理模块连接。
所述数据生产信息获取模块采集生产计划相关信息,该生产计划相关信息包括计划运行时间TP和当前产品理论节拍CT。所述数据生产信息获取模块将生产计划相关信息输出至智能处理模块。
所述智能处理模块从数据库中获取压铸机原始功率数据和合格产品数量n。所述智能处理模块搭载有OEE计算模型、实际加工时间计算模型和总加工产品数量计算模型。
所述OEE计算模型定义压铸机OEE指标,定义时间稼动率为ET,性能稼动率为EP,良品率为Q,其中具体定义如下:
OEE为,
E=ET·EP·Q。(式四)
式一至式三中,TR为实际加工时间,CR为实际加工周期,N为总加工产品数量。
在工作时,所述实际加工时间计算模型根据压铸机原始功率数据计算压铸机实际加工时间TR。所述总加工产品数量计算模型根据压铸机原始功率数据计算总加工产品数量N。所述OEE计算模型计算出时间稼动率为ET、性能稼动率为EP、和良品率为Q,并计算出OEE,E=ET·EP·Q。
进一步,所述数据采集模块包括智能电表和PLC控制器。
所述智能电表采集压铸机的电压和电流数据,并根据压铸机的电压和电流数据计算出压铸机的功率数据。
所述PLC控制器控制切边机动作,其I/O点状态有“1”和“0”两种,分别控制切边机向下工作和向上回程动作。所述PLC控制器读取的I/O点中“1”的状态,获得切边机的向下工作动作次数,并将该动作次数转换为合格产品数量n。
进一步,所述生产计划相关信息从生产信息管理系统中获得。
进一步,所述实际加工时间计算模型计算压铸机实际加工时间TR,包括如下步骤:
1)根据统计需求输入求OEE的时间段,从数据库中获得该时间段的原始功率数据,获得的数据集Φ为d1,d2,…,dm。
2)求待机功率w和一个周期内的最大功率h。取压铸机功率—时间曲线上两压铸动作之间的最小值,代表待机功率w。
3)功率数据预处理。将待机功率值附近5%内的波动值转化为待机功率值,同时,将小于待机功率值以下的停机状态的功率值转化为待机功率值。
4)二值化处理功率数据。在经过步上述步骤3)后的待机功率数据基础上,将所有非待机功率值的数据转化为最大功率h,将所有数据二值化,则原始数据集Φ为m个由w和h组成的数组,且原功率—时间曲线转化为多段值,由连续w或连续h形成的水平线及相邻两点值变化时的连接斜线组成。设连续h值数据段对应的时刻范围为连续w值数据段对应的时刻范围为 其中li,lj为连续w或h值水平线的长度。
5)噪声去除及功率数据整合。在非待机功率值数据二值化后,将连续h值长度小于10的数据段记为波动的噪声,并将其去除,转化为w值。然后,将连续w值长度小于2分钟的该段数据的值转化为h值。
6)实际加工时间的计算。在经过上述1)—5)步骤处理后,将数据处于连续h值的线段长度相加,得到实际加工时间TR。
进一步,所述总加工产品数量计算模型计算总加工产品数量N,包括如下步骤:
I)对原始功率信息数据进行预处理。将功率值低于待机功率的停机功率数值和在待机功率值附近5%内波动的值划归为待机值。去掉数据段中非正常加工状态的数据值,得到正常加工状态的数据。其中,所述非正常加工状态是指待机状态持续30秒以上的数据段。
II)对选择的数据段作自相关处理,找出自相关系数中第二个峰值与第一个峰值的横坐标差值,并令该差值为生产加工周期C。
III)对步骤II处理后的数据作中值滤波处理。
IV)求功率曲线的所有极大值点,并确定最大值点。
V)保留步骤IV)中的最大值点,并且保留满足条件的极值点,条件为:极值点与最大值点在横坐标方向上距离大于0.8C,结果极值点的值大于所有数据集值的均值。
VI)重复步骤IV)和V),直到没有满足条件的极值点被保留。
VII)在步骤VI)结束后的功率曲线极值点个数即为压铸机在选择时间段内生产的总量N。
本发明的技术效果是毋庸置疑的,本发明通过智能处理模块准确计算出压铸机实际加工时间,通过数据采集模块获得生产合格率,相较于传统的统计方式,节约了时间,而且保证了OEE信息获取的准确性。同时,本发明OEE信息智能获取系统结构简洁,容易布置。
附图说明
图1为本发明的OEE信息智能获取系统框架图;
图2为本发明数据处理后的实际加工时间效果图;
图3为本发明自相关法求加工周期图;
图4为本发明数据处理后的极值点布置图。
具体实施方式
下面结合实施例对本发明作进一步说明,但不应该理解为本发明上述主题范围仅限于下述实施例。在不脱离本发明上述技术思想的情况下,根据本领域普通技术知识和惯用手段,做出各种替换和变更,均应包括在本发明的保护范围内。
实施例1:
参见图1,一种压铸机OEE信息智能获取系统,包括数据采集模块、数据库、数据生产信息获取模块和智能处理模块。
所述数据采集模块采集压铸机原始功率数据和合格产品数量n,并通过网络将压铸机原始功率数据和合格产品数量n输入至数据库。
本实施例中,所述数据采集模块包括智能电表和PLC控制器。
所述智能电表采集压铸机的电压和电流数据,并根据压铸机的电压和电流数据计算出压铸机的功率数据。
所述PLC控制器控制切边机动作,其I/O点状态有“1”和“0”两种,分别控制切边机向下工作和向上回程动作。所述PLC控制器读取的I/O点中“1”的状态,获得切边机的向下工作动作次数,并将该动作次数转换为合格产品数量n。由于生产实际要求,压铸机到切边机中间产品累积较少或没有,所以本方案计算的合格产品数较准确。获得的合格产品数数据为带有时间标签的值变大的等差数列,如需知道任何时间段内的合格品数量,只需根据起始和结束时刻到数据库中查找便可以获得结果。
所述数据库储存压铸机原始功率数据和合格产品数量n。所述数据库通过数据传输线或网络与智能处理模块连接。
所述数据生产信息获取模块采集生产计划相关信息,该生产计划相关信息包括计划运行时间TP和当前产品理论节拍CT。所述生产计划相关信息从生产信息管理系统中获得,生产信息管理系统包括ERP、MES等系统。所述数据生产信息获取模块将生产计划相关信息输出至智能处理模块。
所述智能处理模块从数据库中获取压铸机原始功率数据和合格产品数量n。所述智能处理模块搭载有OEE计算模型、实际加工时间计算模型和总加工产品数量计算模型。
所述OEE计算模型定义压铸机OEE指标,定义时间稼动率为ET,性能稼动率为EP,良品率为Q,其中具体定义如下:
OEE为,
E=ET·EP·Q。(式四)
式一至式三中,TR为实际加工时间,CR为实际加工周期,N为总加工产品数量。
在工作时,所述实际加工时间计算模型根据压铸机原始功率数据计算压铸机实际加工时间TR,包括如下步骤:
1)根据统计需求输入求OEE的时间段,从数据库中获得该时间段的原始功率数据,获得的数据集Φ为d1,d2,…,dm。
2)求待机功率w和一个周期内的最大功率h。求待机功率w的具体方法为,如附图2的原始数据所示,压铸机完成一次加工的动作为:待机—压铸—待机,因此在两个压铸动作之间必有待机状态,由此可得到求待机功率的方法,取压铸机功率—时间曲线上两压铸动作之间的最小值,即相邻两峰值之间的最小值,近似代表待机功率w。
3)功率数据预处理。将待机功率值附近5%内的波动值转化为待机功率值,同时,将小于待机功率值以下的停机状态的功率值转化为待机功率值。
4)二值化处理功率数据。在经过步上述步骤3)后的待机功率数据基础上,将所有非待机功率值的数据转化为最大功率h,将所有数据二值化,则原始数据集Φ为m个由w和h组成的数组,且原功率—时间曲线转化为多段值,由连续w或连续h形成的水平线及相邻两点值变化时的连接斜线组成。设连续h值数据段对应的时刻范围为连续w值数据段对应的时刻范围为其中li,lj为连续w或h值水平线的长度。
5)噪声去除及功率数据整合。在非待机功率值数据二值化后,将连续h值长度小于10的数据段记为波动的噪声,并将其去除,转化为w值。然后,将连续w值长度小于2分钟的该段数据的值转化为h值。本步骤的依据为:压铸机正常加工时,相邻两个加工周期是连续的,中间处于待机状态值及其一定波动范围的时间较短,而这部分待机+波动状态应属于程序设定的加工周期,所以此部分应算作正常加工时间,当处于待机时间较长时,如大于2分钟,就应把该状态视为待机状态。
6)实际加工时间的计算。在经过上述1)—5)步骤处理后的数据便可以用于实际加工时间的计算,即处理后,将数据处于连续h值的线段长度相加,得到实际加工时间TR。
所述总加工产品数量计算模型根据压铸机原始功率数据计算总加工产品数量N,包括如下步骤:
I)对原始功率信息数据进行预处理。将功率值低于待机功率的停机功率数值和在待机功率值附近5%内波动的值转化为待机值。去掉数据段中非正常加工状态的数据值,得到正常加工状态的数据。其中,所述非正常加工状态是指待机状态持续30秒以上的数据段,其余为正常加工状态为的数据段。由于在正常加工中一个周期内连续处于待机值的时间不会超过30秒,所以将待机值持续时间大于30的数据段去掉,以便于计算的精确性。
II)对选择的数据段作自相关处理,找出自相关系数中第二个峰值与第一个峰值的横坐标差值,并令该差值为生产加工周期C,如附图3所示。此值为一个近似值,在实际生产加工周期附近波动。
III)对步骤II处理后的数据作中值滤波处理。中值滤波是一种非线性平滑技术,对于处理脉冲噪声非常有效。经过中值滤波处理后的数据不会有突变,相对较平滑。
IV)求功率曲线的所有极大值点,并确定最大值点。
V)保留步骤IV)中的最大值点,并且保留满足条件的极值点,条件为:极值点与最大值点在横坐标方向上距离大于0.8C,结果极值点的值大于所有数据集值的均值。
VI)重复步骤IV)和V),直到没有满足条件的极值点被保留。
VII)在步骤VI)结束后的功率曲线极值点个数即为压铸机在选择时间段内生产的总量N,如附图4所示。
综合上述计算,所述OEE计算模型计算出时间稼动率为ET、性能稼动率为EP、和良品率为Q,并计算出OEE,E=ET·EP·Q。
本实施例提供的压铸机OEE统计系统,通过智能处理模块准确计算出压铸机实际加工时间,通过数据采集模块获得生产合格率,相较于传统的统计方式,节约了时间,而且保证了OEE信息获取的准确性。同时,本发明OEE信息智能获取系统结构简洁,容易布置。
实施例2:
本实施例公开一种较为基础的实现方式,即参见图1,一种压铸机OEE信息智能获取系统,包括数据采集模块、数据库、数据生产信息获取模块和智能处理模块。
所述数据采集模块采集压铸机原始功率数据和合格产品数量n,并通过网络将压铸机原始功率数据和合格产品数量n输入至数据库。
所述数据库储存压铸机原始功率数据和合格产品数量n。所述数据库通过数据传输线或网络与智能处理模块连接。
所述数据生产信息获取模块采集生产计划相关信息,该生产计划相关信息包括计划运行时间TP和当前产品理论节拍CT。所述数据生产信息获取模块将生产计划相关信息输出至智能处理模块。
所述智能处理模块从数据库中获取压铸机原始功率数据和合格产品数量n。所述智能处理模块搭载有OEE计算模型、实际加工时间计算模型和总加工产品数量计算模型。
所述OEE计算模型定义压铸机OEE指标,定义时间稼动率为ET,性能稼动率为EP,良品率为Q,其中具体定义如下:
OEE为,
E=ET·EP·Q。(式四)
式一至式三中,TR为实际加工时间,CR为实际加工周期,N为总加工产品数量。
在工作时,所述实际加工时间计算模型根据压铸机原始功率数据计算压铸机实际加工时间TR。所述总加工产品数量计算模型根据压铸机原始功率数据计算总加工产品数量N。所述OEE计算模型计算出时间稼动率为ET、性能稼动率为EP、和良品率为Q,并计算出OEE,E=ET·EP·Q。
实施例3:
本实施例主要结构同实施例2,进一步,所述数据采集模块包括智能电表和PLC控制器。
所述智能电表采集压铸机的电压和电流数据,并根据压铸机的电压和电流数据计算出压铸机的功率数据。
所述PLC控制器控制切边机动作,其I/O点状态有“1”和“0”两种,分别控制切边机向下工作和向上回程动作。所述PLC控制器读取的I/O点中“1”的状态,获得切边机的向下工作动作次数,并将该动作次数转换为合格产品数量n。由于生产实际要求,压铸机到切边机中间产品累积较少或没有,所以本方案计算的合格产品数较准确。获得的合格产品数数据为带有时间标签的值变大的等差数列,如需知道任何时间段内的合格品数量,只需根据起始和结束时刻到数据库中查找便可以获得结果。
实施例4:
本实施例主要结构同实施例2,进一步,所述生产计划相关信息从生产信息管理系统中获得,生产信息管理系统包括生产信息管理系统包括ERP、MES等系统。
实施例5:
本实施例主要结构同实施例2,进一步,所述实际加工时间计算模型根据压铸机原始功率数据和合格产品数量n计算压铸机实际加工时间TR,包括如下步骤:
1)根据统计需求输入求OEE的时间段,从数据库中获得相应时间段的原始功率数据,获得的数据集Φ为d1,d2,…,dm。
2)求待机功率w和一个周期内的最大功率h。求待机功率w的具体方法为,如附图2的原始数据所示,压铸机完成一次加工的动作为:待机—压铸—待机,因此在两个压铸动作之间必有待机状态,由此可得到求待机功率的方法,取压铸机功率—时间曲线上两压铸动作之间的最小值,即相邻两峰值之间的最小值,近似代表待机功率w。
3)功率数据预处理。将待机功率值附近5%内的波动值转化为待机功率值,同时,将小于待机功率值以下的停机状态的功率值转化为待机功率值。
4)二值化处理功率数据。在经过步上述步骤3)后的待机功率数据基础上,将所有非待机功率值的数据转化为最大功率h,将所有数据二值化,则原始数据集Φ为m个由w和h组成的数组,且原功率—时间曲线转化为多段值,由连续w或连续h形成的水平线及相邻两点值变化时的连接斜线组成。设连续h值数据段对应的时刻范围为连续w值数据段对应的时刻范围为其中li,lj为连续w或h值水平线的长度。
5)噪声去除及功率数据整合。在非待机功率值数据二值化后,将连续h值长度小于10的数据段记为波动的噪声,并将其去除,转化为w值。然后,将连续w值长度小于2分钟的该段数据的值转化为h值。本步骤的依据为:压铸机正常加工时,相邻两个加工周期是连续的,中间处于待机状态值及其一定波动范围的时间较短,而这部分待机+波动状态应属于程序设定的加工周期,所以此部分应算作正常加工时间,当处于待机时间较长时,如大于2分钟,就应把该状态视为待机状态。
6)实际加工时间的计算。在经过上述1)—5)步骤处理后的数据便可以用于实际加工时间的计算,即处理后,将数据处于连续h值的线段长度相加,得到实际加工时间TR。
实施例6:
本实施例主要结构同实施例2,所述总加工产品数量计算模型根据压铸机原始功率数据计算总加工产品数量N,包括如下步骤:
I)对原始功率信息数据进行预处理。将功率值低于待机功率的停机功率数值和在待机功率值附近5%内波动的值转化为待机值。去掉数据段中非正常加工状态的数据值,得到正常加工状态的数据。其中,所述非正常加工状态是指待机状态持续30秒以上的数据段,其余为正常加工状态为的数据段。由于在正常加工中一个周期内连续处于待机值的时间不会超过30秒,所以将待机值持续时间大于30的数据段去掉,以便于计算的精确性。
II)对选择的数据段作自相关处理,找出自相关系数中第二个峰值与第一个峰值的横坐标差值,该差值为生产加工周期C,如附图3所示。此值为一个近似值,在实际生产加工周期附近波动。
III)对步骤II处理后的数据作中值滤波处理。中值滤波是一种非线性平滑技术,对于处理脉冲噪声非常有效。经过中值滤波处理后的数据不会有突变,相对较平滑。
IV)求功率曲线的所有极大值点,并确定最大值点。
V)保留步骤IV)中的最大值点,并且保留满足条件的极值点,条件为:极值点与最大值点在横坐标方向上距离大于0.8C,结果极值点的值大于所有数据集值的均值。
VI)重复步骤IV)和V),直到没有满足条件的极值点被保留。
VII)在步骤VI)结束后的功率曲线极值点个数即为压铸机在选择时间段内生产的总量N,如附图4所示。
Claims (5)
1.一种压铸机OEE信息智能获取系统,其特征在于:包括所述数据采集模块、数据库、数据生产信息获取模块和智能处理模块;
所述数据采集模块采集压铸机原始功率数据和合格产品数量n,并通过网络将压铸机原始功率数据和合格产品数量n输入至数据库;
所述数据库储存压铸机原始功率数据和合格产品数量n;所述数据库通过数据传输线或网络与智能处理模块连接;
所述数据生产信息获取模块采集生产计划相关信息,该生产计划相关信息包括计划运行时间TP和当前产品理论节拍CT;所述数据生产信息获取模块将生产计划相关信息输出至智能处理模块;
所述智能处理模块从数据库中获取压铸机原始功率数据和合格产品数量n;所述智能处理模块搭载有OEE计算模型、实际加工时间计算模型和总加工产品数量计算模型;
所述OEE计算模型定义压铸机OEE指标,定义时间稼动率为ET,性能稼动率为EP,良品率为Q,其中具体定义如下:
OEE为,
E=ET·EP·Q;(式四)
式一至式三中,TR为实际加工时间,CR为实际加工周期,N为总加工产品数量。
在工作时,所述实际加工时间计算模型根据压铸机原始功率数据计算压铸机实际加工时间TR;所述总加工产品数量计算模型根据压铸机原始功率数据计算总加工产品数量N;所述OEE计算模型计算出时间稼动率为ET、性能稼动率为EP、和良品率为Q,并计算出OEE,E=ET·EP·Q。
2.根据权利要求2所述的一种压铸机OEE信息智能获取系统,其特征在于:所述数据采集模块包括智能电表和PLC控制器;
所述智能电表采集压铸机的电压和电流数据,并根据压铸机的电压和电流数据计算出压铸机的功率数据;
所述PLC控制器控制切边机动作,其I/O点状态有“1”和“0”两种,分别控制切边机向下工作和向上回程动作;所述PLC控制器读取的I/O点中“1”的状态,获得切边机的向下工作动作次数,并将该动作次数转换为合格产品数量n。
3.根据权利要求1所述的一种压铸机OEE信息智能获取系统,其特征在于:所述生产计划相关信息从生产信息管理系统中获得。
4.根据权利要求1所述的一种压铸机OEE信息智能获取系统,其特征在于,所述实际加工时间计算模型计算压铸机实际加工时间TR,包括如下步骤:
1)根据统计需求输入求OEE的时间段,从数据库中获得该时间段的原始功率数据,获得的数据集Φ为d1,d2,…,dm;
2)求待机功率w和一个周期内的最大功率h;取压铸机功率—时间曲线上两压铸动作之间的最小值,代表待机功率w;
3)功率数据预处理;将待机功率值附近5%内的波动值转化为待机功率值,同时,将小于待机功率值以下的停机状态的功率值转化为待机功率值;
4)二值化处理功率数据;在经过步上述步骤3)后的待机功率数据基础上,将所有非待机功率值的数据化为最大功率h,将所有数据二值化,则原始数据集Φ为m个由w和h组成的数组,且原功率—时间曲线转化为多段值,由连续w或连续h形成的水平线及相邻两点值变化时的连接斜线组成;设连续h值数据段对应的时刻范围为连续w值数据段对应的时刻范围为 其中li,lj为连续w或h值水平线的长度;
5)噪声去除及功率数据整合;在非待机功率值数据二值化后,将连续h值长度小于10的数据段记为波动的噪声,并将其去除,转化为w值;然后,将连续w值长度小于2分钟的该段数据的值转化为h值;
6)实际加工时间的计算;在经过上述1)—5)步骤处理后,将数据处于连续h值的线段长度相加,得到实际加工时间TR。
5.根据权利要求1所述的一种压铸机OEE信息智能获取系统,其特征在于,所述总加工产品数量计算模型计算总加工产品数量N,包括如下步骤:
I)对原始功率信息数据进行预处理;将功率值低于待机功率的停机功率数值和在待机功率值附近5%内波动的值转化为待机值;去掉数据段中非正常加工状态的数据值,得到正常加工状态的数据;其中,所述非正常加工状态是指待机状态持续30秒以上的数据段;
II)对选择的数据段作自相关处理,找出自相关系数中第二个峰值与第一个峰值的横坐标差值,并令该差值为生产加工周期C;
III)对步骤II处理后的数据作中值滤波处理;
IV)求功率曲线的所有极大值点,并确定最大值点;
V)保留步骤IV)中的最大值点,并且保留满足条件的极值点,条件为:极值点与最大值点在横坐标方向上距离大于0.8C,结果极值点的值大于所有数据集值的均值;
VI)重复步骤IV)和V),直到没有满足条件的极值点被保留;
VII)在步骤VI)结束后的功率曲线极值点个数即为压铸机在选择时间段内生产的总量N。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910373782.6A CN110109431B (zh) | 2019-05-07 | 2019-05-07 | 一种压铸机oee信息智能获取系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910373782.6A CN110109431B (zh) | 2019-05-07 | 2019-05-07 | 一种压铸机oee信息智能获取系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110109431A true CN110109431A (zh) | 2019-08-09 |
CN110109431B CN110109431B (zh) | 2020-11-06 |
Family
ID=67488443
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910373782.6A Active CN110109431B (zh) | 2019-05-07 | 2019-05-07 | 一种压铸机oee信息智能获取系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110109431B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111856972A (zh) * | 2020-06-08 | 2020-10-30 | 青岛奥利普自动化控制系统有限公司 | 设备状态切换时间的检测方法、装置、电子设备 |
CN112309000A (zh) * | 2020-10-20 | 2021-02-02 | 重庆大学 | 一种云平台的机床稼动率监测系统 |
CN112729639A (zh) * | 2019-10-14 | 2021-04-30 | 浙江大学软件学院(宁波)管理中心(宁波软件教育中心) | 一种木雕自动化设备oee计算方法及装置 |
CN113848831A (zh) * | 2021-09-16 | 2021-12-28 | 信利(仁寿)高端显示科技有限公司 | 一种旧设备的稼动率自动统计管控方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102179925A (zh) * | 2011-03-29 | 2011-09-14 | 周文 | Pet瓶吹瓶机的oee监控系统及方法 |
CN102411364A (zh) * | 2011-12-28 | 2012-04-11 | 浙江力太科技有限公司 | 工厂物联网业务终端 |
CN202382765U (zh) * | 2011-12-28 | 2012-08-15 | 浙江力太科技有限公司 | 一种全局设备效率oee的自动测量单元 |
CN104268071A (zh) * | 2014-10-23 | 2015-01-07 | 浙江力太科技有限公司 | 保证oee停机计时准确性方法 |
CN204143226U (zh) * | 2013-12-20 | 2015-02-04 | 武汉钢铁(集团)公司 | 一种生产线数据采集系统 |
CN105880520A (zh) * | 2016-04-22 | 2016-08-24 | 重庆溢希恩真节能电力设备有限公司 | 一种压铸机伺服能源监管系统 |
CN207508244U (zh) * | 2017-07-14 | 2018-06-19 | 江苏中科云控自动化系统集成有限公司 | 一种压铸机的控制装置 |
CN108248214A (zh) * | 2017-12-27 | 2018-07-06 | 天津滨海环球印务有限公司 | 一种印刷企业用的oee测量系统 |
CN108537301A (zh) * | 2018-03-21 | 2018-09-14 | 广东鸿图科技股份有限公司 | 一种铝合金压铸产品全工序精准追溯方法 |
CN109556898A (zh) * | 2018-11-22 | 2019-04-02 | 京东方科技集团股份有限公司 | 一种确定设备的性能稼动率的方法及存储介质 |
-
2019
- 2019-05-07 CN CN201910373782.6A patent/CN110109431B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102179925A (zh) * | 2011-03-29 | 2011-09-14 | 周文 | Pet瓶吹瓶机的oee监控系统及方法 |
CN102411364A (zh) * | 2011-12-28 | 2012-04-11 | 浙江力太科技有限公司 | 工厂物联网业务终端 |
CN202382765U (zh) * | 2011-12-28 | 2012-08-15 | 浙江力太科技有限公司 | 一种全局设备效率oee的自动测量单元 |
CN204143226U (zh) * | 2013-12-20 | 2015-02-04 | 武汉钢铁(集团)公司 | 一种生产线数据采集系统 |
CN104268071A (zh) * | 2014-10-23 | 2015-01-07 | 浙江力太科技有限公司 | 保证oee停机计时准确性方法 |
CN105880520A (zh) * | 2016-04-22 | 2016-08-24 | 重庆溢希恩真节能电力设备有限公司 | 一种压铸机伺服能源监管系统 |
CN207508244U (zh) * | 2017-07-14 | 2018-06-19 | 江苏中科云控自动化系统集成有限公司 | 一种压铸机的控制装置 |
CN108248214A (zh) * | 2017-12-27 | 2018-07-06 | 天津滨海环球印务有限公司 | 一种印刷企业用的oee测量系统 |
CN108537301A (zh) * | 2018-03-21 | 2018-09-14 | 广东鸿图科技股份有限公司 | 一种铝合金压铸产品全工序精准追溯方法 |
CN109556898A (zh) * | 2018-11-22 | 2019-04-02 | 京东方科技集团股份有限公司 | 一种确定设备的性能稼动率的方法及存储介质 |
Non-Patent Citations (1)
Title |
---|
卢宏远: "提高压铸设备综合效率(OEE)的潜在要素", 《2016重庆市铸造年会论文集》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112729639A (zh) * | 2019-10-14 | 2021-04-30 | 浙江大学软件学院(宁波)管理中心(宁波软件教育中心) | 一种木雕自动化设备oee计算方法及装置 |
CN111856972A (zh) * | 2020-06-08 | 2020-10-30 | 青岛奥利普自动化控制系统有限公司 | 设备状态切换时间的检测方法、装置、电子设备 |
CN111856972B (zh) * | 2020-06-08 | 2022-02-08 | 青岛奥利普自动化控制系统有限公司 | 设备状态切换时间的检测方法、装置、电子设备 |
CN112309000A (zh) * | 2020-10-20 | 2021-02-02 | 重庆大学 | 一种云平台的机床稼动率监测系统 |
CN112309000B (zh) * | 2020-10-20 | 2022-04-01 | 重庆大学 | 一种云平台的机床稼动率监测系统 |
CN113848831A (zh) * | 2021-09-16 | 2021-12-28 | 信利(仁寿)高端显示科技有限公司 | 一种旧设备的稼动率自动统计管控方法及系统 |
CN113848831B (zh) * | 2021-09-16 | 2024-05-07 | 信利(仁寿)高端显示科技有限公司 | 一种旧设备的稼动率自动统计管控方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110109431B (zh) | 2020-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110109431A (zh) | 一种压铸机oee信息智能获取系统 | |
CN106990763B (zh) | 一种基于数据挖掘的立磨运行调控系统及方法 | |
CN108846530B (zh) | 一种基于“聚类-回归”模型的短期负荷预测方法 | |
CN116646933A (zh) | 一种基于大数据的电力负荷调度方法及系统 | |
CN109934395B (zh) | 一种基于分时分区气象数据的多小水电地区短期电力负荷预测方法 | |
CN102236795B (zh) | 风电场风速预测方法 | |
CN110503256A (zh) | 基于大数据技术的短期负荷预测方法及系统 | |
CN109185917B (zh) | 一种基于火焰强度信号的锅炉燃烧状态在线诊断方法及系统 | |
CN107239066B (zh) | 一种基于数据挖掘的立磨运行闭环控制装置及方法 | |
CN106022530A (zh) | 一种电力需求侧柔性负荷有功功率预测方法 | |
CN110197296B (zh) | 一种基于时间序列相似性的机组负荷预测方法 | |
CN107403015A (zh) | 一种基于时间序列相似性的短期光功率预测方法 | |
CN116050613B (zh) | 水电机组顶盖排水泵剩余使用寿命预测方法 | |
CN112330089A (zh) | 装备制造类企业的综合能效监测方法及监测系统 | |
CN113554203B (zh) | 基于高维网格化和LightGBM的风电预测方法及装置 | |
CN111460360B (zh) | 基于密度分布的功率曲线拟合数据预处理方法及装置 | |
CN112711913B (zh) | 基于粒度支持向量机的冷热电短期负荷预测系统及方法 | |
CN112308412B (zh) | 基于评估指标的波浪发电典型场景生成方法 | |
CN106033217B (zh) | 派工系统及派工方法 | |
CN104657781A (zh) | 一种基于神经网络算法的电能消耗预测系统 | |
CN114281846A (zh) | 一种基于机器学习的新能源发电预测方法 | |
Wei et al. | Ultra-short-term/short-term wind power continuous prediction based on fuzzy clustering analysis | |
CN114282756A (zh) | 一种用户侧可调负荷紧急控制潜力评估方法及系统 | |
CN117543589B (zh) | 一种梯级水电安全集控系统调度方法 | |
CN115471059B (zh) | 一种基于空蚀振动区规划的水轮机在线经济运行系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |